ESTUDIO Y MODELACIÓN DE VACIADO DE

TANQUES INTERCONECTADOS

[1]
Álvarez l, [1]
[1]
Estudiantes de VII semestre del programa de Ingeniería Civil de la Universidad de
Cartagena.
[2]
Docente de Métodos Numéricos

Cartagena D.T. y C. Enero 31 de 2019

Resumen

En el presente informe serán descritos una serie de procedimientos en la práctica

correspondiente al vaciado de un tanque, que se llevaron a cabo para la obtención de una
serie de datos como lo fueron el nivel del agua llenado en un determinado tiempo, esto con
el fin de poder realizar la debida modelación matemática que mejor podrá representar
nuestros datos obtenidos. A partir de esta modelación matemática se tuvieron presentes 3
componentes de suma importancia como lo son la calibración, verificación y validación del
modelo.

Palabras clave: Vaciado, modelación, coeficiente de descarga, validación.

Abstract The present report will describe a series of procedures in practice corresponding
to the emptying of a tank, which were carried out to obtain a series of data as were the
level of water filled in a certain time, this for the purpose of being able to perform the due
mathematical modeling that can better represent our obtained data. From this
mathematical modeling we had 3 very important components such as calibration,
verification and validation of the model.

Keywords: Emptying, modeling, discharge coefficient, validation.

 1. INTRODUCCIÓN

La modelación matemática busca plasmar lo que el mundo real nos ofrece en términos
matemáticos, siendo así un conjunto de variables que reflejaran la esencia de los
fenómenos en el objeto de estudio. Originalmente es implementada como una metodología
de enseñanza, partiendo de un tema en específico y sobre este ir desarrollando las
soluciones que se desean obtener.

Por lo cual los modelos matemáticos pueden ser categorizados según sus características,
entre los cuales tendremos a los modelos interpretativos los cuales buscan el incremento
del conocimiento de la parte de la realidad detrás de un fenómeno, los modelos de
diagnóstico el cual compara la conducta vista desde una perspectiva general a una
establecida y el modelo de simulación que se fundamenta en la sustitución de sistemas
reales a expresiones matemáticas.

En el desarrollo de la ingeniería y de forma más detallada en el área de la mecánica de

fluidos se presentan situaciones en las cuales se hace necesaria la implementación de
modelos matemáticos, una de estas situaciones seria el vaciado de un tanque. El cual resulta
ser de vital importancia para la predicción del tiempo en que un tanque demora en drenar su
contenido de manera parcial o completa. Como la temática no es nueva y ya se ha venido
trabajando con anterioridad, fuentes han establecido que los modelos representaran la
manera en como las variaciones en el diámetro del orificio y la forma del tanque usado
influyen en el vaciado de este.

2. OBJETIVOS

2.1. OBJETIVO GENERAL

Elaborar un modelo matemático haciendo uso de las herramientas y métodos expuestos en

el aula de clase. Con el fin de que este sea ajustado a las tres (3) situaciones presentadas en
la práctica realizada.

2.2. OBJETIVOS ESPECÍFICOS

 Identificar los conceptos básicos de mecánica de fluido, los cuales nos ayudaran en
la determinación de las variables necesarias.
 Conocer la fundamentación teórica necesaria para el desarrollo asertivo del modelo
matemático.
 Realizar una serie de gráficos de carácter experimental donde estarán expresados los
datos obtenidos y de tal forma su respectiva discusión.
3. FUNDAMENTACIÓN TEÓRICA

3.1 MECÁNICA DE FLUIDOS

3.1.1 ECUACIÓN DE BERNOULLI

Demostración de la ecuación de Bernoulli

Hay tres formas de energía que se toman en consideración cuando de analiza un problema
de flujo en tuberías. Considere un elemento de fluido como él se ilustra en la figura 1
dentro de una tubería en un sistema de flujo. Se localiza a cierta elevación z. tiene velocidad
v y presión p. el elemento de fluido posee las formas de energía siguientes:

Figura 1. Elemento de un fluido en una tubería

o Energía potencial. Debido a su elevación, la energía potencial del elemento en

relación con algún nivel de referencia es
Ep=wz Ecuación 1
Donde w es el peso del elemento.

o Energía cinética. Debido a su velocidad, la energía cinética del elemento es

Ec=w v2 /2 g Ecuación 2

o Energía de flujo. A veces llamada energía de presión o trabajo de flujo, y representa

la cantidad de trabajo necesario para mover el elemento de fluido a través de cierta
sección contra la presión p. La energía de flujo se abrevia EF y se calcula por medio
de
Ef =℘ /γ Ecuación 3
 Figura 2. Energía de flujo.

La ecuación (3) se obtiene como sigue. La figura 2 muestra al elemento de fluido en la

tubería mientras se mueve a través de una sección. La fuerza sobre el elemento es pA,
donde p es la presión en la sección y A es el área de ésta. Al mover el elemento a través de
la sección, la fuerza recorre una distancia L igual a la longitud del elemento. Por tanto, el
trabajo que se realiza es

trabajo=pAL= pV

Donde V es el volumen del elemento. El peso del elemento w es

w=γV

Donde y es el peso específico del fluido. Entonces, el volumen del elemento es

V =w/γ

Y obtenemos.

trabajo=pV =pw /γ

Denominada energía de flujo y se representa con la ecuación 3.

Entonces la cantidad total de energía de estas tres formas que posee el elemento de fluido es
la suma E,

E=EF + EP+ EC

pw
E= + wz+ w v 2 /2 g
γ

Cada uno de estos términos se expresa en unidades de energía como el Newton-metro

(N*m) en el SI, y el pie-libra (pie-lb) en el Sistema Tradicional de Estados Unidos.
 Figura 3. Elementos de un fluido utilizado en la ecuación de Bernoulli.

Ahora, considere el elemento de fluido en la figura 3, que se mueve de la sección 1 a la 2.

Los valores de p, z y v son diferentes en las dos secciones. En la sección 1, la energía total
es

℘1 w v 12
E1= + wz 1+
γ 2g

En la sección 2, la energía total es

℘2 w v 22
E2= + wz 2+
γ 2g

Si no hay energía que se agregue o pierda en el fluido entre las secciones 1 y 2, entonces el
principio de conservación de la energía requiere que

E 1=E 2
2 2
℘1 w v 1 ℘2 wv2
+wz 1+ = +wz 2+
γ 2g γ 2g

El peso del elemento w es común a todos los términos y se elimina al dividir entre él. Así,
la ecuación se convierte en
2 2
p1 v 1 p2 v2
+ z 1+ = + z 2+ Ecuación 4.
γ 2g γ 2g

Conocida como ecuación de Bernoulli.

Cada término de la ecuación de Bernoulli, ecuación (6-9), resulta de dividir una expresión
de la energía entre el peso de un elemento del fluido. Por lo anterior, Cada término de la
ecuación de Bernoulli es una forma de la energía que posee el fluido por unidad de peso del
fluido que se mueve en el sistema.

Restricciones de la ecuación de Bernoulli.

Aunque la ecuación de Bernoulli es aplicable a bastantes problemas prácticos, hay

limitaciones que debemos conocer, a fin de aplicarla con propiedad.

o Es válida sólo para fluidos incompresibles, porque se supone que el peso específico
del fluido es el mismo en las dos secciones de interés.
o No puede haber dispositivos mecánicos que agreguen o retiren energía del sistema
entre las dos secciones de interés, debido a que la ecuación establece que la energía
en el fluido es constante.
o No puede haber transferencia de calor hacia el fluido o fuera de éste.

o No puede haber pérdida de energía debido a la fricción.

En realidad ningún sistema satisface todas estas restricciones. Sin embargo, hay muchos
sistemas donde se utiliza la ecuación de Bernoulli, y sólo se generan errores mínimos.
Asimismo, el empleo de esta ecuación permite hacer una estimación rápida del resultado,
cuando esto es todo lo que se desea.

Procedimiento para aplicar la ecuación de Bernoulli

1. Decidir cuáles son los términos conocidos y cuáles deben calcularse.

2. Determinar cuáles son las dos secciones del sistema que se usarán para escribir la
ecuación de Bernoulli. Una de ellas se elige porque se concentran varios datos conocidos.
En la otra, por lo general, algo habrá que calcularse.

3. Escribir la ecuación de Bernoulli para las dos secciones elegidas en el sistema. Es

importante que la ecuación se escriba en la dirección del flujo. Es decir, el flujo debe
proceder de la sección que esté en el lado izquierdo de la ecuación y dirigirse hacia la
sección derecha.

4. Es necesario ser explícito en la denominación de los subíndices de los términos de la

carga de presión, carga de elevación y carga de velocidad en la ecuación de Bernoulli. En
un dibujo del sistema hay que señalar la posición de los puntos de referencia.

5. Simplificar la ecuación, si es posible, con la cancelación de los términos que valgan cero
o de los que aparezcan como iguales en ambos lados de la ecuación.

6. Despejar de la ecuación, en forma algebraica, el término que se busca.

7. Sustituir cantidades conocidas y calcular el resultado, con unidades consistentes todos los
cálculos. [CITATION Mot06 \l 3082 ]

3.1.2 ECUACIÓN DE CONTINUIDAD

La trayectoria seguida por una partícula de fluido estacionario se llama línea de corriente,
así que por definición la velocidad es siempre tangente a la línea de corriente en cualquier
punto. Por lo tanto las líneas de corriente no se pueden cruzar, sino en el punto de cruce, la
partícula de fluido podría irse por cualquiera de las líneas y el flujo no sería estacionario.
Un conjunto de líneas de corriente forma un tubo de corriente o de flujo, las partículas de
fluido se pueden mover sólo a lo largo del tubo, ya que las líneas de corriente no se cruzan.

Considerar un fluido que se mueve a lo largo de un tubo de corriente, cuya sección

transversal aumenta en dirección del flujo, como en la figura. En un intervalo Δt en la
sección más angosta del tubo de área A1, el fluido se mueve una distancia Δx1 = v1 Δt. La
masa contenida en el volumen A1 Δx1 es Δm1 = ρ1A1 Δx1. De manera similar, en la
sección ancha del tubo de área A2, se obtienen expresiones equivalentes en el mismo Δt,
cambiando el subíndice 1 por 2. Pero la masa se conserva en el flujo estacionario, esto es la
masa que cruza por A1 es igual a la masa que pasa por A2 en el intervalo de tiempo Δt.

Figura 4.

Δm 1=Δm 2

ρ 1∗A 1∗Δx1=ρ 2∗A 2∗Δx 2

ρ 1∗A 1∗V 1∗Δt=ρ 2∗A 2∗V 2∗Δt

ρ 1∗A 1∗V 1= ρ2∗A 2∗V 2

Esta se llama ecuación de continuidad, representa la conservación de la masa: significa que

la masa no puede ser creada ni destruida, sólo se puede transformar, similar a la
conservación de la energía. [CITATION Gar16 \l 3082 ]
3.2 MODELACIÓN MATEMÁTICA

Los modelos matemáticos han sido definidos como conjuntos de relaciones entre los
atributos medibles de un sistema, que describen las relaciones establecidas por el sistema
entre estas cantidades. Esto limita la capacidad descriptiva de los modelos matemáticos a
los atributos que pueden ser expresados por medio de números y muestra además que estos
modelos constituyen, en todo caso, solamente una descripción aproximada de la realidad.

3.2.1. Modelos interpretativos

El fundamento de estos modelos radica en satisfacer la curiosidad científica y en

racionalizar el comportamiento de procesos observados. También pueden ser vistos como
formas de extraer información esencial de experimentos complicados o de sustituir
(grandes cantidades de) datos con un mecanismo generador de datos. El propósito de los
modelos interpretativos es incrementar el conocimiento de una parte de la realidad existente
detrás de los fenómenos observados; deben "interpretar" conjuntos de datos, pero no tienen
necesariamente la capacidad de generar otro conjunto de datos (futuros) que (serian)
generados por el mismo sistema. La mayoría de las leyes físicas pueden verse como
modelos de esta clase. Otra observación importante concierne a las aproximaciones de los
modelos interpretativos y/o al alcance limitado de su validez

3.2.2. Modelos para diagnóstico

El cálculo del modelo específico que mejor se ajusta al conjunto de datos recogidos en un
proceso permite comparar su conducta general con una clase de conductas establecidas
como referencia, evaluando condiciones anormales tales como la falta de un sensor en un
proceso industrial o una enfermedad en un paciente.

3.2.3. Modelos para simulación.

El fundamento aquí es la sustitución de los sistemas reales por sus modelos a fin de evaluar
sus respuestas a políticas de control (entradas) asumidas. Una sustitución de este género
puede traer grandes retribuciones desde un punto de vista económico y puede también
permitir ejecutar operaciones que serían imposibles de otra manera o arriesgadas en los
sistemas reales (por ejemplo, en estudios demográficos, respuestas a los cambios en las
ratas de interés en una economía nacional, el entrenamiento de pilotos, en incidentes de
importancia en los reactores nucleares, etc.). Por supuesto la utilidad de las simulaciones
depende de la exactitud del modelo en reproducir el comportamiento del sistema real; la
etimología de simulación (del latín simulare = a pretender) parece sugerir la posible
ambigüedad de esta substitución.

3.2.4. Construcción del modelo

La asociación inevitable de los conceptos de modelo y aproximación coloca el modelado

en una zona intermedia que no pertenece a la ciencia pura debido a la falta de postulados de
unicidad pero debe, en todo caso, contar con los resultados y metodologías ofrecidas por la
ciencia abstracta de las matemáticas. Es más, la limitada capacidad de los modelos para
resolver cualquier problema específico conduce a la oportunidad de construir modelos
orientados a la aplicación; las razones detrás de los diferentes usos de los modelos que se
han descrito previamente, llegan a ser también las razones detrás de la construcción de
modelos de propósito especial para el mismo sistema.

3.2.5. Modelado y simulación

Un modelo es un sistema similar a uno original, a veces llamado sistema real, en el sentido
de que, cuando soluciona un problema que concierne al sistema original, puede
solucionarlo bajo condiciones más favorables. Un modelo es por lo tanto, un sustituto
factible para el sistema. A continuación daremos una introducción a los conceptos básicos
sobre modelado y simulación.

3.3. CONCEPTOS BÁSICOS

3.3.1. La experimentación es el acto físico de llevar a cabo un experimento. Un

experimento puede o no interferir con el funcionamiento del sistema (influenciar sus
entradas y parámetros). Como tal, en su propio derecho, el entorno de la experimentación
puede verse como un sistema (que puede ser a su vez modelado por un modelo). También,
la experimentación involucra la observación. La observación arroja las medidas.

3.3.2. La simulación de un modelo descrito en un cierto formalismo (tal como las redes de
Petri, Ecuaciones Diferenciales Algebraicas (DAE) o Bond Graph) produce los resultados
de simulación: el comportamiento dinámico de las entradas/salidas. La Simulación, la cual
imita el experimento real, puede verse como una experimentación virtual, permitiendo
contestar preguntas sobre (el comportamiento de) un sistema. Un modelo de simulación
es una herramienta para lograr una meta (diseño, análisis, control, optimización…). Un
prerrequisito fundamental es, por consiguiente, cierta seguridad de que las conclusiones
deducidas del modelado y la simulación (las herramientas) pueden aceptarse con
confianza. El establecimiento de esta confianza está asociado con dos actividades distintas
a saber: Verificación y validación.
3.3.3. Verificación es el proceso de verificar la consistencia del programa de simulación,
con respecto al modelo del cual es derivado. Más explícitamente, la verificación se
preocupa por la exactitud de la transformación desde una representación abstracta
intermedia (el modelo conceptual) al código del programa (el modelo de simulación),
asegurando que el código del programa refleje fielmente el comportamiento que está
implícito en la especificación del modelo conceptual.

3.3.4. La Validación es el proceso de comparar las medidas del experimento con los
resultados de simulación dentro del contexto de un cierto Marco Experimental.

Cuando la comparación muestra diferencias, el modelo formal construido puede no

corresponder al sistema real. Un gran número de medidas y resultados de simulación que se
ajustan fielmente aunque incrementan la confianza, no prueban, sin embargo, la validez del
modelo. Por esta razón, Popper ha introducido el concepto de falsificación, que es la
empresa de intentar falsificar o refutar el modelo. Pueden identificarse varios tipos de
validación; por ejemplo: validación del modelo conceptual, validación estructural, y
validación del comportamiento.

 La validación conceptual es la evaluación de un modelo conceptual con respecto al

sistema, dónde el objetivo es, principalmente, evaluar el realismo del modelo
conceptual con respecto a los objetivos del estudio.
 La validación estructural es la evaluación de la estructura de un modelo de
simulación con respecto a la estructura aparente del sistema.
 La validación de comportamiento es la evaluación del comportamiento del
modelo de simulación.

3.3.5. Validez de un modelo: una relación modelo-sistema

La validez de un modelo tiene que ver sobre cuán bien representa el sistema original para el
cual fue construido. En primera instancia, la validez puede ser medida por la extensión del
acuerdo entre el sistema original y el modelo. La noción de validez es extendida por
Zeigler [1976], quien distingue diferentes grados de validez:

La validez replicativa trata de la habilidad del modelo para reproducir los datos de
entrada/salida ya adquiridos del sistema real.

La validez predictiva trata de la habilidad para identificar el estado en el que un modelo

debe ser fijado para permitir predecir la respuesta del sistema original a cualquier entrada
(no solamente las usadas para identificar el modelo). Un modelo es predictivamente valido
si puede ajustarse a los datos del sistema original antes de que estos sean adquiridos del
sistema original. La validez predictiva es más fuerte que la validez replicativa.
La validez estructural trata de la relación estructural entre el sistema real y el modelo. Un
modelo es estructuralmente valido si es no sólo valido predictivamente, sino también
refleja las maneras en las que el sistema original funciona para producir su
comportamiento.

3.4. AJUSTE DE CURVAS

3.4.1 MÍNIMOS CUADRADOS

3.4.1.1. Regresión por Mínimos Cuadrados

Si en una función y = f (x) definida en forma tabular, para la cual se desconoce la expresión
analítica, se observa una tendencia definida al graficar los puntos, entonces es posible
ajustar una curva mediante regresión por mínimos cuadrados.

3.4.1.2. Regresión Lineal (usando mínimos cuadrados)

Una recta es un polinomio de orden uno: y = a0 + a 1 x

Para cada punto definido por el par ordenado ( xi , yi ) se puede escribir : yi = a0 + a1 xi

Sin embargo, si la recta no pasa por todos los puntos habrá una diferencia entre el valor
dado por a0 + a1 xi y el valor real yi .

Para determinar los valores de a0 , a1 que nos proporcionen la menor diferencia, se utiliza la
regresión lineal por mínimos cuadrados.

A la diferencia entre el valor proporcionado por a0 + a1 xi y el valor real yi se le llama

error.

E = yi - ( a0 + a1 xi ) = yi - a0 - a1 xi

Si elevamos los errores al cuadrado nos evitaríamos que al sumarlos se pudieran anular
entre sí.
E2 = [yi - ( a0 + a1 xi )]2 = (yi - a0 - a1 xi )2

Si sumamos todos los errores

Sr =  E2 =  (yi - a0 - a1 xi )2

Donde la sumatoria opera para i = 1,2,3, ..... , n

Para determinar los valores de a0 y a1 que nos proporcionen el error mínimo se deriva la
ecuación

Sr =  E2 =  (yi - a0 - a1 xi )2 con respecto a a0 y a1 y se iguala a cero.

Sy
a0 =  2 (y - a - a x )(-1) = (-2)  (y - a - a x ) = 0
i 0 1 i i 0 1 i

S y
a1 =  2 (y - a - a x )(-x ) = (-2)  [ (y - a - a x )(x )] = 0
i 0 1 i i i 0 1 i i

0 =  (yi - a0 - a1 xi ) =  yi -  a0 -  a1 xi =  yi - n a0 -  a1 xi

0 =  (yi - a0 - a1 xi )xi =  yi xi -  a0 xi -  a1 xi 2

n a0 +  xi a1 =  yi

 xi a0 +  xi 2 a1 =  yi xi

Estas ecuaciones se conocen como ecuaciones normales, y se pueden resolver por algún
método adecuado.

Si usamos la regla de Cramer

y i x i

x y i i x i
2
y x
i i
2
  xi  xi yi
a0  
x n x  x 
2
n i i
2
 i

x i x i
2

El valor de a0 se puede obtener a partir de la ecuacion n a0 +  xi a1 =  yi

dividiéndola entre n y despejando a0 :

a0 = ymedia - a1 xmedia
 |
n ∑ yi |
a1 =
∑ xi ∑ x i y i = n ∑ x i y i −∑ xi ∑ yi
2
|
n ∑ xi | n ∑ x 2 −( ∑ x i )
i
∑ xi ∑ x i2

3.4.1.3. Ajuste de Curvas Mediante Regresión por Mínimos Cuadrados

Para cualquier análisis de regresión, se trazan y visualizan los datos, para decidir si es
correcto o aceptable aplicar el modelo lineal, ya que algunos conjuntos de datos se
representan pobremente mediante una línea recta. En estos casos, se recurre a otra técnica
para ajustar los datos a alguna curva más adecuada.

3.4.2 REGRESIÓN NO LINEAL

Un método alterno es usar una transformación que exprese los datos de manera que sean
compatibles con una línea recta. Si se tiene un conjunto de puntos (xi , yi ) al cual se
representa pobremente mediante una línea recta, es posible encontrar ecuaciones de
transformación u = u (x , y) y v = v (x , y) tal que el conjunto generado (ui ,
vi ) se ajuste a la línea recta v = a0 + a1 u.

3.4.2.1. Modelo exponencial

y = a eb x sacando logaritmos ln y = ln a + b x

Haciendo la transformación

u=x v = ln y a0 = ln a a1 = b

Obtenemos la ecuación de la línea recta v = a 0 + a1 u

3.4.2.2. Modelo de la potencia

y=axb sacando logaritmos ln y = ln a + b ln x

Haciendo la transformación
u = ln x v = ln y a0 = ln a a1 = b

Obtenemos la ecuación de la línea recta v = a 0 + a1 u

La gama de posibles transformaciones es muy amplia, aquí solo se dan dos casos.

Estos modelos en sus estados transformados, se ajustan usando regresión lineal por
mínimos cuadrados para evaluar los coeficientes a0 y a1 después se pueden transformar a su
estado original y usarse para propósitos predictivos.

[CITATION cha07 \l 3082 ]