Control Predictivo basado en Modelos (MPC)

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Control Predictivo basado en Modelos (MPC)"

Transcripción

1 Control Predctvo basado en Modelos (MPC) Prof. Cesar de Prada Dto. Ingenera de Sstemas Automátca Unversdad de Valladold, Esaña e-mal: web:htt//

2 Tendencas en la ndustra Exgencas crecentes de otmzacón de costos, meor caldad, roductvdad, segurdad, reseto al medo ambente, funconamento de las lantas en un amlo rango de condcones de oeracón,.. Requere una meora de los sstemas de control ara cumlr esecfcacones. Necesdad de raconalzar las decsones de nvel sueror con sgnfcado económco de ntegrar todas las decsones a dversos nveles.

3 El lazo de control v DV w SP Controlador u MV Proceso CV

4 El regulador PID e( t) w( t) ( t) u t K e t T e d T de ( ) ( ) ( τ) τ d dt regulador basado en señal, no ncorora conocmento exlícto del roceso 3 arámetros de sntona K, T, Td dversas modfcacones

5 Regulacón automátca convenconal Tem TC FC FT FC Refrgerante TT Reactor AT Conc. FT Producto

6 Problemas de control En la ndustra de rocesos, los reguladores PID soluconan ben la maoría de los roblemas de control monovarable (caudal, resón,...) Sn embargo ueden no tener un buen comortamento en lazos de dnámca dfícl (retardos, fase no mínma, etc.) En sstemas mas comleos con nteraccón entre varables, (control de una undad de roceso,...) la nteraccón entre lazos uede emeorar seramente el control.

7 Reactor: Interaccón u2 w T TC AC w c u La nteraccón entre los lazos uede medr un funconamento adecuado FC FC TT AT FT Matera rma FT Refrgerante Reactor Productos

8 u2 Interaccón Tem Conc. MPC u El control multvarable tene en cuenta la nteraccón entre las varables trata de controlar la undad de roceso como un todo FC FT FC TT AT Reactvo FT Refrgerante Reactor Producto

9 Procesos multvarables (MIMO) En rocesos multvarables la nteraccón crea roblemas de control. Además cuando ha restrccones en las varables, erturbacones, etc. las llamadas estructuras de control no semre dan buenos resultados son dfícles de mantener. En consecuenca, a menudo la undad se regula manualmente or un oeraro. FT FT FY FC F TC TT V PT PC TT TC LT LC R FC FT LT LC D

10 Control Multvarable El control multvarable, en artcular el MPC, tene en cuenta la nteraccón entre las varables, sus restrccones, las erturbacones, etc. ermte realzar un control efcente de forma automátca, abrendo las uertas a la otmzacón de su unto de oeracón. FT FT FC F V PT PC TT TT LT LC R FC FT MPC LT LC D

11 Control otmzacón límte sueror ref ref temo La reduccón de varanza ermte mover la referenca resetar los límtes de la varable. La meora del control ermte la otmzacón.

12 Un meor control ermte la otmzacón del unto de trabao ula gases are Hogargar Secadero Gas límte MC w MT Pula seca Humedad de ula seca SP W W2

13 Control Otmzacon lmte W W2 mnmzar varanza ermte mover la consgna mas cerca de los límtes de oeracón ótmos necesdad de un meor control oerar cerca de las restrccones

14 Prámde de control Otmzacón local MPC Regulacón convenconal Control Predctvo PID, DCS,.. El control avanzado oera sobre el control convenconal, alcado al funconamento de una undad de roceso añade nuevas fuconaldades tenendo en cuenta la nteraccón entre las varables, las restrccones la otmzacón contnua de su oeracón. Instrumentacón Válvulas, Transmsores

15 JERARQUIA DE CONTROL Nvel 3 Otmzacón Interes económco Nvel 2 Control Avanzado Nvel Control Convenconal PID, DCS Para oder abordar roblemas de un nvel, los nveles nferores han de funconar correctamente En concreto, la otmzacón económca exge que el nvel de control funcone adecuadamente nvel 0 Instrumentacón de Camo

16 Control Predctvo MPC estratega de control basada en el uso exlícto de un modelo del roceso ara redecr el comortamento futuro de la varable controlada sobre un horzonte temoral es factble or los cambos tecnológcos en comutadores, técncas de modelado, métodos numércos,... Dversos algortmos: DMC, GPC,.. w Otmzador u v Proceso (t) Predctor

17 Control Predctvo MV u(t) u(tk t) temo CV asado futuro Señal de referenca Predccón de la salda: ^ (tk t) SP t t t2... temo

18 MPC, Otmzacón w Otmzador u v Proceso (t) Predctor mn J u(t),u(t ),.. N2 [ ] 2 ŷ(t ) w(t ) [ β u(t ) ] N Nu 0 2 (t) están relaconados con u(t), u(t) a través de las ecuacones de redccón calculadas con el modelo del roceso

19 Control redctvo PID MPC

20 Característcas del MPC Manea roblemas de control multvarable con dstnto numero de CV MV comensa erturbacones medbles Permte trabaar con rocesos de dnámca comlea: retardos, resuesta nversa,... Permte trabaar con restrccones en las varables manuladas o controladas Fácl de entender Abre las uertas a la otmzacón económca del roceso

21 Dseño de controladores...ero necesta un modelo dnámco Sn Modelo Análss del roceso Sntonía del controlador Con Modelo Modelado Identfcacón Esecfcar control

22 Prncales elementos Modelo nterno usado ara efectuar redccones del comortamento futuro Señal de Referenca Estructuracón de la le de control Cálculo de las señales de control que roorconan un meor escenaro futuro Estratega de horzonte movl

23 Modelos dscretos u(kt) Ordenador A/D Proceso (kt) D/A modelos dscretos la salda en t kt deende de las entradas saldas en nstantes de temo (k-)t anterores

24 Modelos Lneales la salda actual deende lnealmente de las entradas saldas en nstantes de temo anterores ( t) a ( t )... a ( t n) b u( t )... b u( t m) n m las varables u e son erturbacones sobre un unto de oeracón ( t ) Y Y u( t) U U 0 0

25 Modelo resuesta salto ( t) g u( t ) No requere conocer la estructura del modelo Puede descrbr dnámcas no usuales Predccón smle oco sensble a errores Lmtado a sstemas estables Contene muchos arámetros

26 Matrz Dnámca 2 3 u t t t u2 t t t resuesta salto entre cada ar entrada/salda

27 DMC Dnamc Matrx Control z(t) z(t) z(t ) Modelo: resuesta salto erturbacón g (t) g u(t ) n(t) Predccones: (t ) g u(t ) g u(t ) n(t ) Modelo de erturbacón: n( t ) n( t) ( t) g u( t ) Predccones: ŷ(t ) g u(t ) g u(t ) (t) g u(t )

28 DMC, Dnamc Matrx Control ŷ(t ) g u(t ) g u(t ) (t) g u(t ) (t) (t) g g u(t u(t ) ) g 2 g u(t u(t ) 2)... g u(t ) g 2 u(t 2)... (t) (g g ) u(t ) g In asmtotcall stable sstems: g g 0 d d 0 > N, N,..., N2 N (t) (g g ) u(t ) Free resonse of the sstem at tme t

29 DMC, Dnamc Matrx Control Predccones: ŷ (t ) g u(t ) Resuesta forzada lbre ( t ) G ( q ) u( t ) G ( q ) g q... g q N (t) (g g ) u(t ) u(t-) resuesta lbre

30 DMC, eleccón ótma de u N2 2 Nu 2 Mn : J [ ( t ) w( t ) ] [ β u( t ) ] N 0 w ( t ) G ( q ) u( t ) Estructura del control: u(t) 0 Nu Nu control horzon t u(t-) u(t) t N Horzonte de Control (t) Horzonte de Predccón Nu N2 tme tme

31 DMC mn u(t), u(t),.. Puede formularse en forma matrcal: e N2 [ t w t ] [ β u t ] J ( ) ( ) ( ) N u( t)' [ u( t), u( t ),..., u( t Nu ) ] [ w(t N), w(t N ),..., w(t N2) ] 0 ' N N N2 gn... g gn... g2 g G g g N2 N2 Nu 2 Nu 2 0 ( t ) G ( q ) u( t ) [ G' G βi] u(t) 2e 0 ' G u(t) e0 ' e0 J u '(t)

32 DMC J [ G' G βi] u(t) 2e 0 ' G u(t) e0 ' e0 u '(t) S no ha restrccones: J 0 u 2G [ e G u] 2β u 0 0 [ G' G βi] G' 0 u( t) e [ G' G βi] G'( w ) u( t) Accón Integral Comensacón de retardos Sntonía: Horzontes, β Sstemas estables en lazo aberto

33 Parámetros DMC mn u(t ) J N2 N Nu 2 [ ŷ(t ) w(t ) ] [ β u(t ) ] 0 2 (t) w β Factor de eso Move suresson factor u control moves t u(t-) t N u(t) horzonte de concdenca temo horzonte de N2 redccón Nu horzonte de control temo

34 DMC offset DMC redccones: En estado estaconaro: ( t ) G ( q ) u( t ) ŷ ss como N (t) ŷ (g g ) u(t ) ss Las redccones del estado estaconaro son no sesgadas, s la otmzacón lleva las redccones del modelo a w, entonces la salda del roceso será gual a la referenca w, roorconando error estaconaro nulo

35 Perturbacones medbles v erturbacón medble u varable manulada n varable controlada erturbacónes no medbles Modelo DMC: ( t) g u( t ) d v( t ) n( t)

36 Predccones (DMC) con erturbacones conocdas ) n(t ) v(t d ) v(t d ) u(t g ) u(t g ) (t ) v(t d ) u(t g (t) n(t) ) n(t ) v(t d ) u(t g (t) ) v(t d ) v(t d ) u(t g ) u(t g ) ŷ(t Predccón: Hótess: Searar térmnos que deenden del futuro del asado

37 DMC: Resuesta lbre ) v(t d ) v(t ) d (d ) u(t ) g (g (t) es esto ) v(t d ) v(t d ) v(t d ) u(t g ) u(t g (t) N N ) v(t d ) v(t ) d (d ) u(t ) g (g (t) N2 N,..., N, 0 d d 0 g g > En rocesos estables: se necesta una hótess sobre la evolucón futura de v, usualmente v(t) v(t) horzonte móvl

38 Correccón feedforward automatca Resuesta forzada: G (q ) u(t ) Resuesta lbre: ŷ (t f ) (t) u(t) t ( t ) G ( q ) u( t ) Formalmente la msma exresón. El efecto de la erturbacón esta ncludo en la resuesta lbre

39 Restrccones Las restrccones en los valores que ueden tomar las varables aarecen de forma natural en la formulacón de los roblemas de control: Lmtacones físcas de las varables Límtes de segurdad Requstos de caldad, etc.

40 Restrccones Lmax v u Rango de las señales de control Velocdad de cambo de u: Rango de las varables controladas: U D L Lmn u(t m U M u(t ) m D M ŷ(t ) ) m L M Deben ser añaddas a la formulacón del roblema de otmzacón

41 DMC con restrccones mn u J N2 [ ] 2 ŷ(t ) w(t ) [ β u(t ) ] N Nu 0 2 D u( t ) D m U u( t ) u( t ) U m L ( t ) g u( t k ) ( t ) L m 0,..., Nu,..., N2 0 k M k M M Programacón cuadrátca QP u

42 Posbles roblemas de factbldad u(t) QP Regón factble mn x Ax x 0 c x b 2 x Q x Ha de resolverse un roblema QP en línea cada erodo de muestreo Software numérco efcente u(t)

43 Formulacón Multvarable SP Tem SP Com. ( t) M 2( t) M n( t) M M... M 2 m M... M m M... M u( t) n( t) u2( t) n2( t) u ( t) n ( t) n n2 nm m n u 2 Tem MPC Com. TT u FC FT Se necesta un modelo que relacone las varables controladas con las manuladas erturbacones medbles FC FT Refrgerante TT AT Reactor Producto Almentacón

44 DMC Multvarable v u u2 v u t t t u2 Modelo modelo nterno nterno t t t 2 2 ( t) g u ( t ) g u ( t ) g v( t ) n ( t) ( t) g u ( t ) g u ( t ) g v( t ) n ( t) Matrz dnámca ( t) g u ( t ) g u ( t ) g v( t ) n ( t)

45 DMC Multvarable Predccones: Mn funcon de costo: mn u J N2 N γ 3 N2 N γ ( t ) g u ( t ) g u ( t ) ( t ) 2 2 ( t ) g u ( t ) g u ( t ) ( t ) 2 2 ( t ) g u ( t ) g u ( t ) ( t ) [ ŷ ] (t ) w(t ) γ 2[ ŷ2(t ) w 2(t ) ] Nu 2 2 [ ] 2 ŷ [ β ] 3(t ) w 3(t ) u(t ) [ β2 u 2(t ) ] γ Equal concern errors, factores de eso ( normalzacón) 0 Con restrccones lneales: roblema QP N2 N Nu

46 MPC Multvarable u mn k (t ) J u mn k (t ) N N2 k k N k γ k M Nu k 2 ( ) β ( 2 ŷ (t ) w (t ) u (t ) ) k k K 0 k k con: ŷ n k (t ) gks us(t ) k(t s Dm k < u k (t)< DM k Um k < u k (t)< UM k Lm k < k (t)< LM k ) Resuelto como un roblema de Programacón cuadrátca cada erodo de muestreo

47 Otmzacón Económca Cual es el meor unto de trabao? u 2 w Tem w Com. u Como austar las referencas w Tem, w Com a ese unto? Tem MPC Com. TT FC FT FC FT TT AT Reactor Almentacón Refrgerante Producto

48 Otmzacón Económca Funcón de costo economca: Otmzador Económco (RTO) (Producto*concentracón*reco- w Tem w Com. matera rma*reco -Fluo refrgerante*reco)* u 2 MPC u temo Tem Com. TT FC FT Max Benefco Con las restrccones el msmo modelo que el MPC FC FT Refrgerante TT AT Reactor Producto Almentacón

49 Otmzacón de consgnas Tendenca: Combnar las dos caas en un solo MPC donde el crtero es drectamente económco w LP Otmzacón económca MBPC SP DCS La maor arte de los sstemas ncororan una caa deotmzacón en lnea del unto de trabao con crteros económcos Proceso

50 Otmzacón con restrccones Regón de Oeracón del Controlador Otmo Económco Velocdad Turbna Presón P en columna Regón de Oeracón Preferda or el Oerador Temeratura Aertura válvula Comoscón

51 Acetacón ndustral

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009

UNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009 UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas

Más detalles

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel

Problemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al

Más detalles

Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization)

Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization) Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multobjectve Optmzaton) Patrca Jaramllo A. y Rcardo Smth Q. Insttuto de Sstemas y Cencas de la Decsón Facultad de Mnas Unversdad Naconal de Colomba, Medellín,

Más detalles

Smoothed Particle Hydrodynamics Animación Avanzada

Smoothed Particle Hydrodynamics Animación Avanzada Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla

Más detalles

III CONGRESO COLOMBIANO Y I CONFERENCIA ANDINA INTERNACIONAL DE INVESTIGACIÓN DE OPERACIONES

III CONGRESO COLOMBIANO Y I CONFERENCIA ANDINA INTERNACIONAL DE INVESTIGACIÓN DE OPERACIONES III CONGRESO COLOMBIANO Y I CONFERENCIA ANDINA INTERNACIONAL DE INVESTIGACIÓN DE OPERACIONES TUTORIAL: ANÁLISIS MULTIOBJETIVO CONSIDERANDO INCERTIDUMBRE E IMPRECISIÓN Patrca Jaramllo A. y Rcardo A. Smth

Más detalles

Guía de ejercicios #1

Guía de ejercicios #1 Unversdad Técnca Federco Santa María Departamento de Electrónca Fundamentos de Electrónca Guía de ejerccos # Ejercco Ω v (t) V 3V Ω v0 v 6 3 t[mseg] 6 Suponendo el modelo deal para los dodos, a) Dbuje

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

Optimización no lineal

Optimización no lineal Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de

Más detalles

PROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF)

PROPORCIONAR RESERVA ROTANTE PARA EFECTUAR LA REGULACIÓN PRIMARIA DE FRECUENCIA ( RPF) ANEXO I EVALUACIÓN DE LA ENERGIA REGULANTE COMENSABLE (RRmj) OR ROORCIONAR RESERVA ROTANTE ARA EFECTUAR LA REGULACIÓN RIMARIA DE FRECUENCIA ( RF) REMISAS DE LA METODOLOGÍA Las pruebas dnámcas para la Regulacón

Más detalles

Dualidad entre procesos termodinámicos y electromecánicos

Dualidad entre procesos termodinámicos y electromecánicos ENERGÍA Y COENERGÍA EN IEMA ELECROMECÁNICO REALE, DEDE PROCEDIMIENO ERMODINÁMICO CLÁICO Alfredo Álvarez García Profesor de Inenería Eléctrca de la Escuela de Inenerías Industrales de adajoz. Resumen La

Más detalles

1. Modelos Expresados en Variables de Estado 1

1. Modelos Expresados en Variables de Estado 1 2 3 Modelo en Varables de Estado.doc 1 1. Modelos Exresados en Varables de Estado 1. Modelos Exresados en Varables de Estado 1 1.1. Introduccón 2 1.2. Defncón 2 1.3. Forma General 9 1.4. Solucón 1 1.5.

Más detalles

REGULADORES PID. Reguladores PID.

REGULADORES PID. Reguladores PID. REGULADORES PID Reguladores PID. 1. Introduccón a los sstemas de control. Objetvos. 2. Especfcacones de funconamento. 3. Accones báscas de control. Reguladores PID. 4. Metodologías de dseño. 5. Ajuste

Más detalles

TERMODINÁMICA AVANZADA

TERMODINÁMICA AVANZADA ERMODINÁMICA AANZADA Undad III: ermodnámca del Equlbro Fugacdad Fugacdad para gases, líqudos y sóldos Datos volumétrcos 9/7/ Rafael Gamero Fugacdad ropedades con varables ndependentes y ln f ' Con la dfncón

Más detalles

Simulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.

Simulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización. Smulacón y Optmzacón de Procesos Químcos Ttulacón: Ingenería Químca. 5º Curso Optmzacón. Programacón Cuadrátca Métodos de Penalzacón Programacón Cuadrátca Sucesva Gradente Reducdo Octubre de 009. Programacón

Más detalles

315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA

315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA 35 M/R Versón Integral / 28/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Prueba Integral FECHA DE

Más detalles

Problemas de Control e Instrumentación de procesos químicos 4º Ingeniería Química

Problemas de Control e Instrumentación de procesos químicos 4º Ingeniería Química Problemas de Control e Instrumentacón de procesos químcos 4º Ingenería Químca Problema 9 La presón de un sstema de almacenamento de un certo gas se regula por medo de un sstema como el reflejado en la

Más detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1 Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale

Más detalles

Qué es la EN81-28? Atrapado en el ascensor?

Qué es la EN81-28? Atrapado en el ascensor? Qué es la EN81-28? Atrapado en el ascensor? www.safelne.se La podemos ayudar! Hsselektronk desarrolla y produce electrónca para ascensores. Nuestra gama de productos consste prncpalmente en teléfonos de

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

1 x 11 x 12... x 1p y 1 2 x 21 x 22... x 2p y 2 : n x n1 x n2... x np y n

1 x 11 x 12... x 1p y 1 2 x 21 x 22... x 2p y 2 : n x n1 x n2... x np y n 4. Análss de regresón lneal múltle En caítulos anterores tratamos el análss de regresón smle que trata de relaconar una varable exlcatva cuanttatva con una varable resuesta cuanttatva. Todos los elementos

Más detalles

Sistemas Lineales de Masas-Resortes 2D

Sistemas Lineales de Masas-Resortes 2D Sstemas neales de Masas-Resortes D José Cortés Pareo. Novembre 7 Un Sstema neal de Masas-Resortes está consttudo por una sucesón de puntos (de ahí lo de lneal undos cada uno con el sguente por un resorte

Más detalles

DEFINICIÓN DE INDICADORES

DEFINICIÓN DE INDICADORES DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.

Más detalles

ALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República.

ALN - SVD. Definición SVD. Definición SVD (Cont.) 29/05/2013. CeCal In. Co. Facultad de Ingeniería Universidad de la República. 9/05/03 ALN - VD CeCal In. Co. Facultad de Ingenería Unversdad de la Repúblca Índce Defncón Propedades de VD Ejemplo de VD Métodos para calcular VD Aplcacones de VD Repaso de matrces: Una matrz es Untara

Más detalles

Sistemas de Control Primario y Secundario. Roberto Cárdenas D. Ingeniero Electricista, Msc. Ph.D.

Sistemas de Control Primario y Secundario. Roberto Cárdenas D. Ingeniero Electricista, Msc. Ph.D. Sstemas de Control Prmaro y Secundaro Roberto Cárdenas D. Ingenero Electrcsta, Msc. Ph.D. Droop Control Ya dscutmos Droop Control, maestro y esclavo, los cuales son utlzados en sstemas de generacón convenconal.

Más detalles

OPTIMIZACIÓN. María Jesús de la Fuente Aparicio Alberto Herrreros López

OPTIMIZACIÓN. María Jesús de la Fuente Aparicio Alberto Herrreros López OPTIMIZACIÓN María Jesús de la Fente Aparco Alberto Herrreros Lópe Optmacón Problemas de optmacón: Como tomar la mejor opcón entre aras posbles Problemas de natralea m dersa Dseño (p.e. dmensonamento de

Más detalles

Mosto Vino joven Vino crianza Vino reserva Gran reserva Precio [ /l] Coste [ /l] Evap [%]

Mosto Vino joven Vino crianza Vino reserva Gran reserva Precio [ /l] Coste [ /l] Evap [%] PROBLEMA: EL BODEGUERO Un bodeguero ha tendo una buena cosecha que estma sea de 10000 ltros. El bodeguero ha de decdr qué cantdad de la cosecha dedcarla a hacer mosto, qué cantdad conservarla un año en

Más detalles

El modelo neoclásico de crecimiento para una economía cerrada: modelo Solow-Swan.

El modelo neoclásico de crecimiento para una economía cerrada: modelo Solow-Swan. TEMA 4 E CRECIMIENTO REGIONA Análss de la evolucón de las economías regonales a largo plazo A largo plazo el crecmento depende de los factores reales por el lado de la oferta 41 a teoría del crecmento

Más detalles

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE

Especialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas

Más detalles

Optimización multicriterio. Andrés Ramos Universidad Pontificia Comillas

Optimización multicriterio. Andrés Ramos Universidad Pontificia Comillas Optmzacón multcrtero Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu Contendo 1. Conceptos báscos 2. Métodos contnuos 3. Métodos dscretos Escuela Técnca

Más detalles

CONTROL DE PROCESOS QUÍMICOS

CONTROL DE PROCESOS QUÍMICOS UNIVESIDAD NACIONAL EXPEIMENTAL POLITECNICA ANTONIO JOSÉ DE SUCE VICEECTOADO BAQUISIMETO DEPATAMENTO DE INGENIEÍA QUÍMICA CONTOL DE POCESOS QUÍMICOS Prof: Ing. (MSc). Juan Enrque odríguez C. Octubre, 03

Más detalles

Objetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria

Objetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto

Más detalles

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos)

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos) PROBLEMAS DE ELECTRÓNCA ANALÓGCA (Dodos) Escuela Poltécnca Superor Profesor. Darío García Rodríguez . En el crcuto de la fgura los dodos son deales, calcular la ntensdad que crcula por la fuente V en funcón

Más detalles

Diseño de Controladores PID. Sistemas de Control Prof. Mariela CERRADA

Diseño de Controladores PID. Sistemas de Control Prof. Mariela CERRADA Deño de Controladore PID Stema de Control Prof. Marela CERRADA Controlador del to PI: Mejorando la reueta etaconara Lo controladore del to PI olo ncororan la accone Proorconale Integrale, aumentando en

Más detalles

Marcos Gutiérrez-Dávila marcosgd@ugr.es

Marcos Gutiérrez-Dávila marcosgd@ugr.es Marcos Gutérrez-Dávla marcosgd@ugr.es Introduccón: Relacón de la bomecánca con el deporte de competcón El gesto deportvo consttuye un patrón de movmento estable que se caracterza por el alto grado de efcenca

Más detalles

Si consideramos un sistema PVT con N especies químicas π fases en equilibrio se caracteriza por: P v =P L = =P π

Si consideramos un sistema PVT con N especies químicas π fases en equilibrio se caracteriza por: P v =P L = =P π EQUILIBRIO DE FASES Reglas de las fases. Teorema de Duhem S consderamos un sstema PVT con N especes químcas π fases en equlbro se caracterza por: P, T y (N-1) fraccones mol tal que Σx=1 para cada fase.

Más detalles

Gráficos de flujo de señal

Gráficos de flujo de señal UNIVRSIDAD AUTÓNOMA D NUVO ÓN FACUTAD D INGNIRÍA MCANICA Y ÉCTRICA Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente

Más detalles

COMPARADOR CON AMPLIFICADOR OPERACIONAL

COMPARADOR CON AMPLIFICADOR OPERACIONAL COMAADO CON AMLIFICADO OEACIONAL COMAADO INESO, COMAADO NO INESO Tenen como msón comparar una tensón arable con otra, normalmente constante, denomnada tensón de referenca, dándonos a la salda una tensón

Más detalles

VII. Solución numérica de ecuaciones diferenciales

VII. Solución numérica de ecuaciones diferenciales VII. Solucón numérca de ecuacones derencales VII. Antecedentes Sea dv dt una ecuacón derencal de prmer orden : g c m son constantes v es una varable dependente t es una varable ndependente c g v I m Las

Más detalles

Sistemas cíclicos. Juan Antonio de la Puente DIT/UPM. Objetivos

Sistemas cíclicos. Juan Antonio de la Puente DIT/UPM. Objetivos dt UPM stemas cíclcos Juan Antono de la Puente DIT/UPM Objetvos Repasar algunos problemas concretos relaconados con la realzacón de sstemas de tempo real Introducr un método de dseño de sstemas basado

Más detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables

Más detalles

Tema 6 El mercado de bienes y la función IS

Tema 6 El mercado de bienes y la función IS Tema 6 El mercado de benes y la funcón IS Macroeconomía I Prof. Anhoa Herrarte Sánchez Curso 2007-08 Bblografía para preparar este tema Apuntes de clase Capítulo 3, Macroeconomía, O. Blanchard Prof. Anhoa

Más detalles

Unidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública

Unidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública Undad Central del Valle del Cauca Facultad de Cencas Admnstratvas, Económcas y Contables Programa de Contaduría Públca Curso de Matemátcas Fnanceras Profesor: Javer Hernando Ossa Ossa Ejerccos resueltos

Más detalles

Introducción al Control Predictivo basado en modelos MPC

Introducción al Control Predictivo basado en modelos MPC Introducción al Control Predictivo basado en modelos MPC Prof. Cesar de Prada Dpto. Ingeniería de Sistemas y Automática Universidad de Valladolid, España e-mail: prada@autom.uva.es Valladolid Valladolid-

Más detalles

3.1. Características del comportamiento estratégico Características del comportamiento estratégico

3.1. Características del comportamiento estratégico Características del comportamiento estratégico 3.1. Característcas del Matlde Machado 1 3.1. Característcas del El análss formal de una stuacón de empeza por la formulacón de un juego. Componentes de un juego: Jugadores Estratégas posbles para cada

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTORY OF

RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTORY OF RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTOR OF ELECTRONIC PARTS) Una empresa fabrca tres tpos de componentes electróncos,

Más detalles

Universidad Tecnológica Nacional

Universidad Tecnológica Nacional Unversdad Tecnológca Naconal Facultad Regonal Rosaro Área de Postgrado y Educacón Contnua Curso: Modelado, Smulacón y Dseño de Procesos Químcos Trabajo Práctco nº : Implementacón de un modelo de Planta

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL Gestón Aeronáutca: Estadístca Teórca Facultad Cencas Económcas y Empresarales Departamento de Economía Aplcada Profesor: Santago de la Fuente Fernández EJERCICIOS RESUELTOS VARIABLE ALEATORIA UNIDIMENSIONAL

Más detalles

Tema 4. Transistor Bipolar (BJT)

Tema 4. Transistor Bipolar (BJT) Tema 4. Transstor polar (JT) Joaquín aquero López lectrónca, 2007 Joaquín aquero López 1 Transstor polar (JT): Índce 4.1) Introduccón a los elementos de 3 termnales 4.2) Transstor polar JT (polar Juncton

Más detalles

MECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Primer Semestre - Otoño 2014. Omar De la Peña-Seaman. Instituto de Física (IFUAP)

MECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Primer Semestre - Otoño 2014. Omar De la Peña-Seaman. Instituto de Física (IFUAP) MECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Prmer Semestre - Otoño 2014 Omar De la Peña-Seaman Insttuto de Físca (IFUAP) Benemérta Unversdad Autónoma de Puebla (BUAP) 1 / Omar De la Peña-Seaman

Más detalles

VII Jornadas para el Desarrollo De Grandes Aplicaciones de Red

VII Jornadas para el Desarrollo De Grandes Aplicaciones de Red Modelo de Consultoría TI especalzado VII Jornadas para el Desarrollo De Grandes Aplcacones de Red Incorporar servcos de consultoría TI en el sector de la Manufacturacón Carlos Ramón López Paz clopez@dtc.ua.es

Más detalles

Optimización vectorial

Optimización vectorial ALICACIONES Optmzacón vectoral Ajuste de datos por mínmos cuadrados mn m,b N y N (y (y (, y (m m (m b b y mb N (y Encontrar la recta que mejor se ajusta a un conjunto de N parejas de datos (, y. uede plantearse

Más detalles

Aspectos fundamentales en el análisis de asociación

Aspectos fundamentales en el análisis de asociación Carrera: Ingenería de Almentos Perodo: BR01 Docente: Lc. María V. León Asgnatura: Estadístca II Seccón A Análss de Regresón y Correlacón Lneal Smple Poblacones bvarantes Una poblacón b-varante contene

Más detalles

DESPACHO DE CARGA ORIENTADO A EVENTUAL SEPARACIÓN EN ISLAS

DESPACHO DE CARGA ORIENTADO A EVENTUAL SEPARACIÓN EN ISLAS UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEARTAMENTO DE INGENIERÍA ELÉCTRICA DESACHO DE CARGA ORIENTADO A EVENTUAL SEARACIÓN EN ISLAS MEMORIA ARA OTAR AL TÍTULO DE INGENIERO CIVIL

Más detalles

INGENIERÍA ENERGÉTICA

INGENIERÍA ENERGÉTICA INGENIERÍA ENERGÉTICA PROGRAMACIÓN DE LA GENERACIÓN DE ENERGÍA ELÉCTRICA Programacón de la generacón MERCADO DIARIO Es el mercado en el que tenen lugar las transaccones de compra y venta de energía para

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

Por: Ing César Chilet León

Por: Ing César Chilet León Por: Ing César Chlet eón 1 El flujo de potenca tambén es conocdo tambén como flujo de carga. El flujo de potenca es una herramenta para el análss de redes. En tareas de planfcacón de redes Determnacón

Más detalles

Estructuras de control

Estructuras de control Estructuras de control (Control avanzado) Prof. Mª Jesús de la Fuente Dpto. Ing. de Sistemas, UVA ISA. UVA 1 Estructuras de control Modificaciones de lazos de control convencionales para mejorar: Rechazo

Más detalles

IMPLEMENTACIÓN PRÁCTICA DE UN BANCO DE FILTROS UNIFORME. S Q Salida del filtro Q h(n) Filtro s(n) Señal L Tamaño de la ventana del filtro 0 # n # L-1

IMPLEMENTACIÓN PRÁCTICA DE UN BANCO DE FILTROS UNIFORME. S Q Salida del filtro Q h(n) Filtro s(n) Señal L Tamaño de la ventana del filtro 0 # n # L-1 IMPEMEACIÓ PRÁCICA DE U BACO DE FIROS UIFORME En este tpo de bancos, la forma de la respuesta espectral de cada uno de los fltros es la msma, y su frecuenca central se raparte de manera unforme en el espectro:

Más detalles

Contactar:

Contactar: Mecánca Teórca Mao 009 Tema: Transformacones Canóncas Contactar: telegama@gmal.com Una transformacón canónca es un cambo de las coordenadas generalzadas tal ue dan lugar a un nuevo amltonano ( amltonano

Más detalles

TEMA 5. EL SISTEMA DE PRODUCCIÓN DE LA EMPRESA (I) CONTENIDO

TEMA 5. EL SISTEMA DE PRODUCCIÓN DE LA EMPRESA (I) CONTENIDO Págna de 4 TEMA 5. EL SISTEMA DE PRODUCCIÓN DE LA EMPRESA (I) CONTENIDO INTRODUCCIÓN... 2 2 CLASIFICACIÓN DE LAS ACTIVIDADES PRODUCTIVAS... 4 3 FUNCIÓN DE PRODUCCIÓN... 3 4 CLASIFICACIÓN DE LOS PROCESOS

Más detalles

Fuentes de información

Fuentes de información TEORÍA DE LA INFORMACIÓN Tratamento probablístco de la Informacón Fuentes de nformacón INGENIERÍA DE SISTEMAS Cursada 6 TRANSMISIÓN DE INFORMACIÓN decodfcacón automátca PRINCIPALES TEMÁTICAS DE LA TEORÍA

Más detalles

Capítulo 2: Introducción al método de los Elementos Finitos 2. CAPÍTULO 2 INTRODUCCIÓN AL MÉTODO DE LOS ELEMENTOS FINITOS

Capítulo 2: Introducción al método de los Elementos Finitos 2. CAPÍTULO 2 INTRODUCCIÓN AL MÉTODO DE LOS ELEMENTOS FINITOS Capítulo 2: Introduccón al método de los Elementos Fntos 2. CAPÍTULO 2 ITRODUCCIÓ AL MÉTODO DE LOS ELEMETOS FIITOS 2.. ITRODUCCIÓ Vrtualmente cada fenómeno en la naturaleza, sea bológco, geológco o mecánco

Más detalles

PROBLEMAS PROPUESTOS INTRODUCCIÓN AL CONTROL DE PROCESOS. Tuberías: Válvulas: Uniones (bifurcaciones): Bombas:

PROBLEMAS PROPUESTOS INTRODUCCIÓN AL CONTROL DE PROCESOS. Tuberías: Válvulas: Uniones (bifurcaciones): Bombas: ROBLEMAS ROUESTOS. Un tanque con un serpentín por el que crcula vapor se utlza para calentar un fludo de capacdad calórca Cp. Suponga conocda la masa de líqudo contenda en el tanque (M L ) y la densdad

Más detalles

Gráficos de flujo de señal

Gráficos de flujo de señal Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente en el análss y dseño de sstemas de control. Otro procedmento alternatvo

Más detalles

para impulsar las turbinas, en lugar del tradicional vapor, el sistema del PBMR utiliza helio supercalentado.

para impulsar las turbinas, en lugar del tradicional vapor, el sistema del PBMR utiliza helio supercalentado. Julo Valle Hernández Dseño de Smulador de Planta Núcleo Eléctrca PBMR para mpulsar las turbnas, en lugar del tradconal vapor, el sstema del PBMR utlza helo supercalentado. El sstema de almacenamento de

Más detalles

YIELD MANAGEMENT APLICADO A LA GESTIÓN DE UN HOTEL

YIELD MANAGEMENT APLICADO A LA GESTIÓN DE UN HOTEL 27 Congreso Naconal de Estadístca e Investgacón Operatva Lleda, 8- de abrl de 2003 YIELD MANAGEMENT APLICADO A LA GESTIÓN DE UN HOTEL J. Guad, J. Larrañeta, L. Oneva Departamento de Organzacón Industral

Más detalles

3.1. Características del comportamiento estratégico Características del comportamiento estratégico

3.1. Características del comportamiento estratégico Características del comportamiento estratégico 3.1. Característcas del Matlde Machado 1 3.1. Característcas del El análss formal de una stuacón de empeza por la formulacón de un juego. Componentes de un juego: Jugadores Estrategas posbles para cada

Más detalles

El diodo Semiconductor

El diodo Semiconductor El dodo Semconductor J.I. Hurcán Unversdad de La Frontera Aprl 9, 2012 Abstract Se plantean procedmentos para analzar crcutos con dodos. Para smpl car el trabajo, el dodo semconductor es reemplazado por

Más detalles

FUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN

FUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN FUNDAMENTOS DE DIRECCIÓN FINANCIERA TEMA 2- Parte III CONCEPTO DE INVERSIÓN Y CRITERIOS PARA SU VALORACIÓN 1 CÁLCULO DE LOS FLUJOS NETOS DE CAJA Y TOMA DE DECISIONES DE INVERSIÓN PRODUCTIVA Peculardades

Más detalles

TEMA 6 AMPLIFICADORES OPERACIONALES

TEMA 6 AMPLIFICADORES OPERACIONALES Tema 6 Amplfcadores peraconales ev 4 TEMA 6 AMPLIFICADES PEACINALES Profesores: Germán llalba Madrd Mguel A. Zamora Izquerdo Tema 6 Amplfcadores peraconales ev 4 CNTENID Introduccón El amplfcador dferencal

Más detalles

IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR

IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR En esta práctca se llevará a cabo un estudo de modelado y smulacón tomando como base el ntercambador de calor que se ha analzado en el módulo de teoría.

Más detalles

Modelado de un Robot Industrial KR-5

Modelado de un Robot Industrial KR-5 RESUMEN Modelado de un Robot Industral KR-5 (1) Eduardo Hernández 1, Samuel Campos 1, Jorge Gudno 1, Janeth A. Alcalá 1 (1) Facultad de Ingenería Electromecánca, Unversdad de Colma, km 2 Carretera Manzanllo-Barra

Más detalles

Modelos lineales Regresión simple y múl3ple

Modelos lineales Regresión simple y múl3ple Modelos lneales Regresón smple y múl3ple Dept. of Marne Scence and Appled Bology Jose Jacobo Zubcoff Modelos de Regresón Smple Que tpo de relacón exste entre varables Predccón de valores a partr de una

Más detalles

ANEXO 24 JUSTIFICACIÓN ECONÓMICA

ANEXO 24 JUSTIFICACIÓN ECONÓMICA ANEXO 24 JUSTIFICACIÓN ECONÓMICA 1 JUSTIFICACION ECONOMICA 1.0 MARCO DE REFERENCIA El plan de Expansón de del Sstema de Transmsón (PEST), tene el objetvo de planfcar la expansón y reposcón del sstema de

Más detalles

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de

Más detalles

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada. Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo

Más detalles

Matemática Financiera Sistemas de Amortización de Deudas

Matemática Financiera Sistemas de Amortización de Deudas Matemátca Fnancera Sstemas de Amortzacón de Deudas 7 Qué aprendemos Sstema Francés: Descomposcón de la cuota. Amortzacones acumuladas. Cálculo del saldo. Evolucón. Representacón gráfca. Expresones recursvas

Más detalles

1. CLASIFICACIÓN 1.1. INTRODUCCIÓN

1. CLASIFICACIÓN 1.1. INTRODUCCIÓN . LASIFIAIÓN.. INRODUIÓN Defncón En los datos esten atrones o reulardades. El arendzae automátco AA ermte realzar aromacones que conduzcan a detectar certos atrones, que no son más que determnadas relacones

Más detalles

Trabajo y Energía Cinética

Trabajo y Energía Cinética Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..

Más detalles

Ejemplo de Diseño de un Reactor Batch no Isotérmico

Ejemplo de Diseño de un Reactor Batch no Isotérmico Ejemplo de Dseño de un eactor Batch no Isotérmco Se desea dseñar un reactor batch para la somerzacón de : B. La reaccón es rreversble y tene una cnétca de prmer orden. y B son líqudos a temperatura ambente

Más detalles

ESTADISTICA APLICADA A LA EDUCACIÓN

ESTADISTICA APLICADA A LA EDUCACIÓN UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA FACULTAD DE EDUCACIÓN DEPARTAMENTO DE MÉTODOS DE INVESTIGACIÓN Y DIAGNÓSTICO EN EDUCACIÓN I Grados de Educacón Socal y Pedagogía ESTADISTICA APLICADA A LA

Más detalles

Tema 1: Estadística Descriptiva Unidimensional

Tema 1: Estadística Descriptiva Unidimensional Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde

Más detalles

Facultad de Ciencias Exactas, Ingeniería y Agrimensura Universidad Nacional de Rosario. Identificación de Sistemas

Facultad de Ciencias Exactas, Ingeniería y Agrimensura Universidad Nacional de Rosario. Identificación de Sistemas Facultad de Cencas Exactas, Ingenería y Agrmensura Unversdad Naconal de Rosaro Identfcacón de Sstemas rabajo Práctco Nro. Identfcacón de una Planta de Neutralzacón de ph Mayo 202 rabajo Práctco Nro. Identfcacón

Más detalles

Herramientas de Modelado de la Red y Cálculo de los Costos Marginales por Nodo

Herramientas de Modelado de la Red y Cálculo de los Costos Marginales por Nodo Unversdad Católca de Chle, Santago, Chle, Novembre 999 REGULACIÓN Y ECONOMÍA DEL TRANSPORTE DE ENERGÍA ELÉCTRICA erramentas de Modelado de la Red y Cálculo de los Costos Margnales or Nodo Gerardo Latorre

Más detalles

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

Más detalles

Fugacidad. Mezcla de gases ideales

Fugacidad. Mezcla de gases ideales Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

El Modelo IS-LM. El modelo IS-LM

El Modelo IS-LM. El modelo IS-LM El Modelo IS-LM El modelo IS-LM 4. Introduccón 4.2 La demanda agregada: La funcón de nversón 4.3 Equlbro del mercado de benes: La curva IS 4.4 Equlbro del mercado de dnero: La curva LM 4.5 Equlbro de la

Más detalles

Convertidores Digital-Analógico y Analógico-Digital

Convertidores Digital-Analógico y Analógico-Digital Convertdores Dgtal-Analógco y Analógco-Dgtal Conversón Dgtal-Analógca y Analógca-Dgtal Con estos crcutos se trata de consegur una relacón bunívoca entre una señal analógca y una dgtal o vceversa. Las magntudes

Más detalles

MODELOS DE SECUENCIACIÓN EN MÁQUINAS 1

MODELOS DE SECUENCIACIÓN EN MÁQUINAS 1 odelos de secuencacón de tareas en máqunas Andrés Ramos Unversdad Pontfca Comllas http://www.t.comllas.edu/aramos/ Andres.Ramos@comllas.edu ODELOS DE SECUENCIACIÓN EN ÁQUINAS odelos de secuencacón de tareas

Más detalles

Circuito Monoestable

Circuito Monoestable NGENEÍA ELETÓNA ELETONA (A-0 00 rcuto Monoestable rcuto Monoestable ng. María sabel Schaon, ng. aúl Lsandro Martín Este crcuto se caracterza por presentar un únco estado estable en régmen permanente, y

Más detalles

ANEXO A: Método de Interpolación de Cokriging Colocado

ANEXO A: Método de Interpolación de Cokriging Colocado ANEXO A: Método de Interpolacón de Corgng Colocado A. Conceptos Báscos de Geoestadístca Multvarada La estmacón conunta de varables aleatoras regonalzadas, más comúnmente conocda como Corgng (Krgng Conunto),

Más detalles

El ACB es una herramienta fundamental en el campo de la política ambiental

El ACB es una herramienta fundamental en el campo de la política ambiental Introduccón al análss coste-benefco. El ACB es una herramenta fundamental en el campo de la polítca ambental 1. El ACB: rentabldad fnancera-económca y socal. 2. El Análss Coste Efcenca 3. Técncas de Decsón

Más detalles

PUBLICACIONES DE 4º CURSO

PUBLICACIONES DE 4º CURSO PUBLICACIONES DE 4º CURSO Grado: DERECHO-ADE Asgnatura: ECONOMERÍA Grupos: Únco ema: ESQUEMA EMA Profesores: Inmaculada Vllanúa Departamento de ANÁLISIS ECONÓMICO Curso Académco 04/5 ema : El Modelo Lneal

Más detalles

Pronósticos. Humberto R. Álvarez A., Ph. D.

Pronósticos. Humberto R. Álvarez A., Ph. D. Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las

Más detalles

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1 CÁLCL ECTRIAL 1. Magntudes escalares y vectorales.. ectores. Componentes vectorales. ectores untaros. Componentes escalares. Módulo de un vector. Cosenos drectores. 3. peracones con vectores. 3.1. Suma.

Más detalles

Cifrado de imágenes usando autómatas celulares con memoria

Cifrado de imágenes usando autómatas celulares con memoria Cfrado de mágenes usando autómatas celulares con memora L. Hernández Encnas 1, A. Hernández Encnas 2, S. Hoya Whte 2, A. Martín del Rey 3, G. Rodríguez Sánchez 4 1 Insttuto de Físca Aplcada, CSIC, C/Serrano

Más detalles

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................

Más detalles