Industrial Flash Dryer Model Calibration and Validation Using Historical Data

Autores/as

DOI:

https://doi.org/10.17979/ja-cea.2026.47.13857

Palabras clave:

Modeling of manufacturing operations, Process optimization, Model calibration, Closed-loop identification, Experiment design

Resumen

La calibración y validación de modelos dinámicos de primeros principios en plantas industriales son especialmente complejas debido a la limitada calidad y disponibilidad de datos. Este trabajo presenta la calibración y validación de un modelo distribuido de un secador flash industrial y sus equipos asociados utilizando únicamente datos históricos de producción. Para compensar la ausencia de excitación activa del proceso, se implementó una estrategia de selección de datos que identificó periodos operativos con máxima variabilidad natural. El estudio también aborda retos prácticos relevantes en un entorno industrial real, como perturbaciones no medidas, sincronización entre señales rápidas de sensores y mediciones de laboratorio retardadas, e incertidumbre experimental inevitable. El modelo fue calibrado y validado con conjuntos de datos independientes de la fábrica de SONAE en Valladolid. Los resultados demuestran que datos históricos cuidadosamente seleccionados permiten estimar parámetros fundamentales y obtener una herramienta predictiva robusta para optimización industrial.

Referencias

Akiba, T., Sano, S., Yanase, T., Ohta, T., Masanori, K., 2019. Optuna: A Next-generation Hyperparameter Optimization Framework. In KDD. Proceedings of the 25th (ACM SIGKDD) International Conference on Knowledge Discovery and Data Mining. https://doi.org/10.1145/3292500.3330701

ASHRAE, 2017. ASHRAE Handbook - Fundamentals. American Society of Heating, Refrigerating and Air-Conditioning Engineers, Atlanta, GA.

Bird, R. B., Stewart, W. E., Lightfoot, E. N., 2002. Transport Phenomena, 2nd ed. John Wiley & Sons, New York.

Byrne, G. D., Hindmarsh, A. C., 1975. A Polyalgorithm for the Numerical Solution of Ordinary Differential Equations. ACM Transactions on Mathematical Software, 1(1), 71-96. https://doi.org/10.1145/355626.355636

Churchill, S. W., Bernstein, M., 1977. A Correlating Equation for Forced Convection from Gases and Liquids to a Circular Cylinder in Crossflow. Journal of Heat Transfer, 99(2), 300-306. https://doi.org/10.1115/1.3450685

de Prada, C., Oliveira da Silva, E., Palacín, C., Vicente, A., García, Á., Tadeo, F., 2025. Gemelo digital para operar planta de producción de tableros MDF. XLVI Jornadas de Automática, 46, 1–8. https://doi.org/10.17979/ja-cea.2025.46.12176

Dietenberger, M. A., 2002. A Comprehensive Model for the Thermophysical Properties of Wood. Wood and Fiber Science, 34(4), 690-703.

Forssell, U. and Ljung, L. (1999) Closed-Loop Identification Revisited. Journal of IFAC Automatica, 35, 1215-1241. https://doi.org/10.1016/S0005-1098(99)00022-9

Incropera, F. P., DeWitt, D. P., 2007. Fundamentals of Heat and Mass Transfer, 6th ed. John Wiley & Sons, Hoboken, NJ.

Ljung, L. (1999). System Identification: Theory for the User (2nd ed.). Prentice Hall.

Moran, M. J., Shapiro, H. N., 2010. Fundamentals of Engineering Thermodynamics, 7th ed. John Wiley & Sons, Hoboken, NJ.

Pang, S., 2001. Improving MDF Fiber Drying Operation by Application of a Mathematical Model. Drying Technology, 19(8), 1789-1805. https://doi.org/10.1081/DRT-100107273

Rasekhi, S., Mazaeda, R., Tadeo, F., Garcia Bombin, A., 2025. Modelling a wood fiber flash dryer for MDF production. Jornadas de Automática, 46. https://doi.org/10.17979/ja-cea.2025.46.12115

Santos, P., Pitarch, J. L., de Prada, C., 2019. Energy-efficient operation of a medium-density fiberboard dryer through nonlinear MPC. IFAC-PapersOnLine, 52(1), 400-405. https://doi.org/10.1016/j.ifacol.2019.06.093

Santos, P., Pitarch, J. L., Vicente, A., de Prada, C., García, A., 2020. Improving operation in an industrial MDF flash dryer through physics-based NMPC. Control Engineering Practice, 94, 104213. https://doi.org/10.1016/j.conengprac.2019.104213

Descargas

Publicado

01-09-2026

Número

Sección

Modelado, Simulación y Optimización