Control Automático

Laboratorio N°3

Características de los procesos de nivel, flujo, presión y temperatura

Alumnos:

Ayala Zapana Amir Said Alexis

Cutire Cahuamari Marcelo

Sayari Segovia Jeremy

Callupe Villalva Seebatian

Bartolo Cesar

Profesor:

Edwin Ávila

Fecha:

12/09/2025

Lima, Perú
 Índice

I. Introducción............................................................................................................................ 3
II. Fundamento teórico............................................................................................................... 4
III. Objetivos.............................................................................................................................. 7
IV. Procedimiento.......................................................................................................................7
Proceso Nivel (Proceso Integrativo).................................................................................... 7
Proceso de Flujo................................................................................................................. 16
Proceso de Temperatura..................................................................................................... 21
Proceso de Presión............................................................................................................. 26
V. Preguntas..............................................................................................................................31
VI. Observaciones.................................................................................................................... 32
VII. Conclusiones.....................................................................................................................33
VIII. Referencias...................................................................................................................... 33

2
 I.​ Introducción

El análisis y modelado de procesos dinámicos constituye una etapa fundamental en el

estudio y control de sistemas industriales. Variables como el nivel, flujo, presión y

temperatura son esenciales en la operación de muchos procesos técnicos, y su correcta

caracterización es clave para garantizar la estabilidad, eficiencia y seguridad de las plantas

industriales.

La obtención de modelos matemáticos a partir de datos experimentales permite predecir el

comportamiento de estos procesos sin necesidad de realizar pruebas extensivas. Para ello, se

utilizan herramientas como la curva estática, que representa la relación entre la entrada y

salida en estado estacionario, y la curva de reacción, que describe la respuesta del sistema

ante una entrada tipo escalón. A partir de estas curvas, pueden determinarse parámetros

importantes como la ganancia, la constante de tiempo y el tiempo muerto, que definen la

función de transferencia del proceso.

El método de identificación basado en la respuesta al escalón es ampliamente utilizado

debido a su simplicidad y efectividad para modelar procesos de primer orden con o sin

retardo. Estos modelos son esenciales para el diseño y ajuste de sistemas de control

automático que mantengan las variables de proceso dentro de rangos deseados, incluso frente

a perturbaciones.

Asimismo, la evaluación de la linealidad del proceso y la posible existencia de ruido en la

señal son aspectos que influyen en la precisión del modelo. La aplicación de filtros para

reducir el ruido y la validación de los modelos mediante simulaciones en MATLAB-Simulink

complementan el proceso de identificación, facilitando un mejor entendimiento y control del

sistema.

Este conjunto de técnicas y conocimientos es fundamental para la integración eficaz de

sistemas técnicos y automatizados en entornos industriales, contribuyendo a la optimización y

3
mejora continua de los procesos productivos.

II.​ Fundamento teórico

Caracterización de Procesos Dinámicos

Los procesos industriales de nivel, flujo, presión y temperatura son sistemas dinámicos cuya

variable de proceso (PV) cambia en función de una variable manipulada (MV). La correcta

caracterización de estos procesos es indispensable para el diseño y ajuste de sistemas de

control automático que aseguren la estabilidad y desempeño óptimo del sistema.

Modelado Matemático y Función de Transferencia

Un modelo matemático representa la dinámica del proceso mediante ecuaciones que

relacionan las variables de entrada y salida. En control automático, se utiliza la función de

transferencia (FT) para describir el comportamiento dinámico en el dominio de Laplace,

considerando sistemas lineales e invariantes en el tiempo (LTI) con condiciones iniciales

nulas. La FT se define como:

𝑌(𝑠)
𝐺(𝑠)) = 𝑈(𝑠)

donde Y(s) y U(s) son las transformadas de Laplace de la salida y entrada respectivamente, y

G(s) representa la relación dinámica del proceso.

Procesos de Primer Orden

Los procesos de primer orden son modelos simplificados que describen la dinámica con dos

parámetros fundamentales: la ganancia estática K y la constante de tiempo τ. La función de

transferencia típica es:

𝐾
𝐺(𝑠) = τ𝑠+1

●​ Ganancia estática K: representa la sensibilidad del proceso, es decir, la variación final

4
 en la salida frente a un cambio unitario en la entrada en estado estacionario.

●​ Constante de tiempo τ: indica la rapidez con la que la salida alcanza aproximadamente

el 63.2% del cambio final tras un escalón en la entrada.

Ganancia estática con relación al tiempo de observación

La ganancia estática de un proceso suele definirse como la razón entre la variación final de la

salida y la variación aplicada en la entrada:

Δ𝑌
𝐾= Δ𝑈

Sin embargo, en la práctica experimental y en procesos muestreados en el tiempo, la

evolución dinámica de la variable de salida no ocurre de forma instantánea, sino a lo largo de

un intervalo temporal Δt\Delta tΔt. Por ello, es posible extender la definición de ganancia

para incluir este factor, de manera que:

Δ𝑌
𝐾= Δ𝑈⋅Δ𝑡

En esta formulación, ΔY representa el incremento de la salida del proceso, ΔU el incremento

de la entrada aplicada y Δt el tiempo durante el cual se observa dicha variación.

La inclusión del término Δt permite normalizar la relación entrada-salida con respecto al

tiempo transcurrido, de modo que la ganancia no sólo cuantifica el cambio de la variable

controlada frente al cambio en la señal manipulada, sino también la rapidez con la que

ocurre dicho cambio.

Este enfoque es particularmente útil en laboratorios y prácticas experimentales, donde las

señales son registradas en intervalos discretos de tiempo. Así, la ganancia expresada de esta

forma refleja con mayor precisión el comportamiento real del sistema, ya que no solo

considera la magnitud de los cambios, sino también la velocidad con que estos se manifiestan

5
en el proceso.

Tiempo Muerto (Retardo)

El tiempo muerto td es un retardo característico en muchos procesos industriales, causado por

fenómenos de transporte o retrasos en la medición. Matemáticamente, se representa en la

función de transferencia como un término exponencial:

Este retardo impone limitaciones en la respuesta del sistema y debe considerarse para un

diseño adecuado del controlador.

Identificación Experimental: Respuesta al Escalón

La identificación del modelo dinámico se realiza aplicando una entrada tipo escalón y

analizando la respuesta del proceso. De esta respuesta se extraen parámetros clave:

●​ Ganancia K: calculada como la razón del cambio final de la salida al cambio en la

entrada.

●​ Constante de tiempo τ: tiempo que tarda la salida en alcanzar el 63.2% del cambio

total.

●​ Tiempo muerto td: retardo desde el inicio del cambio en la entrada hasta que la salida

comienza a responder.

Se emplean métodos gráficos como el del 28.3% y 63.2% o el método de la tangente para

estimar estos parámetros en procesos de primer orden con retardo.

Curva Estática y Linealidad

La curva estática o característica relaciona la entrada y salida en estado estable y permite

evaluar la linealidad del proceso. La linealidad es fundamental para garantizar que el sistema

mantenga un comportamiento predecible y controlable dentro de un rango operativo definido,

6
llamado zona de linealidad.

Simulación y Validación del Modelo

Una vez obtenido el modelo matemático, se realiza su simulación en ambientes como

MATLAB-Simulink para validar que la función de transferencia describe correctamente la

dinámica real del proceso. Esta etapa es crucial para ajustar parámetros y preparar el diseño

del sistema de control automático, asegurando un desempeño robusto y eficiente.

III.​ Objetivos

●​ Identifica los procesos de nivel, flujo, presión y temperatura.

●​ Determina la curva estática y curva de reacción o característica de los procesos

identificados.

●​ Obtiene la función de transferencia de un proceso identificados.

●​ Simula y analiza procesos identificados.

IV.​ Procedimiento

Proceso Nivel (Proceso Integrativo)

Figura 6

Proceso de Nivel (Integrativo)

7
En este proceso se manipula el flujo de entrada qi a un tanque, donde el consumo q0 es

constante. La variable de proceso o PV es la altura h. Disminuya el consumo con

StepDecr y observe lo que sucede (variación en la carga del proceso).

1.​ Obtener la curva estática del proceso [Link], proceso naturalmente

inestable. Mostrar la gráfica e indicar los valores de la zona lineal.

2.​ Obtener la curva de reacción o curva característica.

3.​ Obtener el modelo como función de transferencia de 1er orden. Mostrar los

parámetros hallados.

4.​ Validar el modelo obtenido, mostrando en una sola gráfica en Matlab - Simulink

los datos reales y la respuesta del modelo.

Figura 1

Elegimos el proceso y sacamos datos

Nota. En la imagen podemos observar que escogemos el proceso [Link] para poder

hacer la tabla de valores del valor mínimo al máximo.

8
Figura 2

Sacamos datos del proceso con un salto de 5 en 5

Nota. En la gráfica podemos ver que la curva estática no es la adecuada para poder hallar la

función de transferencia , ya que tiene un salto abrupto.

A continuación haremos los cálculos para poder hallar el k1,k2,k3 y así hallar la función de

transferencia para este tipo de procesos.

9
CÁLCULOS PARA K1:

Figura 3

Recopilamos el tiempo en el punto exacto

Nota. En este caso cuando el Out sea de 45 tendremos un tiempo máximo de 51.10 , el cual

nos servirá para poder hacer los cálculos de variación de T.

Figura 4

Recopilamos el tiempo en el punto exacto

Nota. En este caso cuando el Out sea de 45 tendremos un Tiempo mínimo de 45.8 , el cual

nos servirá para poder hacer los cálculos de variación de T.

10
Procedimiento de cálculos:

Variación y = 20

Variación de T1 = 51.10 - 45.8

Variación de T1 = 5.3

k1 = 20 / (5.3 * 45)

k1 = 20 / 238.5

k1 = 0.083

CÁLCULOS PARA K2

Figura 5

Recopilamos el tiempo en el punto exacto

Nota. En este caso cuando el Out sea de 50 tendremos un Tiempo mínimo de 0.95 , el cual

nos servirá para poder hacer los cálculos de variación de T.

11
Figura 6

Recopilamos el tiempo en el punto exacto

Nota. En este caso cuando el Out sea de 50 tendremos un Tiempo máximo de 4 , el cual nos

servirá para poder hacer los cálculos de variación de T.

Procedimiento de cálculos:

Variación y = 20

Variación de T2 = 4 - 0.95

Variación de T2 = 3.05

k2 = 20 / (3.05 * 50)

k2 = 20 / 152.5

k2 = 0.131

12
CÁLCULO PARA K3

Figura 7

Recopilamos el tiempo en el punto exacto

Nota. En este caso cuando el Out sea de 55 tendremos un Tiempo máximo de 48.4 , el cual

nos servirá para poder hacer los cálculos de variación de T.

13
Figura 8

Recopilamos el tiempo en el punto exacto

Nota. En este caso cuando el Out sea de 55 tendremos un Tiempo mínimo de 46.5 , el cual

nos servirá para poder hacer los cálculos de variación de T

Procedimiento de cálculos:

Variación y = 20

Variación de T3 = 48.4 - 46.5

Variación de T3 = 1.9

k3 = 20 / (1.9 * 55)

k3 = 20 / 104.5

k3 = 0.191

Cálculo de la constante K

14
Promedio k = (0.083 + 0.131 + 0.191) / 3

Promedio k = 0.135

Con estos cálculos hechos ya podemos ir al MatLab para hallar a través de programación la

función de transferencia y la gráfica.

Figura 9

Hallamos la función de transferencia y la gráfica con el código

15
Nota. En la imagen podemos observar el código de programación que hemos modificado para

que nos pueda dar la función de transferencia y su gráfica.

Proceso de Flujo

1.​ Obtener la curva estática del proceso [Link]. Mostrar la gráfica e indicar

los valores de la zona lineal.

2.​ Obtener la curva de reacción o curva característica.

3.​ Obtener el modelo como función de transferencia de 1er orden con retardo por el

método gráfico. Mostrar los parámetros hallados.

4.​ Validar el modelo obtenido, mostrando en una sola gráfica en Matlab - Simulink

los datos reales y la respuesta del modelo.

16
Figura 10

Elegimos el proceso para recopilar datos

Nota. Abriendo el proceso [Link]

17
Figura 11

Curva característica referente a la relación de OUT con respecto al PV

Nota. Gráfica de relación de la salida con respecto al PV

Figura 12

Gráfica obtenida en el simulador al momento de la señal del escalón.

18
Cálculo de la ganancia estática(K):

K = (23.51 - 9.55) / (70 - 40)

K = 13.96 / 30

K = 0.465333

Cálculo de la constante de tiempo:

τ=1.5(t1−t2)

Y2=Ymin(0.632ΔY)

Y2=9.55+(0.632∗13.96)

Y2=9.55+8.82272

Y2=18.37272g/min

t2=7min

Y1=Ymin+(0.283ΔY)

Y1=9.55+(0.283∗13.96)

Y1=9.55+3.95068

Y1=13.50068g/min

t1=5min

τ=1.5(7−5)

τ=1.5∗2

τ=3min

Calculamos el retardo

𝑑 = 𝑡2 − τ

19
d = 7 − 3 =4

Figura 13

Código más gráfica con el código en MatLAb

20
 Proceso de Temperatura

1.​ Obtener la curva estática del proceso [Link]. Mostrar la gráfica e indicar los

valores de la zona lineal.

2.​ Obtener la curva de reacción o curva característica.

3.​ Obtener el modelo como función de transferencia de 1er orden con retardo por el

método gráfico. Mostrar los parámetros hallados.

4.​ Validar el modelo obtenido, mostrando en una sola gráfica en Matlab - Simulink

los datos reales y la respuesta del modelo.

Figura 14

Entrada OUT a 0%

21
Figura 15

Entrada OUT al 50%

Figura 16

Entrada OUT al 100%

22
 ●​ Después de simular los escalones de 5 en 5 en el Software PC-ControLAB 3

anotamos los datos

Tabla 1

Tabla de recolección de datos

Cálculo de datos.

𝐾: 𝐺𝑎𝑛𝑎𝑛𝑐𝑖𝑎 𝑒𝑠𝑡á𝑡𝑖𝑐𝑎

𝐾 = ∆𝑌 ∆𝑈 ⇒ 61,08- 43,19 50- 20

𝐾 = 0. 59

𝑡1, 𝑡2: 𝑇𝑖𝑒𝑚𝑝𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑔𝑟á𝑓𝑖𝑐𝑎

𝑡 2 = 0, 632(∆𝑌) + 𝑌 0 ⇒ 0, 632(17, 89) + 43, 19

𝑡 2 = 54, 49

𝑡 = 1 0, 283(∆𝑌) + 𝑌 0 ⇒ 0, 283(17, 89) + 43, 19

23
𝑡 1 = 48, 25

𝑡 2 = 13, 05 - 5, 85

𝑡 2 = 7, 25 𝑠

𝑡 1 = 9, 60- 5, 85

𝑡 1 = 3, 75 𝑠

τ: 𝑇𝑎𝑢

τ = 1, 5(𝑡 2 - 𝑡 1 ) ⇒ τ = 1, 5(7, 2 - 3, 75)

τ = 5, 175

𝑑: 𝑅𝑒𝑡𝑎𝑟𝑑𝑜

𝑑 = 𝑡 2 - τ ⇒ 7, 2 - 5, 175

𝑑 = 2, 025

24
Figura 17

Código más gráfica en el programa MatLAb

25
 Proceso de Presión

1.​ Obtener la curva estática del proceso [Link]. Mostrar la gráfica e

indicar los valores de la zona lineal.

2.​ Obtener la curva de reacción o curva característica.

3.​ Obtener el modelo como función de transferencia de 1er orden con retardo por el

método gráfico. Mostrar los parámetros hallados.

4.​ Validar el modelo obtenido, mostrando en una sola gráfica en Matlab - Simulink

los datos reales y la respuesta del modelo.

Figura 18

Entrada OUT a 0%

26
Figura 19

Entrada OUT al 50%

Figura 20

Entrada OUT al 100%

27
Tabla 2

Tabla de recolección de datos

Con los datos obtenidos en la gráfica estática calculamos los datos para hallar la

función de transferencia G(s)

Cálculo de datos.

𝐾: 𝐺𝑎𝑛𝑎𝑛𝑐𝑖𝑎 𝑒𝑠𝑡á𝑡𝑖𝑐𝑎

𝐾 = 51.22-0 30- 20

𝐾 = 5. 122

𝑡1, 𝑡2: 𝑇𝑖𝑒𝑚𝑝𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑔𝑟á𝑓𝑖𝑐𝑎

𝑡 2 = 0, 632(∆𝑌) + 𝑌 0 ⇒ 0, 632(51. 22) + 0

𝑡 2 = 32. 37

𝑡 = 1 0, 283(∆𝑌) + 𝑌 0 ⇒ 0, 283(51. 22) + 0

𝑡 1 = 14. 49

28
𝑡 2 = 44. 95 - 41. 8

𝑡 2 = 3. 15 𝑠

𝑡 1 = 43. 8- 41. 8

𝑡1=2𝑠

τ: 𝑇𝑎𝑢

τ = 1, 5(𝑡 2 - 𝑡 1 ) ⇒ τ = 1, 5(3. 15 - 2)

τ = 1. 725

𝑑: 𝑅𝑒𝑡𝑎𝑟𝑑𝑜

𝑑 = 𝑡 2 - τ ⇒ 3. 15 - 1. 725

𝑑 = 1. 425

Figura 21

Gráfica más función de transferencia en el programa MatLab

29
30
 V.​ Preguntas

a.​ ¿El proceso Nivel es ruidoso?

No, el proceso de Nivel no es particularmente ruidoso. Lo que se observa en el laboratorio es

una señal estable, aunque con tendencia natural a la inestabilidad por ser un proceso

integrador. El ruido en este caso no interfiere significativamente en la identificación del

modelo.

b.​ ¿Por qué al proceso de Nivel, se llama integrativo?

Se llama integrativo porque la variable de salida (altura del nivel en el tanque) depende de la

acumulación del flujo en el tiempo. Es decir, la altura no cambia de manera instantánea ante

un escalón en la entrada, sino que se va incrementando progresivamente mientras exista un

caudal neto, lo que corresponde matemáticamente a un comportamiento integrador.

c.​ ¿El proceso Flujo es ruidoso? En caso de ser ruidoso agrega un filtro y

obtener la nueva función de transferencia. Para el diseño del filtro se

recomienda:

Sí, el proceso de Flujo presenta cierto nivel de ruido debido a la sensibilidad de la medición y

la variación rápida de la señal. Por ello, se recomienda aplicar un filtro de primer orden con

constante de tiempo 0,1 min y activar el Noise Filter, lo cual suaviza la señal sin alterar

significativamente la dinámica principal del proceso. Esto permite obtener una nueva función

de transferencia más estable y representativa.

31
 d.​ ¿Ha variado la función de transferencia del Proceso de Flujo al considerar el

filtro?

Sí, ha variado levemente. La ganancia y el tiempo muerto prácticamente no cambian, pero la

constante de tiempo tiende a aumentar ligeramente debido al retardo introducido por el filtro.

En otras palabras, la función de transferencia se suaviza y la respuesta al escalón se hace un

poco más lenta, aunque mantiene la misma tendencia general.

e.​ Para el proceso de Flujo, reajuste el filtro de ruido a 0,01 min. Comente los

resultados

Al reducir la constante del filtro a 0,01 min, el efecto de suavizado es mínimo. Esto significa

que la señal conserva más ruido respecto al caso de 0,1 min, pero la respuesta dinámica del

sistema se parece más a la función de transferencia original. En resumen:

Con 0,1 min: señal más limpia, pero respuesta más lenta.

Con 0,01 min: señal con algo de ruido, pero respuesta más fiel al proceso real.​

VI.​ Observaciones

●​ Se observó que el proceso de Nivel mostró un comportamiento integrador claro,

donde la variable depende de la acumulación progresiva del caudal en el tiempo.

●​ Se observó que la aplicación del filtro en el proceso de Flujo permite suavizar la

señal, logrando una mejor representación de la función de transferencia.

●​ Se observó que el proceso de Temperatura presentó mayor inercia dinámica, lo cual se

reflejó en constantes de tiempo más elevadas en comparación con los demás procesos.

32
 ●​ Se observó que el proceso de Presión respondió con rapidez y sensibilidad,

evidenciando una ganancia estática significativamente alta.

●​ Se observó que la validación de los modelos en MATLAB-Simulink facilitó la

comparación entre los datos experimentales y la respuesta simulada, confirmando la

precisión de los cálculos realizados.

VII.​ Conclusiones

●​ Se concluyó que el proceso de Nivel se comporta como un sistema integrador, ya que

la variable controlada (altura del tanque) depende de la acumulación continua del

caudal, lo que confirma su denominación de proceso integrativo.

●​ Se concluyó que el proceso de Flujo presenta ruido en la señal de salida, por lo que

fue necesario aplicar un filtro de primer orden; este suavizó la respuesta y permitió

obtener una función de transferencia más estable y representativa.

●​ Se concluyó que el proceso de Temperatura mostró un comportamiento dinámico más

lento en comparación con los demás procesos, lo cual es característico debido a la

inercia térmica del sistema, reflejada en una constante de tiempo mayor.

●​ Se concluyó que el proceso de Presión presentó una respuesta rápida y con una

ganancia estática elevada, lo que lo hace más sensible a cambios en la variable

manipulada, requiriendo un control cuidadoso para evitar inestabilidades.

VIII.​ Referencias

●​ Acedo Sánchez, J. (2006). Instrumentación y control básico de procesos. Madrid:

Díaz de Santos.

●​ Aguado Behar, A. (2003). Identificación y control adaptativo. Madrid: Prentice Hall.

●​ Creus Solé, A. (2011). Instrumentación Industrial (8ª ed.). México D.F.: Alfaomega.

●​ Kuo, B. C. (1996). Sistemas de control automático. México D.F.: Prentice-Hall

Hispanoamericana.

33
●​ Normey-Rico, J. E., & Camacho, E. F. (2007). Control of dead-time processes.

Londres: Springer.

●​ Ogata, K. (1998). Ingeniería de control moderna. México D.F.: Prentice-Hall

Hispanoamericana.

●​ Silva, G. J., Datta, A., & Bhattacharyya, S. P. (2005). PID controllers for time-delay

systems. Boston: Birkhäuser.

●​ Smith, C. A. (1991). Control automático de procesos: Teoría y práctica. México D.F.:

Limusa.

34