Printer Friendly

Influencia de las regiones de estabilidad del biorreactor en la produccion eficiente de alcohol carburante.

Influence of bioreactor stability regions in the efficient production of fuel ethanol

Introduccion

La creciente demanda del etanol como combustible, y las exigentes y necesarias reglamentaciones sobre el uso racional de los recursos y el cuidado del medioambiente, obligan a que las plantas productoras de alcohol carburante se esfuercen por optimizar su operacion. Por otro lado, la comunidad industrial productora de este combustible tiene la necesidad de perfeccionar las tecnologias existentes con el objeto de disminuir costos de operacion e incrementar la productividad global del proceso (Alford, 2006; Cardona y Sanchez, 2007; Quintero et al., 2008; Sanchez y Cardona, 2008). Sin embargo, el desempeno de algunas plantas industriales de alcohol carburante suele no ser el esperado. Durante el arranque y la operacion de los biorreactores se han presentado significativos problemas, entre los cuales se pueden mencionar largos periodos de estabilizacion (70-80 horas), variaciones pronunciadas y permanentes de las concentraciones de sustrato, producto y biomasa, disminucion en el rendimiento del proceso y dificultad para mantener el control de la operacion hasta el punto de generar paradas no planeadas de la fermentacion (Paz y Cardona, 2011).

En varios estudios (Bai, 2007; Bai et al., 2004; Paz, 2010) se ha identificado que estas problematicas estan relacionadas con los fenomenos de estabilidad tipicos que exhiben los sistemas no lineales. Lo anterior pone en evidencia que uno de los aspectos que es necesario abordar para lograr una produccion industrial de alcohol carburante eficiente es la prediccion y el analisis de los fenomenos de estabilidad, tales como multiples estados estacionarios y oscilaciones en las variables de salida, que afectan adversamente la productividad de las plantas.

Desde hace varios anos, la comunidad cientifica ha explorado estas caracteristicas de los sistemas biotecnologicos, especialmente para sistemas de produccion de alcohol con Saccharomyces cerevisiae (Jarzebski, 1992; Hjortso y Nielsen, 1994; Lei et al., 2001; Zhang et al., 2002; Henson, 2003) y Zymomonas mobilis (Jobses et al, 1985; 1986; Daugulis et al, 1997; Garhyan y Elnashaie, 2004).

En cultivos continuos de Saccharomyces cerevisiae se han observado multiplicidad de estados estacionarios, comportamiento oscilatorio y bifurcaciones. Generalmente, a bajas concentraciones de sustrato en la alimentacion, prevalece solo un estado estacionario; sin embargo, a altas concentraciones de glucosa en la alimentacion aparecen multiples estados estacionarios sobre un rango relativamente amplio de velocidades de dilucion (Lei et al., 2001). Asimismo, a bajas concentraciones de sustrato, por ejemplo 30 g/L, y bajas velocidades de dilucion, el sistema exhibe solamente un estado estacionario estable, pero a medida que la velocidad de dilucion se incrementa ocurren bifurcaciones donde aparecen oscilaciones de gran amplitud (Henson, 2003).

En cultivos continuos de Zymomonas mobilis se han observado multiplicidad de estados estacionarios y oscilacion de diferentes variables de proceso (concentraciones de sustrato, de biomasa y de productos, y viabilidad de las celulas, entre otras) para ciertos valores de concentracion de sustrato en la alimentacion y de la velocidad de dilucion. En algunos casos, estos comportamientos causan que la concentracion de biomasa y la viabilidad de las celulas se reduzcan en mas de un 50% (Ghommidh et al., 1989), o que la productividad del proceso sea muy baja. Por ejemplo, en fermentaciones continuas alimentadas con altas concentraciones de sustrato (entre 134 y 295 g/L) se presentan grandes variaciones en las concentraciones de biomasa y producto debido al fenomeno oscilatorio. Cuando este fenomeno se controla, la productividad promedio del proceso alcanza los 15,6 g/L h. Sin embargo, cuando el fenomeno no se regula, la productividad del proceso disminuye hasta 4,6 g/L h (Bruce et al., 1991).

A pesar de los reportes presentados por la comunidad cientifica, a escala industrial el diseno de los bioprocesos ha sido casi empirico y ha ignorado las restricciones de estabilidad que imponen estos sistemas debido a su naturaleza y complejidad. Por tanto, la ocurrencia de los problemas de operacion mencionados indica que, hoy en dia, el diseno de los procesos industriales de fermentacion debe incluir un analisis de la estabilidad del sistema. De esta manera, sera posible predecir con mayor certeza el comportamiento del mismo, y establecer condiciones de operacion adecuadas para el desempeno eficiente del proceso.

En este trabajo, mediante un caso de aplicacion especifico, se muestra la existencia de multiples regiones de estabilidad en un proceso de fermentacion continua para la produccion de bioetanol, y se resalta su influencia sobre el desempeno eficiente del proceso, tomando como criterios de evaluacion indicadores tecnicos, economicos y ambientales.

Metodos

Se analiza la produccion de etanol por fermentacion continua con Zymomonas mobilis en un biorreactor de tanque agitado. En la figura 1 se presenta un esquema general del proceso de fermentacion estudiado.

La respuesta dinamica del sistema se evaluo utilizando un modelo cinetico validado experimentalmente, que describe el comportamiento oscilatorio de cultivos continuos de Z. mobilis (Jobses et al., 1986; Garhyan y Elnashaie, 2004). El modelo considera la inhibicion de un componente clave e, el cual se asume que esta directamente relacionado con la produccion de etanol. A partir de la inclusion de este componente, el autor original del modelo logra reproducir adecuadamente el comportamiento exhibido de manera experimental por cultivos de dicho microorganismo. De esta manera, el autor concibio y formulo un modelo tipo estructurado - no segregado que involucra, de forma simple, la gran cantidad de componentes que constituyen la celula e intervienen en la produccion del etanol. Si la ecuacion de balance para el componente teorico e se eliminara, el modelo se reduciria a uno del tipo no estructurado -- no segregado; se ha verificado que esta clase de modelos no describen correctamente el comportamiento dinamico real (Nielsen et al., 2004) y, por tanto, tampoco los fenomenos de estabilidad que afectan los procesos a escala industrial. La fermentacion es un proceso complejo, que comunmente ha sido modelado y disenado mediante ecuaciones basicas que describen de forma aproximada el comportamiento del sistema pero que no reproducen la realidad del mismo. Los avances en la tecnologia permiten e invitan a analizar los procesos de forma mas profunda, sin perder el rumbo de aplicabilidad a la industria.

[FIGURA 1 OMITIR]

Es importante destacar que los fenomenos no lineales que exhiben los microorganismos, en la mayoria de los casos, no son visibles en procesos a escala de laboratorio, ya que estos ocurren a altas concentraciones de sustrato en la alimentacion y, por esto, tienen mayor relevancia para las operaciones a escala industrial.

Las ecuaciones (1) a (9) comprenden las expresiones matematicas del modelo empleado, y en la tabla 1 se resume el valor de los parametros.

Donde:

Cs: concentracion de sustrato, en g/L

Cx: concentracion de biomasa, en g/L

Cp: concentracion de producto, en g/L

Ce: concentracion del componente clave e, en g/L

Rs: velocidad de consumo de sustrato, en g/L h

Rx: velocidad de formacion de biomasa, en g/L h

Rp: velocidad de formacion de producto, en g/L h

Re: velocidad de formacion de componente clave e, en g/L h

D: velocidad de dilucion, en [h.sup.-1]

[my]: velocidad especifica de crecimiento, [h.sup.-1]

dCS/dt = D([Cs.sub.f] - Cs) - Rs (1)

dCx/dt = D([Cx.sub.f] - Cx) + Rx (2)

dCp/dt = D([Cp.sub.f] - Cp) - Rp (3)

dCe/dt = D([Ce.sub.f] - Ce) - Re

dCe/dt = D(Cef -Ce) - Re (4)

Rx = [my]Cx (5)

Rs = (1/[Y.sub.sx] [my] + [m.sub.s]) Cx (6)

[R.sub.p] = (1/[Y.sub.px] [my] + [m.sub.p]) Cx (7)

Re = ([K.sub.1] - [K.sub.2]Cp + [K.sub.3][Cp.sup.2])[my]Cx (8)

[my] = [[my].sub.max] + [Cs/[K.sub.s]] [Ce/Cx] (9)

Tambien, mediante la definicion expresada en las ecuaciones 10 y 11, se determinaron la conversion y el rendimiento del proceso respectivamente.

X = [Cs.sub.f] - CS/[Cs.sub.f] (10)

[Y.sub.p] = Cp/[Cs.sub.f] (11)

Se desarrollo un programa en Matlab[R] para resolver las ecuaciones del modelo en el tiempo, para construir diagramas de fase, para obtener las soluciones en estado estacionario del sistema y para construir diagramas de bifurcacion (Pavlou, 1999) siguiendo el algoritmo presentado en la figura 2.

Se utilizo el simulador SuperPro Designer[R] para estimar el consumo de energia y de fluidos de servicio de la unidad del biorreactor, y para evaluar los costos de la operacion (Montoya et al., 2005).

Asimismo, se implemento el algoritmo de reduccion de residuos (WAR) desarrollado por la Agencia de Proteccion Ambiental de los Estados Unidos para cuantificar, mediante el criterio de impacto ambiental potencial, la viabilidad ambiental de las condiciones de operacion analizadas (Montoya et al., 2006). El WAR introduce el concepto de un balance de impacto ambiental potencial (PEI), en el cual se asignan valores de impacto ambiental a diferentes materiales contaminantes (Cabezas et al., 1999). El impacto ambiental potencial de una cantidad de material o energia se puede definir como el efecto que dicho material o energia tendrian sobre el ambiente si fueran emitidos al mismo. El PEI es una cantidad conceptual que no se puede medir directamente, sin embargo, se puede estimar a partir de cantidades medibles o estimables. Estos indices se evaluan sobre la base de velocidad (PEI/h), o sobre una base de produccion (PEI/[kg.sub.producto]). El algoritmo WAR usa ocho categorias de impacto ambiental en su evaluacion (Young et al., 2000): potencial de toxicidad humano por ingestion (HTPI), potencial de toxicidad humano por exposicion dermica y por inhalacion (HTPE), potencial de toxicidad terrestre (TTP), potencial de toxicidad acuatico (ATP), potencial de calentamiento global (GWP), potencial de reduccion del ozono (ODP), potencial de oxidacion fotoquimica (PCOP), y potencial de acidificacion (AP). A partir del balance de PEI se calculan los indices de impacto ambiental de salida ([I.sub.out]) y de generacion ([I.sub.gen]), los cuales suministran un indicativo relativo de la amigabilidad del proceso (Hilaly y Sikdar, 1995).

[FIGURA 2 OMITIR]

Resultados y discusion

La figura 3 corresponde a los diagramas de bifurcacion determinados para el sistema. En los diagramas se encuentran representados los valores de estado estacionario de la concentracion de sustrato Cs y producto Cp para diferentes velocidades de dilucion D. Los diagramas se obtuvieron para dos concentraciones de sustrato en la alimentacion, [Cs.sub.f] = 150 g/L y 160 g/L; estos valores fueron seleccionados teniendo en cuenta que experimentalmente se ha determinado que cultivos de Z. mobilis operados a velocidades de dilucion entre 0 y 2,5 h-1, y concentraciones de sustrato en la alimentacion entre 100 y 200 g/L, presentan multiplicidad de estados estacionarios u oscilaciones (Garhyan y Elnashaie, 2005). Ademas, fue considerado el hecho de que las cepas comunes de Z. mobilis crecen sin sufrir inhibicion por sustrato hasta una concentracion de 100 g/L de glucosa, mientras que las cepas modificadas toleran hasta 400 g/L (Favela, 2005), lo cual es de interes industrial para futuros procesos de obtencion de bioetanol a partir de glucosa y xilosa.

[FIGURA 3 OMITIR]

A ambas [Cs.sub.f], se observa que el sistema exhibe tres regiones de estabilidad. La Region 1 se caracteriza por la existencia de tres ramas de estados estacionarios, de las cuales solo una de ellas es estable. La Region 2, al igual que la Region 1, exhibe tres ramas de estabilidad, sin embargo, dos de ellas son estables; y en la Region 3 existe solo una rama, la cual es estable.

Mediante un analisis de estabilidad se determino que los estados estacionarios que pertenecen a la rama estable presente en las regiones 1 y 2 siguen el comportamiento de nodos, mientras que los estados estacionarios que pertenecen a la rama estable presente en las regiones 2 y 3 siguen el comportamiento de focos. Por tanto, cuando se alcanzan estados estacionarios estables tipo nodo, las variables de salida del proceso se estabilizaran rapidamente en un valor; mientras que cuando se alcanzan estados estacionarios estables tipo foco, las variables de salida se mantendran en un estado oscilatorio alrededor de un valor constante.

La figura 4 es un diagrama de fases para el proceso. En ella se grafica la concentracion de sustrato, Cs, frente a la concentracion de producto, Cp, cuando el proceso se desarrolla con una concentracion de sustrato en la alimentacion [Cs.sub.f] = 160 g/L y una velocidad de dilucion D = 0,17 [h.sup.-1]. El diagrama permite identificar los dos tipos de estados estacionarios estables que se pueden obtener durante el arranque del biorreactor, y la trayectoria que sigue el proceso hasta su alcance, partiendo de diferentes condiciones iniciales de operacion. Por ejemplo, cuando la fermentacion arranca con una concentracion de sustrato de 80 g/L y una concentracion de etanol igual a 45 g/L, las variables del proceso oscilaran hasta alcanzar el estado estacionario estable tipo foco. De manera que la concentracion del producto variara entre 50 y 60 g/L, como se aprecia en la figura 4, hasta que las oscilaciones se atenuan y llegan a una concentracion final de 56,1 g/L de etanol.

Por otro lado, si la fermentacion arranca con una concentracion de sustrato de 80 g/L y una concentracion de producto igual a 85 g/L, las variables del proceso alcanzaran directamente (sin oscilaciones) el estado estacionario estable tipo nodo. De manera que la concentracion del producto disminuira progresivamente hasta alcanzar una final de 75,77 g/L de etanol.

La tabla 2 resume las condiciones de operacion que se seleccionaron para desarrollar el analisis del sistema, y las respectivas variables de salida en estado estable, tales como las concentraciones de sustrato Cs y de producto Cp, la conversion X, y el rendimiento del proceso Yp.

La figura 5 muestra una grafica del flujo de impacto ambiental potencial (PEI) que sale ([I.sub.out]) y que se genera (Igen) del proceso de fermentacion cuando este se opera a las diferentes condiciones seleccionadas. De forma similar, en la figura 6 se indica el costo de ejecucion del proceso de fermentacion cuando se opera a las diferentes condiciones indicadas en la tabla 2.

Al efectuar una comparacion de los procesos alternativos establecidos segun las condiciones de operacion seleccionadas, se observa que si la fermentacion se desarrolla a velocidades de dilucion dentro de las regiones 1 o 3, el sistema podra alcanzar la respectiva y unica rama estable. En los estados estables de la region 1 se logran altas conversiones (tabla 2) y, por tanto, menor generacion de materia prima residual, lo cual disminuye el impacto ambiental del proceso como se muestra en la figura 5, donde se evidencia que los procesos llevados a cabo bajo estas condiciones tienen los menores flujos de salida y de generacion de PEI. No obstante, la figura 6 muestra que los costos de operacion son mas altos debido al elevado tiempo de residencia de la operacion (es decir, la baja velocidad de dilucion), lo cual repercute en un incremento del consumo de energia para agitacion, y de fluido de servicio para regular la transferencia de calor en el biorreactor. Sin embargo, estos costos disminuyen con el incremento de la concentracion de sustrato en la alimentacion sin variar significativamente el impacto ambiental.

[FIGURA 4 OMITIR]

Por otro lado, si la fermentacion se lleva a cabo bajo condiciones de la Region 3, se observa que aunque los costos de operacion son los mas bajos, se obtiene el mayor impacto sobre el ambiente debido a las bajas conversiones que se logran.

Un caso especial ocurre si se planea llevar a cabo la fermentacion dentro de la Region 2, o si durante el desarrollo del proceso se modifican las variables de operacion de forma tal que se llega involuntariamente a las condiciones que definen la Region 2. Como se observa en la figura 3, el sistema puede alcanzar una de las dos ramas estables. La tabla 2 indica que para [Cs.sub.f] = 160 g/L, a una misma velocidad de dilucion, D = 0,17 [h.sup.-1], se puede obtener un rendimiento del 47 o del 35%, y aunque los costos no varian significativamente para las dos operaciones, si se observa un marcado efecto sobre el impacto ambiental. En este caso, se considera que el proceso se debe desarrollar a condiciones tales que se alcance la rama de nodos estables donde, para una velocidad de dilucion igual a 0,17 [h.sup.-1], se obtienen concentraciones de sustrato y de producto iguales a 0,53 g/L y 75,77 g/L respectivamente (operacion 160-0,17 - I). El alcance del estado deseado dependera de las condiciones de operacion a partir de las cuales arranque la fermentacion. Segun la figura 4, para alcanzar el nodo estable es necesario iniciar la fermentacion continua con una concentracion del etanol mayor a 75 g/L.

[FIGURA 5 OMITIR]

Es evidente que una decision tomada sin tener en cuenta la estabilidad del sistema puede ocasionar que el proceso se desarrolle lejos del estado estable deseado. Lo anterior suele ser la principal razon por la cual, en los procesos industriales de produccion de etanol, se presentan paradas no planeadas de los fermentadores, y se generan perdidas de materia prima, energia y tiempo, entre otros factores que inciden en la economia global de la planta.

Conclusiones

La produccion eficiente de alcohol carburante depende del diseno optimo de todas las etapas que componen el proceso, entre ellas esta la unidad de reaccion cuya operacion optima aun sigue siendo un reto.

En este trabajo se reconocio que los procesos de fermentacion continua para produccion de etanol exhiben fenomenos tipicos de sistemas no lineales, tales como multiplicidad de estados estacionarios y bifurcaciones. De igual forma se evidencio que, como consecuencia de lo anterior, el proceso se puede llevar a cabo en diferentes regiones de estabilidad, y que el rendimiento, la conversion, el impacto ambiental potencial producido y los costos de operacion dependen de dichas regiones, especificamente de los valores de las condiciones de operacion involucradas.

De acuerdo con lo anterior, se concluye que al igual que para varios procesos quimicos, la estabilidad de los sistemas en bioprocesos requiere ser evaluada y, por tanto, debe ser incluida en las etapas de diseno de los procesos de fermentacion.

Asi, el conocimiento del comportamiento dinamico global del sistema permitira definir condiciones de operacion que garanticen el alcance de estados estacionarios estables en los cuales se logra un buen desempeno tecnico, economico y ambiental del proceso, y tambien se asegura un adecuado funcionamiento del biorreactor durante la fermentacion.

El diseno de plantas productoras de alcohol carburante bajo estas consideraciones garantiza que el montaje de plantas industriales tenga exito y sea sostenible, especialmente en aquellos paises para los cuales la produccion del biocombustible representa una alternativa para el desarrollo rural.

Agradecimientos

Los autores expresan sus agradecimientos al Departamento Administrativo de Ciencia, Tecnologia e Innovacion (Colciencias) por la financiacion de la investigadora, y a la Universidad Nacional de Colombia, Sede Manizales, por el apoyo economico al proyecto "Diseno integral de biorreactores continuos de tanque agitado aplicados a procesos de fermentacion" a traves de la Convocatoria Nacional de Investigacion 2009, modalidad 5.

Recibido: marzo 24 de 2010 Aprobado: mayo 23 de 2011

Referencias bibliograficas

Alford, J. S. 2006. Bioprocess control: Advances and challenges. Computers & Chemical Engineering 30: 1464-1475.

Bai, F. W. 2007. Process oscillations in continuous ethanol fermentation with Saccharomyces cerevisiae. Tesis doctoral. Universidad de Waterloo. Waterloo. 218 p.

Bai, F. W., Chen, L. J., Zhang, Z., Anderson, W. A., Moo-Young, M. 2004. Continuous ethanol production and evaluation of yeast cell lysis and viability loss under very high gravity medium conditions. Journal of Biotechnology 110: 287-293.

Bruce, L. J., Axford, D. B., Ciszek, B., Daugulis, A. J. 1991. Extractive fermentation by Zymomonas mobilis and the control of oscillatory behavior. Biotechnology Letters 13: 291-296.

Cabezas, H., Bare, J. C., Mallick, S. K. 1999. Pollution prevention with chemical process simulators: the generalizad waste (WAR) algorithm--full version. Computers and Chemical Engineering 23: 623-634.

Cardona, C. A., Sanchez, O. J. 2007. Fuel ethanol production: Process design trends and integration opportunities. Bioresource Technology 98: 2415-2457.

Daugulis, A., McLellan, P., Li, J. 1 997. Experimental investigation and modeling of oscillatory behavior in the continuous culture of Zymomonas mobilis. Biotechnology and Bioengineering. 56: 99-105.

Favela, E. 2005. Produccion de alcohol de Zymomonas mobilis, en: M. Garcia (ed.). Biotecnologia Alimentaria. Limusa, Mexico D.F. 636 p.

Garhyan, P., Elnashaie, S.S.E.H. 2005. Experimental investigation and confirmation of static/dynamic bifurcation behavior in a continuous ethanol fermentor. Practical relevance of bifurcation and the contribution of Harmon Ray. Industrial and Engineering Chemical Research 44: 2525-2531.

Garhyan, P., Elnashaie, S. 2004. Static/dynamic bifurcation and chaotic behavior of an ethanol fermentor. Industrial and Engineering Chemical Research 43: 1260-1273.

Ghommidh, C., Vaija, J., Bolarinwa, S., Navarro, J. M. 1989. Oscillatory behaviour of Zymomonas in continuous cultures: A simple stochastic model. Biotechnology Letters 11: 659-664.

Henson, M. A. 2003. Dynamic modeling and control of yeast cell populations in continuous biochemical reactors. Computers & Chemical Engineering 27: 1185-1199.

Hilaly, A. K., Sikdar, S. K. 1995. Pollution balance method and the demonstration of its application to minimizing waste in a biochemical process. Industrial and Engineering Chemical Research 34: 2051-2059.

Hjortso, M. A., Nielsen, J. 1994. A conceptual model of autonomous oscillations in microbial cultures. Chemical Engineering Science 49: 1083-1095.

Jarzebski, A. 1 992. Modelling of oscillatory behavior in continuous ethanol fermentation. Biotechnology Letters 14 (2): 137-142.

Jobses, I., Egberts, G., Baalen, A., Roels, J. 1985. Mathematical modeling of growth and substrate conversion of Zymomonas mobilis at 30 and 35[degrees]C. Biotechnology and Bioengineering 27: 984-995.

Jobses, I., Egberts, G., Luyben, K., Roels, J. 1986. Fermentation kinetics of Zymomonas mobilis at high ethanol concentrations: oscillations in continuous cultures. Biotechnology and Bioengineering 28: 868-877.

Lei, F., Rotboll, M., Jorgensen, S. A. 2001. Biochemically structured model for Saccharomyces cerevisiae. Journal of Biotechnology 88: 205-221.

Montoya, M. I., Quintero, J. A., Sanchez, O. J., Cardona, C. A. 2005. Evaluacion economica del proceso de obtencion de alcohol carburante a partir de cana de azucar y maiz Revista Universidad Eafit 42 (139): 76-87.

Montoya, M. I., Quintero, J. A., Sanchez, O. J., Cardona, C. A. 2006. Evaluacion del impacto ambiental del proceso de obtencion de alcohol carburante utilizando el algoritmo de reduccion de residuos. Revista Facultad de Ingenieria Universidad de Antioquia 36: 85-95.

Nielsen, J., Villadsen, J., Liden, G. 2004. Bioreaction Engineering Principles. China: Kluver Academic. 528 p.

Pavlou, S. 1999. Computing operating diagrams of bioreactors. Journal of Biotechnology 71: 7-16.

Paz, I. C. 2010. Diseno integral de biorreactores continuos de tanque agitado aplicados a procesos de fermentacion. Tesis doctoral. Universidad Nacional de Colombia, Sede Manizales. Manizales. 159 p.

Paz, I. C., Cardona, C. A. 2011. Importance of stability study of continuous systems for ethanol production. Journal of Biotechnology 151: 43-55.

Quintero, J. A., Montoya, M. I., Sanchez, O. J., Giraldo, O. H., Cardona, C. A. 2008. Fuel ethanol production from sugarcane and corn: Comparative analysis for a Colombian case. Energy 33: 385-399.

Sanchez, O. J., Cardona, C. A. 2008. Trends in biotechnological production of fuel ethanol from different feedstocks. Bioresource Technology 99: 5270-5295.

Young, D., Scharp, R., Cabezas, H. 2000. The waste reduction (WAR) algorithm: environmental impacts, energy consumption, and engineering economics. Waste Management 20: 605-615.

Zhang, Y., Zamamiri, A., Henson, M., Hjortso, M. 2002. Cell population models for bifurcation analysis and nonlinear control of continuous yeast bioreactors. Journal of Process Control 12: 721-734.

Isabel Cristina Paz Astudillo, Ingeniera quimica, M. Sc., Ph. D. Docente Auxiliar, Universidad de Cartagena, Sede Piedra de Bolivar. ipaza@unicartagena.edu.co

Carlos Ariel Cardona Alzate, Ingeniero quimico, M Sc., Ph. D. Profesor asociado. Grupo de Investigacion en Procesos Quimicos, Cataliticos y Biotecnologicos, Departamento de Ingenieria Quimica, Universidad Nacional de Colombia, Sede Manizales. ccardonaal@unal.edu.co
Tabla 1. Parametros del modelo.

Parametro           Definicion           Valor       Unidades

[Cs.sub.f]          Concentracion         160           g/L
                    de sustrato en
                    la alimentacion

[Cx.sub.f]          Concentracion          0
                    de biomasa en
                    la alimentacion

[Cs.sub.f]          Concentracion          0
                    de producto en
                    la alimentacion

[Ce.sub.f]          Concentracion          0
                    de componente
                    clave e en la
                    alimentacion

[[micro].sub.max]   Velocidad              1        [h.sup.-1]
                    especifica de
                    crecimiento
                    maxima

[Y.sub.sx]          Factor de          2.44498 x        g/g
                    rendimiento de    [10.sup.-2]
                    sustrato sobre
                    biomasa

[Y.sub.px]          Rendimiento de     5.26315 x        g/g
                    producto sobre    [10.sup.-2]
                    biomasa

[m.sub.s]           Factor de            2.16          g/g h
                    mantenimiento
                    basado en
                    requerimiento
                    de sustrato

[m.sub.p]           Factor de             1.1          g/g h
                    mantenimiento
                    basado en
                    formacion de
                    producto

[K.sub.1]           Constante de          16        [h.sup.-1]
                    velocidad

[K.sub.2]           Constante de        4.97 x        L//g h
                    velocidad         [10.sup.-1]

[K.sub.3]           Constante de        3.83 x      [L.sup.2]/
                    velocidad         [10.sup.-3]   [g.sup.2] h

[K.sub.s]           Constante de          0.5           g/L
                    inhibicion

Tabla 2. Estados estacionarios seleccionados para operacion

Csf        D        Cs      Cp
(g/L)              (g/L)   (g/L)     X        Yp     Region

150       0,01     0,02    75,31   0,9999   0,5021     1
          0,03     0,09    73,91   0,9994   0,4928     1
          0,05     0,32    72,97   0,9978   0,4865     1
          0,06     30,64   57,95   0,7957   0,3863     3
          0,07     30,61   57,76   0,7959   0,3850     3

160       0,05     0,05    77,98   0,9997   0,4874     1
          0,1      0,16    76,72   0,9990   0,4795     1
        0,17--I    0,53    75,77   0,9967   0,4736     2
        0,17--II   41,93   56,10   0,7379   0,3506     2
          0,25     43,62   54,97   0,7274   0,3436     3

Csf        Codigo de
(g/L)   identificacion
        del proceso F-
         [C.sub.sf]-D

150       F-150-0,01
          F-150-0,03
          F-150-0,05
          F-150-0,06
          F-150-0,07

160       F-160-0,05
           F-160-0,1
         F-160-0,17-I
         F-160-0,17-II
          F-160-0,25

Figura 6. Costo de operacion para los procesos a: [Cs.sub.f] = 150
g/L; b. [Cs.sub.f] = 160 g/L.

a)

F = 150 - 0,01        19,834.000
F = 150 - 0,03        14,479.000
F = 150 - 0,05        13,408.000
F = 150 - 0,06        13,136.000
F = 150 - 0,07        12.946.000

b)

F = 160 - 0,05        13,306.000
F = 160 - 0,1         12,554.000
F = 160 - 0.1 - I     12,224.000
F = 160 - 0.17 - II   12,239.000
F = 160 - 0.25        12,098.000

Nota: Tabla derivada de grafico de barra.
COPYRIGHT 2011 Universidad Nacional de Colombia, Instituto de Biotecnologia
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2011 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Title Annotation:ARTICULO DE INVESTIGACION
Author:Astudillo, Isabel Cristina Paz; Cardona Alzate, Carlos Ariel
Publication:Revista Colombiana de Biotecnologia
Date:Jul 1, 2011
Words:4693
Previous Article:Evaluacion del efecto de diferentes cepas de levadura (Montrachet, K1-V1116, EC-1118, 71B-1122 y IVC-GRE[R]) y clarificantes sobre los atributos...
Next Article:Acumulacion de mercurio (Hg) por cana flecha (Gynerium sagittatum) (Aubl) Beauv. in vitro.
Topics:

Terms of use | Privacy policy | Copyright © 2021 Farlex, Inc. | Feedback | For webmasters |