Professional Documents
Culture Documents
Sin embargo, después de la Segunda Guerra Mundial el interés en este proceso fue
descendiendo paulatinamente debido, principalmente, al auge de los procesos
petroquímicos que ofrecían una mayor rentabilidad. De esta forma todas las plantas
establecidas fueron dejando de funcionar poco a poco.
1. Biomasa seleccionada:
Lactosa: Disacárido formado por la unión de una molécula de glucosa y otra de galactosa.
3. ¿La materia prima de su bioproceso tiene algún compuesto que pueda inhibir el
bioproceso?, Explique y justifique su respuesta tanto si es afirmativa como negativa.
El limite por encima del cual el metabolismo celular se detiene, esto ocurre alrededor
de una concentración de 20 g/L de solventes, (ABE) de ellos el más tóxico es el
butanol, por tanto estudios anteriores han reportado que la producción de los
solventes termina cuando la concentración de este solvente alcanza los 13 g/L [1]
El cambio entre las dos fases fuertemente dependerá de la variación del pH. Este
variable puede influir tanto en la tasa máxima de crecimiento y la potencial inhibición
en la producción de los solventes [1]
4. Presentar una tabla de datos a partir de la cual se determinan los parámetros cinéticos
(biomasa, sustrato, producto, velocidad de dilución y otros que considere pertinentes).
5. Describir el método experimental que utilizo la bibliografía para determinar los datos
presentados anteriormente
Experimento:
Métodos Analíticos:
SPSS Statistics Base proporciona las herramientas básicas de análisis estadístico para
cada paso del proceso analítico.
Balances:
𝑑𝑥
𝑟𝑥 ∗ 𝑉 = 𝑑𝑡
∗ 𝑉 (𝑉 = 𝑐𝑡𝑒)
𝑑𝑥
= 𝜇∗𝑥
𝑑𝑡
𝑑𝑝
𝑟𝑝 ∗ 𝑉 = ∗ 𝑉 (𝑉 = 𝑐𝑡𝑒)
𝑑𝑡
𝑑𝑝
𝑟𝑝 = = 𝑞𝑝 ∗ 𝑥
𝑑𝑡
𝑑𝑠 𝜇∗𝑥 𝑑𝑠 𝑑𝑠 𝑑𝑠
Sustrato: −𝑟𝑠 = 𝑑𝑡 = 𝑌𝑥𝑠 = (𝑑𝑡)crec+(𝑑𝑡)mant+(𝑑𝑡)prod
𝑑𝑠 𝜇∗𝑥 𝜇 𝑞𝑝
−𝑟𝑠 = = =[ + 𝑚𝑠 + ]∗𝑥
𝑑𝑡 (𝑌𝑥𝑠)𝑒𝑥𝑝 (𝑌𝑥𝑠)𝑡𝑒𝑜𝑟 𝑌𝑝𝑠
𝑑𝑠 𝜇∗𝑥
−𝑟𝑠 = = = 𝑞𝑠 ∗ 𝑥
𝑑𝑡 (𝑌𝑥𝑠)𝑒𝑥𝑝
Rendimientos:
𝑑𝑥
𝜇∗𝑥
Biomasa/ Sustrato: (Yx/s)max = 𝑑𝑡
𝑑𝑠 = 𝑑𝑠
−( ) −( )
𝑑𝑡 𝑑𝑡
𝑋−𝑋𝑜
(Yx/s) max = 𝑆𝑜−𝑆
𝑑𝑝
Producto/ Sustrato: (Yp/s)max = 𝑑𝑡
𝑑𝑠
−( )
𝑑𝑡
1 𝑑𝑝
Velocidad de formación del producto: (qp)max = 𝑥 ∗ 𝑑𝑡
𝜇𝑚𝑎𝑥
Velocidad de Consumo del Sustrato (qs)max = (𝑌𝑥𝑠)𝑒𝑥𝑝𝑒
A partir de los datos previamente mostrados en el numeral 4, extraídos del artículo guía, y
la herramienta computacional IBM fueron ajustados los datos de la fase exponencial de
crecimiento celular a un modelo no lineal, el cual describe la presencia de inhibición en el
proceso:
𝑆
Modelo de Contois: 𝜇 = 𝜇𝑚𝑎𝑥 ∗ (𝐾𝑠∗𝑋)+𝑆
Del anterior modelamiento se obtuvieron los datos de los parámetros de velocidad máxima
de crecimiento y la constante de saturación. Para los cuales el sistema obtuvo una
convergencia de los datos del orden de 1E-08.
En las siguientes figuras presentadas se pueden observar los cambios expuestos por cada
una de las variables (biomasa, sustrato, producto) respecto al tiempo de operación, para
este caso se anexó además la variación del pH, debido al alto potencial inhibitorio que
presenta en la producción de los solventes.
Debido a que a la fermentación tipo ABE, presenta 2 fases, en el lapso de las primeras 25
horas, aproximadamente los microorganismos presentes en el proceso se dedicaran a
degradar el sustrato suministrado (lactosa), dando paso en primera instancia a la formación
de ácidos y a una disminución notoria del pH; luego estos ácidos serán asimilados
nuevamente por los microorganismos, los cuales se encargaran en transformar el ácido
acético y butírico en acetona, etanol y el producto deseado butanol.
4 1
0.9
3.5
0.8
3
0.7
2.5
0.6
2 0.5
0.4
1.5
0.3
1
0.2
0.5
0.1
0 0
0 20 40 60 80 100 120 140
Tiempo [h]
Producto Biomasa
7 60
50
6
30
4
20
3
10
2 0
0 20 40 60 80 100 120 140
Tiempo [h]
pH sustrato
3
Concentración de Solvente [g/L]
2.5
y = 0,1x - 2,45
R² = 0,9921
2
1.5
qpmax
1
0.5
0
0 20 40 60 80 100 120 140 160
Tiempo [h] Butanol
0,279
(qs)max = (0,18 )𝑔𝑥/𝑔𝑠
𝑋−𝑋𝑜
(Yx/s) max =
𝑆𝑜−𝑆
0,9−0,1
(Yx/s) max =
50−45
Para este caso fue tomado como punto final, el perteneciente al último dato de la
fase exponencial de crecimiento celular, (t=30h).
𝑑𝑝
𝑑𝑡
(Yp/s) max = 𝑑𝑠
−( )
𝑑𝑡
PROCESO CONTINÚO
4. Presentar una tabla de datos a partir de la cual se determinan los parámetros cinéticos
(biomasa, sustrato, producto, velocidad de dilución y otros que considere pertinentes).
Consideraciones:
Balance de biomasa:
𝐹. 𝑥0 − 𝐹. 𝑥 + 𝛾𝑥 𝑉 = 0
𝐹 𝜇. 𝑥. 𝑉
− .𝑥 + =0
𝑉 𝑉
𝑥(𝜇 − 𝐷) = 0 (𝟏)
𝑆 𝑃 𝑛
𝐿𝑢𝑜𝑛𝑔 𝜇 = 𝜇𝑚á𝑥 ∙ ( ) ∙ (1 − ) (𝟐)
𝐾𝑠 + 𝑆 𝑃𝑚á𝑥
Bajo la hipótesis, que indica un modelo por inhibición, se toma como metabolito principal el
ácido butírico, para determinar los parámetros de la ecuación de Loung.
Ácido
D Lactosa
Butírico 1/D 1/Lactosa
(ℎ−1 ) (𝑔⁄𝐿)
(𝑔⁄𝐿)
0,220 0,810 1,100 4,545 0,909
0,440 0,590 2,600 2,273 0,385
0,490 0,560 2,500 2,041 0,400
0,710 0,250 12,700 1,408 0,079
0,710 0,220 12,900 1,408 0,078
0,710 0,430 23,800 1,408 0,042
0,740 0,290 34,000 1,351 0,029
0,760 0,530 22,400 1,316 0,045
0,770 0,170 13,800 1,299 0,072
Análisis comparativo.
IBM, ejecuta una regresión por mínimos cuadrados en dos fases. De esta manera utiliza
variables instrumentales que no estén correlacionadas con los términos de error para
calcular los valores estimados de los predictores problemáticos (en la primera fase) y
después utiliza dichos valores calculados para estimar un modelo de regresión lineal para
la variable dependiente (la segunda fase). Dado que los valores calculados se basan en
variables que no están correlacionadas con los errores, los resultados del modelo en dos
fases son óptimos [e].
La correlación necesita valores iniciales para ejecutar la rutina de iteración, por lo tanto se
supone modelo de Monod, y luego se procede a la iteración.
𝑆
𝜇 = 𝜇𝑚á𝑥 ∙ ( ) (𝟑)
𝐾𝑠 + 𝑆
3
2.5
2
1.5
1
0.5
0
0 0.2 0.4 0.6 0.8 1
1/S
Autores Napoli
−1
𝜇𝑚á𝑥 (ℎ ) 0,825 0,950
𝐾𝑠 (𝑔⁄𝐿) 1,618 1,340
𝑃𝑚á𝑥 (𝑔⁄𝐿) 2,750 3,000
𝑛 0,910 0,96
Tabla 2. Comparación entre la regresión de Loung vs modelo interactivo
multiproducto-inhibitorio
Balance de producto:
𝐹. 𝑝0 − 𝐹. 𝑝 + 𝛾𝑝 𝑉 = 0
𝐹 𝑉
(𝑝) + (𝑌𝑝⁄𝑥 . 𝜇 + 𝑚𝑝 ). 𝑥. = 0
𝑉 𝑉
(𝑌𝑝⁄𝑥 . 𝐷 + 𝑚𝑝 ). 𝑥 = 𝐷𝑝
𝑚𝑝
𝑝 = (𝑌𝑝⁄𝑥 + ).𝑥
𝐷
𝑚𝑝
𝑌𝑝⁄𝑥 = (𝑌𝑝⁄𝑥 )𝑡𝑒ó𝑟𝑖𝑐𝑜 + (𝟒)
𝐷
El autor reporta para el siguiente análisis datos de biomasa, dilución y butanol (Tabla 3), en
el intervalo de dilución.
Biomasa Butanol
D 𝑌𝑝/𝑥
(x) (P)
(ℎ−1 )
(𝑔⁄𝐿) (𝑔⁄𝐿) (g/g)
0,510 5,000 3,072 0,614
0,520 5,000 6,326 1,265
0,260 5,200 8,958 1,723
0,270 5,000 12,082 2,416
0,190 5,300 14,641 2,762
0,470 5,400 5,363 0,993
0,320 5,300 11,878 2,241
Tabla 3. Datos experimentales de dilución,
producción de biomasa y butanol., [d]
La ecuación (4), permite encontrar el parámetro cinético 𝑚𝑝 . Según su estructura, (4) tiene
una tendencia lineal. Para correlacionar los datos se utiliza Excel, como sigue.
1.5
0.5
0
0 1 2 3 4 5 6
1/D (h)
Balance de sustrato:
𝐹. 𝑠0 − 𝐹. 𝑠 − 𝛾𝑠 𝑉 = 0
𝜇 𝑞𝑝
𝐹. 𝑠0 − 𝐹. 𝑠 − ( + + 𝑚𝑠 ) . 𝑥. 𝑉 = 0
𝑌𝑥⁄𝑠 𝑌𝑝⁄𝑠
𝐷 𝑞𝑝
𝐷𝑠0 − 𝐷𝑠 − ( + + 𝑚𝑠 ) . 𝑥 = 0
𝑌𝑥⁄𝑠 𝑌𝑝⁄𝑠
𝐷 𝑞𝑝
( + + 𝑚𝑠 ) . 𝑥 = 𝐷(𝑠0 − 𝑠)
𝑌𝑥⁄𝑠 𝑌𝑝⁄𝑠
1 1 𝑞𝑝 1 𝑚𝑠
= 𝑜 + + (𝟓)
𝑌𝑥/𝑠 𝑌𝑥/𝑠 𝑌𝑝/𝑠 𝐷 𝐷
𝑞𝑝 = 𝜇𝑌𝑝/𝑥 = 𝐷𝑌𝑝/𝑥
La ecuación 5, para al modelo en continuo está conformada por 4 variables (𝑌𝑥/𝑠 , 𝑞𝑝 , 𝑌𝑝/𝑠 , 𝐷).
Sin embargo, en la bibliografía consultada [2,3,4] los autores reportan poca información
para determinar el parámetro 𝑚𝑠 . Napolí et al (2011) sugiere un modelado del consumo y
gasto de ATP por parte de la biomasa durante la producción de ABE, mediante el modelo
de Pirt (1965) en el que propone la primera relación válida para bioprocesos en los cuales
la etapa reguladora es la acidogénica, entre 𝑌𝐴𝑇𝑃 y la tasa de crecimiento específico (𝜇)
dada como:
1 1 𝑚𝑠
= + (𝟔)
𝑌𝐴𝑇𝑃 𝑌𝐴𝑇𝑃 (𝑚á𝑥) 𝜇
D D
𝑌𝐴𝑇𝑃 𝑌𝐴𝑇𝑃
(ℎ−1 ) (ℎ−1 )
0,24 15,5 0,52 23,6
0,32 15,7 0,26 13,4
0,12 7,9 0,32 15,1
0,18 11,4 0,27 14,1
0,35 19,7 0,19 13,8
0,52 25,2 0,49 22,5
0,27 15,5 0,45 17,6
0,51 19,7 0,47 18,7
0,3 14,2 0,47 18,6
0,55 23,2 0,25 13,2
0,6 19,3 0,23 12,2
0,1 3,8 0,36 13,7
0,51 22,5 0,2 11,8
0,47 19,9 0,2 11,3
0.12
Inverso de YATP
0.1
0.08
0.06
0
0 1 2 3 4 5 6 7 8 9
1/D (h)
1 1
= 0.0258 + 0.0118 ∗ (𝟕)
𝑌𝐴𝑇𝑃 µ
Autores Napoli
𝑚𝑠 0,0118 0,012
𝑌𝐴𝑇𝑃 (𝑚á𝑥) 38,759 29,154
Tabla 7. Comparación entre los parámetros
por la regresión lineal vs modelo de Pirt
Los cálculos anteriores son válidos solo para determinar el coeficiente de mantenimiento
celular.
Debido a la cantidad de datos inexistentes que cumplan con las especificaciones aquí
mencionadas, se usa la ecuación de Pirt (8) como aproximación para calcular 𝑌𝑥/𝑠 .
1 1 𝑚𝑠
= + (𝟖)
𝑌𝑥/𝑠 𝑌𝑥/𝑠 (𝑚á𝑥) µ
A partir de la ecuación (8), se considera que qp es despreciable con fines académicos. Sin
embargo, se debe anotar 𝑞𝑝 , debe ser diferente de cero por ende esta aproximación se
realiza solo para tener un estimado “máximo” de 𝑌𝑥/𝑠(𝑚á𝑥) .
Pir Yx/s
0.2
y = 0.0071x + 0.0133
0.15 R² = 0.8603
Axis Title
0.1
0.05
0
0 5 10 15 20 25
Axis de
Gráfica 5. Representación Title
la ecuación de Pirt
1 𝑔
= 0.0133 → 𝑌𝑥(𝑚á𝑥) = 75,18 [ ]
𝑌𝑥(𝑚á𝑥) 𝑠 𝑔
𝑠
Diagrama de flujo, operación en continuo
𝜇𝑚á𝑥
0,279ℎ−1 0,825ℎ−1
celular
𝑔 𝑔
𝐾𝑠 186,30 1,618
𝑙 𝑙
75,18 𝑔 𝑏𝑖𝑜𝑚𝑎𝑠𝑎
Rendimientos
𝑔 𝑏𝑖𝑜𝑚𝑎𝑠𝑎 𝑔 𝑠𝑢𝑠𝑡𝑟𝑎𝑡𝑜
𝑌 𝑋 0,16
( )𝑚á𝑥
𝑆 𝑔 𝑠𝑢𝑠𝑡𝑟𝑎𝑡𝑜
𝑔 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑔 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜
𝑌 𝑃 0,18 2,416
( )𝑚á𝑥
𝑆 𝑔 𝑠𝑢𝑠𝑡𝑟𝑎𝑡𝑜 𝑔 𝑠𝑢𝑠𝑡𝑟𝑎𝑡𝑜
𝑞(𝑠)𝑚á𝑥
𝑔 𝑠𝑢𝑠𝑡𝑟𝑎𝑡𝑜
1,55 𝑔 𝑠𝑢𝑠𝑡𝑟𝑎𝑡𝑜
𝑔 𝑏𝑖𝑜𝑚𝑎𝑠𝑎 ∗ ℎ 𝑔 𝑏𝑖𝑜𝑚𝑎𝑠𝑎∗ℎ
Velocidades
𝑞(𝑝)𝑚á𝑥
𝑔 𝑠𝑜𝑙𝑣𝑒𝑛𝑡𝑒 𝑔 𝑠𝑜𝑙𝑣𝑒𝑛𝑡𝑒
0,1
ℎ ℎ
𝑠𝑢𝑠𝑡𝑟𝑎𝑡𝑜
0,118
𝑚𝑠 ---- 𝑔 𝑏𝑖𝑜𝑚𝑎𝑠𝑎 ∗ ℎ
𝑚𝑝 0,063 𝑔 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜
0,479
𝑔 𝑏𝑖𝑜𝑚𝑎𝑠𝑎 ∗ ℎ
REFERENCIAS:
[1] Castellanos Reynel, Prada Martha. 2013. Optimización y ajuste de parámetros cinéticos
para la fermentación acetona-butanol-etanol (abe) a partir de jarabes de almidón de yuca
empleando Clostridium acetobutylicum atcc 824. (Tesis de pregrado en Ingeniería química).
Universidad Industrial de Santander, Bucaramanga.
[2] Napoli Fabio. 2011. Development of an integrated process for butanol production. Batch
Cultures.
[3] Napoli F., G. Olivieri, A. Marzocchella, P. Salatino Bioenergy II: An Assessment of the
Kinetics of Butanol Production by Clostridium acetobutylicum International Journal of
Chemical Reactor Engineering, 2009, vol. 7, A45
[4] Napoli F., G. Olivieri, M.E. Russo, A. Marzocchella, P. Salatino. Butanol Production by
Clostridium acetobutylicum - I. Acidogenesis Kinetics Biotechnology and Bioengineering,
submitted
[5] Napoli F., G. Olivieri, M.E. Russo, A. Marzocchella, P. Salatino. Butanol Production by
Clostridium acetobutylicum – II. Mass and Energy Yields under Acidogenesis Phase
Biotechnology and Bioengineering, submitted
[6] Napoli F., A. Marzocchella, P. Salatino Optimization of Solvent Recovery in the
Production of Butanol by Fermentation Biochemical Engineering Journal, submitted
[7] Napoli F., G. Olivieri, A. Marzocchella, M.E. Russo, P. Salatino Butanol Production in a
Continuous Biofilm Reactor by Clostridium acetobutylicum Progress Biochemistry,
submitted.