Post on 02-Feb-2016
description
viii
MODELAMIENTO Y SIMULACIÓN DE UN BIORREACTOR PILOTO DE
LECHO FIJO PARA LA OBTENCIÓN DE JARABES DE FRUCTOSA A
PARTIR DE ALMIDÓN DE YUCA
JORGE E. HERNANDEZ RUYDIAZ, IAI.
UNIVERSIDAD DE CÓRDOBA
FACULTAD DE INGENIERÍAS
PROGRAMA DE MAESTRÍA EN CIENCIAS AGROALIMENTARIAS
BERÁSTEGUI, CÓRDOBA
2013
ix
MODELAMIENTO Y SIMULACIÓN DE UN BIORREACTOR PILOTO DE
LECHO FIJO PARA LA OBTENCIÓN DE JARABES DE FRUCTOSA A
PARTIR DE ALMIDÓN DE YUCA
JORGE E. HERNANDEZ RUYDIAZ, IAI.
Tesis presentada en opción al Título Académico de Máster en Ciencias
Agroalimentarias con énfasis en Ingeniería.
Director:
EVERALDO MONTES MONTES, IQ. MSc.
Codirector:
JAIRO SALCEDO MENDOZA, IQ. Esp.
UNIVERSIDAD DE CÓRDOBA
FACULTAD DE INGENIERÍAS
PROGRAMA DE MAESTRÍA EN CIENCIAS AGROALIMENTARIAS
BERÀSTEGUI – CÓRDOBA
2013
x
La responsabilidad ética, legal y científica de las ideas, conceptos y resultados del
proyecto, serán responsabilidad de los autores.
Artículo 61, acuerdo N° 093 del 26 de noviembre de 2002 del consejo superior.
xi
Nota de aceptación
_______________________________
_______________________________
_______________________________
_______________________________
________________________________
Firma del jurado
________________________________
Firma del jurado
xii
DEDICATORIAS
A mis padres Humberto (Q.E.P.D) y Nereyda
A mi esposa Lisbeth Tuiran
A mi hija María Sofía
A mi segunda madre Betty Benito Revollo
Jorge Emilio
xiii
AGRADECIMIENTOS
Especial:
A Dios por darme la vida, por acompañarme en este proceso y ofrecerme la oportunidad de crecer
espiritual, profesional y académicamente.
Generales:
Al Ministerio de Agricultura y Desarrollo Rural (MADR) por el financiamiento de este proyecto.
A la Universidad de Córdoba y en especial al programa de Ingeniería de Alimentos.
A la Universidad de Sucre y en especial al programa de Ingeniería Agroindustrial.
A mi director Ingeniero Everaldo Montes Montes, por su valioso apoyo y colaboración.
A mi codirector Ingeniero Jairo Salcedo Mendoza por sus aportes y gran experiencia.
A mis compañeros y profesores de maestría con los que compartí estos años de aprendizaje, pues de cada uno recibí información, conocimiento y experiencias que cambiaron mi visión. A los ingenieros agroindustriales Robert Bettin, Bridyz Mazzy, Davier Arrieta, Angélica Bustamante, Lina Duran, Juan Sierra y Luis Pacheco por su participación y colaboración en la fase experimental de todo el proyecto.
Y a todas aquellas personas que de una u otra forma, colaboraron o participaron en la realización de
esta investigación.
viii
TABLA DE CONTENIDO
1. INTRODUCCIÓN 1
2. REVISIÓN DE LITERATURA 5
2.1 LA YUCA 5
2.1.1 Generalidades. 5
2.1.2 Producción. 6
2.2 EL ALMIDÓN 7
2.2.1 Propiedades. 7
2.2.2 Usos. 8
2.2.3 Proceso de hidrólisis. 9
2.3 LOS EDULCORANTES. 9
2.3.1 Licuefacción. 10
2.3.2 Sacarificación. 12
2.3.3 Isomerización. 13
2.4 CINÉTICA ENZIMATICA. 14
2.4.1 Enzimas. 15
2.4.2 Cinética de Michaelis-Menten. 15
2.4.3 Modelos cinéticos para enzimas inmovilizadas. 16
2.4.4 Métodos para determinación de parámetros cinéticos. 18
viii
2.5 BIORREACTORES DE LECHO FIJO. 22
2.5.1 Usos. 23
2.5.2 Diseño y funcionamiento. 24
2.5.3 Caída de presión en FBR. 26
2.5.3.1 Flujo en sistemas porosos. 26
2.5.3.2 Modelos para la predicción de la caída de presión. 27
2.6 MODELAMIENTO Y SIMULACIÓN DE BIORREACTORES 31
2.6.1 Clasificación de los modelos. 31
2.6.2 Simulación de procesos. 32
2.6.3 Validación de modelos. 33
3. OBJETIVOS 36
3.1 OBJETIVO GENERAL 36
3.2 OBJETIVOS ESPECIFICOS 36
4. MATERIALES Y METODOS 38
4.1 MATERIA PRIMA. 38
4.2 ENZIMAS. 38
4.3 LICUEFACCIÓN Y SACARIFICACIÓN DE SOLUCIONES DE
ALMIDÓN DE YUCA. 39
4.4 ISOMERIZACIÓN DE SOLUCIONES DE GLUCOSA ANHIDRA AL
35% P/V EN LOS BIORREACTORES DIFERENCIALES DE LECHO FIJO
41
4.5 ISOMERIZACIÓN DE SOLUCIONES DE GLUCOSA OBTENIDA DE
ALMIDÓN DE YUCA EN UN BIORREACTOR DIFERENCIAL DE LECHO
FIJO 43
4.6 AJUSTE DE MODELOS CINÉTICOS POR REGRESIÓN NO LINEAL.
44
ix
4.7 ANÁLISIS TEÓRICO DEL PROCESO DE CONVERSIÓN Y CAIDA DE
PRESIÓN EN EL FBR 45
4.7.1 Modelamiento del perfil de conversión de glucosa a lo largo del
biorreactor piloto de lecho fijo. 45
4.7.2 Estudio de la caída de presión a lo largo del biorreactor piloto de
lecho fijo. 46
4.8 SOLUCIÓN DE LOS MODELOS DE CONVERSIÓN Y CAIDA DE
PRESIÓN EN EL FBR 47
4.9 CORRIDAS EXPERIMENTALES EN EL FBR Y AJUSTE DE
VALORES DE CONVERSIÓN AL MODELO TEÓRICO 48
5. RESULTADOS Y DISCUSIÓN 50
5.1 EVALUACIÓN DEL INCREMENTO DE LOS EQUIVALENTES DE
DEXTROSA EN LOS PROCESOS DE LICUEFACCIÓN Y
SACARIFICACIÓN 50
5.2 SELECCIÓN DEL BIORREACTOR DIFERENCIAL DE LECHO FIJO
QUE GARANTIZA LA MÍNIMA DIFERENCIA DE CONCENTRACIÓN DE
GLUCOSA 55
5.3 CÁLCULO DE VELOCIDADES INÍCIALES DE REACCIÓN DE
GLUCOSA A FRUCTOSA 57
5.4 DETERMINACIÓN DE PARÁMETROS A TRAVÉS DEL AJUSTE DE
MODELOS CINÉTICOS PARA ENZIMAS INMOVILIZADAS 59
5.5 DESARROLLO DE MODELOS FENOMENOLÓGICOS DE
CONVERSIÓN DE GLUCOSA Y CAÍDA DE PRESIÓN 61
5.5.1 Modelamiento del perfil de conversión de glucosa a lo largo del
biorreactor piloto de lecho fijo. 61
5.5.2 Estudio de la caída de presión a lo largo del biorreactor piloto de lecho
fijo 64
x
5.6 SIMULACIÓN DE LOS MODELOS QUE REPRESENTAN LOS
PERFILES DE CONVERSIÓN DE GLUCOSA Y LA CAÍDA DE PRESIÓN. 66
5.7 VALIDACIÓN DEL MODELO DE CONVERSIÓN DE GLUCOSA EN
EL BIORREACTOR PILOTO DE LECHO FIJO. 71
6. CONCLUSIONES 74
7. RECOMENDACIONES 77
BIBLIOGRAFÍA 78
ANEXOS 96
xi
LISTA DE TABLAS
Tabla 1. Efecto del tiempo de residencia sobre las velocidades iniciales para
diferentes volúmenes de reactores de lecho fijo. 56
Tabla 2. Parámetros de funcionamiento y diseño del biorreactor de lecho fijo. 70
xii
LISTA DE FIGURAS
Figura 1. Estructura molecular de a) amilosa y b) amilopectina. 7
Figura 2. Isomerización de glucosa a fructosa. 13
Figura 3. Fotografía de un biorreactor de lecho fijo. 23
xiii
LISTA DE GRÁFICOS
Grafico 1. Efecto de la relación E/S sobre el incremento de los ED en el proceso de
licuefacción de almidón de yuca variedad Tai. 51
Grafico 2. Efecto de la relación E/S sobre el incremento de los ED en el proceso de
sacarificación de almidón licuado de yuca variedad Tai. 53
Grafico 3. Cinética de formación de producto y consumo de sustrato en la
licuefacción y sacarificación de almidón de yuca variedad Corpoica-Tai. 55
Grafico 4. Efecto de la concentración de sustrato sobre las velocidades iniciales de
reacción y conversión en el proceso de isomerización de glucosa a fructosa. 58
Grafico 5. Ajuste de modelos del tipo Michaelis-Menten para enzimas
inmovilizadas. 59
Grafico 6. Perfiles de conversión de glucosa a lo largo del FBR a una
concentración inicial de glucosa de 250 gl-1
y tres flujos volumétricos. 67
Grafico 7. Perfiles de conversión de glucosa a lo largo del FBR a una
concentración inicial de glucosa de 300 gl-1
y tres flujos volumétricos. 67
Grafico 8. Perfiles de conversión de glucosa a lo largo del FBR a una
concentración inicial de glucosa de 350 gl-1
y tres flujos volumétricos. 67
Grafico 9. Perfiles de caída de presión a lo largo del FBR a una concentración
inicial de glucosa de 250 gl-1
y tres velocidades superficiales. 69
xiv
Grafico 10. Perfiles de caída de presión a lo largo del FBR a una concentración
inicial de glucosa de 300 gl-1
y tres velocidades superficiales. 69
Grafico 11. Perfiles de caída de presión a lo largo del FBR a una concentración
inicial de glucosa de 350 gl-1
y tres velocidades superficiales. 69
Grafico 12. Dependencia de la caída de presión en el FBR con la velocidad
superficial y la viscosidad del fluido de alimentación. 70
Grafico 13. Comparación de los perfiles experimentales y simulados de conversión
de glucosa a fructosa a una concentración inicial de 250 gl-1
y tres flujos
volumétricos. 72
Grafico 14. Comparación de los perfiles experimentales y simulados de conversión
de glucosa a fructosa a una concentración inicial de 300 gl-1
y tres flujos
volumétricos. 72
Grafico 15. Comparación de los perfiles experimentales y simulados de conversión
de glucosa a fructosa a una concentración inicial de 350 gl-1
y tres flujos
volumétricos. 73
xv
LISTA DE ANEXOS
ANEXO A. CURVA DE CALIBRADO PARA AZÚCARES REDUCTORES 97
ANEXO B. FOTOGRAFÍAS PROCESOS DE LICUEFACCIÓN Y
SACARIFICACIÓN 98
ANEXO C. FOTOGRAFÍAS EVALUACIÓN DE BIORREACTORES
DIFERENCIALES DE LECHO FIJO A ESCALA DE LABORATORIO 99
ANEXO D. FOTOGRAFÍAS DETERMINACIÓN DE VELOCIDADES
INICIALES DE REACCIÓN DE GLUCOSA 100
ANEXO E. FOTOGRAFÍAS PROCESO DE VALIDACIÓN DE MODELO DE
CONVERSIÓN DE GLUCOSA EN EL FBR 101
ANEXO F. DATOS DEL PROCESO DE LICUEFACCIÓN PARA LAS TRES
RELACIONES E/S 102
ANEXO G. SUPUESTOS DEL MODELO, ANOVA Y DMS PROCESO DE
LICUEFACCIÓN. 103
ANEXO H. DATOS DEL PROCESO DE SACARIFICACIÓN PARA LAS TRES
RELACIONES E/S 104
ANEXO I. SUPUESTOS DEL MODELO, ANOVA Y DMS PROCESO DE
SACARIFICACIÓN. 105
ANEXO J. DATOS PARA LA DETERMINACIÓN DE PARÁMETROS
CINÉTICOS 106
xvi
ANEXO K. GRÁFICOS DE DISPERSIÓN Y RESIDUOS PARA LOS
MODELOS CINÉTICOS 107
ANEXO L. VALORES DE LOS PARÁMETROS CINÉTICOS PARA LOS
MODELOS TIPO MICHAELIS-MENTEN AJUSTADOS. 108
ANEXO M. ALGORITMOS SIMULACIÓN PROCESOS DE CONVERSIÓN Y
CAÍDA DE PRESIÓN EN EL FBR 109
ANEXO N. RESULTADOS VALIDACIÓN ESTADÍSTICA PARA EL MODELO
DE CONVERSIÓN DE GLUCOSA EN EL FBR A ESCALA DE
LABORATORIO. 110
xvii
RESUMEN
La producción industrial de jarabes de fructosa por vía enzimática tiene como operación
limitante la isomerización de glucosa en reactores de lecho fijo (FBR); colocando
especial atención al diseño y funcionamiento de estos sistemas reaccionantes. En esta
investigación se modeló, simuló y validó en el entorno de LabVIEW®
, el
funcionamiento de un FBR a escala piloto para la producción de jarabes fructosados
obtenidos de soluciones de almidón de yuca variedad Corpoica TAI para predecir su
comportamiento ante cambios en la velocidad superficial y la concentración de sustrato.
Se partió de la evaluación del incremento de los ED en los procesos de licuefacción y
sacarificación empleando tres relaciones E/S a través de un DCA continuando con la
determinación de los parámetros cinéticos de la reacción de isomerización de glucosa,
ajustando modelos de velocidad para enzimas inmovilizadas por regresión no lineal. Se
desarrollaron modelos fenomenológicos para la conversión y la caída de presión a lo
largo del biorreactor a través de un análisis teórico, el planteamiento de ecuaciones de
conservación y el uso de la correlación modificada de Ergun para geometría cilíndrica.
Las mejores alternativas en los procesos de licuefacción y sacarificación se obtuvieron
con 0.852 y 1.052 kgETonSS-1
para ED de 24.99 y 74.18% respectivamente. Por su
parte el modelo matemático de Michaelis–Menten Tradicional (MMT) de
xviii
equilibrio rápido presentó el mejor ajuste con un r2 de 95.59% y un EE de
5.77x10-4
aportando un de 4.868 kgGkgE-1
h-1
y un de 210.072 kgGm-3
. La
ecuación de conservación de la masa representó la conversión de glucosa a fructosa en
la dirección axial para un FBR y su simulación permitió establecer que aumentos en las
velocidades superficiales de circulación por el interior del reactor requieren longitudes
hasta 4.12 veces mayores para alcanzar el equilibrio químico. Del estudio de la caída de
presión se determinó que existe una relación lineal para este parámetro en función de
velocidad superficial. Los mejores rendimientos del FBR se alcanzaron para una
velocidad superficial de 1.37x10-4
ms-1
, una concentración de glucosa de 350 kgm-3
requiriendo una longitud de 0.593 m y un tiempo de residencia hidráulico de 72.44
min. Finalmente el modelo de conversión representó con significativa precisión
(r2 ≥ 98.25%; EE ≤ 0.028) el proceso real de isomerización de glucosa y es la base
para realizar el control y optimización de la operación.
Palabras Clave:, reactor de lecho fijo (FBR), jarabes de fructosa, modelamiento
matemático, simulación, relación enzima sustrato (E/S), equivalentes de dextrosa (ED).
xix
ABSTRACT
The industrial production of fructose syrups enzymatically operation has as limiting the
isomerization of glucose in fixed bed reactors (FBR); by placing special emphasis to the
design and operation of these systems reacting. This research was modeled, simulated
and validated in LabVIEW® environment, the operation of a pilot-scale FBR for to
produce syrups fructosados obtained from cassava starch solutions Corpoica variety
TAI to predict their behavior to changes in the surface velocity and the substrate
concentration. Is started of the evaluation of the increase in the DE liquefaction and
saccharification processes using three ratios E/S through CRD continuing the
determination of the kinetic parameters of the glucose isomerization reaction, adjusting
velocity models for enzymes immobilized by nonlinear regression. Phenomenological
models were developed for the conversion and pressure drop along the bioreactor
through a theoretical analysis, the approach of conservation equations and the use of the
modified Ergun correlation for cylindrical geometry. The best alternatives in the process
of liquefaction and saccharification were obtained with 0,852 and 1,052 kgETonSS-1
for
DE of 24.99 and 74.18 % respectively. For its part, the mathematical model of
Traditional Michaelis-Menten (TMM) of rapid equilibration presented the best fit with a
r2 of 95.59 % and a SE 5.77x10
-4 providing a Vmax of 4,868 kgGkgE
-1h
-1 and a KM of
210,072 kgGm-3
. The equation of conservation of mass accounted for the conversion of
glucose to fructose in the axial direction to a FBR and its simulation enabled it to
establish that increases in the superficial velocity of movement by the inside of the
reactor require lengths up to 4.12 times higher to achieve the chemical balance. The
xx
study of the pressure drop was determined that there is a linear relationship for this
parameter as a function of superficial velocity. The best yields of the FBR is reached for
a surface speed of 1.37x10-4
ms-1
, a concentration of glucose of 350 kgm-3
requiring a
length of 0,593 m and a hydraulic residence time of 72.44 min. Finally, the conversion
model represented with significant accuracy (r2 ≥ 98.25 %; SE ≤ 0,028) the actual
process of isomerization of glucose and is the basis for the control and optimization of
the operation.
Keywords: fixed bed reactor (FBR), fructose syrups, mathematical modeling,
simulation, enzyme substrate ratio (E/S), dextrose equivalent (DE).
1
1. INTRODUCCIÓN
La introducción de los jarabes de alta fructosa (HFS) como edulcorantes para el mercado
mundial ha generado incentivos para desarrollar nuevos métodos para su producción u
optimizar los existentes (Havewala et al, 1974). La obtención de los HFS puede hacerse
de diversas formas, siendo las más populares el desdoblamiento enzimático de la
sacarosa y la isomerización de glucosa proveniente de materias primas ricas en almidón
(Khalilpour y Roostaazad, 2008)
A pesar de este escenario, la creciente demanda de etanol para ser utilizado como
biocombustible obtenido a partir de caña de azúcar y de maíz ha facilitado el montaje
de plantas productoras de alcohol anhídrido, reduciendo la disponibilidad de estas
materias primas para la fabricación de edulcorantes tradicionales reflejado en una
disminución del uso de la capacidad instalada en 30% en promedio en la mayoría de las
noventa plantas que producen HFS a nivel mundial (Rappo 2002; Goldemberg 2007).
Esta situación ha conducido a buscar fuentes alternativas que permitan suplir las
necesidades de las industrias que requieren este tipo de insumos como son las de
bebidas, confitería, chocolatería, panadería y la apicultura. (ISO 2006; McLaren 2005).
2
La yuca puede ser considerada para este propósito, siendo la variedad Corpoica-Tai una
de las más atractivas para los cultivadores por sus altos rendimientos en cultivo y una de
las más estudiadas en el país (CIAT 2003; Salcedo et al. 2009; Pájaro y Romero 2008 y
Salcedo 2010). Además de su gran importancia para la generación de ingresos
económicos en la región (CIAT 2002) y gracias al fortalecimiento de la cadena
realizado por el Instituto Colombiano Agropecuario-ICA y el Centro Internacional de
Agricultura Tropical-CIAT, como nueva opción de siembra y de desarrollo
agroindustrial del cultivo (CORPOICA 1997), se ha venido direccionando el mercado
de almidón de yuca hacia sectores de mayor crecimiento mundial como es la industria
de edulcorantes (Gottret et al. 2001).
En relación a lo expuesto, la operación limitante en la obtención de HFS es la
isomerización de los jarabes de glucosa que se realiza en diversos tipos de biorreactores
(Carrara et al. 2003). Varios diseños de reactores han tenido aplicación en diversos
modos de funcionamiento del proceso de conversión (Khalilpour y Roostaazad 2008)
ya sea de forma continua o por lotes, con enzimas libres o inmovilizadas, y con esto la
selección de la ecuación para representar su funcionamiento y realizar un correcto
escalado (Doran 1995). Se pueden señalar una serie de opciones del biorreactor, como
son los biorreactores de lecho fijo o FBR por sus siglas en ingles, los reactores
continuos de tanque agitado (CSTR), los reactores biológicos de membrana (MBR),
los reactores de recirculación y los reactores tubulares con paredes enzimáticamente
activas (Khalilpour y Roostaazad 2008).
En los últimos años la industria de producción de jarabes ha aceptado los FBR por ser
3
los más adecuados. Los FBR presentan algunas dificultades para su diseño y operación
cuando emplean enzimas inmovilizadas, por lo que el uso de modelos y simulaciones
que muestren el comportamiento del reactor a nivel piloto puede mejorar el
conocimiento del proceso, la optimización de las condiciones de funcionamiento y el
diseño del equipo (Carrara et al. 2003).
Teniendo en cuenta lo anterior, el objetivo de esta investigación fue modelar, simular y
validar en el entorno de LabVIEW®
, el funcionamiento de un biorreactor piloto de lecho
fijo como herramienta que permitiera evaluar su actividad, indicar mejoras en su diseño
y proyectar el correcto escalamiento de todo el proceso a través de la determinación de
las condiciones de operación. Partiendo de la evaluación del incremento de los
equivalentes de dextrosa en los procesos de licuefacción y sacarificación utilizando
diferentes relaciones enzima sustrato; continuando con la determinación de los
parámetros cinéticos de la reacción de isomerización de glucosa a fructosa y finalizando
con el desarrollo modelos fenomenológicos para la conversión de glucosa y caída de
presión a lo largo del biorreactor; sentando las bases para determinar la viabilidad
técnica del establecimiento de una nueva actividad agroindustrial que permita generar
mayor valor agregado en esta materia prima y proyectarse como el principal recurso
natural alternativo para la obtención de edulcorantes como insumos de la industria de
alimentos regional ante una posible escasez (Cortes, 2008).
4
Esta investigación es un componente del macroproyecto denominado desarrollo de un
proceso para la obtención de jarabes fructosados a partir de glucosa obtenida de los
almidones de cinco variedades de yuca industrial, utilizando la enzima Sweetzyme IT
Extra de Novozymes basado en la construcción de un biorreactor piloto de lecho fijo.
Financiado por el Ministerio de Agricultura y Desarrollo Rural (MADR) y desarrollado
por la Universidad de Sucre y la Universidad de Córdoba (Salcedo y Montes 2009).
5
2. REVISIÓN DE LITERATURA
2.1 LA YUCA
2.1.1 Generalidades.
La yuca (Manihot esculenta Crantz), es una planta cultivada extensivamente en zonas
tropicales y subtropicales de todo el continente. El principal producto económico de
esta son sus raíces. La presencia de glucósidos cianogénicos en ellas es un factor
determinante para clasificar una variedad de yuca. Dependiendo de este contenido
puede ser clasificada como de calidad culinaria, industrial o de doble propósito. (Ospina
y Ceballos 2002). Las variedades industriales surgen como nuevas opciones de
producción y desarrollo agroindustrial para la Región Caribe en las que se encuentran la
Orense, Caiselli, Ginés, Verónica y Tai, sobresaliendo esta última que fue introducida
en Colombia en 1986 con el código MTAI 8. Sus raíces son de color blanca o crema, de
forma cónica – cilíndrica, amargas con niveles de cianuro entre 7 y 9 ppm y
registrando rendimientos en promedio de 30 tonha-1
y porcentajes de materia seca de
35% (CORPOICA 2004).
6
2.1.2 Producción.
A nivel mundial, la obtención de este tubérculo alcanzó en 2008 un valor de 238,5
millones de toneladas, un 5 % más que el año anterior, impulsado por los esfuerzos
realizados en pro de la seguridad alimentaria y por el aumento de la oferta destinada a
satisfacer las necesidades del sector del etanol en el que esta constituye una materia
prima. En América Latina y el Caribe la producción de 2008 registró una pequeña
contracción, debida a una menor superficie cultivada en Brasil. En cuanto a Colombia y
Paraguay, los otros principales países productores de la región, experimentaron un
crecimiento sólido en el mismo período (FAO 2008).
En nuestro país, se estima que existen 205.684 hectáreas sembradas de yuca, de las
cuales el 13% corresponden a yuca industrial. De esta siembra se cosechan 180.566 ha
obteniéndose una producción de aproximadamente 1.994.049 ton, siendo los
departamentos de Bolívar, Córdoba, Sucre y Magdalena los mayores productores con
15, 10.8, 9,8 y 9,6% respectivamente. (AGRONET 2005). A partir del año 2000, sus
usos se han venido diversificando y orientando más hacia el mercado de los productos
industriales como los almidones, concentrados para animales y alimentos procesados
para consumo humano. (Grottret et al. 2001).
7
2.2 EL ALMIDÓN
Es el principal polisacárido de reserva de las plantas. Está formado por una fracción
lineal llamada amilosa, compuesto formado de la condensación de D-glucopiranosas por
medio de enlaces -1,4 (Figura 1a) y por una ramificada denominada amilopectina,
unida al tronco central por enlaces -D-1,6 localizados cada 15 a 25 unidades lineales de
glucosa, llegando a tener una molécula de almidón de 2000 a 3000 unidades de glucosa
(Figura 1b), ambas compuestas por D-glucosa. Se encuentra en una gran variedad de
tejidos incluyendo hojas, tubérculos, frutas, semillas y troncos (Cortes 2008).
Figura 1. Estructura molecular de a) amilosa y b) amilopectina.
Fuente: Rosliza et al, 2010
2.2.1 Propiedades.
Muchas de sus propiedades pueden explicarse en la habilidad de adoptar diferentes
estructuras moleculares. La abundancia de hidroxilos otorga propiedades hidrofilicas al
polímero, impartiéndole afinidad por el agua. Sin embargo, debido a su linealidad, los
8
polímeros de la amilosa tienden a agruparse muy estrechamente en forma paralela
mediante la formación de puentes de hidrógeno entre los hidroxilos de los polímeros
adyacentes reduciendo así su afinidad por el agua (Aristizábal y Sánchez 2007).
Por otro lado, el peso molecular de la amilopectina varía entre 50 y 500 x106 Dalton.
Estas variaciones están influenciadas por el origen botánico del almidón. Pudiendo
degradarse por acción de la enzima -amilasa en las uniones α-(1→4) produciendo
dextrinas -límite, que son las cadenas residuales que contienen los puntos de
ramificación y después puede ser atacada por las enzimas pululanasa o isoamilasa que
actúan en los enlaces α-(1→6) produciendo maltosa (Lajolo y Wenzel 2006).
2.2.2 Usos.
El almidón se emplea en la industria alimentaria para la preparación de edulcorantes
como la glucosa y la fructuosa; como sustituto de la harina de trigo en la repostería,
pastelería; como espesante y estabilizante en helados, gelatinas, sopas y salsas. En la
industria farmacéutica es usado como materia prima para la fabricación de dextrosa,
excipiente o mezcla para los comprimidos y pastillas, como relleno en píldoras y
tabletas. En la industria textil como material para dar apresto a los tejidos; en la
industria del papel para la fabricación de pasta de papel, couche, kraft y papel cartón.
En minería y petróleos como agente floculante en las minas de potasio y como
lubricante en las perforaciones petrolíferas. A nivel ambiental para el tratamiento de
aguas usadas con metales pesados como el cobre y el níquel; como floculante selectivo
para recuperar vanadio, en la metalurgia del plomo y el cobre. Finalmente en la industria
9
química puede modificarse para la fabricación de colas y pegamentos, o por
esterificación para producir poliéster para la fabricación de espumas de poliuretano
(Jobling 2004; Glittemberg 2012).
2.2.3 Proceso de hidrólisis.
El almidón se puede transformar en glucosa vía hidrólisis enzimática o vía hidrólisis
ácida. La principal ventaja del proceso enzimático, comparado con la hidrólisis ácida,
radica en la escasa formación de subproductos y la reducción en la demanda energética
del proceso ya que no requiere el uso de grandes presiones ni elevadas temperaturas
como lo reporta Castaño y Mejía (2008). El proceso de obtención de edulcorantes a
partir de almidón puede llegar hasta la producción de jarabes de fructosa requiriendo
dos etapas de hidrólisis y una de cambio configuracional (Morales et al. 2008).
2.3 LOS JARABES DE FRUCTOSA.
Los edulcorantes son sustancias capaces de endulzar un alimento, una bebida o un
medicamento (López y Peña 2004). Pueden clasificarse como nutritivos aquellos que
tiene un poder edulcorante entre 1 y 2 con relación a la sacarosa, una buena sensación
de dulzura y un sabor agradable en los que se destacan la glucosa, la fructosa y los
jarabes de fructosa; los de menor aporte calórico que producen una dulzura
relativamente alta pero con bajo poder edulcorante entre 0.5 a 1 y sabores insípidos en
los que se encuentran el sorbitol y xilitol y por último se encuentran los no nutritivos o
sintéticos, es decir, aquellos que tienen un poder edulcorante alto entre 200 y 3000 con
10
relación a un gramo de sacarosa, no hacen aportes calóricos al organismo entre los que
se encuentran el aspártame y el acesulfame k.(Humboldt 2004). Las etapas claves del
proceso de obtención del edulcorante jarabe de fructosa a partir del almidón son la
licuefacción, la sacarificación y la isomerización (Morales et al. 2008).
2.3.1 Licuefacción.
Consiste en la hidrólisis parcial del almidón a un grupo de oligosacaridos del tipo
maltodextrinas, representados por maltopentosa, maltotriosa, maltosa y glucosa. Este
proceso se da mediante el rompimiento de los enlaces glucosídicos α- D-1- 4 internos de
la molécula del almidón y se realiza en dos etapas, una licuefacción primaria y una
secundaria, a baja o alta temperatura; que permiten una licuefacción eficiente del
almidón (Novozymes 2008a). En general, en esta etapa una solución de almidón debe
ser calentada para gelatinizarlo. Para continuar con el proceso, se utilizan las alfa
amilasas termoresistentes que actúan a temperaturas de 90 – 95ºC que permiten efectuar
la gelatinización y licuefacción simultáneamente. La hidrólisis se lleva a cabo hasta
alcanzar equivalentes de dextrosa (ED) de hasta 10 % según la dosificación de enzima y
el tiempo de hidrólisis, suficiente para evitar el fenómeno de retrogradación del
almidón. La alfa amilasa es una endoamilasa con actividad solo para los enlaces
α-1- 4, inactiva hacia los enlaces α-1- 6 de la amilopectina (Hernández et al. 2003).
En esta etapa se han reportado diversos estudios utilizando variedad de materias primas.
Vidal (2010), alcanzo ED de 18,82 y 22.15% para concentraciones de almidón de
ñame de 36 y 46% p/v respectivamente, utilizando la enzima Liquozyme® Supra de
11
Novozymes en una relación de 0.52 kg de Enzima por Tonelada de Solido Seco
(kgETonSS-1
). De igual forma Morales et al. (2008) trabajo un proceso con almidón de
yuca a una concentración de 400 g*l-1
en un tiempo de 2.5 h utilizando la -amilasa
120L de Novonordisk en una concentración de 0.5 mll-1
alcanzando ED de 30.41% y
concentraciones de azucares reductores de 135 gl-1
. Más recientemente Pájaro et al.
(2008) trabajo un proceso con la misma variedad de yuca objeto de este estudio
utilizando la -amilasa Termamil 120L alcanzando ED del 50% en un tiempo de 1.2 h
para una concentración de almidón 40% p/v. De igual forma las recomendaciones de la
casa comercial Novozymes para el uso de Liquozyme® Supra en procesos de
licuefacción indican que el ED final dependerá de la dosificación de la enzima y de las
condiciones del proceso como son la temperatura, la velocidad de agitación y el pH, para
dosificaciones entre 0.652 y 1.052 kgETonSS-1
pueden obtenerse ED de 17.19 al
25.78% (Novozymes 2008a).
12
2.3.2 Sacarificación.
En esta etapa se efectúa la conversión de las dextrinas y del almidón licuado en glucosa,
dando como productos los denominados jarabes glucosados. En este proceso, se usan las
enzimas amiloglucosidasa o glucoamilasa, obtenidas de Aspergillus niger o Rhizopus sp,
que tienen la característica de liberar glucosa fundamentalmente de enlaces α-1-4, pero
también de enlaces α-1-6 aunque a una velocidad inferior, lo que permite hidrolizar las
-dextrinas. Para la reacción, la temperatura óptima oscila entre los 55 y 60 ºC y un pH
de 4.5, como resultado de este proceso, se obtiene jarabes entre 92 y 96% ricos en
glucosa en tiempos de proceso superiores a 3 h (Novozymes 2008b).
Para la etapa de sacarificación del almidón licuado se han reportado diversos estudios
utilizando variedad de materiales, enzimas y condiciones de proceso. Morales et al.
(2008) trabajó un proceso de sacarificación con almidón de yuca a una concentración de
400 gl-1
en un tiempo total de 12 horas utilizando una amiloglucosidasa de la casa
comercial 120L de Novonordisk en una concentración de 300 AGU/ml, alcanzando ED
de 85.6% y concentraciones de azucares reductores de 380 gl-1 constantes después de las
tres horas de proceso. De igual forma Pájaro et al. (2008) trabajo un proceso con la
misma variedad de yuca objeto de este estudio utilizando la amiloglucosidasa AMG
300L de Novozymes alcanzando ED del 80% en un tiempo de 2 h para una
concentración de almidón 35% p/v. Más recientemente Johnson et al. (2009) trabajó en
un proceso de producción comparativa de glucosa utilizando almidones obtenidos de
yuca y batata en diferentes condiciones de proceso; uno de sus tratamientos consistió en
la utilización de la misma enzima objeto de estudio en una concentración de 0.09% p/v
teniendo como partida soluciones de almidón al 35% por periodos de 48 h a 60oC,
13
alcanzando ED de 95.16 y 98.52 % para yuca y batata respectivamente. En las
recomendaciones de la casa comercial Novozymes para el uso de Dextrózyme®
GA
1.5X se especifica que para alcanzar ED cercanos al 97% deben operarse tiempos de
hidrolisis de hasta 90 h controlando principalmente la concentración de sustancia seca
del almidón licuado en la etapa anterior, la temperatura el pH y la dosificación
enzimática (Novozymes 2008b). Para tiempos cercanos a las 2 horas pueden obtenerse
ED de hasta el 80% para una relación de 0.84 kgETonSS-1
.
2.3.3 Isomerización.
El proceso consiste en un cambio estructural de una aldosa en este caso la glucosa a una
cetosa como es la fructosa (Royero et al.1991), por acción de la enzima glucosa
isomerasa como se muestra en la Figura 2, requiriendo de un pH de 7,5 a 8 y una
temperatura entre los 55 y 60 ºC. Esta enzima es producida por varios microorganismo;
algunos de ellos son el Bacillus coagulans, Streptomyces phaechromgenes y
Streptomyces olivaceus (Novozymes 2008c).
Figura 2. Isomerización de glucosa a fructosa.
Fuente: Xinua et al. 2008
Para este tipo de procesos, se han desarrollado estudios orientados hacia la
determinación de mejores condiciones de operación. Blanco 2000 evaluó inicialmente
14
las mejores condiciones de producción de jarabes de glucosa a partir del almidón
extraído de tres variedades de yuca; los resultados obtenidos mostraron que la
concentración de sustrato y el tiempo de reacción son las variables con mayor influencia
sobre el porcentaje de conversión. En una segunda parte de esta investigación se
determinaron las mejores condiciones de producción de jarabes de fructosa en un
proceso por lotes, obteniéndose como mejores condiciones, la concentración de jarabes
de 50% p/p, un pH de 7.5, una temperatura a 82 oC y una relación carga enzimática-flujo
de 2.98 gEml-1
min-1
.
En el 2002, Rojas y Mazo determinaron las mejores condiciones para producir jarabe
fructosado con mínimo de 42 % a partir de jarabes glucosados obtenidos de almidón de
yuca, a nivel de laboratorio con glucosa isomerasa inmovilizada. Los resultados
obtenidos demostraron un volumen de reacción adecuado de 36.8 cm3 y una
concentración de glucosa de 34.7 % p/p, el jarabe fructosado obtenido presentó un
grado de conversión de 46 %, para una temperatura de 60°C y un pH 7.5.
2.4 CINÉTICA ENZIMATICA.
La cinética química constituye el estudio de la velocidad y del mecanismo por medio de
los cuales una especie se transforma en otra. La velocidad es la masa, de un producto
formado o de un reactante consumido por unidad de tiempo, el mecanismo es la
secuencia de eventos químicos individuales cuyo resultado global produce la reacción
observada (Smith 1986; Segel 2004).
15
2.4.1 Enzimas.
Los enzimas son proteínas que catalizan reacciones bioquímicas. Debido a que estas son
extremadamente selectivas con sus sustratos, el conjunto de enzimas sintetizadas en una
célula, determina el camino metabólico que ocurre en la misma. Como todos los
catalizadores, las enzimas funcionan disminuyendo la energía de activación, acelerando
su velocidad sin consumirse ni alterar su equilibrio (Najafpour 2007). De igual forma
la actividad de los enzimas puede ser afectada por otros factores llamados inhibidores o
activadores como son la temperatura, el pH, y la concentración del sustrato o producto
(van Boekel 2009).
2.4.2 Cinética de Michaelis-Menten.
El estudio de la cinética de enzimas solubles, generalmente se describe por el modelo
tradicional de Michaelis-Menten. En cuanto a la inmovilización de enzimas, las
partículas porosas imponen resistencias adicionales a la cinética de biocatalizadores
inmovilizados en presencia de factores de modificación y su cinética se refiere a la
cinética aparente (Özdural et al. 2008).
Por estas razones, para enzimas inmovilizadas, la cinética aparente difiere
significativamente de las libres en las constantes cinéticas enzimáticas debido a los
cambios en las estructuras internas y en el restringido acceso a los sitios activos. Por otra
parte, los parámetros cinéticos aparentes pueden ser influenciados por las restricciones
en la transferencia de masa o las interacciones superficiales de la solución y sus valores
globales calculados pueden diferir de los valores intrínsecos de la enzima libre. Para
incorporar estos aspectos en la cinética de enzimas inmovilizadas, otros dos factores se
16
introducen como son el de efectividad (η) y el de desactivación (ψ (t)) (Khalilpour y
Roostaazad 2008).
De esta forma, la velocidad y los parámetros cinéticos de la isomerización de glucosa a
fructosa, están determinados por el modelo tipo Michaelis-Menten para una reacción
enzimática reversible, donde se propone una ecuación de velocidad que explica el
comportamiento cinético para una reacción de único sustrato con único producto (van
Boekel 2009). Este modelo aplicado a la isomerización, permite conocer las condiciones
de equilibrio en la mezcla glucosa - fructosa y las constantes cinéticas. (Missen et al
1999; McNeil y Harvey 2008)
2.4.3 Modelos cinéticos para enzimas inmovilizadas.
El primer modelo propuesto, que permite determinar los parámetros cinéticos de la
isomerización de glucosa a fructosa es el modelo de Michaelis–Menten Tradicional
(MMT) de equilibrio rápido (Illanes 1994; Morales 2004) en el cual se propone una
ecuación de velocidad que explica el comportamiento cinético de las enzimas y permite
conocer las condiciones de equilibrio en la mezcla glucosa-fructosa y los valores de los
constantes. Este modelo es representado por la ecuación 1:
r
(1)
17
Donde rG es la velocidad de consumo de glucosa en (kgGkgE-1
h-1), Vmax es la velocidad
intrínseca máxima de reacción (kgGkgE-1
h-1
), [G] es la concentración de glucosa
(kgGm-3
), KM es la constante intrínseca de Michaelis-Menten (kgGm-3
).
Otro modelo que permite determinar los parámetros cinéticos aparentes es el de
Michaelis-Menten con inhibición por producto (MMP), propuesto por Mahoney y
Whitaker en (1978) y citado por Carrara et al. (2003). Esto se plantea debido a que
algunas sustancias se comportan como inhibidores competitivos y reducen la afinidad
aparente de la enzima por el sustrato, dando lugar a que el sustrato y el inhibidor
compitan por el mismo lugar en la enzima y no se lleve a cabo una reacción productiva.
La ecuación 2 describe este modelo de la siguiente forma:
r ma
1
(2)
Donde rG es la velocidad de consumo de glucosa (kgGkgE-1
h-1
), Vmax es la velocidad
intrínseca máxima de reacción (kgGKgE-1
h-1
), [G] es la concentración de glucosa
(kgGm-3
), KM es la constante intrínseca de Michaelis-Menten (kgGm-3
), P es la
concentración de producto (kgFm-3
) y Kp es la constante intrínseca de inhibición
(kgFm-3
).
Finalmente el modelo de Michaelis-Menten con tasa de desactivación (MMD),
propuesto Verhoff y Goldstei (1982) citado por Khalilpour y Roostaazad (2008)
18
también permite determinar los parámetros cinéticos aparentes de la reacción de glucosa
a fructosa. En él, se introducen dos factores que incorporan las restricciones de
transferencia de masa y las interacciones superficiales de la solución, que influyen en los
parámetros cinéticos globales de enzimas inmovilizadas y se representa por la
ecuación 3.
r η ψ (t) m
( )
Donde rG es la velocidad de consumo de glucosa (kgGkgE-1
h-1
), es el factor de
eficacia (-),ψ (t) es la tasa de desactivación (-), [G] es la concentración de glucosa
(kgGm-3
), Vmax es la velocidad intrínseca máxima de reacción (kgGkgE-1
h-1
) y KM es la
constante intrínseca de Michaelis-Menten (kgGm-3
).
2.4.4 Métodos para determinación de parámetros cinéticos.
Los valores de los parámetros cinéticos de los modelos de velocidad se obtienen por
medio de la interpretación de datos medidos en un reactor. Generalmente estos datos
consisten en concentraciones de sustratos y productos, y los resultados específicos
dependen del tipo de reactor usado, ya que las concentraciones suelen ser afectadas por
procesos físicos tales como la convección, la difusión y la propia reacción (Morales
2004).
Para la cinética de enzimas inmovilizadas, normalmente se utiliza un reactor diferencial
de lecho fijo para determinar velocidades iniciales de reacción en función de la
19
concentración de sustrato. Este se compone de un tubo que contiene una cantidad muy
pequeña de catalizador por lo general dispuestos en forma de cilindro o un disco, el
criterio de funcionamiento y uso de un reactor diferencial para la determinación de
parámetros cinéticos requiere que la conversión de los reactivos en el lecho sea muy
pequeña y la concentración de sustrato a través del reactor sea esencialmente constante
y aproximadamente igual a la concentración de entrada. Es decir, la velocidad de
reacción se considera espacialmente uniforme dentro del lecho (Fogler 1999; van Boekel
2009). En este sentido Bales y Rajniack (1986); Vasic-Racki et al (1991); Khalilpour y
Roostaazad (2008) concluyeron que para una concentración de glucosa constante al
aumentar las velocidades de flujo y disminuir el volumen del reactor, la velocidad de
conversión disminuye debido a que el sustrato tiene menos tiempo para interactuar con
el catalizador.
Por estas razones este reactor es fácil de construir y a un bajo costo. Debido a las bajas
conversiones alcanzadas en este, la liberación de calor por unidad de volumen será
pequeña. Al operar este reactor, se deben tomar precauciones para que el sustrato no
forme canales a través del biocatalizador, sino que fluya de manera uniforme a través de
este (Fogler 1999). Por consiguiente, la determinación de los parámetros cinéticos
aparentes en reactores de lecho empacado con enzima inmovilizada requiere la medición
de las concentraciones de sustrato a la entrada y salida a un tiempo determinado con el
fin de encontrar la conversión de sustrato a producto. Este impone una limitación
importante cuando el tiempo de residencia ( ) de lecho fijo es baja y/o cuando la
actividad del biocatalizador o su masa es baja (Özdural et al. 2003).
20
Los parámetros cinéticos para este tipo de modelos determinados en reactores de lecho
fijo, dependen de las condiciones de operación. Esto es, del tamaño del reactor, del
modo de funcionamiento ya sea en recirculación o en un solo paso, del flujo volumétrico
del sustrato que afectan el tiempo de residencia y de la forma de medición (Khalilpour y
Roostaazad 2008).
Una de las primeras metodologías utilizadas para la determinación de parámetros
cinéticos en reacciones enzimáticas es la Representación de Michaelis-Menten. Este
procedimiento consiste en graficar directamente parejas de velocidades iniciales
frente a concentraciones iniciales de glucosa ; de esta forma es la velocidad
cuando la concentración inicial tiende al ∞ y es el valor de [G] cuando
los cuales se pueden estimar aproximadamente, pero con una precisión baja debido a la
dificultad de extrapolar los resultados y de la ausencia de parámetros estadísticos que
validen el ajuste de los datos (Doran 1995; Najafpour 2007). Otra técnica utilizada es la
Representación de Lineweaver-Burk en la cual los inversos de las velocidades iniciales
de reacción y las concentraciones iniciales de glucosa darán una línea recta de
pendiente y ordenada en el origen contando al final con el
coeficiente de correlación estadística que dará una aproximación del ajuste de los
datos al modelo pero pudiendo obtenerse resultados con sesgos importantes. (Spiegel
2008; Biondi et al 2012). De igual forma la Regresión No Lineal ha tomado uso en
cinética especialmente en reacciones del tipo Michaelis-Menten ya que presentan un
comportamiento asintótico. (van Boekel 2009) Esta técnica estadística busca obtener
los parámetros de un modelo cinético enzimático como los descritos anteriormente
21
basados en datos multidimensionales , minimizando los residuos de la suma de
cuadraros entre los datos experimentales y los del modelo a través de procedimientos
numéricos iterativos como los mínimos cuadrados y con la ayuda de diversos software,
siendo un poco mejor que las técnicas anteriores en términos de residuos y menos
influenciados por los puntos de referencia ( van Boekel 2009).
En relación a lo expuesto Seung et al (2000) estudió la cinética de isomerización de
glucosa a fructosa, utilizando un reactor de lecho fijo de 0,15 m de longitud y 0,085 m
de diámetro, manteniendo la temperatura a 60 oC. A través de la determinación
experimental de los parámetros del modelo utilizando el método de linealización de
Lineweaver-Burk, los resultados mostraron valores de Kmf y Kmf de 37,8 y 52,2
kgGm-3
respectivamente y de igual forma valores de Vmf y Kmf de 37,8 y 2,29
kgGkgE-1
h-1
. De igual forma Dehkordi et al (2008) evaluó la cinética y el equilibrio de
la reacción de isomerización de la D-glucosa y la D-fructosa utilizando GII comercial,
tipo Sweetzyme® IT, en un reactor por lotes de tanque agitado. Se obtuvo una
conversión de equilibrio de 0.499, a una temperatura de 60,8°C. El reactor de
lecho empacado fue modelado dinámicamente mediante el modelo de fase dispersa y los
valores determinados fueron un de 212.743 kgGm-3
y un de 15.742
kgGkgE-1
h-1
. Al siguiente año, Dehkordi et al. (2009), determinó los parámetros
cinéticos de la isomerización de la glucosa a fructosa mediante GII Sweetzyme
IT esta
vez usando un reactor por lotes de tanque agitado; esta nueva investigación se realizó a
diferentes temperaturas, entre (50 - 65 °C). Para una temperatura de 60 °C el valor
obtenidos de fue 226.231 kgGm-3
, un de 26.55 kgGkgE-1
h-1
, una de 0.5 y
22
una de 1.0. Davdar et al (2001) también calculó los parámetros cinéticos de un
modelo con desactivación reportando un valor para de 126.12 kgGm-3
, un de
8.77 X10-4
kgGkgE-1
h-1
m-3
, una de 0.5, una de 1.0 y unos valores del factor de
efectividad () y de desactivación (ψt) que oscilan entre 0.87 y 0.95 dependiendo de la
velocidad superficial de circulación del sustrato por el lecho. Con anterioridad a estos
Converti y Del Borghi (1997) reportaron para un reactor batch, usando una GII
comercial y para una temperatura de 60 oC un valor para de 126 kgGm
-3, un
de 51.3 kgGh-1
m-3
, una de 0.495 y una de 0.98. Se observa la escasa
homogeneidad en los valores reportados para los parámetros cinéticos; obedeciendo las
diferencias principalmente al tipo de reactor, al modo y condiciones de operación
utilizados para la determinación de las velocidades iniciales (Ozdural et al.2008); en lo
que no existen diferencias es en las condiciones de equilibrio para una temperatura de
60 oC.
2.5 BIORREACTORES DE LECHO FIJO.
O FBR por sus siglas en inglés (Fixed Bed Reactor), consisten en uno o más tubos
cilíndricos que se operan en posición vertical (Doran 1995; Asad et al 2007) u
horizontal (Fogler 1999; Martínez 2005; Schuurman 2008) como se muestra en la
Figura 3. En estos la alimentación del sustrato puede realizarse por la parte inferior,
superior o por uno de sus extremos (Andrigo et al.1999; Alexiadis y Mazzarino 2005) y
el lecho catalíco se compone de un conjunto de capas con partículas de biocatalizador de
varios tamaños entre 0.3 a 1.5 mm y de diferentes formas geométricas ya sean
23
granulares, cilíndricas o esféricas (Carrara el al. 2003; Khalilpour y Roostaazad 2008;
Dehkordi et al. 2009).
Figura 3. Fotografía de un biorreactor de lecho fijo.
Fuente: Pope et al. 2010
2.5.1 Usos.
Estos equipos se han utilizado comercialmente para diferentes aplicaciones. Las más
conocidas son en la industria química para la producción de ciclohexano a partir de
benceno, estireno utilizando etilbenceno, formaldehido a partir de metanol e hidrogeno
usando cloruro de cobre entre otras (Andrigo et al.1999; Abashar 2011; Pope et al
2010). En el campo medioambiental, se han usado en el tratamiento de aguas con alto
contenido de fenol (Bajaj et al. 2008), en el tratamiento de los residuos pecuarios de la
cría de ganado porcino (Nikolaeva et al. 2002) y en la reducción de cromo hexavalente
(Kathiravan et al.2010). A nivel agroindustrial, se han empleado en la hidrólisis de
almidón a glucosa utilizando glucoamilasa inmovilizada (Sanjay y Sugunan 2005), en
la hidrólisis de la oleína de palma a ácidos grasos (Chew et al.2008), en la producción
de glicerol a partir de aceites comerciales usando lipasas inmovilizadas (Oddone et al.
24
2010), para la hidrólisis de la lactosa a glucosa con -galactosidasa inmovilizada
(Carrara et al. 2003) y para la isomerización de glucosa a fructosa utilizando diferentes
formas comerciales de glucoisomerasa inmovilizada (Khalilpour y Roostaazad 2008;
Dehkordi et al. 2009 ). Finalmente en el campo biomédico se han utilizado en la
producción del virus de la fiebre aftosa (Meuwly et al. 2007), en la producción de
varias vacunas (Pardo et al. 2001) y en la obtención de cultivos inmovilizados de
hepatocritos como parte de un dispositivo que funcionan como un hígado artificial
(Allen 2001).
2.5.2 Diseño y funcionamiento.
El diseño de un FBR sólo puede hacerse de forma confiable si se dispone de parámetros
cinéticos, ya sean intrínsecos o aparentes que pueden utilizarse cuando estos son
escalados en tamaño y geometría utilizando el mismo biocatalizador y en ausencia de
los efectos térmicos; por esta razón y con el fin de dimensionarlos adecuadamente los
parámetros cinéticos y la hidrodinámica necesitan ser bien conocidos y definidos
(Berendsen et al. 2007). Estos sistemas son cada vez, los de mayor elección para el
desarrollo de bioprocesos; ya que ofrecen una mayor selectividad y conversión de
sustrato, la más alta relación sustrato carga de biocatalizador y un bajo costo de
operación debido al poco intercambio de calor en comparación con otros sistemas
reaccionantes (Schuurman 2008).
El siguiente paso en el diseño, construcción y modelamiento consiste en evaluar su
funcionamiento a través de un análisis teórico. En este aspecto los FBR se consideran
como sistemas heterogéneos con una fase liquida compuesta por el sustrato y una fase
25
solida constituida por el biocatalizador y ocurren en presencia de un gradiente de
concentración (Smith 1991; Mayerhofer et al. 2005; Manenti et al.2011), funcionan en
modo continuo con o sin recirculación de sustrato y en estado estable ya que las
propiedades físicas no cambian con el tiempo (Doran 1995; Mc Niel y Harvey 2008;
Manenti et al.2011), operando en dos tipos de régimen térmico; el adiabático sin
intercambio de calor con los alrededores, para reacciones exotérmicas y con alto valor
del calor de reacción como en la descomposición del peróxido de hidrógeno con
-93 kJmol-1
y el diámetro del lecho es mayor a 2.54 cm (Liang et al. 1997; Berendsen
et al. 2007; Sainio et al. 2011) o el isotérmico si no se utiliza ningún sistema de
aislamiento, es necesario el uso de un dispositivo externo para suministro de calor, la
reacción es endotérmica y de bajo valor como en la isomerización de glucosa que
presenta un valor 16.9 kJmol-1
, el diámetro del tubo es inferior a 2.54 cm y se desea
mantener la actividad del biocatalizador (Converti et al.1997; Andrigo et al.1999; Xiu et
al. 2001). De igual forma en relación a la condición de flujo, este puede desarrollarse
en pistón cuando no existen gradientes radiales de concentración pero si longitudinales,
se forman perfiles laminares y los números de Reynolds (Re) son menores a 150 o en
dispersión cuando los gradientes de concentración existen tanto en posición axial y
radial, se forman pequeños remolinos y los números de Re son superiores a 150. (Carrara
et al. 2003; Berendsen et al. 2007; Schuurman 2008; Lainfiesta 2009). Finalmente la
verificación de la conversión de sustrato a producto en estos reactores puede realizarse
haciendo uso de la velocidad total que es una función exclusiva de la concentración de
sustrato, formulando ecuaciones de conservación de masa para el fluido que se desplaza
a través del lecho de biocatalizador y su solución proporciona la concentración y
26
conversión en cualquier punto, incluyendo la salida del reactor (Smith 1991; Levenspiel
2004).
2.5.3 Caída de presión en FBR.
Otro parámetro importante al analizar el diseño y operación de un FBR es la caída de
presión. Esta se caracteriza por una pérdida de energía del fluido en proceso entre dos
puntos de una tubería (Foumeny et al.1996). En la mayor parte de los casos, para
sistemas biológicos estos diferenciales resultan ser pequeños respecto a la presión total
del sistema, por lo que se justifica ignorar sus efectos sobre la velocidad de reacción
(Smith 1991; Pope et al. 2010). No obstante se necesita conocer su valor para
dimensionar el equipo auxiliar de bombeo y otras pérdidas inútiles, las cuales serán
proporcional a la longitud del lecho y las condiciones hidrodinámicas de funcionamiento
(Montbrun y Jenny 2003; Nemec y Levec 2005; Fernández et al. 2006).
2.5.3.1 Flujo en sistemas porosos.
Cuando un líquido se mueve a través de un lecho de partículas, no produce el
movimiento de las mismas y circula a través de canales pequeños y tortuosos, perdiendo
energía debido a los efectos viscosos y de forma, manifestados en una disminución de la
presión del fluido (Lage 1998) que resulta de especial relevancia, pues este fenómeno
está relacionado con la velocidad superficial del fluido ( ), la porosidad ( ) del lecho,
la esfericidad ( ) y el diámetro equivalente ( ) de las partículas y su orientación
(Hermida 2000). De esta manera incrementos en la velocidad superficial del fluido y
disminuciones en la porosidad y la esfericidad generarán mayores caídas de presión en el
sistema y viceversa (Urzua 2008; Presa 2009). En este sentido la influencia de la
27
velocidad superficial del fluido sobre la caída de presión por la distancia ( ) está
representada en una relación lineal para flujos pequeños ubicados en régimen laminar y
una relación exponencial para flujos altos ubicados en régimen turbulento (Sharma et
al. 2001; Presa 2009).
2.5.3.2 Modelos para la predicción de la caída de presión.
Hay numerosas correlaciones para la caída de presión a través de lechos, que
comprenden dos teorías principales; el modelo discreto y la analogía del flujo de
partículas en las tuberías; siendo este último el más popular. Ambas teorías tienen
predicciones razonables a través de los lechos de partículas esféricas y pseudoesféricas,
pero no son adecuados para camas con partículas de diferentes esfericidades. (Yang
2003). En la actualidad el enfoque análogo macroscópico es el más utilizado para
describir el flujo en un medio poroso realizando una caracterización del sistema en
términos de su resistencia hidráulica al flujo cuyos modelos han evolucionado con el
tiempo (Dzmitry y Tallarek 2006)
Una de las primeras correlaciones utilizadas para representar el flujo en sistemas
porosos fue la desarrollada por Forchheimer en 1901 quien sugirió que este podía ser
descrito por una relación empírica de orden superior entre la caída de presión y el caudal
y que se representa por la ecuación 4 como:
28
En esta ( ) representa la viscosidad del fluido en kgms-1
y los valores de α y β pueden
obtenerse mediante la solución de un sistema de ecuaciones diferenciales de
Navier-Stokes relacionando la presión y la velocidad y suponiendo condiciones de
contorno iguales; Sin embargo, la compleja geometría de los medios porosos y la no
linealidad de las ecuaciones de Navier-Stokes resultan en una solución analítica muy
difícil (Presa 2009).
A mediados del siglo XIX, Henry Darcy en su investigación del flujo de agua a través de
filtros de arena señaló que, bajo ciertas circunstancias, la tasa fue proporcional a la caída
de presión en la dirección de flujo (Dzmitry y Tallarek 2006). Esta teoría de flujo
laminar a través de medios porosos homogéneos se basa en su experimento clásico
realizado originalmente en 1856 y es conocida como la ley de Darcy y se puede
representar como muestra la ecuación 5:
Donde es una constante que depende de las propiedades del medio poroso y es
llamada conductividad hidráulica o permeabilidad, es la velocidad superficial en
ms-1
y es la viscosidad en kgms-1
. El flujo de un líquido newtoniano a un pequeño
número de Reynolds es conocido como una corriente que sigue la ley de Darcy. Para
líquidos a altas velocidades, esta ley deja de ser validada (Yang 2003).
29
Seguidamente entre los años 1927 a 1937 Carman-Kozeny estudiaron ampliamente los
flujos de fluidos a través de varios lechos en régimen laminar y encontraron una
correlación que se pudiera aplicar a diferentes formas regulares siempre que sus áreas
superficiales pudieran ser determinadas, dicha analogía se expresa como lo indica la
ecuación 6:
Donde es la velocidad superficial en ms-1
, es la viscosidad en kgms-1, es la
porosidad de la partícula sin dimensiones, es el diámetro de la partícula en m y es
la esfericidad de la partícula sin dimensiones. Esta correlación fue deducida suponiendo
un lecho granular equivalente a un conjunto similar de canales paralelos y para
encontrar el diámetro de partículas irregulares los autores propusieron la medición
experimental de la caída de presión a través del lecho (Yang 2003).
Finalmente la correlación más utilizada es la presentada por Ergun en 1952, la cual se
obtiene a través de una combinación de las ecuaciones Blake-Kozeny y de Burke-
Plummer descritas por Prieur et al. (2008) representando los efectos viscosos y de forma
para partículas esféricas (Lage 1998) la cual se representa por la ecuación 7 y los
valores de los factores de forma A y B para biocatalizadores con este tipo de geometrías
se estimaron en 150 y 1.75 respectivamente.
30
Donde es la velocidad superficial en ms-1
, es la viscosidad en kgms-1, es la
porosidad de la partícula sin dimensiones, es el diámetro equivalente de la partícula
en m. Esta correlación ha extendido su aplicabilidad a otras geometrías, cambiando los
valores de los factores de forma según las características de la partícula. En este sentido
Nemec y Levec (2005) desarrollaron expresiones adicionales que permiten determinar
los valores de A y B para diferentes geometrías en función de la esfericidad ( ), el área
superficial ( ) y el volumen de la partícula ( ) como se muestra en las ecuaciones
8, 9 y 10.
En relación a lo expuesto la correlación de Ergun es la que presenta mayor uso por la
comunidad científica para la determinación de la caída de presión por unidad de longitud
( ) para FBR usando como sustrato fluidos gaseosos o líquidos ya que ha
representado aceptablemente los datos experimentales con los del modelo.
Específicamente para reacciones en la que la fase fluida es un gas, la mayoría de los
31
estudios han evaluado el efecto del incremento de la velocidad superficial, la porosidad
y la esfericidad sobre la en régimen de flujo turbulento, encontrado que esta
aumenta de manera no lineal al incremento de las velocidades superficiales y a la
disminución de la porosidad y la esfericidad (Morgan-Sagastume et al. 2001; Giacoman
et al. 2003; Gómez et al. 2007; Urzua 2008; Mayerhofer et al. 2011), mientras que para
reacciones en la que la fase fluida es un liquido estos parámetros ( , y ) influyen
igual pero de forma lineal debido a la dificultad de desarrollar el mismo tipo de régimen
predominando el laminar (Morgan- Sagastume et al. 2001; Sandidge et al. 2005; Presa
2009; Sharma et al.2011).
2.6 MODELAMIENTO Y SIMULACIÓN DE BIORREACTORES
Un modelo es una imagen de un sistema real que presenta un comportamiento análogo
de este en sus propiedades más importantes y que permite, predecir su comportamiento
original (Pascal et al. 1995; Donoso-Bravo et al 2011). De esta manera el modelamiento
de biorreactores permite establecer una estructura matemática que describe de manera
cualitativa y/o cuantitativa las características del proceso de conversión que se sucede en
su interior, ante cambios en las variables de funcionamiento (Scenna 1999; Jiménez-
Gonzales y Woodley 2010); además es una herramienta muy útil en la simulación,
escalado, puesta en marcha, optimización y control del proceso (Hassam et al. 1996;
Sablani et al. 2006).
2.6.1 Clasificación de los modelos.
32
Los modelos para describir un proceso agroindustrial se clasifican de acuerdo al
conocimiento que se tiene del sistema en fenomenológicos, empíricos y semiempiricos.
(Corredor y Caicedo 2005). Los fenomenológicos o de caja blanca son transparentes al
entendimiento del proceso debido a que provienen de los fenómenos de transporte en
ingeniería y las leyes de conservación de la masa y la energía siendo los más empleados
en diseño y optimización; los empíricos denominados también de caja negra reflejan
que el conocimiento del proceso está dado por datos obtenidos del sistema pero que
poco es conocido acerca del mecanismo real del proceso y son el resultado de la
experimentación y observación empleando ecuaciones de ajuste donde los parámetros
tienen poco o ningún significado físico, finalmente los semiempiricos o de caja gris que
resultan de la combinación del conocimiento y la experimentación que se realiza sobre el
proceso para estimar los parámetros que se requieren para su solución, incorporando
empíricas a las ecuaciones fenomenológicas (Hagos et al.2001; Sablani et al. 2006)
2.6.2 Simulación de procesos.
Una vez planteado el modelo que representa el proceso, es necesario su simulación
haciendo uso de herramientas informáticas especialmente softwares como LabVIEW®,
MatLab®, Hysys
®, Aspen
®, Fortran
®, Desing II
® o Consol Multifisics
® a través de
métodos numéricos que permitan la solución del sistema de ecuaciones ya sean
algebraicas o diferenciales y de esta manera efectuar la evaluación y optimización
preliminar del proceso justificados en su habilidad de proporcionar información sobre la
capacidad potencial de funcionamiento (Nakamura 1997; Romero et al.1998; García et
al. 2008).
33
Los simuladores se pueden clasificar en cualitativos cuando tienen por objeto el estudio
de las relaciones causales y las tendencias temporales de un sistema, la propagación de
perturbaciones, aplicados en el análisis de tendencias, la supervisión y diagnostico de
fallas, el análisis e interpretación de alarmas y el control estadístico de procesos; en
cuantitativos cuando describen numéricamente el comportamiento de un proceso, a
través de un modelo matemático del mismo, para ello se procede a la resolución de los
balances de materia, energía y cantidad de movimiento, junto a las ecuaciones de
restricción que imponen aspectos funcionales y operacionales del sistema y finalmente
los simuladores estacionarios y dinámicos que resuelven los balances de un sistema no
involucrando la variable temporal, por lo que el sistema de ecuaciones reflejará en el
modelo los cambios de las variables de interés con las coordenadas espaciales utilizando
un sistema de ecuaciones diferenciales en derivadas parciales según el número de
coordenadas espaciales consideradas (Romero et al.1998; Scenna 1999; Martínez et al.
2000; Jafari et al. 2008; Sandrock y de Vaal 2009 ).
2.6.3 Validación de modelos.
Una vez desarrollado y simulado el modelo, la tarea siguiente y más importante es la
validación del mismo, proceso que busca comparar la salida del modelo con el
comportamiento real del proceso en un rango satisfactorio de precisión consistente con
la aplicación para la que se desarrolló (Rebba y Mahadevan 2006; Benfenati et al.2007)
Existen diferentes parámetros estadísticos que permiten correlacionar el grado de ajuste
entre los datos experimentales y los resultados del modelo, entre estos se encuentran el
coeficiente de determinación (r2); un grafico de residuos para la distribución normal; el
índice de eficacia del modelo (NS); el índice de ajuste modificado (W) y el cociente
34
entre el error cuadrático medio y el error absoluto medio identificado como
MSE/MAE.(Spiegel 2008; Biondi et al 2012)
En referencia a lo descrito; el modelamiento, simulación y validación de FBR ha sido
estudiado por diferentes autores quienes tuvieron en cuenta variedad de simetrías,
cinéticas y tipos de reacción, regímenes térmicos y de flujo y fenómenos de transporte a
nivel intraparticula o macroscópico. (Corredor y Caicedo 2005; Berendsen et al.2007)
En la mayoría de los casos se han usado ecuaciones de conservación de la masa y de la
energía a nivel intraparticula en forma unidimensional especialmente cuando estos
operan en régimen isotérmico, el flujo desarrollado es de tipo pistón y los gradientes
radiales de temperatura y concentración son despreciables (Hassan et al. 1996; Xiu et al.
2001; Faquir y Attarakik 2002; Stadler 2005); no obstante otros autores en menor
proporción han planteado estas ecuaciones de conservación en forma bidimensional,
cuando estos sistemas operan en régimen adiabático, con diámetros de lecho altos, en
flujo de dispersión y cuando los gradientes radiales de temperatura y concentración son
considerables pero también a nivel intraparticula (Lin 1972; Smith 1991;Fogler 1999). A
nivel macroscópico algunos autores han evaluado el funcionamiento y conversión en
FBR planteando ecuaciones de conservación de la masa y de la energía en una o dos
dimensiones y para diferentes aplicaciones sin incluir la conversión de glucosa a
fructosa (Carrara et al. 2003; Coulson et al. 2004; Berendsen et al.2007; Rincón et
al.2009; Oddone et al.2010; Manenti et al.2011)
35
En este orden de ideas se pueden referenciar los trabajos de Hagos y Cameron 2001;
Carrara et al. (2003); Khalilpour y Roostaazad et al. (2008); Solano et al. (2008);
Oddone et al. (2010); Manenti et al. (2011) quienes en diferentes aplicaciones realizaron
modelamiento, simulación y validación de FBR aplicando ecuaciones de conservación
de la masa y de la energía a nivel macroscópico, en simetría unidimensional en dirección
axial, trabajando en forma isotérmica y requiriendo de diversos métodos numéricos
como Runge-Kutta, Crank-Nicolson, Gauss-Siedel y Predictor-Corrector para la
solución de las ecuaciones con ayuda de herramientas como MatLab®
y LabVIEW®
reportando en todos los casos que el modelo desarrollado lograba representar
satisfactoriamente los datos experimentales con errores inferiores al 5% y r2 superiores
al 90%. Como parte de sus investigaciones también evaluaron los cambios que
generaban en el funcionamiento del sistema, variaciones en la velocidad superficial, el
tiempo de residencia, la concentración de sustrato sobre la conversión de sustrato y
respecto a la longitud del lecho; en todos los casos determinaron que disminuciones en
las velocidades superficiales y las concentraciones de sustrato se reflejaban en menores
tiempos de residencia hidráulicos para alcanzar la conversión de equilibrio y por su
puesto en menor distancia.
36
3. OBJETIVOS
3.1 OBJETIVO GENERAL
Modelar, simular y validar un biorreactor piloto de lecho fijo para la producción de
jarabes de fructosa obtenidos de almidón de yuca variedad Corpoica TAI.
3.2 OBJETIVOS ESPECIFICOS
Evaluar el incremento de equivalentes de dextrosa (ED) en la producción de
jarabes glucosados en los procesos de licuefacción y sacarificación, a partir de
almidón de yuca utilizando tres relaciones enzima sustrato (E/S) (0.652, 0.852 y
1.052 KgETonSS-1
)
Seleccionar un biorreactor de lecho fijo que garantice la mínima diferencia de
concentracion de glucosa ( G), evaluando el efecto de seis tiempos de
residencia (0.010, 0.084, 0.125, 0.170, 0.242 y 0.324 h).
37
Determinar los parámetros cinéticos de la reacción de isomerización de glucosa
a fructosa a través del ajuste de modelos cinéticos enzimáticos para enzimas
inmovilizadas.
Desarrollar modelos fenomenológicos que representen los perfiles de conversión
de glucosa y caída de presión a lo largo del biorreactor piloto de lecho fijo.
Simular los modelos que representan los perfiles de conversión de glucosa y la
caída de presión a lo largo de un biorreactor piloto de lecho fijo usando el
entorno de LabVIEW®.
Validar con datos experimentales y teóricos el modelo matemático que
representen la conversión de glucosa a lo largo de un biorreactor piloto de lecho
fijo.
38
4. MATERIALES Y METODOS
4.1 MATERIA PRIMA.
Se preparó almidón a partir de yuca (Manihot esculenta Crantz) variedad TAI (CIAT
2004) suministrada por la Asociación de Productores de Yuca de las Sabanas de Sucre
y Córdoba (APROYSA) y obtenido del proceso piloto de extracción vía húmeda,
instalado en la Planta de Operaciones Unitarias de la Universidad de Sucre, sede Granja
Perico ubicada en el kilómetro 7 vía Sampués-Sincelejo, Departamento de Sucre,
Colombia.
4.2 ENZIMAS.
En la etapa de licuefacción se empleó la ά-amilasa Liquozyme®
Supra 2.2X
(Novozymes 2008a), para el proceso de sacarificación se usó la amiloglucosidasa
Dextrozyme® GA 1.5X (Novozymes 2008b) y en el proceso de isomerización se utilizó
la glucoisomerasa inmovilizada Sweetzyme®
IT Extra (Novozymes 2008c). Todas estas
enzimas son comercializadas en Colombia por Coldanzimas Ltda.
39
4.3 LICUEFACCIÓN Y SACARIFICACIÓN DE SOLUCIONES DE
ALMIDÓN DE YUCA.
Se seleccionaron tres relaciones enzima sustrato (E/S): 0.652, 0.852 y 1.052 kg Enzima
por Tonelada de Sólido Seco (kgETonSS-1
) para los dos procesos de hidrólisis de
almidón a glucosa de acuerdo a las recomendaciones de Novozymes (2008a; 2008b).
Para la correcta valoración del cambio en la concentración de azúcares reductores, se
utilizó el método D.N.S. (Miller 1959), previa construcción una curva de calibrado
(Anexo A: Grafico A1.1) que representará el cambio en la concentración de azúcares
reductores en función de la absorbancia de la muestra, utilizando reactivos de grado
analítico como glucosa anhidra (Parnceac PRS®) y ácido 3.5 dinitrosalicìlico
(Aldrich®
). Se prepararon 500 ml de soluciones de almidón al 35 % (p/v) corrigiendo la
cantidad necesaria de acuerdo al valor de humedad de la muestra determinada en una
balanza humidificadora MB 200X (Citizen®), ajustando el pH en un rango de 5.4 –5.6
con soluciones tampón de hidróxido de sodio 0.1 N (Carlo Erba Reagents®) y ácido
acético 0.1 N (RA Chemicals ®
). La temperatura se controló con un baño termostatado
(Julabo T5®
) y la agitación a 120 rpm con un agitador (MLW®
). La licuefacción se
realizó en un beaker de 1000 ml sellado y en dos etapas. Una licuefacción primaria a
60oC durante 30 min y una secundaria a 90
oC durante 120 min. La cantidad total de
enzima fue añadida en una sola dosificación, evaluando la variación en el nivel de
equivalentes de dextrosa (ED) a lo largo del tiempo en intervalos de 30 min, realizando
lecturas a una longitud de onda de 540 nm en un espectrofotómetro (Genesys 10s UV-
VIS®
), teniendo en cuenta la concentración de azucares reductores en cada tiempo y la
concentración inicial de almidón de acuerdo a la ecuación 11.
40
E
lmidón 100
Donde ED son los equivalentes de dextrosa en porcentaje; es la concentración de
azucares reductores en ; es la concentración de almidón en y K es
un factor que considera la diferencia de masa entre el anillo de glucosa y el de
anhidroglucosa y que toma un valor de 1.11
Para medir el efecto de la variable independiente sobre la variable de respuesta, el
experimento fue conducido bajo un diseño completamente al azar (DCA), con el factor
relación E/S en tres niveles, con tres repeticiones para un total de nueve unidades
experimentales, aplicando un análisis de varianza y una prueba de comparación de
medias MSD de Fisher (Vertel 2004; Sprinthall 2007; Johnson et al. 2009) usando el
paquete estadístico STATGRAPHICS® Centurión XV.
Habiendo seleccionado la relación E/S del proceso de licuefacción, se obtuvieron
soluciones de almidón licuado al 35% (p/v) para evaluar las tres relaciones E/S del
proceso de sacarificación en un beaker de 1000 ml controlando la temperatura a 60 ºC,
el pH a un valor 4.5 y velocidad de agitación en 120 rpm. La cantidad total de enzima
fue añadida en una sola dosificación, evaluando la variación en el nivel de ED a lo largo
del tiempo en intervalos de 30 min durante 2.5h, realizando lecturas a una longitud de
onda de 540 nm, teniendo en cuenta la concentración de azucares reductores [AR] en
cada tiempo y la concentración inicial de almidón de acuerdo a la ecuación 11.
41
Para medir el efecto de la variable independiente sobre la variable de respuesta, el
experimento fue conducido bajo un DCA, con el factor relación E/S en tres niveles, con
tres repeticiones para un total de nueve unidades experimentales, aplicando un análisis
de varianza y una prueba de comparación de medias MSD de Fisher (Vertel 2004;
Vicente et al. 2005; Johnson et al. 2009) usando el paquete estadístico
STATGRAPHICS® Centurión XV. (López 2002) Un arreglo esquemático de estos
procesos y del equipo empleado para la valoración se muestra en el Anexo B (Figuras
B1.1 y B1.2).
4.4 ISOMERIZACIÓN DE SOLUCIONES DE GLUCOSA ANHIDRA AL
35% P/V EN LOS BIORREACTORES DIFERENCIALES DE LECHO FIJO
Se prepararon 300 ml de soluciones de glucosa anhidra de grado analítico al 35% (p/v)
corrigiendo la cantidad necesaria de acuerdo al valor de humedad de la muestra,
controlando la temperatura a 60 oC y el pH entre 7.4 y 7.8 utilizando soluciones tampón
de acido acético 0.1 N e hidróxido de sodio 0.1 N. Las soluciones se hicieron circular,
con la ayuda de una bomba peristáltica (MasterFlex®) al interior de tres biorreactores
diferenciales de lecho fijo de 0.1, 0.15 y 0.2 m de altura y de un diámetro de 0.05 m
previamente cargados 4 g de enzima Sweetzyme IT Extra. Una vez que el sistema se
estabilizo se procedió a determinar las concentraciones iniciales y finales de glucosa [G]
utilizando el método de la glucosa oxidasa/peroxidasa (GOD/POD) descrito por
Werner et al. (1970) y utilizado por López et al. (2006) midiendo la absorbancia en un
42
espectrofotómetro (Genesys 10s UV-VIS®
) a una longitud de onda de 500 nm,
empleando la ecuación 12.
Donde [G] es la concentración de glucosa en ; es la absorbancia de la
muestra; es la absorbancia del blanco y es la absorbancia del patrón. Con estos
valores se calcularon las conversiones fraccionales ( ) y las diferencias de
concentración de glucosa [ΔG] a la entrada y salida del biorreactor por la ecuación 13:
De igual forma se calcularon los tiempos de residencia hidráulico ( ) en h, cuantificando
el volumen de cada biorreactor ( en m3, los flujos volumétricos ofrecidos por la
bomba en y las velocidades iniciales de reacción ( ) en k
considerando el cambio en la concentración de glucosa en k y la carga de
biocatalizador en el reactor en de acuerdo a la ecuaciones 14 y 15
respectivamente.
43
Para medir el efecto sobre la velocidad inicial de reacción ( ); el cambio en la
concentración de glucosa ( ) y la conversión fraccional (x), fueron manipulados el
tiempo de residencia ( ) en seis niveles: (0.010, 0.084, 0.125, 0.170, 0.242 y 0.324 h) y
el flujo volumétrico ( ) en dos niveles (4.783 x10-5
y 9.395x10-5
m3h
-1) con tres
repeticiones para un total de 36 unidades experimentales. Para tal efecto fue utilizado el
método de las velocidades iníciales descrito por Fogler (1999; 2001) e Izquierdo et al
2004 aplicable a reacciones de isomerización de glucosa en condiciones isotérmicas de
60°C (Carrara et al. 2003; Dehkordi et al. 2008; Dehkordi et al. 2009). Los resultados
de los tiempos de residencia contra los diferenciales de concentración de glucosa
[ se tabularon para seleccionar aquel que presentó el menor valor. Un arreglo
esquemático de este proceso se muestra en el Anexo C (Figuras C1.1 y C1.2).
4.5 ISOMERIZACIÓN DE SOLUCIONES DE GLUCOSA OBTENIDA DE
ALMIDÓN DE YUCA EN UN BIORREACTOR DIFERENCIAL DE LECHO
FIJO
Previa selección de la relación E/S para los procesos de licuefacción y sacarificación se
procedió a la obtención de jarabes glucosados mediante hidrólisis enzimática de
soluciones de almidón. Se partió de la precedente obtención del almidón de yuca,
preparando soluciones en concentraciones de 4, 6, 9, 14, 19, 24, 29, 34, 39, 44, 49, 54,
44
59 y 64 % p/v. A estas soluciones se les determinaron la concentración de azucares
reductores por el método D.N.S. (Miller, 1959). Las soluciones se hicieron circular al
interior del biorreactor diferencial de lecho fijo seleccionado, de manera continua con
ayuda de una bomba peristáltica (MasterFlex®), controlando la temperatura a 60
oC y el
pH entre 7.4 y 7.8 utilizando soluciones tampón de ácido acético 0.1 N e hidróxido de
sodio 0.1N. Una vez que el sistema se estabilizo se procedió a determinar las
concentraciones iniciales y finales de glucosa utilizando el método de la GOD/POD
descrito por Werner et al (1970) y utilizado por López et al. (2006) midiendo la
absorbancia en un espectrofotómetro (Genesys 10s UV-VIS®
) a una longitud de onda de
500 nm.
Se fijó como variable independiente la concentración de glucosa [ ] en 14 niveles, de
forma aleatorizado y con tres repeticiones sobre la variable de respuesta velocidad
inicial de reacción para un total de 42 unidades experimentales y tomando como
base las variaciones en las concentraciones de glucosa Δ ] antes y después de circular
por el biorreactor, el tiempo de residencia () y la carga de enzima , calculando las
velocidades iniciales de reacción utilizando la ecuación 15. Un arreglo esquemático de
este proceso se muestra en el Anexo D (Figuras D1.1 y D1.2).
4.6 AJUSTE DE MODELOS CINÉTICOS POR REGRESIÓN NO LINEAL.
Los datos experimentales fueron ajustados al modelo de Michaelis–Menten Tradicional
(Ecuación 1), el modelo de Michaelis-Menten con Inhibición por Producto (Ecuación 2)
45
y el modelo de Michaelis-Menten con Desactivación (Ecuación 3); aplicando regresión
no lineal a los datos de velocidades iniciales de reacción versus concentraciones
iniciales de glucosa [ ] de acuerdo a lo planteado por Dehkordi et al. (2009) y van
Boekel (2009) a través del software STATGRAPHICS® Centurión XV. Para seleccionar
el modelo que presento el mejor ajuste se utilizaron como criterios estadísticos el valor
del coeficiente de determinación ( ) y el menor valor en el error estándar (SSE) de
acuerdo a lo planteado por Montgomery (1997), Sprinthall 2007 y Gutiérrez y de la
Vara 2008).
4.7 ANÁLISIS TEÓRICO DEL PROCESO DE CONVERSIÓN Y CAIDA DE
PRESIÓN EN EL FBR
4.7.1 Modelamiento del perfil de conversión de glucosa a lo largo del
biorreactor piloto de lecho fijo.
Se desarrolló un modelo matemático a través de ecuaciones de conservación de la masa
(Hagos et al. 2001; Sablani et al. 2006) que representan la conversión fraccional ( de
glucosa a fructosa en un medio sólido a lo largo de un biorreactor de lecho fijo a escala
piloto de forma cilíndrica con un diámetro de 0.018 m y una longitud de 3.2 m, a través
de un análisis teórico que permitió establecer los supuestos del modelo (Afandizadeh y
Foumeny 2001; Levenspiel 2004; Corredor y Caicedo 2005; Asad et al 2007;Oddone et
al 2010) y las condiciones hidrodinámicas de funcionamiento (Smith 1991; van Boekel
46
2009). Este permitió determinar la simetría; el tipo, mecanismo y orden de reacción,
el régimen térmico y de flujo, el estado y modo de operación del sistema reaccionante.
En este se incorporaron el modelo cinético tipo Michaelis-Menten escogido en el
objetivo anterior y la establecida para reacciones isotérmicas de isomerización de
glucosa a fructosa a 60 oC según lo planteado por Khalilpour y Roostaazad (2008).
4.7.2 Estudio de la caída de presión a lo largo del biorreactor piloto de lecho
fijo.
Para el cálculo de la caída de presión del flujo a través del lecho de biocatalizador
inmovilizado en el biorreactor de lecho fijo a nivel piloto, se utilizó la ecuación de
Ergun modificada descrita en la ecuación 7 y presentada por Mayerhofer et al. 2011,
calculando el valor promedio de la porosidad a través de la determinación de la
densidad real de partículas de biocatalizador ( ) en y la densidad aparente del
biocatalizador en el lecho ( ) en , como lo muestra la ecuación 16. La
densidad real se determino cuantificando la masa promedio de una partícula de
biocatalizador y el volumen promedio de una partícula de biocatalizador asumiendo
geometría cilíndrica.
El diámetro de partícula se determinó a través de la medición de las dimensiones
de la enzima inmovilizada Sweetzyme IT Extra según lo recomendado por Presa
47
(2009). Los valores de la viscosidad y la densidad de las soluciones de glucosa
se calcularon de la correlación desarrollada por Khalilpour y Roostaazad (2008) y de
acuerdo a las ecuaciones 17 y 18 respectivamente.
17)
(18)
Donde [G] es la concentración de glucosa en ; es la densidad de la solución
en ; y es la viscosidad de la solución en .
La velocidad superficial se determinó midiendo los flujos volumétricos (Q) por
triplicado relacionándolos con el área transversal (A) del diámetro interno del FBR. Los
valores de los factores de forma A y B para biocatalizadores con geometrías cilíndricas
fueron calculados con la correlación desarrollada por Nemec et al. (2005) y citada por
Mayerhofer et al. (2011) de acuerdo a las ecuaciones 8, 9 y 10 respectivamente.
4.8 SOLUCIÓN DE LOS MODELOS DE CONVERSIÓN Y CAIDA DE
PRESIÓN EN EL FBR
Se desarrollo un programa para resolver los modelos usando el entorno de LabVIEW®,
estructurado como un algoritmo y utilizando el método numérico RUNGE KUTTA de
cuarto orden (Constantinides 1987; Mathews y Fink 2000; Kreyszig 2001), manejando
48
las herramientas gráficas del entorno del software y realizando ciclos de cálculo en
tiempo real y arrojando los resultados en una interfaz interactiva, que permitió una
mejor comprensión de la operación. Los perfiles de conversión y caída de presión
fueron ilustrados para diferentes concentraciones de glucosa [G], flujos volumétricos
( de alimentación, viscosidades de la solución ( ) y las velocidades superficiales ( )
determinando el efecto de estas variables sobre las condiciones de equilibrio de la
reacción, la potencia del equipo auxiliar , la longitud del biorreactor , la carga
de enzima ( ) y el tiempo de residencia ( ) según lo planteado por Smith (1991);
Nakamura (1997); Romero et al. (1998) y García et al. (2008)
4.9 CORRIDAS EXPERIMENTALES EN EL FBR Y AJUSTE DE VALORES
DE CONVERSIÓN AL MODELO TEÓRICO
Se realizaron corridas experimentales en una configuración que incluyó un biorreactor
piloto de lecho fijo construido en acero inoxidable con un diámetro de coraza de 0.33 m
como se muestra en al Anexo E (Figura E1.1) El interior del lecho del biorreactor fue
cargado con 600 g de enzima Sweetzyme IT Extra (Anexo E: Figura E1.2). Se
obtuvieron soluciones de glucosa a partir de almidón de yuca variedad TAI a través de
procesos de licuefacción y sacarificación utilizando las relaciones E/S seleccionadas.
Una bomba peristáltica ZD® con ayuda de una manguera siliconada recibió el jarabe de
glucosa desde el beaker de alimentación, fue forzado a través del interior del lecho de
relleno del biorreactor. La temperatura de la columna del biorreactor se mantuvo
constante en 60 oC con la ayuda de un baño termostatado Julabo 5
®. El jarabe de
49
alimentación se calentó previamente hasta 60 oC para garantizar una temperatura lo más
cercana posible a las condiciones de operación al entrar al reactor. Una vez estabilizado
el sistema se procedió a tomar muestras de jarabe en cinco puntos a lo largo del
biorreactor (0.0; 0.8; 1.6; 2.4 y 3.2 m) determinando el nivel de conversión de glucosa
en cada punto utilizando método de la GOD/POD descrito por Werner et al. (1970) y
utilizado por López et al. (2005).
Para validar el modelo, se perturbaron tanto en el sistema experimental como en el
simulador las variables independientes, concentración de glucosa [G] en tres niveles
(25, 30 y 35 % p/v) y los flujos volumétricos ( ) en tres niveles (0.125; 0.250 y
0.500 lh-1
) por triplicado y de forma aleatoria para un total de 27 unidades
experimentales. En esta retroalimentación de la información se ajustaron los valores de
conversión experimentales y teóricos arrojados por el modelo, realizando un análisis de
correlación estadística teniendo en cuenta el r2 y el error estándar (EE) a través del
software STATGRAPHICS® Centurión XV.
50
5. RESULTADOS Y DISCUSIÓN
5.1 EVALUACIÓN DEL INCREMENTO DE LOS EQUIVALENTES DE
DEXTROSA EN LOS PROCESOS DE LICUEFACCIÓN Y SACARIFICACIÓN
Se utilizó la curva de calibrado representada en el Anexo A (Grafico A1.1) en la que es
evidente una relación lineal entre la concentración de glucosa y la absorbancia corregida
por el blanco con un r2 ajustado de 98.51% por encima de lo recomendado por
Montgomery D (1997); Spiegel (2008) y Biondi et al. (2012). En esta, la inclusión de
todos los puntos de la curva entre los límites internos de color café proveen una
confianza del 95% para el valor medio de la concentración de azucares reductores; esta
relación se expresa a través de la ecuación 19:
En el Gráfico 1 y en el Anexo F (Tabla F1.1) se muestran los resultados de la evolución
de los ED en el proceso de licuefacción de soluciones de almidón para las tres
relaciones E/S objetos de estudio. Se observa que existe una relación directamente
proporcional entre los ED y la relación E/S; esta se manifiesta en incrementos
51
aproximados del 29.71 y 49.85% para las dos últimas relaciones en comparación a la
inicial, dando como resultados disminuciones en la concentración de sustrato disponible
a medida que se aumenta la relación E/S para esta primera etapa.
Gráfico 1. Efecto de la relación E/S sobre el incremento de los ED en el proceso de
licuefacción de almidón de yuca variedad Tai.
Los residuos estadísticos para el ED en esta etapa comprobaron los supuestos del
modelo, presentando una distribución normal y una homogeneidad entre sus varianzas.
(Anexo G: Gráfico G1.1 y Tabla G1.2). Para determinar si estas diferencias eran
significativas estadísticamente se realizó un ANOVA para ED (Anexo G: Tabla G1.3)
identificando que el valor-P de la prueba-F es < 0.05 lo cual prueba la diferencia a un
nivel de significancia del 5%. Para comprobar cuáles medias fueron significativamente
diferentes de otras, se realizó una prueba de comparación de múltiples rangos
Diferencia Minina Significativa (DMS). (Anexo G: Tabla G1.4) identificado dos grupos
homogéneos correspondientes a las relaciones E/S de 0.852 y 1.052 kgETonSS-1
,
indicando que no existen diferencias estadísticamente significativas entre estas
relaciones. A partir de estos datos se determinó que la mejor alternativa para el proceso
Eq
uiv
ale
nte
s d
e D
extr
osa
(%
)
Tiempo (min)
(E/S) kgE/TonSS
0,652
0,852
1,052
0 30 60 90 120 150
0
5
10
15
20
25
30
52
de licuefacción es relación E/S de 0.852 kgETonSS-1
, alcanzando con estas condiciones
una concentración de azucares reductores de de 97,11 gl-1
y un ED de 24.99%,
resultados estadísticamente semejantes con una menor relación disminuyendo los costos
de producción ya que esta es una de las variables que más influye en este proceso
(Salcedo y Montes 2009). Estos resultados corresponden con las recomendaciones de
Novozymes (2008a) donde se especifica que para este rango de relaciones enzima
sustrato se obtienen ED de 23.7%, también con los presentados por Vidal (2010) quien
utiliza la misma enzima pero en una relación menor y con los publicados por Morales et
al. (2008), quien obtuvo ED de 30.41% resultando ser un 5.4% menor pero en un tiempo
adicional de una hora para el proceso, sin embargo al compararlos con los de Pájaro et
al. (2008) resultan ser muy inferiores pues este publica valores de 50% para la etapa de
licuefacción debido a la dosificación enzimática.
Así mismo, los resultados del proceso de sacarificación se muestran en el Gráfico 2 y
el Anexo H (Tabla H1.1) representando la evolución de la concentración de azúcares
reductores, el porcentaje de ED y la disminución en la concentración de sustrato
disponible para las tres relaciones E/S. Al igual que en la licuefacción los resultados
muestran una relación directamente proporcional entre las variables de estudio. Estas
muestran un incremento del 29,94 y 55,46 % aproximadamente para las dos últimas
relaciones E/S en comparación a la inicial. De igual forma se registra la cinética de
consumo de sustrato con una disminución gradual en su concentración a medida que se
aumenta la relación E/S y el tiempo para esta segunda etapa del proceso de hidrolisis
del almidón.
53
Gráfico 2. Efecto de la relación E/S sobre el incremento de los ED en el proceso de
sacarificación de almidón licuado de yuca variedad Tai.
Se verificaron los supuestos del modelo en esta etapa, presentando una distribución
normal y una homogeneidad entre sus varianzas. (Anexo I: Gráfico I1.1 y Tabla I1.2).
De igual forma, para constatar si estas diferencias eran significativas, se realizó un
ANOVA para ED según la relación E/S utilizada. En estos se observa (Anexo I: Tabla
I1.3) que este supuesto fue comprobado ya que el valor-P de la prueba-F es < 0,05 en un
nivel de significancia del 5%. Seguidamente se realizó la prueba de comparación de
múltiples rangos Diferencia Minina Significativa (DMS) para determinar cuáles medias
fueron significativamente diferentes de otras (Anexo I: Tabla I1.4) identificado tres
grupos homogéneos, mostrando que existen diferencias estadísticamente significativas
entre estas relaciones a una significancia del 95% de confianza. A partir de estos
resultados, se determinó que la mejor alternativa para el proceso de sacarificación es la
relación E/S de 1,052 kgETonSS-1
ya que sé máxima la producción de ED al aumentar
la cantidad de enzima, alcanzando con estas condiciones una concentración de azúcares
reductores de 288.21 gl-1
y un ED de 74.18%. Estos resultados son cercanos a lo
Tiempo (min)
Eq
uiv
ale
nte
s d
e D
extr
osa
(%
)(E/S) kgE/TonSS
0,652
0,852
1,052
0 30 60 90 120 150
26
36
46
56
66
76
54
recomendado por Novozymes (2008b) y Pájaro et al. (2009) donde se especifica que
para relaciones E/S como la utilizada en este estudio se obtienen valores de 80.7%. De
igual forma son 11.22 % menores que los reportados por Morales et al. (2008) gracias al
tiempo adicional de 2.5 horas utilizado en su proceso. Finalmente son muy inferiores a
los reportados por Johnson et al. (2007) quien reporta valores de ED de 95.16 y 98.52%
para yuca y batata respectivamente pero un tiempo de 48 h. Estos resultados muestran
que los aumentos en los ED finales del proceso generados por las variaciones en las
relaciones E/S no compensan las disminución en tiempo necesario para alcanzar los
valores finales del proceso reportados por diversos autores; pudiendo convertirse en
condiciones de baja competitividad por el uso ineficiente del sustrato y de la cantidad de
enzima, compensadas un poco por la disminución del suministro de energía (Sierra
2012, Salcedo y Montes 2011).
Bajo estas condiciones, la producción de glucosa en los procesos de licuefacción y
sacarificación se presenta en el Gráfico 3 a través de una cinética de formación de
producto y consumo de sustrato. En él se observa la producción de azucares reductores
a partir de una concentración de almidón del 35% p/v como sustrato, en un tiempo de
150 minutos; tiempo en el cual esta concentración disminuye en un 10%
aproximadamente, bajo las condiciones de pH de 5.4 – 5.6, temperatura de 90 ºC y
agitación de 120 rpm. En esta etapa de licuefacción se logra obtener una concentración
de azucares reductores de 97,11 gl-1
y ED de 24,99 %, resultados que indican una clara
actividad por parte de la enzima. A medida que transcurre la etapa de sacarificación y
bajo las condiciones de pH de 4.2 - 4.5, temperatura de 60 ºC y agitación de 120 rpm, se
observa un incremento en la formación de azucares reductores hasta alcanzar
55
288,21 gl-1
, una notable disminución del sustrato y una producción de aproximadamente
74,18% de ED; valores que permiten identificar el cese de la actividad enzimática.
Gráfico 3. Cinética de formación de producto y consumo de sustrato en la
licuefacción y sacarificación de almidón de yuca variedad Corpoica-Tai.
5.2 SELECCIÓN DEL BIORREACTOR DIFERENCIAL DE LECHO FIJO
QUE GARANTIZA LA MÍNIMA DIFERENCIA DE CONCENTRACION DE
GLUCOSA
De acuerdo a los resultados obtenidos, en cada volumen de reactor de lecho fijo
evaluado, se observa que el tiempo de residencia ( dismunuye debido al aumento en la
velocidad superficial ( ), dando como resultados porcentajes de conversion ( ) bajos,
ya que el sustrato tiene menor tiempo en contacto con el catalizador para realizar la
reaccion como se observa en la Tabla 1.
Co
nce
ntr
ació
n (
g/L
)
Tiempo (min)
Variables
SD (g/L)
AR (g/L)
ED (%)
0 50 100 150 200 250 300
0
100
200
300
400
0
20
40
60
80
ED (
%)
Sacarificación
Licuefacción
56
Tabla 1. Efecto del tiempo de residencia sobre las velocidades iniciales para
diferentes volúmenes de reactores de lecho fijo.
V *10-6
(m
3)
F *10-5
(m
3h
-1)
(h)
(%)
ΔG (kgGm
-3)
(kgGkgE
-1h
-1)
7,854
4,621 ±0,111
0,170 ±0,004
52,461 ±4,513
180,81 1,90
9,368 ±0,117
0,084 ±0,001
35,516 ±8,301
123,31 2,63
11,79
4,882 ±0,004
0,242 ±0,000
52,498 ±1,407
231,80 1,71
9,402 ±0,017
0,125 ±0,002
43,066 ±0,399
188,94 0,27
15,71
4,845 ±0,152
0,324 ±0,010
55,258 ±0,837
164,20 0,90
9,414 ±0,027
0,167 ±0,000
43,593 ±1,963
129,58 1,39
Para los flujos volumetricos estudiados, se observa un aumento en el tiempo de
residencia ( ), debido a que existe mayor periodo de contacto entre el sustrato y la carga
de catalizador; esto trae como consecuencia una disminucion en la velocidad de reaccion
y mayores porcentajes de conversion porque la reaccion ocurre a una velocidad màxima,
con minimas diferencias de concentracion entre la salida y entrada al reactor. Estos
resultados concuerdan con los reportados por Khalilpour y Roostaazad (2008), quienes a
una concentración de glucosa de 306 kgm-3
, diferentes velocidades superficiales y
para diferentes longitudes en el reactor, concluyen que aumentos de la velocidad
superficial, disminuyen el tiempo de residencia, porque el sustrato tiene menos tiempo
de interactuar con el catalizador y por tanto la tasa de conversión disminuye.
Resultados análogos reportan también Hagos y Cameron (2001); Carrara et al. (2003);
Solano et al. (2008); Oddone et al. (2010) y Manenti et al. (2011) en diferentes
aplicaciones y escalas de funcionamiento para reactores de lecho fijo.
57
De acuerdo a estos resultados, la relación volumen de reactor (V) vs tiempo de
residencia ( ) que minimiza las velocidades iniciales de reacción ( ) es la que maneja
un volumen de 7.854 x10-6
m3 para una longitud de 0.1 m en un tiempo de residencia de
0.084 h debido a que esta longitud de lecho proporciona una carga de enzima ( )
suficiente para una conversión ( ) de 35.52 % y un diferencial de concentración de
glucosa de 123,31 kgGm-3
en el estado de equilibro para este tipo de reacciones,
además esta cantidad proporciona que los cambios de temperatura, y composición que se
producen al pasar sobre el lecho de catalizador, sean pequeños (Smith 1991; Levenspiel
2004).
5.3 CÁLCULO DE VELOCIDADES INÍCIALES DE REACCIÓN DE
GLUCOSA A FRUCTOSA
Despues de haber seleccionado la mejor relacion E/S para los procesos de licuefacción y
sacarificación, se obtuvieron jarabes glucosados a diferenes concentraciones, los cuales
fueron aliementados al biorreactor diferencial de lecho fijo de 0.1 m de longitud para
evaluar el efecto de la concentración de glucosa [G] sobre las velocidades iniciales de
reacción ( ) de isomerización de glucosa, obteniéndose los resultados que se muestran
en el Gráfico 4 y el Anexo J (Tabla J1.1).
Con el aumento de las concentraciones iniciales de glucosa, se observa que disminuye el
porcentaje de conversión en el proceso de isomerización esto se debe a que
concentraciones menores, la enzima isomeriza una mayor proporción de sustrato, por
58
ende la conversión es alta. Por el contrario a concentraciones mayores, la enzima
isomeriza más cantidad de sustrato que a concentraciones bajas y en el mismo tiempo
pero en menor proporción que a concentraciones bajas, dejando excesos de sustrato sin
isomerizar reduciendo entonces la conversión. Todo esto ocurre porque los sitios activos
de las enzimas son limitados durante la formación de los complejos enzima sustrato (ES)
y enzima producto (EP) con su posterior liberación y sólo cierta cantidad de sustrato se
puede unir en un momento específico al sitio activo de estas. Además, cuando los sitios
activos de los catalizadores se saturan, la reacción se vuelve insensible a los aumentos de
concentración. (Segel 2004)
Gráfico 4. Efecto de la concentración de sustrato sobre las velocidades iniciales de
reacción y conversión en el proceso de isomerización de glucosa a fructosa.
Estos resultados concuerdan con los obtenidos por Khalilpour y Roostaazad (2008);
quienes experimentaron varias concentraciones de sustrato (100, 300 y 580 kgm-3
) y
diferentes tasas de flujo de alimentación, calcularon la conversión de isomerización de
glucosa a fructosa, encontrando que al aumentar la concentración del sustrato en la
Velo
cid
ades Inic
iale
s (k
gG
/kgE
*h)
Concentración de Glocosa (kgG/m3)
Variables
Velocidad Inicial
Conversión
40 190 340 490 640
0
1
2
3
4
24
34
44
54
64
74
Co
nve
rsió
n (
%)
59
alimentación, se produce una notable disminución en la conversión y por tanto la
cinética de reacción ya que esta se rige por la carga de enzima en el reactor (Illanes et
al. 1992; Banerjee et al. 1993; Converti et al. 1997) .
5.4 DETERMINACIÓN DE PARÁMETROS A TRAVÉS DEL AJUSTE DE
MODELOS CINÉTICOS PARA ENZIMAS INMOVILIZADAS
Los valores de las concentraciones iniciales de glucosa y de las velocidades iniciales
de reacción fueron ajustados a los tres tipos de modelos cinéticos del tipo Michaelis-
Menten para enzimas inmovilizadas descritas con anterioridad utilizando las mismas
condiciones prácticas y su aproximación a los datos experimentales se representa en el
Gráfico 5.
M-MT: Tradicional; M-MP: Inhibición por Producto; M-MD: Desactivación.
Gráfico 5. Ajuste de modelos del tipo Michaelis-Menten para enzimas
inmovilizadas.
En este, se establece una comparación entre las predicciones de los modelos y
los valores obtenidos experimentalmente. Como se puede observar, la velocidad de
Concentración Inicial de Glucosa (kgG/m3)
Ajuste de Modelos
Datos Experimentales
MMT. r2=95.59%
MMP. r2=82.72%
MMD. r2=91.81%
Velo
cid
ad Inic
ial de R
eacció
n (
kgG
/kgE
*h)
0 200 400 600 800
0
1
2
3
4
60
reacción depende de la concentración de sustrato en una tendencia hiperbólica pues
después de cierto valor de concentración de sustrato la velocidad no se ve afectada por
este parámetro, según la tendencia descrita por los valores experimentales representado
por los puntos. De acuerdo al gráfico, el modelo de Michaelis-Menten Tradicional
(MMT) de pseudoprimer orden de enzima sencilla con único sustrato descrito por la
Ecuación 1 es el que mejor representa la tendencia en la cinética de conversión de
glucosa a fructosa ya que su ajuste proporciona una menor diferencia y una mayor
correlación entre los valores observados y los predichos (Anexo K: Grafico K1.1 a K1.3)
en comparación a los otros modelos (Spiegel 2008; Biondi et al 2012) reflejado en el
mayor valor del r2
(95.59%) y el menor valor para el EE (5,77x10-4
). Sin embargo, los
otros modelos cinéticos presentaron un ajuste matemático aceptable ya que presentaron
r2
> al 80%. Los valores de los parámetros cinéticos y estadísticos para cada modelo
se presentan en el Anexo L (Tabla L1.1).
De esta manera el modelo cinético de Michaelis-Menten para las condiciones de
operación toma la forma descrita en la ecuación 19.
4.868
210.0 2
(19)
En este modelo, los valores de Vmáx y KM son consistentes con los reportados
Dehkordi et al. (2008) y (2009) y las pequeñas diferencias radican en las condiciones de
experimentación ya que este desarrollo el proceso con tiempos de residencia mayores.
61
Al compararlos con los de Davdar et al. (2001); Converti y Del Borghi (1997) estos
difieren considerablemente confirmando lo propuesto por Ozdural et al. (2008) quien
expresa que estos parámetros son influenciados por las condiciones hidrodinámicas de
operación del FBR además de la temperatura, la concentración de sustrato y el pH.
5.5 DESARROLLO DE MODELOS FENOMENOLÓGICOS DE
CONVERSIÓN DE GLUCOSA Y CAÍDA DE PRESIÓN
5.5.1 Modelamiento del perfil de conversión de glucosa a lo largo del biorreactor
piloto de lecho fijo.
El análisis teórico realizado al FBR permitió establecer las siguientes consideraciones de
funcionamiento para la solución de las ecuaciones del balance de masa:
El flujo es constante a lo largo del biorreactor, se desarrolla en régimen de
pistón y los gradientes de concentración en la dirección radial son
insignificantes.
El biorreactor funciona en modo continuo sin recirculación de sustrato,
alcanzando el estado estable y operando en régimen isotérmico.
El sistema reaccionante es heterogéneo, solo hay un sustrato reaccionante y la
reacción ocurre en presencia de gradientes de concentración longitudinales.
La porosidad del lecho y la densidad de la solución son constantes a lo largo
del biorreactor.
62
La verificación de la conversión de sustrato puede realizarse haciendo uso de la
velocidad total considerando que el área a lo largo del biorreactor permanece
constante.
De acuerdo a estos supuestos, el balance de conversión de glucosa a lo largo del
biorreactor se puede expresar por la ecuación 20.
De esta expresión puede considerarse que la velocidad de generación de glucosa ( ) es
igual a cero (Doran 1995) y una vez que el biorreactor alcanza el estado estable (Mc
Niel y Harvey 2008; Manenti et al.2011) el cambio en la masa de glucosa que se
acumula al interior de este con respecto al tiempo en un instante determinado es igual a
cero y al dividir toda la expresión por la variación en la dirección axial
( ), el balance toma la forma de la expresión 21:
Tomando el límite del cambio en la dirección ( ) cercano a cero y como el área ( ) y
la velocidad superficial ( ) son constantes y no dependen de la dirección ( ) al derivar
la ecuación 21 resulta la ecuación diferencial 22:
63
En esta expresión la velocidad total de consumo de glucosa ( ) está dada por el
modelo propuesto por Dehkordi et al. (2009) que es función de la concentración inicial
de glucosa [ ] y de las condiciones de equilibrio como son la concentración de glucosa
en el equilibrio [ ], la conversión de equilibrio ( ) y la constante de equilibrio ( )
para esta reacción (Banerjee et al. 1993; Converti et al. 1997) como se muestra en la
ecuación 23.
La concentración de glucosa en el equilibrio [ ] en la expresión 23 se calculó mediante
el modelo de Khalilpour y Roostaazad (2008) representado por la ecuación 24, que
restringe el máximo valor que puede alcanzar esta en el proceso.
Para el cálculo del valor de la conversión de equilibrio ( ) se utilizó la ecuación 25
propuesta por Carrara et al. (2003) ya que las condiciones equilibrio para la
isomerización de glucosa a fructosa está dada para una =1.0 a 60 oC.
64
Al sustituir estas expresiones en el modelo de consumo de glucosa descrito en la
ecuación 23 este toma la siguiente forma de la ecuación 26:
Y al incorporar los parámetros cinéticos descritos en la ecuación 19 en la ecuación 26 y
a su vez sustituir está en la ecuación 22, la ecuación diferencial toma la forma definitiva
que muestra la ecuación 27:
La ecuación 27 representa el modelo de conservación de masa para la conversión
unidireccional de glucosa por glucoisomerasa inmovilizada (Sweetzyme IT Extra) en
régimen isotérmico que permite determinar la concentración de glucosa [G] en cualquier
posición del FBR ante cambios en la concentración inicial [ ], en la velocidad
superficial ( ) y con este valor poder determinar la conversión ( ) en cualquier posición
del sistema reaccionante.
5.5.2 Estudio de la caída de presión a lo largo del biorreactor piloto de lecho fijo
65
La caída de presión causada por la matriz sólida del lecho de biocatalizador a
diferentes velocidades superficiales de flujo y viscosidades se describió por la
correlación de Ergun modificada para geometría cilíndrica como se muestra en la
ecuación 28:
Esta expresión representa la caída de presión por unidad de longitud y muestra nuevos
valores para los factores de forma A y B tradicionales de la correlación de Ergun. En
este caso el valor de A cambia de 150 a 199.25 ±13.91 y el valor de B cambia de 1.75 a
2.25 ±0.12; esto se debe principalmente a la modificación de la esfericidad ( ) para
este tipo de geometría afectando igualmente el valor de la porosidad ( ) aumentando su
valor hasta 59.7% muy por encima de los valores para partículas cilíndricas que se
ubican alrededor del 30% dejando más espacio para el tránsito del fluido por el interior
del lecho (Foumeny et al.1996; Nemec y Levec 2005; Urzua 2008; Presa 2009).
De esta forma y considerando que los parámetros calculados (A, B, , y )
permanecen constantes; la expresión es función de la viscosidad ( ), de la densidad ( )
de las soluciones de glucosa (Khalilpour y Roostaazad 2008) y de la velocidad
superficial ( ) cuyo valor estará condicionado por el tiempo de residencia ( ) necesario
para que el sistema alcance el equilibrio químico en la menor distancia posible (Hagos y
Cameron 2001; Carrara et al. 2003).
66
5.6 SIMULACIÓN DE LOS MODELOS QUE REPRESENTAN LOS
PERFILES DE CONVERSIÓN DE GLUCOSA Y LA CAÍDA DE PRESIÓN.
La solución de la Ecuación 27 del modelo de conversión de glucosa en el biorreactor
de lecho fijo se llevó a cabo usando un algoritmo (Anexo M: Imagen M1.1) en el
entorno de LabVIEW® con el método numérico Runge-Kutta de cuarto orden.
Las Gráficas 6,7 y 8 representan los perfiles de conversión a lo largo del biorreactor
para concentraciones iniciales de glucosa de 250, 300 y 350 gl-1
y flujos volumétricos
de 0.125, 0.250 y 0.500 lh-1
con un diámetro constante de 0.018 m, mostrando un
comportamiento hiperbólico hasta alcanzar la conversión de equilibrio (Segel 2004). Se
puede observar, que al aumentar el flujo volumétrico y con este la velocidad superficial
de circulación de las soluciones de glucosa por el interior del lecho, se requieren
longitudes del biorreactor mayores para alcanzar la conversión de equilibrio en el
proceso de isomerización. Estas longitudes resultan ser hasta 4.12 veces mayores al
comparar los requerimientos entre los flujos estudiados, en correspondencia con lo
reportado por Hagos y Cameron (2001); Carrara et al. (2003); Giacoman et al. 2003;
Khalilpour y Roostaazad et al. (2008); Solano et al. (2008); Lainfiesta 2009; Oddone et
al. (2010) y Manenti et al. (2011) quienes determinaron que disminuciones en la
velocidad superficial y la concentración de sustrato se reflejaban en menores tiempos
de residencia para alcanzar la conversión de equilibrio en menores longitudes.
67
Gráfico 6. Perfiles de conversión de glucosa a lo largo del FBR a una
concentración inicial de glucosa de 250 gl-1
y tres flujos volumétricos.
Gráfico 7. Perfiles de conversión de glucosa a lo largo del FBR a una
concentración inicial de glucosa de 300 gl-1
y tres flujos volumétricos.
Gráfico 8. Perfiles de conversión de glucosa a lo largo del FBR a una
concentración inicial de glucosa de 350 gl-1
y tres flujos volumétricos.
Convers
ion X
(-)
Flujo Volumetrico (L/h)
0,125
0.250
0.500
Longitud del Biorreactor de Lecho Fijo (cm)
0 80 160 240 320
0
0,1
0,2
0,3
0,4
0,5
Longitud del Biorreactor de Lecho Fijo (cm)
Convers
ion X
(-)
Flujo Volumetrico (L/h)
0,125
0,250
0,500
0 80 160 240 320
0
0,1
0,2
0,3
0,4
0,5
Longitud del Biorreactor de Lecho Fijo (cm)
Convers
ion X
(-)
Flujo Volumetrico (L/h)
0,125
0,250
0,500
0 80 160 240 320
0
0,1
0,2
0,3
0,4
0,5
68
Esta proporción se refleja igualmente en el volumen del FBR y en la carga de enzima,
sin disminuciones considerables en los tiempos de residencia como se muestra en la
Tabla 2. De igual forma los resultados de esta tabla muestran que aumentos en el rango
de concentraciones de glucosa evaluados para los diferentes flujos volumétricos no
reflejan variaciones considerables en las longitudes de lecho necesarias y por ende en el
volumen (V), la carga de enzima ( ) y el tiempo de residencia ( ).
Seguidamente se solucionó la ecuación 28 que representa la caída de presión en un
FBR en el entorno de LabVIEW® usando un algoritmo (Anexo M: Imagen M1.2). Para
este parámetro las graficas 9,10 y 11 representan los perfiles de caída de presión
resultando ser poco considerables con valores inferiores a los 400 Pa (Smith 1991; Pope
et al. 2010) y en una dependencia lineal con la longitud del lecho de catálisis para las
velocidades superficiales de 1.37 E-4, 2.73E-4 y 5.47 E-4 ms-1
y concentraciones
iniciales de glucosa de 250, 300 y 350 gl-1
en concordancia con lo plateado por
Foumeny et al. (1996); Sharma et al. (2001); Presa 2009; Mayerhofer et al. (2011).
De igual forma los resultados de la Tabla 2 muestran el consolidado de parámetros de
funcionamiento para el FBR; determinándose que para las condiciones de operación su
mejor actividad se alcanza en una concentración inicial de glucosa de 350 kgm-3
, un
flujo volumétrico de 0.125 lh-1
que equivale a una velocidad superficial de 1.37x10-4
ms-1
, una longitud de 0.593 m para un volumen de 1.51x10-4
generando una caída de
presión de 18.11 Pa, requiriendo una carga de enzima de 0.113 kg y necesitando un
tiempo de residencia de 72.44 min para alcanzar el equilibrio.
69
Gráfico 9. Perfiles de caída de presión a lo largo del FBR a una concentración
inicial de glucosa de 250 gl-1
y tres velocidades superficiales.
Gráfico 10. Perfiles de caída de presión a lo largo del FBR a una concentración
inicial de glucosa de 300 gl-1
y tres velocidades superficiales.
Gráfico 11. Perfiles de caída de presión a lo largo del FBR a una concentración
inicial de glucosa de 350 gl-1
y tres velocidades superficiales.
Longitud del biorreactor de lecho fijo (cm)
Caid
a d
e p
resió
n (
Pa) Velocidad superficial (m/s)
1.37E-4
2.73E-4
5.47E-4
0 80 160 240 320
0
40
80
120
160
200
Caid
a d
e p
resió
n (
Pa) Velocidad superficial (m/s)
1.37E-4
2.73E-4
5.47E-4
Longitud del biorreactor de lecho fijo (cm)
0 80 160 240 320
0
50
100
150
200
250
300
Longitud del biorreactor de lecho fijo (cm)
Caid
a d
e p
resió
n (
Pa) Velocidad superficial (m/s)
1.37E-4
2.73E-4
5.47E-4
0 80 160 240 320
0
100
200
300
400
70
Como se muestra en el Grafico 12 la caída de presión por unidad de longitud ( )
para el lecho de biocatalizador del FBR maneja un rango bajo de valores que se
encuentran entre los 12 a 125 Pam-1
, indicando como se planteo anteriormente que al
aumentar la longitud del sistema mayor será su valor.
Gráfico 12. Dependencia de la caída de presión en el FBR con la velocidad
superficial y la viscosidad del fluido de alimentación.
Tabla 2. Parámetros de funcionamiento y diseño del biorreactor de lecho fijo.
kgm
-3
lh
-1
x10-4
m2
x10-4
ms-1
m
x10-4
m3
Pa
kg
min
250 ±21
0.125 ± 5*10
-3
2.54 ±0.15
1.37 ±0.055
0.534 ±0.021
1.36 ±0.054
07.89 ±0.316
0.102 ±0.011
65.26 ±2.612
0.250 ± 4*10
-3 2.73
±0.041
1.052 ±0.016
2.68 ±0.043
31.07 ±0.497
0.201 ±0.018
64.27 ±3.213
0.500 ± 3*10
-3 5.47
±0.032
2.201 ±0.013
5.60 ±0.033
131.9 ±0.766
0.420 ±0.021
67.22 ±2.016
300 ±10
0.125 ± 5*10
-3
1.37 ±0.055
0.621 ±0.025
1.58 ±0.063
13.25 ±0.535
0.119 ±0.013
75.89 ±3.035
0.250 ± 4*10
-3 2.73
±0.041
0.988 ±0.016
2.51 ±0.040
42.16 ±0.674
0.189 ±0.017
60.33 ±3.016
0.500 ± 3*10
-3 5.47
±0.032
2.072 ±0.012
5.27 ±0.031
178.8 ±1.037
0.396 ±0.019
63.28 ±1.898
350 ±15
0.125 ± 5*10
-3
1.37 ±0.055
0.593 ±0.023
1.51 ±0.061
18.11 ±0.105
0.113 ±0.012
72.44 ±2.897
0.250 ± 4*10
-3 2.73
±0.041
0.945 ±0.015
2.40 ±0.039
57.70 ±0.923
0.180 ±0.016
57.72 ±2.886
0.500 ± 3*10
-3 5.47
±0.032
2.201 ±0.011
5.60 ±0.032
271.1 ±10.84
0.420 ±0.013
67.22 ±2.016
Velocidad Superficial (m/s)
Caid
a d
e P
resió
n (
Pa/m
)
Viscocidad (kg/m*s)
1.01E-3
1.47E-3
2.10E-3
0,000137 0,000274 0,000411 0,000548
0
30
60
90
120
150
71
5.7 VALIDACIÓN DEL MODELO DE CONVERSIÓN DE GLUCOSA EN EL
BIORREACTOR PILOTO DE LECHO FIJO.
Una vez realizadas las corridas experimentales para cada concentración inicial de
glucosa y velocidad superficial se determinaron los niveles de conversión promedios en
cada punto de muestreo a lo largo de todo el biorreactor.
Las Gráficas 13, 14 y 15 muestran los resultados de la validación para los perfiles de
conversión, como una función dependiente de la concentración inicial de glucosa entre
niveles 250, 300 y 350 kgm-3
y del flujo volumétrico de alimentación también en tres
niveles (0.125, 0,250 y 0,500 lh-1
). En estas, las líneas continuas representan los
resultados de la simulación y los puntos del mismo color representan los resultados
experimentales. En todos los casos el modelo propuesto representó con significativa
precisión el proceso de conversión reflejado en los altos valores del r2 ajustado
superiores al 70% y en los bajos valores del error estándar (EE) que en ningún caso
fueron superiores al 0.028 como lo recomienda Montgomery (1997) (Anexo N: Tablas
N1.1 a N1.3). Estos valores para el EE representan la escasa dispersión de los valores
experimentales alrededor de la curva de simulación con el uso del modelo de conversión
desarrollado (Kuehl 2000).
Es evidente en estas gráficas que la mayor parte de la conversión se realiza en la primera
sección del biorreactor, antes de completar los primeros 0.8 m para el menor valor de la
velocidad superficial manteniéndose relativamente constante hasta completar toda la
longitud del FBR, razón por la cual el ajuste entre los datos experimentales y los del
modelo presentan la exactitud reportada, originándose en la dificultad de realizar el
72
muestreo en esta zona, pues la configuración experimental solo permitió dicho proceso
cada 0.8 m, es decir, en cinco puntos y de esta manera poder verificar la precisión del
modelo en esta sección revalidando su uso en el control del proceso, realizar el análisis
de las condiciones de operación, predecir el comportamiento de la cinética a diferentes
velocidades superficiales y concentraciones de glucosa que maximicen los rendimientos
del proceso y sirvan como base para el escalado definitivo a nivel industrial (Morales et
al. 2008).
Gráfico 13. Comparación de los perfiles experimentales y simulados de conversión
de glucosa a fructosa a una concentración inicial de 250 gl-1
y tres flujos
volumétricos.
Gráfico 14. Comparación de los perfiles experimentales y simulados de conversión
de glucosa a fructosa a una concentración inicial de 300 gl-1
y tres flujos
volumétricos.
Longitud del Biorreactor de Lecho Fijo (cm)
Convers
ión X
(-) Flujos Volumetricos (L/h)
0,125-Exp
0,250-Exp
0,500-Exp
0,125-Mod
0,250-Mod
0,500-Mod
0 80 160 240 320
0
0,1
0,2
0,3
0,4
0,5
Convers
ión X
(-)
Longitud del Biorreactor de Lecho Fijo (cm)
Flujos Volumetricos (L/h)
0,125-Exp
0,250-Exp
0,500-Exp
0,125-Mod
0,250-Mod
0,500-Mod
0 80 160 240 320
0
0,1
0,2
0,3
0,4
0,5
73
Gráfico 15. Comparación de los perfiles experimentales y simulados de conversión
de glucosa a fructosa a una concentración inicial de 350 gl-1
y tres flujos
volumétricos.
Longitud del Biorreactor de Lecho Fijo (cm)
Flujos Volumetricos (L/h)
0,125-Exp
0,250-Exp
0,500-Exp
0,125-Mod
0,250-Mod
0,500-Mod
Convers
ión X
(-)
0 80 160 240 320
0
0,1
0,2
0,3
0,4
0,5
74
6. CONCLUSIONES
Los incrementos de los ED finales en los procesos de licuefacción y sacarificación
estuvieron influenciados por las relaciones E/S utilizadas y las mejores alternativas
se encontraron para 0.852 y 1.052 kgETonSS-1
respectivamente.
Los aumentos en la dosificación enzimática aplicada durante el proceso de
sacarificación no lograron compensar la disminución en el tiempo recomendado
para alcanzar los ED normalmente reportados.
El biorreactor diferencial de lecho fijo que minimiza las diferencias de concentración
de glucosa es el de 0.1 m de altura con un valor 123.31 kgGm-3
, un tiempo de
residencia de 0.084h y una conversión de 35.56%.
Los aumentos en las concentraciones iniciales de glucosa alimentadas al biorreactor
diferencial de lecho fijo seleccionado, generan mayores velocidades iniciales de
reacción a costas de disminuciones en la conversión fraccional.
75
El modelo cinético que presentó mejor ajuste fue el de Michaelis–Menten
Tradicional (MMT) con un coeficiente de correlación estadístico (r2) de 95.59% y un
error estándar (EE) de 5.77x10-4
aportando un de 4.868 kgGkgE-1
h-1
y un
de 210.072 kgGm-3
.
La ecuación de conservación de la masa permitió desarrollar un modelo
unidimensional, en régimen permanente, isotérmico y de flujo pistón que representa
la conversión de glucosa a fructosa en la dirección axial para un FBR incorporando
parámetros cinéticos y de equilibrio.
La simulación del modelo de conversión de glucosa en el entorno de LabVIEW®
a
través de perfiles longitudinales permitió establecer que aumentos en las velocidades
superficiales requieren longitudes de lecho hasta 4.12 veces mayores del FBR para
alcanzar la conversión de equilibrio.
El estudio de la caída de presión a través de la ecuación de Ergun usando el entorno
de LabVIEW®
permitió establecer que las variaciones en la velocidad superficial
presentan una dependencia lineal para este parámetro con la longitud del FBR.
Las condiciones que mejoran el funcionamiento del FBR se presentan para una
concentración inicial de glucosa de 350 kgGm-3
, una velocidad superficial de
1.37x10-4
ms-1
requiriendo una longitud del lecho de 0.593 m para un volumen de
1.51x10-4
m3, generando una caída de presión de 18.11 Pa, una carga de enzima de
0.113 kg y un tiempo de residencia de 72.44 min.
76
El modelo desarrollado para la conversión de glucosa en el FBR a escala piloto
representó con significativa precisión (r2 ≥ 98.25%; EE ≤ 0.028) el proceso, por la
escasa dispersión de los valores experimentales alrededor de la curva de simulación.
77
7. RECOMENDACIONES
Establecer parámetros de optimización para la producción de glucosa en los procesos
de licuefacción y sacarificación a partir de almidón de yuca evaluando el efecto
combinado de la velocidad de agitación, la concentración de sustrato, el tiempo de
proceso y la relación E/S utilizando la metodología de superficies de respuesta.
Realizar estudios cinéticos de isomerización de glucosa que incorporen al modelo el
efecto de la velocidad superficial y la temperatura así como la determinación de
parámetros de reemplazo de GII en procesos industriales derivados de estudios de
desactivación en FBR.
Rediseñar el FBR con cambios geométricos en el diámetro y longitud del lecho e
hidrodinámicos que incrementen su capacidad de producción facilitando el
funcionamiento en continuo de todo el proceso de obtención de jarabes de fructosa.
Relacionar el modelo de conversión desarrollado con fenómenos de transporte como
la transferencia de calor y de masa a nivel macroscópico e intraparticula que
aumenten su precisión facilitando su uso en una estrategia de control.
78
BIBLIOGRAFÍA
Abashar, M. 2011. Modeling and simulation of an integrated multi-shell fixed bed
membrane reactor with well-mixed catalyst pattern for production of styrene and
cyclohexane. Chemical Engineering and Processing. 50: 931– 939.
Afandizadeh, S and Foumeny E. 2001. Design of packed bed reactors: guides to
catalyst shape, size, and loading selection. Applied Thermal Engineering. 21:
669-682.
Allen, J., Hassanein, T and Bhatia, S. 2001. Advances in bioartificial liver
devices. Hepatology. 34: 447–55.
Alexiadis, A and Mazzarino, I. 2005. Design guidelines for fixed-bed photocatalytic
reactors. Chemical Engineering and Processing. 44: 453–459
AGRONET. 2005. Ministerio de Agricultura y Desarrollo Rural. Observatorio
Agrocadenas. Colombia. p 14.
Andrigo, P., Bagatin, R and Pagani, G. 1999. Fixed bed reactors. Catalysis Today.
197-221.
Aristizabal, J y Sánchez, T. 2007. Guía técnica para la producción y análisis de
almidón de yuca. No 163. FAO. Roma. 153 p.
79
Asad, H. Shashi, K and Surendra K. 2007. Modeling of a packed bed solid-state
fermentation bioreactor using the N-tanks in series approach. Biochemical
Engineering Journal. 35: 20-28.
Bajaj, M., Gallert, C and Winter, J. 2008. Biodegradation of high phenol containing
synthetic wastewater by an aerobic fixed bed reactor. Bioresource Technology.
99: 8376–8381.
Bales, V and Rajniack, P. 1986. Mathematical simulation of fixed bed reactor using
immobilized enzyme. Chemical Papers. 40 (3): 329–338.
Banerjee, M., Debnath, S and Majumdar, S. 1993. Production of fructose syrup by
immobilized glucose isomerase of Streptomyces kananyceticus in batch and
continuous process, Microbiological and Biotechnology. 8 (1): 44–50.
Benfenati, E., Chrétien, J., Gini, G., Piclin, N., Pintore, M and Roncaglioni, A. 2006.
Quantitative structure-activity relationships (QSAR) for pesticide regulatory
purposes. Demetra. Amsterdam. 532 p.
Berendsen, W., Lapin, A and Reuss, M. 2007. Non-isothermal lipase-catalyzed
kinetic resolution in a packed bed reactor: Modeling, simulation and miniplant
studies. Chemical Engineering Science. 62: 2375 – 2385
Biondi, D., Freni, G., Iacobellis, V., Mascaro, G and Montanari, A. 2012.
Validation of hydrological models: Conceptual basis, methodological approaches
and a proposal for a code of practice. Physics and Chemistry of the Earth.
42(44):70–76.
Blanco, J. 2000. Producción de jarabes especiales de alta fructosa (HFSS), a partir
de jarabes de glucosa obtenidos de tres variedades de yuca (Armenia, Amarga y
Chile) cultivadas en la región Güanentá (Santander).Memorias I. XIII Congreso
Colombiano de Química.
80
Carrara, C., Mammarella, E and Rubiolo, A. 2003. Prediction of the fixed-bed
reactor behavior using dispersion and plug-flow models with different kinetics for
immobilized enzyme. Biochemical Engineering Journal. 92: 123–129.
Castaño, H y Mejía, C. 2008. Producción de etanol a partir de almidón de yuca
utilizando la estrategia de proceso sacarificación-fermentación simultáneas (SSF).
VITAE. 15(2): 251-258.
Chew, Y., Lee, C Sarmidi, M., Aziz, R and Razali, F. 2008. External mass transfer
model for the hydrolysis of palm olein using immobilized lipase. Food and
Bioproducts Processing. 86 :276–282
CIAT- Centro Internacional de Agricultura Tropical. 2003. Investigación y
desarrollo para la yuca industrial en seis polos estratégicos de Colombia.
www.ciat.cgiar.org [03-12-09]
CIAT- Centro Internacional de Agricultura Tropical. 2002. Sistema de información
sobre manejo poscosecha y procesamiento de la yuca. www.ciat.cgiar.org.
[05-23-09]
Constantinides, D. 1987. Applied numerical methods with personal computers. Mc
Graw Hill Press. New York. 475 p.
Converti, A and Del Borghi, M. 1997. Simultaneous effects of immobilization and
substrate protection on the thermodynamics of glucose isomerasa activity and
inactivation. Enzyme and Microbial Technology. 21: 511-517.
CORPOICA-Corporación Colombiana de Investigación Agropecuaria. 1997. Nuevas
variedades de yuca para uso industrial en la región Caribe colombiana.
www.clayuca.org. [04-26-09]
81
CORPOICA. 2004. Corporación Colombiana de Investigación Agropecuaria.
Nuevas variedades de yuca para uso industrial en la Región Caribe colombiana:
Corpoica-Caiseli, Corpoica-Orense, Corpoica-Tai, Corpoica-Verónica y Corpoica-
Ginés. www.agronet.gov.co [03-25-10]
Cortés, M. 2008. Obtención y caracterización de almidón de plátano morado (Red
banana) y su hidrólisis enzimática para la producción de maltodextrinas. Trabajo de
Maestría en ciencia de los alimentos. Instituto Politécnico Nacional. México D.F.
Cortes A. Perspectivas del mercado azucarero nacional e internacional. Bancolombia
empresas. Gerencia de segmento agropecuario. www.grupobancolombia.com. [05-
03-08]
Corredor, D y Caicedo L. 2005. Modelos matemáticos para reactores biológicos de
lecho empacado (PBR): Una revisión bibliográfica. Ingeniería e Investigación. 25(3):
101-110.
Coulson, J., Richardson, J y Peacock, D. 2004. Diseño de reactores químicos,
control y métodos de cálculo con ordenadores. Tomo III. Universidad de Oviedo.
España. 2004. 31 p.
Dadvdar, M., Sohrabi, M and Sahimi, M. 2001. Pore network model of deactivation
of immobilized glucose isomerase in packed-bed reactors. I. Two-dimensional
simulation at the particle level. Chemical Engineering Science. 56: 2803-2819.
Dehkordi, A., Safari, I and Karima, M. 2 008. Experimental and modeling study of
catalytic reaction of glucose isomerization: Kinetics and packed-bed dynamic
modeling. American Institute of Chemical Engineers. 54(5):1333-1343.
Dehkordi, A., Tehranuy, M and Safari, I. 2009. Kinetics, catalysis, and reaction
engineering. Kinetics of glucose isomerization to fructose by immobilized glucose
82
isomerase (Sweetzyme IT). American Institute of Chemical Engineers. 48(7):
3271 -3278.
Donoso-Bravo, A; Mailier, J; Martin,C; Rodriguez, J; Aceves-Lara, C and Wouwer,
A. 2011. Model selection, identification and validation in anaerobic digestion: A
review. Water Research. 45: 5347-5364.
Doran, P. 1995. Bioprocess Engineering Principles. Academic Press. London.
455 p.
Dzmitry, H and Tallarek, U. 2006. Transition from creeping via viscous-inertial to
turbulent flow in fixed beds. Journal of Chromatografhy. 1126: 70-85.
FAO. 2008. Organización de las Naciones Unidas para la Agricultura y la
Alimentación. 2008. Yuca: Perspectivas alimentarías. Análisis de los mercados
mundiales. www.fao.org. [04-21-09]
Faqir, N., Attarakik, M., 2002. Optimal temperature policy for immobilized enzyme
packed bed reactor performing reversible Michaelis–Menten kinetics using the
disjoint policy. Biotechnology and Bioengineering. 77: 163–173.
Fernández, T., Toledo, M y Vázquez, F. 2006. Caída de presión a un flujo torbellino.
Científica. 10(104):159-165.
Fogler, S. 1999. Elements of chemical reaction engineering. 3 Edition. Prentice-Hall
International Inc. New Jersey. 584 p.
Fogler, S. 2001. Elementos de ingeniería de las reacciones químicas. 3ra Edición.
Prentice-Hall International Inc. New Jersey. 965 p.
Foumeny, E; Kulkharni, A; Roshani, S and Vatani, A. 1996. Elucidation of pressure
drop in packed bed system. Applied Thermal Engineering. 16 (3):195-202.
83
García, J., Ibarra, P., Flores, F., Guadalupe, M y Ríos, G. 2008. La simulación de
procesos en ingeniería química. Revista de Investigación Científica. 4(2): 1-9.
Giacoman, G., Frías, J., Hurtado, F., Coronado, V y Méndez, R. 2003. Análisis de la
hidrodinámica de un reactor de flujo pistón. Revista Ingeniería. 1: 7-19
Glittemberg, D. 2012. Starch-Based biopolymers in paper, corrugating, and other
industrial applications. Polymer Science: A Comprehensive Reference. 10: 165-193.
Goldemberg, J. 2007. Ethanol for a sustainable energy future. Science. 315(5813):
808-810.
Gómez, E., Jaramillo, A y Sánchez, M. 2007. Combustión sin llama de gas natural
sobre lecho fijo de magnesio. Dyna. 74(151): 107-114.
Gottret, M., Escobar, Z y Pérez, S. 2001. La yuca en el tercer milenio. Sistemas
modernos de producción, procesamiento, utilización y comercialización. El sector
yuquero en Colombia: desarrollo y competitividad; Centro Internacional de
Agricultura Tropical. 368 p. www.clayuca.org. [04-21-09]
Gutiérrez, H y de la Vara, R. 2008. Análisis y diseño de experimentos. 2da
Edición.
McGraw Hill. Mexico DF. 545 p.
Hagos, K and Cameron I. 2001. Process modeling and model analysis. Imperial
College. London. p 12-37.
Hassan, M., Atiqullah, M., Beg, S., Chowdhury, M., 1996. Effects of enzyme
microcapsule shape on the performance of a nonisothermal packed-bed tubular
packed bed reactor. Journal of Chemical Technology and Biotechnology. 66: 41–55.
84
Havewala, N and Pitcher, W. 1974. Immobilized glucose isomerase for the
production of high fructose syrups. E.K. Pye, L.B. Wingard Jr. Eds. New York.
315 p.
Hermida, B.2000. Fundamentos de ingeniería de procesos agroalimentarios.
Ediciones Mundi-Prensa. p 191-192.
Hernández, A., Alfaro, I y Arrieta, R. 2003. Microbiología Industrial. EUNED. San
José de Costa Rica. 266 p.
Humboldt. 2004. Instituto de investigaciones de recursos biológicos Alexander von
Humboldt- Colombia. Sondeo del mercado de la estevia. www.humboldt.org.co.
[04-26-09]
ISO: Internacional Sugar Organization. 2006. Perspectiva trimestral del mercado.
www.isosugar.org [03-14-09]
Illanes, A., Zúñiga, M., Contreras, S and Guerrero, A. 1992. Reactor design for the
isomerization of glucose to fructose; Bioprocess engineering. 7(2). p 199-204.
Illanes, A. 1994. Biotecnología de enzimas. Ediciones Universitarias de Valparaiso.
Valparaiso. 254 p.
Izquierdo, J; Cunill, F; Tejero, J; Iborra, M y Fite, C. 2004. Cinetica de las
reacciones químicas. Metodología 16. Ediciones de la Universidad de Barcelona.
Barcelona. 305 p
Jafari, A; Zamankhan, P; Mousavi, S and Pietarinen, K. 2008. Modeling and CFD
simulation of flow behavior and dispersivity through randomly packed bed reactors.
Chemical Engineering Journal 144: 476–482.
85
Jiménez-González, C and Woodley, J. 2010. Bioprocesses: Modeling needs for
process evaluation and sustainability assessment. Computers and Chemical
Engineering. 34: 1009-1017.
Jobling, S. 2004. Improving starch for food and industrial applications. Current
Opinion in Plant Biology. 7(2): 210-218.
Johnson, R., Padmaja, G and Moorthy, S. 2009. Comparative production of glucose
and high fructose syrup from cassava and sweet potato roots by direct conversion
techniques. Food and Bioproducts Processing. 10: 616-620.
Kathiravan, M., Karthick, R and Muthukumar, R. 2010. Mass transfer studies on the
reduction of Cr (VI) using calcium alginate immobilized Bacillus sp. in packed bed
reactor. Bioresource Technology.101: 853–858
Khalilpour, R and Roostaazad, R. 2008. Development and verification of a model to
describe an immobilized glucose isomerase packed bed bioreactor. Biochemical
Engineering Journal. 40: 328–336.
Kuehl, R. 2000. Diseño de experimentos. Segunda edición. Thomson editores.
México. 680 p.
Kreyszig, E. 2001. Matematicas avanzadas para ingeniería. Volumen II. 3ra
Edición.
Limusa Wiley. Mexico DF. 871 p.
Lage, J.L. 1998. The fundamental theory of flow through permeable media from
Darcy to turbulence, in: D.B. Ingham, I. Pop (Eds.), Transport Phenomena in Porous
Media, Elsevier Ltd., Amsterdam, p. 1–31.
Lainfiesta, D. 2009. Diseño, construcción y evaluación de un reactor flujo pistón de
forma helicoidal a escala laboratorio. Universidad de San Carlos de Guatemala.
Guatemala, 191 p.
86
Lajolo, F y Wenzel, E. 2006. Carbohidratos en Alimentos Regionales
Iberoamericanos. EDUPS. Sao Pablo. 648 p.
Levenspiel, O. 2004. Ingeniería de las reacciones químicas. Tercera edición. Limusa
Wiley. México. 667 p.
Levenspiel, O. 1997. Ingeniería de las reacciones químicas. Segunda edición.
Editorial Reverte S.A. Barcelona. 662 p.
Liang, Y., Wu, Y., Dinghuo, L., Wang, C., Liu, Y., Songsheng, Q., Zou, G., 1997.
Thermokinetic models of enzyme-catalyzed reactions in batch and plug-flow
reactors. Thermochemical Acta. 307:149–153.
López, C. 2002. Estadística practica con STATGRAPHICS. Prentice Hall. Madrid.
691 p.
López, C., Zuloaga, A., Herrera, S., Ruiz, A y Medina, V. 2006. Producción de
ácido cítrico con Aspergillus niger NRRL 2270 a partir de suero de leche. Dyna.
73(150): p. 39-57.
López, L y Peña L. 2004. Plan estratégico para la creación de una empresa dedicada
a la producción y comercialización de edulcorante a base de estevia; Trabajo de
grado ingeniero industrial. Pontificia Universidad Javeriana; Bogotá.
Lin, S.H., 1972. Nonisothermal immobilized enzyme reaction in a packed bed
reactor. Biophysik. 8: 302–309.
Mahoney, R and Whitaker, J. 1978. Stability and enzymatic properties of -
galactosidase from Kluyveromices fragilis. Journal of Food Biochemistry. 1(4):
327-350.
87
Manenti, F., Cieri, S and Restelli, M. 2011. Considerations on the steady-state
modeling of methanol synthesis fixed-bed reactor. Chemical Engineering Science.
66: 152–162.
Martínez, J. 2005. Hidrólisis de sacarosa en un reactor de lecho empacado con
invertasa y Aspergillus niger inmovilizados en el medio de cultivo sólido. Maestro
en Biotecnología. Universidad Autónoma Metropolitana. México D.F. 77 p.
Martínez, V., Alonso P., Toledo, J., Salado, M y Rocha, J. 2000.
Simulación de procesos en ingeniería química. México, p 34.
Mathews, J y Fink, K. 2000. Métodos numéricos con MATLAB. 3ra
Edición.
Pearson Prentice Hall. Madrid. 721 p.
Mayerhofer, M., Govaerts, J., Parmentier, N., Jeanmart, H and Helsen, L. 2011.
Experimental investigation of pressure drop in packed beds of irregular shaped wood
particles. Power Technology. 205: 30-35.
McLaren, J. 2005. Crop biotechnology provides an opportunity to develop a
sustainable future. Trends in Biotechnology. 23(7): 339 – 342.
McNeil, B and Harvey, L. 2008. Practical Fermentation Technology. Jhon Wiley and
Sons ltd. London. 396 p.
Meuwly, F., Ruffieux P., Kadouri, A., von Stocka, U. 2007. Packed-bed bioreactors
for mammalian cell culture: Bioprocess and biomedical applications. Biotechnology
Advances. 47-59.
Miller, G. 1959. Use of DNS acid reagent for determination of reducing sugar.
Analitycal Chemical. 31(3): 426-428.
88
Missen, R., Mims, C and Saville, B. 1999. Introduction to chemical reaction
engineering and kinetics. Jhon Wiley and Sons Inc. New York. 692 p.
Montbrun, D and Jenny, F. 2003. Uso de la lógica difusa como metodología
de modelaje para el cálculo de la caída de presión en sistemas
bifásicos. Universidad Simón Bolívar. Caracas.
Montgomery, D. 1997. Design and analysis of experiments. Fifth edition. New York:
John Wiley & Sons INC. 680 p.
Morales, S. 2004. Simulación de un bioproceso para la obtención de jarabes
glucosados y fructosados a partir de almidón de yuca. Trabajo de grado maestría en
biotecnología. Universidad Nacional de Colombia, Medellín. 150 p.
Morales, S., Álvarez, H and Sánchez, C. 2008. Dynamic models for the production
of glucose syrups from cassava starch. Food and Bioproducts Processing. 86: 25-30.
Morgan-Sagastume, F., Sleep, B and Allen, D. 2001. Effects of biomass growth on
gas pressure drop in biofilters. Journal of Environmental Engineering. 127(5): 9 p.
Najafpour, G. 2007. Biochemical Engineering and Biotechnology. Elsevier.
Ámsterdam. 421 p.
Nakamura, S. 1997. Análisis numérico y visualización grafica con MatLab. Prentice-
Hall Hispanoamericana. Madrid. 469 p.
Nemec, D and Levec, J. 2005. Flow through packed bed reactors: 1. Single-phase
flow. Chemical Engineering Science. 60: 6947–6957.
89
Nikolaeva, S., Sanchez, E., Borja, R.., Travieso, L., Weiland, P and Milan, Z. 2002.
Treatment of piggery waste by anaerobic fixed bed reactor and zeolite bed filter in a
tropical climate: a pilot scale study. Process Biochemistry. 38: 405-/409.
NOVOZYMES. 2008a. Ficha de aplicación Liquozyme® Supra 2.2X. Licuefacción
eficiente del Almidón. 1-10. www.novozymes.com [06-23 -10].
NOVOZYMES. 2008b. Ficha de aplicación Dextrozyme® GA 1.5X. Producción
efectiva de jarabe de dextrosa.1-16. www.novozymes.com [06-23-10].
NOVOZYMES. 2008c. Ficha de aplicación Sweetzyme®
IT Extra. Conversión
efectiva de glucosa en fructosa para edulcorantes.1-16. www.novozymes.com [06-
23 -10].
Oddone, S., Grasselli, M y Cuellas, A. 2010. Modelado de un reactor tubular de
lipasas inmovilizadas para la producción de glicerol y ácidos grasos a partir de
aceites. Grasas y Aceites. 61(2): 175-182.
Ospina, B y Ceballos, H. 2002. La yuca en el tercer milenio. Sistemas modernos de
producción, procesamiento, utilización y comercialización. CIAT. 586 p.
Özdural, A., Deniz, T., Ismail, B., Mehmet, M and Colin, W. 2008. Determination
of immobilized enzyme apparent kinetic parameters in packed-bed reactors:
Presentation of a new methodology. Food and Bioproducts Processing. 86:104–108.
Özdural, A., Deniz, T., Ismail, B., Mehmet, M and Colin, W. 2003. Determination
of apparent kinetic parameters for competitive product inhibition in packed-bed
immobilized enzyme reactors. Biochemical Engineering Journal.14: 27–36.
Pájaro, J y Romero, A. 2008. Obtención de jarabes de fructosa a partir de la
hidrólisis enzimática del almidón de yuca de las variedades CORPOICA M-TAI y
CORPOICA ORENSE. Trabajo de grado biólogo. Universidad de Sucre. Sincelejo.
90
Pardo, G., Almora, E., Fidalgo, O., Zamora, A., Rodríguez, N. y Pérez, E. 2001.
Ensayo in vivo para determinar agentes extraños en células BHK-21 empleadas en la
obtención de biológicos. Instituto Finlay, Centro de Investigación-Producción de
Vacunas y Sueros. Ciudad de La Habana, Cuba. p 23.
Pascal, F., Dagot, C., Pingaud, H., Pons, M and Engasser J.1995. Modeling of an
industrial alcohol fermentation and simulation of the plant by a process simulator.
Biotechnology and Bioengineering. 46(3): 202-217.
Pope, K., Naterer, G and Wang, Z. 2010. Pressure drop of packed bed vertical flow
for multiphase. International Journal of Hydrogen Energy. XXX: 1-7.
Presa, E. 2009. Queda de pressão em um leito de partículas de xisto: avaliação de
modelos para distribuição granulométrica e diâmetros médios equivalentes, estudo
do efeito da altura do leito e avaliação de modelos para predição da queda de
pressão. Mestrado em engenharia química. Universidade Federal do Paraná. Parana.
135 p.
Prieur, J and Woudberg, S. 2008. Pore-scale derivation of the Ergun equation to
enhance its adaptability and generalization, Chemical Engineering Science. 63:
2576–2586
Rappo, S. 2002. ¿La expropiación resuelve la crisis azucarera? Nuevos retos y
viejos conflictos. Aportes. 7(19): 107-132.
Rebba, R and Mahadevan, S. 2006. Validation of models with multivariate output.
Reliability Engineering and System Safety. 91:861–871.
Rincón, A., Angulo, F y Olivar, G. 2009. Análisis y control de un biorreactor
anaerobio de lecho fijo de flujo ascendente. Dyna. 76(157). 123-132.
91
Romero, L., Macías, M y Cantero, D.1998. Utilización de técnicas de simulación en
biocatalisis. Ingeniería Química. 350: 189-183.
Rojas, L y Mazo, J. 2002. Isomerización de glucosa a fructosa a nivel de laboratorio
a partir de glucosa Isomerasa inmovilizada. Trabajo de grado Ingeniero Químico.
Universidad de Antioquia. Medellín. 55 p.
Rosliza, R and Wan Nik, W. 2010. Improvement of corrosion resistance of AA6061
alloy by tapioca starch in seawater. Current Applied Physics. 10: 221–229.
Royero, C y Suárez, J. 1991. Estudio de optimización de las variables de un
proceso de conversión de fructosa a partir de jarabes de glucosa. Universidad
Industrial de Santander. Bucaramanga.
Sablani, S., Datta, A., Rahman, M., and Mujumdar, A. 2006. Handbook of food and
bioprocess modeling techniques.CRC. Ontario. 386 p.
Sainio, T., Zhang, L and Seidel–Morgensternb, A. 2011. Adiabatic operation of
chromatographic fixed-bed reactors. Chemical Engineering Journal. 168: 861–871
Salcedo, J y Montes E. 2009. Desarrollo de un proceso para la obtención de jarabes
fructosados a partir de los almidones de cinco variedades de yuca industrial
(Corpoica Caiseli, Corpoica Orense, Corpoica Tai y Corpoica Ginés) utilizando la
enzima Sweetzyme® IT Extra, basado en la construcción de un biorreactor piloto de
lecho fijo. Programa de investigación. Ministerio de agricultura y desarrollo rural.
174 p.
Salcedo, J. 2010. Obtención de jarabes de fructosa a partir de hidrolizados
enzimáticos de almidón de ñame (Dioscorea alata y Dioscorea rotundata). Vitae.
17(3): 243-251.
92
Salcedo, J., Montes, E y Pájaro J. 2009. Producción de fructosa por medio de la
hidrólisis enzimática del almidón de yuca de las variedades Corpoica M Tai-8 y
Corpoica Orense. Dyna. 76(160): 121-130.
Sandidge, J., Shin, D., Vega-Fuentes, S and Williams, LT. 2005. Fluid flow through
packed beds: e perimental data vs. Ergun’s equation. 24 p.
Sandrock, C and de Vaal, P. 2009. Dynamic simulation of Chemical Engineering
systems using Open Modelica and CAPE-OPEN. 19th European Symposium on
Computer Aided Process Engineering – ESCAPE19. J. Jeżowski and J. Thullie
Editors. 859-864.
Sanjay, G and Sugunan, S. 2005. Glucoamylase immobilized on montmorillonite:
Synthesis, characterization and starch hydrolysis activity in a fixed bed reactor.
Catalysis Communications. 6: 525–530.
Scenna, J.1999. Modelado, simulación y optimización de procesos químicos.
Universidad Tecnológica Nacional. Buenos Aires. p 193-195.
Schuurman, Y. 2008. Aspects of kinetic modeling of fixed bed reactors. Catalysis
Today. 138: 15–20
Segel I. 2004. Enzyme kinetics. Encyclopedia of biological chemistry. Volume 2.
Wiley editors. New York. p 38-46.
Seung, H and Hong, J. 2000. Kinetics of glucose isomerization to fructose by
immobilized glucose isomerase: anomeric reactivity of D-glucose in kinetic model.
Journal of Biotechnology. 84: 145–153.
93
Sierra, J. 2012. Evaluación económica y competitiva del proceso de producción de
jarabes fructosados a partir de yuca industrial variedad Corpoica-Tai apoyado en
simulación. Universidad de Sucre. Tesis Ingeniero Agroindustrial. Sincelejo.
Sharma, S., Mantle, M., Gladden, L and Winterbottom, J. 2001. Determination of
bed voidage using water substitution and 3D magnetic resonance imaging, bed
density and pressure drop in packed-bed reactors. Chemical Engineering Science.
56: 587-595.
Smith, J. 1991. Ingeniería de la cinética química. Sexta edición. McGraw-Hill Book
Company. México D.F. 775 p.
Smith, J. 1986. Ingeniería de la cinética química. Primera edición. McGraw-Hill
Book Company. México D.F. 680 p.
Solano, P., Moncada, J., Cardona, C y Ruiz, O. 2008. Modelamiento y simulación
de un biorreactor de membrana para obtención de biodiesel. Revista Universidad
EAFIT. 44(151): 84-92.
Spiegel, C. 2008. PEM Fuel cell modeling and simulation using MATLAB®.
Academic Press. Boston. 451 p.
Sprinthall, R. 2007. Basic statical analysis. Eighth edition. Allyn and Bacon. Boston.
658 p.
Stadler, G. 2005. Entwicklung eines kontinuierlichen Verfahrens zur
enzymkatalysierten Synthese eines strukturierten Triglycerides. Ph.D. Thesis,
University of Stuttgart.
94
Urzua, P. 2008. Modelo físico predictivo de la fluidodinamica de lecho empacado
para conversión continua de cobre. Ingeniero Civil Químico. Universidad de Chile.
Santiago de Chile
van Boekel, M. 2009. Kinetic modeling of reactions in foods. CRC Press. Boca
Raton. 788 p.
Vasic-Racki, D., Pavlovic, N., Cizmek, S., Drazic, M and Husadzic, B. 1991
Development of reactor model for glucose isomerization catalyzed by whole-cell
immobilized glucose isomerase, Bioprocess Engineering. 7: 183.
Verhoff, F. and Goldstein, W. 1982. Diffusion resistance and enzyme activity decay
in a pellet. Biotechnology and Bioengineering. 24(3): 703–723.
Vertel, M. 2004. Diseño y análisis de experimentos en ciencias agroalimentarias.
Universidad de Sucre. Sincelejo. p 150-170.
Vicente, M; Girón, P; Nieto, C y Pérez, T. 2005. Diseño de experimentos y
soluciones con SAS y SPSS. Pearson Prentice Hall. Madrid. 383 p
Vidal, C. 2010. El ñame espino (Dioscorea rotundata Poir.): Una opción en la
producción de jarabes edulcorantes intermedios para la industria alimentaria.
Revista de Investigación Agraria y Ambiental. 1(2): 19-28.
Werner, W., Rey, G. and Wielinger, H. 1970. Properties of a new chromogen for the
determination of glucose in blood according to the GOD/POD method. Analytical
Chemical. 252: 242-248.
Xinhua, Q., Masaru, W., Taku M and Richard, S. 2008. Catalytical conversion of
fructose and glucose into 5-hydroxymethylfurfural in hot compressed water by
microwave heating. Catalysis Communications. 9: 2244–2249.
95
Yang, W C. 2003. Handbook of fluidization and fluid-particle systems. Marcel
Dekker Inc. New York. 472 p.
96
ANEXOS
97
ANEXO A. CURVA DE CALIBRADO PARA AZUCARES REDUCTORES
Grafico A1.1 Curva de calibrado para patrones de azucares reductores*.
Fuente: Autor
Azu
ca
res R
ed
ucto
res (
mg
/L)
Absorbancia a 540 nm
r2=98.51%
(AR)=47.06 + 1060.4*Abs
0 0,2 0,4 0,6 0,8 1
0
200
400
600
800
1000
98
ANEXO B. FOTOGRAFÍAS PROCESOS DE LICUEFACCIÓN Y
SACARIFICACIÓN
(a) (b)
Figura B1.1 Arreglo esquemático en la evaluación de las relaciones E/S durante los
procesos de licuefacción (a) y sacarificación (b) de soluciones de almidón *. *Fuente: Autor.
Figura B1.2 Soluciones de dextrina para evaluación de las relaciones E/S en el proceso
de sacarificación *. *Fuente: Autor.
99
ANEXO C. FOTOGRAFÍAS EVALUACIÓN DE BIORREACTORES
DIFERENCIALES DE LECHO FIJO A ESCALA DE LABORATORIO
Figura C1.1 Biorreactores diferenciales de lecho fijo a escala de laboratorio de 0.1; 0,15
y 0,2 m de altura *. *Fuente: Autor.
Figura C1.2 Montaje para calcular los valores de conversión de glucosa en el
biorreactor diferencial de lecho fijo a escala de laboratorio para una altura de 0,15 m *. *Fuente: Autor.
100
ANEXO D. FOTOGRAFÍAS DETERMINACIÓN DE VELOCIDADES
INICIALES DE REACCIÓN DE GLUCOSA
Figura D1.1 Montaje para la obtención de jarabes de glucosa en los procesos de
licuefacción y sacarificación con las relaciones E/S seleccionadas. *. *Fuente: Autor.
Figura D1.2 Montaje para la isomerización de glucosa a fructosa en el biorreactor
diferencial de lecho fijo de 0.1 m de altura *. *Fuente: Autor.
101
ANEXO E. FOTOGRAFÍAS PROCESO DE VALIDACIÓN DE MODELO
DE CONVERSIÓN DE GLUCOSA EN EL FBR
(a) (b)
Figura E1.1 Montaje para la validación del modelo de conversión de glucosa en el FBR
a escala de laboratorio. Vista frontal (a). Vista lateral (b) *. *Fuente: Autor.
Figura E1.2 Enzima Sweetzyme IT Extra de Novozymes cargada al FBR a escala de
laboratorio *. *Fuente: Autor.
102
ANEXO F. DATOS DEL PROCESO DE LICUEFACCIÓN PARA LAS TRES
RELACIONES E/S
Tabla F1.1. Evolución del proceso de licuefacción de almidón de yuca variedad
Corpoica-Tai para las tres relaciones enzima/sustrato.
Relación
E/S
Variable
Medida
Tiempo de Hidrólisis (min)
0 30 60 90 120 150
0,6
52
kgE
/Ton
SS
AR g/L
0,318
±0,054
37,88
±0,581
56,35
±2,705
63,68
±3,26
73,48
±8,43
74,87
±1,78
%
0,082
±0,014
9,75
±0,149
14,50
±0,696
16,39
±0,839
18,91
±2,17
19,27
±0,45
g/L
349,71
±0,049
315,87
±0,52
299,22
±2,43
292,62
±2,93
283,80
±7,60
282,54
±1,60
0,8
52
kgE
/Ton
SS
g/L
0,200
±0,008
41,64
±2,58
63,94
±0,76
76,16
±9,41
88,36
±14,49
97,11
±1,62
%
0,051
±0,002
10,72
±0,66
16,46
±0,19
19,60
±2,42
22,74
±3,73
24,99
±0,41
g/L
349,81
±0,007
312,47
±2,33
292,38
±0,68
281,38
±8,48
270,38
±13,05
262,50
±1,46
1,0
52
kgE
/Ton
SS
g/L
0,23
±0,04
47,48
±13,47
77,82
±13,23
91,35
±2,26
113,40
±11,52
112,19
±14,38
%
0,06
±0,011
12,22
±3,46
20,03
±3,40
23,51
±0,58
29,19
±2,96
28,88
±3,70
g/L
349,78
±0,04
307,22
±12,14
279,88
±11,92
267,69
±2,04
247,83
±10,37
248,91
±12,96 Concentración promedio de azucares reductores. Concentración promedio de almidón.
103
ANEXO G. SUPUESTOS DEL MODELO, ANOVA Y DMS PROCESO DE
LICUEFACCIÓN.
Grafico G1.1. Grafico de residuos para ED en el proceso de licuefacción.
Tabla G1.2. Resultados de la prueba de Levene pasa homogeneidad de varianzas
Prueba Valor-P
Levene's 1,38649 0,319899
Tabla G1.3. ANOVA para ED según la relación E/S utilizada en la licuefacción.
Fuente Suma de
Cuadrados
GI Cuadrado
Medio
Razón-F Valor-P
Relaciones E/S 140,171 2 70,0853 14,90 0,0047
Error 28,2156 6 4,7026
Total 168,386 8
Tabla G1.4. Contraste de múltiples rangos DMS para ED según la relación E/S
utilizada en la licuefacción.
Relación
E/S
Casos Media Grupos
Homogéneos
Contraste Significancia Diferencia
0,652 3 19,272 X |0,652-0,852| * -5,726
0,852 3 24,998 XX |0,652-1,052| * -9,608
1,052 3 28,88 XX |0,852-1,052| -3,882
0.652 0.852 1.052
-4,3
-2,3
-0,3
1,7
3,7
5,7
resid
uo
s
Relaciones Enzima Sustrato
104
ANEXO H. DATOS DEL PROCESO DE SACARIFICACIÓN PARA LAS
TRES RELACIONES E/S
Tabla H1.1 Evolución del proceso de sacarificación de almidón licuado de yuca
variedad Corpoica-Tai para las tres relaciones enzima/sustrato.
Relación
E/S
Variable
Medida
Tiempo de Hidrólisis (min)
0 30 60 90 120 150
0,6
52
kgE
/Ton
SS
g/L
106,46
±18,95
122,21
±5,34
146,94
±3,31
160,57
±23,10
193,14
±35,86
185,38
±3,98
%
27,40
±4,87
31,45
±1,37
37,82
±0,85
41,33
±5,94
49,71
±9,23
47,71
±1,025
g/L
254,08
±17,07
239,89
±4,81
217,61
±2,98
205,34
±20,81
175,99
±32,31
182,98
±3,59
0,8
52
kgE
/Ton
SS
g/L
101,45
±17,98
133,44
±13,14
176,67
±12,55
217,05
±6,53
226,98
±6,54
240,89
±1,24
%
26,11
±4,62
34,34
±3,38
45,47
±3,23
55,87
±1,68
58,425
±1,68
62,00
±0,31
g/L
258,59
±16,19
229,77
±11,84
190,82
±11,31
154,45
±5,89
145,50
±5,89
132,97
±1,11
1,0
52
kgE
/Ton
SS
g/L
112,19
±14,38
162,36
±27,19
229,91
±30,26
270,53
±49,93
291,28
±52,37
288,21
±8,74
%
28,88
±3,70
41,79
±6,99
59,17
±7,79
69,63
±12,85
74,97
±13,48
74,18
±2,25
g/L
248,91
±12,96
203,72
±24,49
142,87
±27,26
106,27
±44,98
87,57
±47,18
90,34
±7,88
Concentración promedio de azucares reductores. Concentración promedio de almidón.
105
ANEXO I. SUPUESTOS DEL MODELO, ANOVA Y DMS PROCESO DE
SACARIFICACIÓN.
Grafico I1.1. Grafico de residuos para ED en el proceso de sacarificación.
Tabla I1.2. Resultados de la prueba de Levene pasa homogeneidad de varianzas en el
procesos de sacarificación.
Prueba Valor-P
Levene's 1,42063 0,312544
Tabla I1.3. ANOVA para ED según la relación E/S utilizada en la sacarificación.
Fuente Suma de
Cuadrados
GI Cuadrado
Medio
Razón-F Valor-P
Relaciones E/S 1053,0 2 526,502 253,69 0,0000
Error 12,4524 6 2,0754
Total 1065,46 8
Tabla I1.4. Contraste de múltiples rangos DMS para ED según la relación E/S utilizada
en la sacarificación.
Relación
E/S
Casos Media Grupos
Homogéneos
Contraste Significancia Diferencia
0,652 3 47,7187 X |0,652-0,852| * -14,2883
0,852 3 62,007 XX |0,652-1,052| * -26,4673
1,052 3 74,186 XXX |0,852-1,052| * -12,179
Relacion Enzima Sustrato
0.652 0.852 1.052
-2,3
-1,3
-0,3
0,7
1,7
2,7
resid
uo
s
106
ANEXO J. DATOS PARA LA DETERMINACIÓN DE PARÁMETROS
CINÉTICOS
Tabla J1.1. Efecto de la concentración de sustrato sobre las velocidades iniciales de
reacción de isomerización de glucosa a fructosa.
[Gi]
(kgG/m3)
[Gf]
(kgG/m3)
[Ff]
(kgF/m3)
[ ] (kgG/kgC*h)
[ ]
(%)
49,11
±10,127
12,89
±2,455
36,214
±12,452
0,770
±0,265
72,477
±9,388
66,84
±14,454
17,53
±3,008
49,310
±11,940
1,048
±0,254
73,505
±2,649
89,73
±12,361
26,89
±3,489
62,836
±9,300
1,335
±0,198
69,977
±1,849
136,96
±25,101
43,89
±10,481
93,070
±31,973
1,978
±0,679
66,768
±12,356
194,70
±9,241
84,31
±2,846
110,399
±8,589
2,346
±0,183
56,655
±1,986
236,071
±12,675
110,486
±23,068
125,585
±19,963
2,669
±0,424
53,275
±8,654
298,43
±41,222
162,91
±23,531
135,514
±24,407
2,880
±0,519
45,339
±4,524
355,70
±33,145
202,87
±9,784
152,830
±31,814
3,248
±0,676
42,698
±5,106
396,21
±29,450
234,19
±18,859
162,021
±23,702
3,443
±0,504
40,815
±3,980
425,98
±23,116
276,80
±15,593
149,176
±38,645
3,170
±0,821
34,768
±6,971
500,35
±62,525
335,17
±47,705
165,183
±41,489
3,510
±0,882
32,911
±6,934
528,02
±62,295
359,06
±18,752
168,960
±69,243
3,590
±1,471
31,300
±9,789
612,49
±140,152
450,76
±30,455
161,726
±118,959
3,437
±2,528
24,009
±15,956
634,71
±107,673
472,04
±92,897
162,666
±79,989
3,457
±1,700
25,419
±11,634 Gi: Concentración inicial de glucosa. Gf: Concentración final de glucosa. Fr:
: Velocidad de conversión. x: Conversión de glucosa a fructosa.
107
ANEXO K. GRAFICOS DE DISPERSION Y RESIDUOS PARA LOS
MODELOS CINÉTICOS
Grafico K1.1. Grafico de dispersión (a) y residuos para el modelo de Michaelis-Menten
Tradicional.
(a) (b)
Grafico K1.2. Grafico de dispersión (a) y residuos para el modelo de Michaelis-Menten
con Desactivación.
(a) (b)
Grafico K1.3. Grafico de dispersión (a) y residuos para el modelo de Michaelis-Menten
con inhibición por producto.
(a) (b)
Gráfica de MMM
0 1 2 3 4
predicho
0
1
2
3
4
observ
ado
Predicho
Grafica de Residuos MMM
0 1 2 3 4
-2,3
-1,3
-0,3
0,7
1,7
2,7
Re
sid
uo
Estu
de
ntiza
do
Gráfica de MMD
Observ
ado
Predicho
1 1,5 2 2,5 3 3,5 4
1
1,5
2
2,5
3
3,5
4
Gráfica de Residuos MMD
Predicho
1,4 1,9 2,4 2,9 3,4 3,9
-2,4
-1,4
-0,4
0,6
1,6
2,6
Re
sid
uo
Estu
de
ntiza
do
Gráfica de MMP
Observ
ado
Predicho
1,1 1,6 2,1 2,6 3,1 3,6 4,1
1,1
1,6
2,1
2,6
3,1
3,6
4,1
Gráfica de Residuos MMP
Predicho
1,4 1,9 2,4 2,9 3,4 3,9
-2,3
-1,3
-0,3
0,7
1,7
2,7
Re
sid
uo
Estu
de
ntiza
do
108
ANEXO L. VALORES DE LOS PARÁMETROS CINÉTICOS PARA LOS
MODELOS TIPO MICHAELIS-MENTEN AJUSTADOS.
Tabla L1.1. Parámetros cinéticos aparentes de modelos del tipo Michaelis-Menten para
enzimas inmovilizadas.
Parámetros Cinéticos Parámetros Estadísticos
Modelo Cinético Vmáx Km Vp Kp r2 MAE
MMT 4,868 210,072 - - - - 95.59 5,77*10-4
MMP 2,650 093,631 1,866 31,16 - - 82.72 1,53*10-3
MMD 5,417 133,360 - - 1 0,75 91.81 2,72*10-4
MMT: Modelo de Michaelis-Menten Tradicional. MMP: Modelo de Michaelis-Menten con Inhibición por
producto. MMD: Modelo de Michaelis-Menten con Tasa de Desactivación.
109
ANEXO M. ALGORITMOS SIMULACIÓN PROCESOS DE CONVERSIÓN
Y CAÍDA DE PRESIÓN EN EL FBR
Imagen M1.1. Algoritmo solución modelo de conversión de glucosa en el FBR a escala
de laboratorio.
Imagen M1.2. Algoritmo solución modelo de caída de presión en el FBR a escala de
laboratorio.
110
ANEXO N. RESULTADOS VALIDACIÓN ESTADÍSTICA PARA EL
MODELO DE CONVERSIÓN DE GLUCOSA EN EL FBR A ESCALA DE
LABORATORIO.
Tabla N1.1. Correlación datos validación del modelo de conversión a una
concentración de 250 gl-1
.
Distancia
(cm)
0,125 L/h 0,250 L/h 0,500 L/h
Xmod Xexp r2
(%)
EE Xmod Xexp r2
(%)
EE Xmod Xexp r2 EE
0,000 0,00 0,00
99,84 0,010
0,00 0,00
99,84 0,011
0,00 0,00
98,78 0,023
80,00 0,50 0,48 0,49 0,47 0,49 0,44
160.0 0,50 0,50 0,50 0,50 0,50 0,48
240,0 0,50 0,50 0,50 0,50 0,50 0,50
320,0 0,50 0,50 0,50 0,50 0,50 0,50
Tabla N1.2. Correlación datos validación del modelo de conversión a una
concentración de 300 gl-1
.
Distancia
(cm)
0,125 L/h 0,250 L/h 0,500 L/h
Xmod Xexp r2 EE Xmod Xexp r
2 EE Xmod Xexp r
2 EE
0,000 0,00 0,00
99,17 0,020
0,00 0,00
99,53 0,015
0,00 0,00
99,01
0,021
80,00 0,50 0,46 0,49 0,46 0,46 0,42
160.0 0,50 0,50 0,50 0,50 0,49 0,46
240,0 0,50 0,50 0,50 0,50 0,50 0,50
320,0 0,50 0,50 0,50 0,50 0,50 0,50
Tabla N1.3. Correlación datos validación del modelo de conversión a una
concentración de 350 gl-1
.
Distancia
(cm)
0,125 L/h 0,250 L/h 0,500 L/h
Xmod Xexp r2 EE Xmod Xexp r
2 EE Xmod Xexp r
2 EE
0,000 0,00 0,00
98,25 0,028
0,00 0,00
98,25 0,028
0,00 0,00
98,59 0,025
80,00 0,50 0,44 0,49 0,43 0,46 0,41
160.0 0,50 0,49 0,50 0,48 0,49 0,46
240,0 0,50 0,50 0,50 0,50 0,50 0,50
320,0 0,50 0,50 0,50 0,50 0,50 0,50