Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Fermenta PDF
Fermenta PDF
Introducción
Sistema y señales
Con el fin de introducir las ideas que conforman el núcleo sobre el que se asienta la
teoría de modelado y control de sistemas dinámicos, se utilizarán dos ejemplos
ilustrativos habituales en el área de la biotecnología.
C2
Las variables pueden a su vez jugar distintos papeles. Para verlo es interesante empezar
con el caso más sencillo; aquel en el cual el sistema no recibe ninguna influencia del
exterior, es decir, es un sistema aislado o cerrado. Un ejemplo nos lo proporciona, si
obviamos el intercambio de gases con el exterior, el cultivo por lotes o batch. Si se
empieza con unas condiciones iniciales que no son de equilibrio, concentraciones
iniciales de substrato y biomasa distintas de cero, el sistema seguirá una determinada
evolución. Al no haber influencia externa, al no estar forzada desde fuera, diremos que
es una evolución libre. Es posible encontrar un conjunto de variables, en este caso las
concentraciones en el biorreactor de las distintas especies, cuyos valores en un instante
dado determinan la evolución futura del sistema. Estas variables caracterizan la
“situación” en la que se encuentra el sistema y por ello se suelen denominar variables
de estado, si bien también reciben el nombre de variables internas. En los sistemas
físicos, como los biotecnológicos, estas variables expresan acumulación de especies o
de energía y los sistemas dinámicos tienden en su evolución libre hacia estados de
mínima energía que se corresponden con estados de equilibrio. En el caso de los
sistemas aislados estáticos el conjunto de variables de estado es nulo. No presentan
evolución libre alguna.
¿Qué ocurre cuando el sistema no está aislado sino que interactúa con el exterior? En
este caso aparecen dos nuevas clases de variables:
• manipulables: se puede actuar sobre su valor y, por tanto, son las variables
que serán utilizadas para controlar el sistema. Por ejemplo x1 y xs son
variables de entrada manipulables en el primer ejemplo.
• no manipulables: no se puede modificar a voluntad su valor. Se trata de
perturbaciones. Así, tal como se ha planteado el ejemplo de la mezcla, el
caudal q2 es una perturbación. En muchas ocasiones las perturbaciones
tampoco se pueden medir, en cuyo caso son una fuente de incertidumbre
importante.
Un sistema puede no tener entradas. Como en el ejemplo del batch.
2. Salida: aquellas variables que de alguna manera reflejan cómo el sistema actúa
sobre el exterior. De nuevo, no tienen por qué coincidir con salidas físicas del
sistema como pueda ser un caudal. El “exterior” también incluye a los operarios que
según sea la evolución de tal o cual variable, tomarán decisiones y actuarán a su vez
sobre el sistema manipulando alguna entrada. En este caso, la salida es una
información proporcionada por un sensor o los sucesivos análisis de muestras. En
general se consideran salidas aquellas variables cuyo valor en el tiempo tiene
especial relevancia, y debe ser supervisado y controlado, pues determinan las
especificaciones que se desean cumplir en el proceso. Por tanto, dependiendo del
objetivo, se pueden considerar variables de salida distintas en un mismo sistema
físico. Así, en el primer ejemplo, será variable de salida el nivel h en el depósito de
mezcla si el objetivo es mantener esa variable en un cierto valor o se desea que
evolucione de una cierta forma. En el ejemplo del batch será variable de salida la
actividad si lo que preocupa del sistema es, por ejemplo, encontrar las condiciones
iniciales y ambientales que la maximizan.
Sistemas dinámicos
Claramente los sistemas de mayor interés para el biotecnólogo son los dinámicos y a
partir de ahora nos centraremos en ellos. La cuestión que se pretende contestar en esta
sección es: ¿Cómo se expresa matemáticamente un sistema dinámico?
V1 (t ) + V2 (t ) − Vs (t ) = V (t )
donde V1(t) y V2(t) son los volúmenes aportados hasta el instante t, Vs (t) el extraído y
V(t) el volumen remanente en el depósito. La ecuación anterior expresa una relación de
simultaneidad (una relación algebraica) entre las variables. Conocido el valor de los
volúmenes aportados y extraídos hasta un instante t se puede obtener el valor de V(t).
∆(volumen _ en _ depósito )
∑ flujos _ entrantes − ∑ flujos _ salientes =
∆(t )
Consideremos ahora, en el marco del mismo ejemplo, el balance de flujos:
Si el depósito es de sección constante con área A se tendrá:
Esta ecuación, a diferencia de la referente al balance de volúmenes, no expresa una
q1 (t ) + q 2 (t ) − q s (t ) = A
dh
dt
relación de simultaneidad entre variables sino una relación causa-efecto. Así, como
consecuencia del aporte neto de flujos se produce una variación de nivel de líquido en
el depósito. Esta variación viene reflejada por la derivada dh/dt.
Es fácil ver que el nivel varía sólo si hay aporte neto de caudales. Si ahora se considera
que el caudal qs depende de la apertura de la válvula de salida y de la altura del depósito
h se obtiene:
dh(t )
A = q1 (t ) + q 2 (t ) − c ∆ x s (t ) 2 g ⋅ h(t )
dt
Dados el nivel h(t) y las entradas (q1(t) , q2(t)) en un instante dado t, se puede predecir
cual será el valor de h(t+∆). Además, si el parámetro c∆ (y lógicamente A) es constante
para todo t tendremos un sistema dinámico invariante en el tiempo, y variante en caso
contrario.
Modelos
Definición y clasificación
1. Modelos físicos: son una réplica a escala del sistema real (p.e., prototipos o plantas
piloto).
De las consideraciones anteriores se infieren una serie de etapas básicas que conforman
el proceso de modelado e identificación experimentales. En cualquier caso se trata de un
proceso iterativo, en el cual suele ser necesario ejecutar las etapas básicas varias veces.
Estas etapas son:
El tipo de modelo utilizado depende en gran medida del conocimiento previo que se
tenga del sistema, esto es, de que se pueda desarrollar un modelo de caja gris o sólo uno
de caja negra. En este último caso la información previa requerida es mínima:
determinación de las variables de entrada y salida, y orden de las ecuaciones
diferenciales que ligan ambos tipos de variables. Los modelos de caja negra toman la
forma de expansiones funcionales (p.e., series polinomiales, redes neuronales,...) en las
cuales se deben estimar el valor de los coeficientes de la expansión. Es corriente
cometer el error de modelar sistemas dinámicos mediante ajustes polinomiales estáticos.
Se trata de una etapa crucial, no trivial, que debe ser bien planificada, puesto que la
clase y calidad de los datos recogidos condiciona decisivamente el qué se podrá modelar
y cómo. Como regla general, cuantos más parámetros se tengan que identificar en el
modelo, más datos experimentales se necesitan. Con pocos datos experimentales existe
una multitud de funciones que los aproximan (que “pasan” por ellos), pero no todas
ellas son capaces de precedir correctamente el comportamiento del sistema para zonas
en las que no habían suficientes datos experimentales. Por otro lado, los datos deben ser
suficientemente ricos, “informativos”. Es obvio que para poder determinar el
comportamiento de un sistema (de cualquier naturaleza; físico, biológico, social,
psicológico...) éste debe ser excitado lo suficiente para que muestre los diversos
aspectos de su comportamiento. En la práctica biotecnológica ésto se traduce en que una
buena identificación de un proceso de fermentación requiere realizarla sobre datos
extraídos de un proceso en lote alimentado (fedbatch) o un proceso continuo, en los
cuales los flujos de alimentación y sus concentraciones hayan sido variados lo
suficiente.
Los datos experimentales, una vez obtenidos, deben ser acondicionados. En esta etapa
se filtran (suavizan) o eliminan aquellos datos espúreos causados por problemas en los
sensores, y se extraen y tratan para ser resaltados aquellos tramos de datos más
significativos.
Un buen modelo debe ser capaz de explicar no sólo los datos experimentales con los
que ha sido generado, sino que debe servir para hacer nuevas predicciones. En particular
debe predecir correctamente el comportamiento del sistema en aquellas zonas en las que
se tenían pocos o ningún dato experimental, y debe ser capaz de aproximar
correctamente (sin re-identificación de los parámetros del modelo) datos generados por
nuevos experimentos. Un modelo es un modelo de un sistema, no de un experimento
(realización, instancia) concreto.
• Posteriormente el bacteriólogo inglés Ward (1895) fue uno de los primeros en llevar
a cabo observaciones biométricas de crecimiento microbiano con Bacillus ramosus,
y presentó los datos gráficamente. Él introdujo la medida del tiempo de generación
y definió, del mismo modo, dos grupos de factores que la afectan: factores internos
(edad del filamento, viabilidad, vigor germinativo de las esporas) y factores externos
(temperatura, iluminación, cantidad de nutrientes). Más tarde, el alemán Müler
(1895) estableció mediante el recuento microscópico o por técnicas en placa la
existencia de las fases de crecimiento: lag, logarítmica y desacelación. A partir de
aquí se prestó mucha atención a éstas fases como etapas de diferenciación celular, y
fueron establecidas características ligadas a cada fase, como actividad metabólica de
las células, resistencia a factores desfavorables, habilidad de aglutinación, etc.
•
• El primer modelo propuesto que permitía reconocer las diferentes fases de
crecimiento fue propuesto por Buchanan en 1918:
N = N 0 exp ( µ .F(t) t)
• [1.1]
• donde N es el número instantáneo de microorganismos, N0 es el valor de N al
comienzo de cada fase de crecimiento, y t el tiempo. La función empírica F tomaba
diferentes formas para las siete fases de crecimiento consecutivas:
•
• Estacionaria inicial F (t ) = 0 ;
n−1
• Lag F (t ) = t ;
• Crecimiento logarítmico F (t ) =1 ;
−t −1
• Desaceleración F (t ) = t ;
• Estacionaria F (t ) = 0 ;
n−1
• Aceleración de la mortalidad F (t ) = t ;
• Decrecimiento logarítmico F (t ) = −1
En esta época aún se prestaba gran atención a los fenómenos de posible citomorfosis
que planteaban los pleomorfistas, por ello no es extraño la gran atención que le
prestaban a la fase lag, que era considerada como la fase embriogénica decisiva para la
posterior evolución del cultivo.
Inicialmente, la única medida de crecimiento fue el tiempo de generación, g, calculado
por la fórmula de Pedersen,
ln 2
g = (t − t 0 ) [1.2]
(ln N − ln N 0 )
• La figura 4 esquematiza la curva de crecimiento. La forma que se aprecia se da
siempre que se cumplen ciertas condiciones:
• el cultivo es un sistema cerrado donde no hay intercambio de materia con los
alrededores, salvo en lo que se refiere a los gases (aireación, producción de CO2 y
otros) que se suministran y eliminan del sistema en forma continua. Es decir, cultivo
en batch.
• todas las células de la población se dividen a intervalos regulares
• no existen sustancias inhibitorias del crecimiento
• la composición del medio en cuanto a fuentes de carbono, nitrógeno y otras
sustancias permite el desarrollo equilibrado de la población.
• los factores ambientales no restringen o limitan el desarrollo de la población
•
• La curva presenta varias zonas o fases:
• Fase de latencia o lag: se produce inmediatamente después de la inoculación. En ella
no hay iniciación de replicación de DNA ni separación en nuevas células. Se
produce una readaptación de la composición macromolecular al nuevo ambiente en
que se encuentran las células inoculadas.
• Fase de crecimiento exponencial, logarítmica o de crecimiento balanceado: las
células se reproducen de forma irrestricta a una velocidad que es la máxima para el
conjunto de condiciones existentes, y supuesto no existe limitación de nutrientes.
• Fase de desaceleración: se alcanza cuando se agota un nutriente, razón por la cual el
crecimiento se ralentiza. Es una fase de crecimiento restricta.
• Fase estacionaria: el crecimiento se detiene.
• Fase de decaimiento o muerte: esta fase se presenta en cultivos en los que se
inducen enzimas autolíticas en condiciones de inanición.
Tasa de crecimiento
10 4 0.30
0.25
3
log Biomasa
Biomasa
1 2 0.15
0.10
1
0.05
0.1 0 0.00
Lag A celeració n Desaceleració n Estacio naria Lisis
Tiempo
Una bacteria o una levadura poseen una tasa de crecimiento máxima ligada a su
potencial hereditario. Hasta el momento tan sólo se ha conseguido modificar este
potencial para reducir los tiempos de división en algunos casos puntuales, dados por
incorporación de material hereditario externo, aunque generalmente este tipo de
acciones aumentan este valor.
Velocidad de reacción
3
4
5 ión
ac
x if ic
6
D e to
0
C o n c e n tr a c ió n d e c é lu la s
El problema clásico de quienes tratan de mejorar las condiciones de producción por vía
fermentativa es el siguiente: si se mide una velocidad de reacción cualquiera (tasa de
crecimiento, tasa de producción de un metabolito o tasa de consumo de un sustrato) en
función de la concentración de microorganismos en medio de cultivo, ¿cómo
aproximarse a una situación óptima (en la línea 1 de la figura 5) en la que se observa
una baja limitación e inhibición? La producción generalmente se reduce cuando la
concentración de microorganismos crece poco. En general se plantea como desplazar la
curva 6 hacia 4, 3, ó 1. Si la inhibición es debida a la producción de sustancias tóxicas,
su eliminación, la detoxificación, permitirá mejorar el perfil de esas curvas. Por tanto, es
preciso llevar a cabo sistemáticamente estudios cinéticos de esta índole con el fin de
identificar las etapas limitantes en la producción de metabolitos a partir de biomasa.
Todos estos estudios son muy importantes a la hora de plantear modelos cuantitativos
que nos servirán como herramienta para optimizar la producción y, posteriormente,
diseñar un sistema de control con el fin de automatizar el proceso de producción.
La célula es considerada como una caja negra y solamente se consideran las principales
especies consumidas o excretadas al medio, sin entrar en los mecanismos intracelulares.
En la terminología típica en el campo de la biología se diría que es un modelo no-
estructurado.
Las células pueden estar sujetas a un fenómeno de envejecimiento de manera que no
todas tienen la misma capacidad de división. También pueden sufrir mutaciones
genéticas con lo que algunas células dejan de producir la especie de interés. En todo
caso el modelo se construye suponiendo una célula promedio. En este caso diremos,
además, que el modelo es no-segregado.
Las condiciones y concentraciones en el tanque se suponen homogéneas. Aproximación
que sólo es adecuada para los fermentadores a escala de laboratorio.
La biomasa realmente necesita varios substratos para crecer pero todos se encuentran en
exceso, tanto en el medio como en el flujo de alimentación, excepto uno. Este substrato
limitante será el único que se considere en las ecuaciones y los otros serán ignorados.
Se considera también el conocimiento previo básico de los fenómenos que tienen lugar,
obtenido a partir de los estudios antes mencionados. Otras consideraciones pueden ser:
La biomasa se reproduce proporcionalmente a la cantidad de biomasa existente.
Una parte del substrato disponible se destina al mantenimiento de la biomasa existente.
Una fracción de la biomasa existente en cada instante muere.
Haldane, en la que se tiene en cuenta inhibición por substrato: Con formato: Numeración y
viñetas
µo ⋅ s
µ (s ) =
2
ks + s + s
ki
En la práctica siempre hay una inhibición del crecimiento por substrato, pero en muchos
casos aparece para concentraciones muy altas en comparación con las concentraciones
en la zona de interés. Por eso a menudo se supone que se tiene un Monod. El caso
contrario se da en aplicaciones como, por ejemplo, la depuración de aguas o la
eliminación de productos tóxicos, disolventes… En los procesos fermentativos es más
frecuente encontrar efectos inhibitorios provocados por alguno de los productos de la
fermentación.
El crecimiento de la biomasa tiende a ser más lento cuando la concentración es alta. Dos
modelos comunes son el de Contois
µm ⋅ s
µ (s , x ) =
ks ⋅ x + s
y el logístico
µ (x ) = µ m (1 − a ⋅ x )
Continuo: Hay un flujo de entrada Fi con una concentración sin del substrato limitante
con el que se alimenta al microorganismo (véase el diagrama de la figura 6). También
hay un flujo de salida Fo que en este caso es igual al de entrada, es decir Fi= Fo=F. Por
tanto el volumen en el biorreactor será constante. En este caso el ejemplo anterior
quedaría:
Eliminado: <sp><sp><sp><sp>
donde el factor D representa la dilución, es decir, el cociente F/V. En estos sistemas se
dan, por regla general, múltiples puntos de equilibrio, agrupados en dos clases:
Equilibrios de lavado (“wash-out”), en los que la concentración de biomasa es nula. Son Con formato: Numeración y
viñetas
los únicos estados de equilibrio posibles para D>µmax .
Estados de equilibrio operacionales en los que D=µ.
Aunque poco común en la industria, los investigadores los utilizan frecuentemente para
determinar ciertos parámetros fisiológicos del microorganismo.
Figura 6: diagrama de un tanque de fermentación en modo continuo. Eliminado: <sp>
Fedbatch: En este modo (véase la figura 7) sólo hay un flujo de entrada F y, por tanto:
dx
= µ ⋅x− D⋅x
dt
dp
= r⋅x− D⋅ p
dt
ds
(
= − k1µ ⋅ x + D ⋅ sin − s )
dt
dV
= F
dt
En este caso el volumen crece indefinidamente hasta que no queda más substrato para
alimentar o se ha llegado al límite de capacidad del biorreactor. Por tanto, durante todo
el tiempo de operación se está permanentemente en un transitorio. Realmente se busca
que la cantidad total de biomasa crezca indefinidamente de forma exponencial con una
µ constante. En este modo de producción hay un mayor aprovechamiento de los
diversos substratos presentes en el medio y el flujo de entrada.
Un esquema general: (véase la figura 8) comprende un biorreactor con flujos de entrada
y salida, en el que se considéra el intercambio de gases con el exterior y, además, se
introduce una etapa de filtrado que podría usarse para eliminar productos inhibidores.
La figura muestra un reactor con un volumen de medio V con perfecta mezcla y la
concentración y de un componente en el reactor. Las tasas de flujo de medio son
designadas como F y las tasas de flujo de gas como Q. La concentración en el gas es
marcado con los subíndices g. Los subíndices i y o se refieren a los parámetros de
entrada y salida, respectivamente. El factor de separación, especifica la
concentración de y en el medio de salida.
Control
Introducción. Monitorización, supervisión y control
Esas decisiones están determinadas no sólo por el comportamiento del proceso, sino
también por los objetivos perseguidos o especificaciones. Por ejemplo, fijar una tasa de
crecimiento específico, conseguir máxima productividad, etc.
Para asistirle se pueden usar una serie de sistemas automáticos. Éstos pueden realizar
tres tipos de tareas distintas:
Monitorizar: obtener las medidas proporcionadas por los distintos sensores instalados,
representarlas numérica o gráficamente y guardar un registro histórico de las mismas.
No hay toma de decisiones, sólo “mira”. Por tanto, no se puede decir que sea un sistema
automático de control.
Supervisar: monitorizar actívamente. Un supervisor “vigila” y avisa si detecta alguna
situación predeterminada, como por ejemplo una situación predefinida como anormal,
pero no actúa. Existen sistemas supervisores avanzados que toman decisiones ante
determinados eventos, como por ejemplo paradas de emergencia. Se trata, en general, de
actuaciones esporádicas ante situaciones excepcionales o fuera del funcionamiento
supuesto “normal”.
Controlar: realizar automáticamente la tarea de control o toma de decisiones, que antes
se comentaba realiza el biotecnólogo de forma manual.
A partir del objetivo de control deseado (p.e., crecer con una tasa específica
determinada) y el modelo del sistema se calcula un perfil de acciones de control (p.e., la
dilución a fijar a lo largo del tiempo). La aplicación de dichas acciones de control
prealimentadas provocaría, en condiciones ideales, que el proceso evolucionara en el
tiempo a lo largo de una serie de estados (caracterizados por algún conjunto de variables
del proceso) de tal forma que se cumpla con el objetivo de control.
Las imperfecciones del modelo y las perturbaciones hacen que el proceso evolucione en
el tiempo a lo largo de unos estados que se desvían de los deseados, es decir, aquellos
que seguiría en las condiciones ideales expuestas en el punto anterior. Por ejemplo, la
concentración de biomasa y volumen en un momento dado no coinciden con los que
serían esperables si se estuviera manteniendo una tasa de crecimiento específico
consignada.
Bibliografía y Enlaces
Bailey JE, Ollis DF, editors 1977. Biochemical Engineering Fundamentals. Mc Graw-
Hill Book Company.
Bernard A., Ferda M. editors 1983. Biochemical Engineering and Biotechnology
Handbook. M Stockton Press.
Stanbury PF, Whitaker A, editors 1984. Principles of Fermentation Technology.
Pergamon Press Ltd.
Bailey JE, Ollis DF, editors 1986. Biochemical Engineering Fundamentals. Mc Graw-
Hill International editors. Second Edition.
Owen PW, editor. 1992. Fermentation Biotechnology: Principles, Processes and
Products. John Wiley & Sons Ltd.
Demain AL, Davies JE, editors in chief 1999. Manual of Industrial Microbiology and
Biotechnology. ASM Press Washington, D.C. second edition.
Bastin G, Dochain D, 1990. On-line Estimation and Adaptive Control of Bioreactors,
Elsevier.