Journal of Environmental Science and Health, Parte A

Las sustancias tóxicas / peligrosos e Ingeniería Ambiental

ISSN: 1093-4529 (Print) 1532-4117 página de inicio (en línea) Diario: https://www.tandfonline.com/loi/lesa20

Análisis del comportamiento de los parámetros de operación en el proceso

de digestión anaerobia con tratamiento térmico previo, usando la lógica
difusa

Rita Flores-Asis, Juan M. Méndez Contreras, Alejandro Alvarado-Lassman, Gregorio

Fernández-Lambert, Daniel Villanueva-Vásquez y Alberto A. Aguilar-Lasserre

Para citar este artículo: Rita Flores-Asis, Juan M. Méndez Contreras, Alejandro Alvarado-Lassman, Gregorio Fernández-Lambert,
Daniel Villanueva-Vásquez y Alberto A. Aguilar-Lasserre (2019): Análisis del comportamiento de los parámetros de operación en el
proceso de digestión anaerobia con tratamiento térmico previo, utilizando lógica borrosa, Journal of Environmental Science and
Health, Parte A, DOI:
10.1080 / 10934529.2019.1593010

Para enlazar a este artículo: https://doi.org/10.1080/10934529.2019.1593010

Publicado en línea: 02 Abr año 2019.

Enviar su artículo a esta revista

Ver los datos de Crossmark

Términos y condiciones de acceso y uso completos se pueden encontrar en

https://www.tandfonline.com/action/journalInformation?journalCode=lesa20
REVISTA DE CIENCIAS AMBIENTALES Y SALUD, PARTE A
https://doi.org/10.1080/10934529.2019.1593010

Análisis del comportamiento de los parámetros de operación en el proceso de digestión anaerobia con
tratamiento térmico previo, usando la lógica difusa

Rita Flores-Asis una , Juan M. M endez-Contreras una , Alejandro Alvarado-Lassman una ,

Gregorio helecho Andez-Lambert segundo , Daniel Villanueva-V asquez do , y Alberto A. Aguilar-Lasserre una
una División de Investigación y Posgrado, Tecnol ogico Nacional de M éxico / Instituto Tecnol ogico de Orizaba, Orizaba, Veracruz, México; segundo División de Investigación y
Posgrado, Instituto Tecnol ogico Superior de Misantla, Veracruz, México; do Centro de Investigación especializada en el desarrollo de las Tecnologías de la Información y
Comunicación (INFOTEC), Aguascalientes, Aguascalientes, México

RESUMEN Historia del artículo

En este artículo se presenta un estudio que identifica las variables con mayor impacto en el biogás y metano producción durante un proceso de Recibido el 11 de septiembre de 2018

tratamiento térmico previo, para acelerar el proceso de digestión anaeróbica en los lodos de depuradora en una planta de tratamiento de agua, aceptó 16 de enero de 2019

para una fábrica de procesamiento de aves, mediante el uso de la lógica difusa. El modelo de lógica difusa diseñado incluye 688 reglas de
PALABRAS CLAVE
inferencia, con una correlación de
bioenergía; co-digestión
99,3% entre los datos de predicción con los datos experimentales, para la variable de biogás; y 97% para la variable
anaerobia; lógica difusa;
de metano. Las predicciones del modelo de lógica difusa se analizaron con modelos cara de respuesta sur-, y se inteligencia artificial
concluye que las variables temperatura y operativo de tiempo son mutuamente determinante en el biogás y la
producción de metano. Del mismo modo, esta investigación proporciona un método- logía para el diseño de un
sistema de soporte de decisiones experto que permite evaluar y optimizar un proceso de digestión anaerobia mesófila
a través de un tratamiento térmico previo con el fin de mejorar los rendimientos de biogás y metano en el tratamiento
de lodos de efluentes de la agroindustria. Los resultados permiten proponer a difundir la lógica como una herramienta
fiable para hacer comparaciones,

Introducción
Hoy en día, los diferentes sectores industriales en el mundo llevan a cabo la investigación
permanente para diseñar tecnologías que aprovechan las fuentes renovables, para
generar alternativas a la energía de combustibles fósiles. En este campo, el potencial de
la bioenergía en los efluentes agroindustriales ha sido el motivo de una gran investigación
tecnológica para explotar y convertir la biomasa en biocombustible y / o bioenergía de
manera eficiente.
Especialmente, la eliminación de lodo residual en impactos de tratamiento
de aguas residuales hasta un 50% de los gastos de explotación actuales en
este tipo de industria. Entre las opciones tecnológicas para el lodo residual y
tratamiento de residuos orgánicos, los procesos biológicos de la digestión
aeróbica y anaeróbica han demostrado su eliminación eficiente de la materia
orgánica en los efluentes con alta carga orgánica. Sin embargo, uno de los
principales inconvenientes de estas tecnologías son los largos tiempos de
operación implicados por estos tratamientos sobre estos efluentes. Para esto, el
pretratamiento térmico es un método que consigue mejorar la solubilidad y
reducir entre 28 y 29% de materia orgánica al final de tratamiento de aguas
residuales. [ 1 , 2 ] En este contexto industrial, la digestión anaeróbica también ha
demostrado la capacidad de transformar la materia orgánica en biogas entre 60
y 70% en volumen de metano. [ 3 ] Además, este proceso tiene la ventaja de
reducir el volumen de
lodo. Por último, promueve la destrucción de la mayor parte de los patógenos
presentes en el lodo residual y eliminar el problema del olor asociado con el
material residual. Estas ventajas colocan esta tecnología como una
alternativa para el tratamiento de lodos residuales con alta carga orgánica y
los olores nocivos.
Aunque existe una amplia literatura sobre el diseño de tecnologías y mejora de
los procesos para el tratamiento de aguas residuales, así como sobre el
aprovechamiento de la biomasa de los lodos de depuradora, hay que reconocer
que también hay un hueco para entender y estudiar el comportamiento de las
variables que intervienen en estos procesos. Por lo tanto, esto hace que sea un
área que merece la atención de la comunidad científica.
Para mejorar el funcionamiento de los procesos de tratamiento de aguas
residuales anaeróbicas, este artículo analiza el patrón de comportamiento de una
serie de variables que, según la opinión de expertos en el área, es importante
entender, con el fin de estimar los parámetros correctos para maximizar la
producción de biogás, el metano y la eliminación de lodo residual generado en el
tratamiento de aguas residuales de una industria de procesamiento de aves de
corral en México.
El resultado de esta investigación se presenta una metodología que explora el patrón
de comportamiento de las variables en los procesos de digestión anaerobia para mejorar
la producción de biogás a partir de la pre-tratamiento térmico de lodos residuales.
Además, los resultados

CONTACTO Alberto A. Aguilar-Lasserre albertoaal@hotmail.com División de Investigación y Posgrado, Tecnol ogico Nacional de M éxico / Instituto
Tecnol ogico de Orizaba, Av. Oriente 9 No. 852, Col. E. Zapata, CP 94320, Orizaba, Ver. M éxico.
2019 Taylor & Francis Group, LLC
2 R. Flores-ASIS ET AL.
reportado en este artículo abre la oportunidad para el trabajo futuro de una
comunidad industrial y / o científico preocupado por la mejora de las prácticas de
operación en digestores anaeróbicos.
Con este objetivo en mente, las siguientes secciones se organizan de la
siguiente manera: sección de literatura relacionada, que acerca al lector a esta
investigación los estudios inmediatos. sección de Materiales y Métodos se
describe la metodología de esta investigación y la hipótesis que guía este
estudio. Resultados y Discusión sección pone de manifiesto la utilidad del
modelo de lógica difusa como una técnica de apoyo a la decisión en el control
de este sistema, e identifica la importancia de las variables de operación que
mejoran el rendimiento de biogás y la producción de metano. Por último, la
sección de Conclusiones que comprueban la utilidad de la lógica difusa como un
apoyo a las decisiones de la técnica para el control y la optimización del proceso
de digestión anaeróbica.
Investigación relacionada
Para este trabajo, hemos revisado los artículos que utilizan la lógica difusa en
particular con el fin de facilitar la toma de decisiones y resolución de problemas
para optimizar el proceso de digestión anaerobia para generar biogás como
fuente de energía alternativa. En este sentido, Polit et al. [ 4 ] utilizar la lógica
difusa para determinar un coeficiente de impacto de las variables de pH y
temperatura en un digestor anaeróbico, para determinar la tasa de crecimiento
de la biomasa. La respuesta del modelo difuso se introduce en un modelo
matemático para calcular el balance de masas; sin embargo, los parámetros de
pH y temperatura no se calculan de manera explícita en el modelo matemático.
Waewsak et al. [ 5 ] utilizar una red neuronal artificial y un modelo de lógica difusa
para diseñar un sistema de control para un reactor anaeróbico híbrido. Este
diseño considera la variable de pH, ácidos volátiles totales y la alcalinidad en el
efluente del reactor anaerobio. El resultado de la obra presenta un aumento en
la eficiencia de reducción de la demanda química de oxígeno (COD) adecuar la
estabilización del proceso. Ruge et al. [ 6 ] evaluar el efecto de la temperatura
sobre la calidad del biogás y la concentración volumétrica de metano y dióxido
de carbono en los residuos orgánicos en un restaurante. Un reactor aerobio se
controla por un sistema difuso por medio de la temperatura del sistema de
digestor que mantiene la concentración volumétrica de metano y dióxido de
carbono por medio de un sensor de gas a través del cual se manipularon las
variables de control del sistema de digestor.
Yang et al. [ 7 ] proponer un enfoque de modelado difuso para predecir la
demanda de oxígeno del proceso. El modelo considera las variables de flujo,
materia orgánica soluble, fácilmente sustrato biodegradable, materia orgánica
particulada inerte, de sustrato lentamente biodegradable, de biomasa heterótrofa
activo, biomasa autótrofa activo, partículas, oxígeno disuelto, nitrato y nitrógeno
de nitrito, entre otros. El modelo tiene la ventaja de eliminar de manera eficiente
los términos no lineales complejas existentes en las variables de funcionamiento
de
el tratamiento de la
lodo residual.
Las investigaciones relacionadas con temas de bioenergía, proceso de
digestión anaerobia y la optimización del proceso en relación al Reactor de
control, muestran que hay obras que
han incorporado el uso de modelos Fuzzy Logic armonizadas con redes
neuronales artificiales para el control y el apoyo al análisis del comportamiento
de algunas variables que intervienen en el proceso de digestión anaeróbica. Sin
embargo, existen pocos trabajos que combinan más de una técnica de
inteligencia artificial con el objetivo de determinar los parámetros de
funcionamiento para aumentar y optimizar el proceso y los rendimientos de
biogás y metano. Ningún trabajo se encontró que incluía tratamiento térmico
previo para acelerar el proceso de digestión anaeróbica. Aunque la mayor parte
de las obras centran su estudio sobre el control y la operación del reactor, estas
obras dejan un vacío importante en el campo de la predicción y la optimización
de los rendimientos, por otra parte, el estudio del comportamiento de las
variables que intervienen en este proceso.
Este documento presenta una metodología basada en dos inteligencia artificial
(AI) técnicas, y los modelos de superficie de respuesta, para explorar el
comportamiento y su relación de un conjunto de variables para mejorar la generación
de biogás a través de la pre-tratamiento térmico de lodos de depuración de las aguas
residuales en al aves de corral industria alimentaria de México.
materiales y métodos
La investigación presenta una metodología de estudio que los experimentos,
analiza y explica el patrón de comportamiento de las variables de operación y su
contribución a la generación de biogás y metano a partir de la biomasa presente
en los lodos residuales procedentes del tratamiento de efluentes.
Para demostrar la viabilidad de esta metodología, esta investigación se
lleva a cabo en el sector de las aves de corral agroindustria dedicada a la
producción y procesamiento de aves para el consumo humano. Los procesos
de cría, de engorde, y masacre de aves de corral, producen descargas
industriales con alto contenido de materia orgánica rica en proteínas y otros
nutrientes derivados de estos procesos, que son un recurso potencial
para la producción de biogás por anaer-
OBIC la digestión. [ 8 ]
Figura 1 describe tres etapas del estudio, la caracterización de los lodos de
aguas residuales que se hizo en la primera etapa para determinar los
componentes fisicoquímicas del sustrato. En la segunda etapa, una estrategia de
optimización se realizó utilizando una pre-hidrólisis térmica para acelerar el
proceso de co-digestión. En la etapa tres, la información generada en la segunda
etapa se analiza a través de la aplicación de modelos de lógica y de superficie de
respuesta difusos.
etapas experimentales
Etapa 1. muestra de Residuos y caracterización
Las muestras de lodo residual se recogen de una planta de tratamiento de aguas
residuales de una industria de aves de corral. La planta funciona con una velocidad de
flujo de 10 L s 1. La caracterización se llevó a cabo al comienzo del tratamiento
(sustratos de crudo) y después de la digestión (biosólidos).
La planta de tratamiento de aguas residuales incluye un proceso
fisicoquímico en el que Al 2 ( ASI QUE 4) 3 y SB-802 se utilizan como el floculante
y el coagulante, respectivamente, y el lodo fisicoquímica que se obtiene
contiene residuos de alimentos
 REVISTA DE CIENCIAS AMBIENTALES Y SALUD, PARTE A 3

1
desintegrado. El lodo residual se convierte entonces en un sustrato simple que es

Caracterización
adecuado para la digestión anaerobia.
Nivel 1 Se propuso esta actividad bajo la siguiente hipótesis (H-1):
de lodos de

depuradora

2 H-1: “ El proceso de pre-tratamiento térmico se acelerará el proceso de degradación

de la materia orgánica contenida en los lodos de depuradora y, por consiguiente,
Térmico
Etapa 2 reducirá al mínimo los tiempos de residencia hidráulicos y maximizará la producción
de biogás. ”
Pretratamiento

3
Los experimentos de esta actividad utilizan la infraestructura, equipamiento
y material del Laboratorio Ambiental de la División de Estudios y de
modelo de lógica difusa
Investigación Profesional de Orizaba Institute of Technology. En un matraz de
Las reglas de inferencia
2L Erlenmeyer, una muestra de lodo residual se incorpora, tapado con un
TRH
SV
tapón de goma mono-perforado con un termómetro ( - 20 a 150 C), y sellada con
ST
pH

vol
carga
cinta de teflón para prevenir la fuga de vapor y modificar la concentración de
sólidos totales. Este sistema forma un reactor.
Temperatura

Etapa 3
Cada muestra de lodo residual es tratada por hidrólisis térmica a una
temperatura de 90 C durante 90 min. Se utilizó este de temperatura basado en
modelo de superficie de respuesta
los resultados publicados por Nava et al. [ 9 ] y Ruiz et al. [ 8 ] Este proceso se lleva a
cabo con parrillas de calefacción con agitación magnética. Las muestras se
El metano mantuvieron con agitación circular permanente para homogeneizar la muestra y
del biogás su temperatura, así como para evitar la formación de espuma. Durante esta
etapa experimental, se realizaron cuatro repeticiones de todos los tratamientos
sugeridos. Las muestras se tomaron fuera del reactor y se colocaron en un baño
Comportamiento de las variables

de hielo para el enfriamiento rápido como se especifica en la norma

Figura 1. Metodología para identificar patrones de comportamiento en un proceso ción Digestión anaeróbica con NOM-004SEMARNAT-2002. [ 11 ] Después de las pruebas por lotes, definimos las
tratamiento térmico previo.
condiciones de operación de flujo semi-continuos para el lodo pretratado
térmicamente seguido por la digestión anaeróbica mesófila. Cada día, una

para las aves, sangre, estiércol (orina y heces), grasas animales, y proteínas. [ 9 ] muestra pretratada térmicamente usando una carga orgánica de 1 kg VS m 3 re 1 y
un tiempo de retención hidráulica de 23 d se colocó en el lote secuencial reactor
reactor anaeróbico 4-l.
Los análisis se realizaron para cuantificar los parámetros en el lodo en bruto y
previamente tratada térmicamente: sólidos totales y volátiles para todas las muestras se
determinaron por calentamiento a 105 C durante 24 h y a 550 C durante 2 h,
respectivamente.
Una eliminación de 38% de sólidos volátiles se usó como un criterio operativo
Las fracciones solubles se obtuvieron después de la centrifugación a 12000
para dos propósitos. Uno de ellos, para cumplir con los requisitos de atracción de
rpm durante 15 min y posterior filtración con un
vectores (US-EPA, 1993), [ 12 ] y dos, para estabilizar el lodo crudo y pre-hidrolizado.
0.2 l m filtro de membrana. DQO se determinó mediante titulación. El nitrógeno
total Kjeldahl obtenido mediante la digestión y la oxidación, el amoníaco N-NH 3
utilizado y el contenido de fósforo eran determinada por métodos
colorimétricos. Etapa 3. Desarrollo del modelo de lógica difusa para predecir las
Los hidratos de carbono se analizaron de acuerdo con el método Antrone, y los cantidades de producción de biogás y metano
lípidos se analizaron mediante extracción Soxhlet. [ 8 ]
El modelo de lógica difusa está diseñado en un MatLab V ambiente con Mamdani
I

La composición de biogás se analizó por cromatografía de gas en una
unidad de Focus Ultra-Trace Thermo Scientific equipado con una columna
Heliflex AT-Mole Sieve (longitud de 30m 0,53 mm de diámetro),
un Heliflex AT-Q (longitud
30m 0,53 mm de diámetro) y una térmica
detector dad. [ 10 ]
O 2, norte 2, CH 4 y CO se analizaron en la primera columna. La segunda
columna permitido para el análisis de CH 4
y compañía 2.
Etapa 2. El pretratamiento térmico y digestión anaeróbica
semicontinuo
El proceso de hidrólisis térmica produce un lodo parcialmente
solubilizado y hace que las células biológicas para ser
de inferencia para once variables de entrada y tres variables de salida. tabla 1 muestra
la definición e interpretación de cada una de las variables consideradas en el
modelo difuso. Los conjuntos difusos de las variables de entrada-salida del
proceso de digestión anaerobia en los lodos pretratado térmicamente se
conductivi- describen en Las tablas 2 y 3 . Las funciones de pertenencia de las variables de
salida se presentan en NCA. (1) - ( 6) .
La caja de conocimiento del modelo de lógica difusa se compone de 688
reglas de inferencia, que se validaron en contraste con el banco de datos
registrados durante el desarrollo experimental. El proceso de defuzzification se
realiza mediante el cálculo del grado de pertenencia de un conjunto a otro (método
centroide).
El modelo de lógica difusa se alimenta con las variables y valores
permitidos describe en Tabla 2 Y para evaluar la
4 R. Flores-ASIS ET AL.

8 >>>>>>>> <>>>>>>>>:
0 b <0
01:25 segundo
1 0 segundo 0: 625
01:25 0: 625
re
El biogás segundo; Þ¼
Pequeño 1; 0: 625 segundo 01:25 (1)
segundo Una y
1 01:25 segundo 1: 875
veinticinco 1: 875 una y veinticinco
0 1: 875> b

8 >>>>>>>> <>>>>>>>>:
0 b <1:75
2: 5 segundo
1 1:75 segundo 2: 5
2: 5 01:75
El biogás segundo;
re PromedioÞ ¼ 1; 2: 5 segundo 03:25 (2)
segundo 03:25
1 03:25 segundo 3: 5
3: 5 3:25
0 3: 5> b

8 >>>>>>>> <>>>>>>>>:
0 b <3: 125
3:75 segundo
1 3: 125 segundo 3:75
3:75 3: 125
re
El biogás segundo; Þ¼
Mucho 1; 3:75 segundo 4: 375 (3)
segundo 4: 375
1 4: 375 segundo 5
5 4: 375
0 5> b

8 >>>>>>>> <>>>>>>>>:
0 b <0: 4
0: 469 segundo
1 0: 4 segundo 0: 469
0: 469 0: 4
Metano metro; re
Bajo Þ¼ 1; 0: 469 segundo 0: 582 (4)
segundo 0: 582 o:
1 0: 582 segundo 0: 638
638 0: 582
0 0: 638> b

8 >>>>>>>> <>>>>>>>>:
0 b <0: 635
0: 635 segundo
1 0: 635 segundo 0: 712
0: 0 635: 712
reMitad
Metano metro; Þ¼ 1; 0: 712 segundo 0:81 (5)
segundo 0:81 o:
1 0:81 segundo 0: 8565
8565 0:81
0 0: 8565> b
 REVISTA DE CIENCIAS AMBIENTALES Y SALUD, PARTE A 5

8 >>>>>>>> <>>>>>>>>:
0 b <0: 7687
0: 7687 segundo
1 0: 7687 segundo 0: 8187
0: 0 7687: 8187
Metano metro;
re Alto Þ¼ 1; 0: 8187 segundo 0: 8787 (6)
segundo 0: 8787 1:
1 0: 8787 segundo 1: 018
018 0: 8787
0 1: 018> b

Tabla 1. Las variables de entrada y de salida del modelo de lógica difusa de la digestión anaerobia en los lodos de pre-hidrolizadas y no pre-hidrolizado. Variables

Definición Unidades de medida

tiempo de residencia hidráulica Días de operación y el seguimiento de la cinética, dependiendo del volumétrica Dias
cargas de los reactores y el funcionamiento del proceso.
pH Coeficiente que indica el grado de acidez o basicidad de una aque- Unidades

solución ous.
carga orgánica Se expresa normalmente como el peso de la materia orgánica expresada en concentración GVS m 3 re - 1
ción de sólidos volátiles o demanda química de oxígeno (COD) por unidad de volumen del reactor por
día. Representa la medición exacta de la comida necesita un digestor.

sólidos volátiles Es un indicador de la materia orgánica expresada en concentración de vola- VS%

sólidos de baldosas.

Solidos totales Los sólidos totales se definen como el material residual después de la evaporación y seco TS%
ing de una muestra a una cierta temperatura.
Temperatura Intervalo de temperatura para el funcionamiento de la anaeróbica mesófila Digestión do

proceso ción.
inhibidores Las formas no ionizadas de ácidos grasos volátiles, así como amoníaco libre o hidrógeno U.
sulfuro. También se incluye la presencia de metales pesados.
Hydrolytics Conjunto de bacterias que descomponen la redes de proteínas, celulosa, lignina o lípidos en %
monómeros o moléculas tales como aminoácidos, glucosa, ácidos grasos y glicerol (Clostridium
y Bacteroides).
acidogénesis Las bacterias que convierten azúcares, aminoácidos y lípidos en ácidos orgánicos, alco- %
Hols y cetonas, acetato, CO 2 y H 2 ( Clostridium, Lactobacillus y Bacillus).

acetogénesis Las bacterias productoras de H 2 junto con otras bacterias que consumen H 2 %
(Syntrophobacter, wolinii y wolfei Syntrophomonas)
metanogénesis Las bacterias responsables de la producción de metano. %
El biogás Es una mezcla de gas que se obtiene de la descomposición de la materia orgánica ml d - 1
en condiciones anaeróbicas.
Metano Es una derivación componente de biogás a partir de la descomposición de la materia orgánica. %
Eliminación La descomposición de la materia orgánica para la conversión en biogás. %

impacto de las variables de entrada con respecto a las variables de salida “ biogás ” y “ los componentes intracelulares se consideró como una desventaja importante, pero
metano, ” se utiliza el análisis de superficie de respuesta. Este proceso de análisis
requiere la observación de las reglas de inferencia que se activan para cada función
de pertenencia y el grado de pertenencia de los conjuntos difusos.
Resultados y discusión
Caracterizaciones se realizaron en el inicio del tratamiento (sustratos primas) y
después de la digestión (biosólidos). Cuatro muestras se analizaron
semanalmente, y los parámetros, el método de análisis que se utilizó, y las
unidades para los datos comunicados se proporcionan en Tabla 4 . El agua
residual tenía altas concentraciones de lípidos y proteínas debido a que el
lodo vino de una planta de procesamiento de aves de corral.
Efectos de la temperatura en la hidrólisis de sustratos
Cuando se aplica tratamiento térmico previo, la solubilización de compuestos
orgánicos aumentó. La liberación correspondiente de
con interés como un pretratamiento para la digestión anaeróbica y, como un medio
para producir fuentes de carbono internos para la eliminación de nutrientes.
En 28 días de operación, una eliminación del 38% de los sólidos volátiles se
logró en lodo residual cruda. Solamente los 14 días fueron necesarias para
eliminar 38% de la concentración inicial de sólidos volátiles en la digestión
anaeróbica de los lodos residuales con tratamiento térmico previo. Es evidente
que el pretratamiento térmico aplicado al lodo residual reduce el tiempo de
digestión para alcanzar niveles similares de estabilización de lodo residual sin
tratamiento térmico previo.
Figura 2 muestra que el tratamiento térmico previo del lodo residual (lodos tratados)
tuvo un efecto positivo en el biogás diarias y la producción de metano en los ensayos
por lotes. Este resultado mostró un rendimiento de biogás y metano para el lodo en
bruto de 0,67 L biogás sol 1 SV movimiento rápido del ojo y 0,55 L CH4 sol 1 SV movimiento rápido del ojo, respectivamente.
Estos rendimientos son bajos en comparación con los obtenidos durante las pruebas
con residual
sin lodos térmico
pretratamiento (lodo en bruto), con valores de Y biogás ¼ 1,1 l biogás
sol 1 SV movimiento rápido del ojo e y CH4 ¼ 0,83 L CH4 sol 1 SV movimiento rápido del ojo. por lo tanto, el
6 R. Flores-ASIS ET AL.

Tabla 2. etiquetas lingüísticas de los conjuntos difusos del modelo de digestión anaerobia mesópico. Variables

Etiqueta Función de la membresía Intervalo

sólidos volátiles Bajo trapezoidal (60 60 68 72)

Óptimo Triangular (65.2 71.2 77.5 80.91)
Alto trapezoidal (79 83 90 90)
Solidos totales Recomendable trapezoidal (1.11 2.132 2.84 3.52)
Alto trapezoidal (2,85 3,434 4 4)
Tiempo de operacion Corto trapezoidal (1,54 8 25,9 33,14)
Convencional Triangular (26.8 33.1 57.6 62.8)
Largo trapezoidal (57.86 65.9 80.2 90)
Carga Uno Triangular (1 1,1 1,2)
Dos Triangular (1,15 2 2,2)
Tres Triangular (2 3 3.15)
ph Ácido trapezoidal (5.5 6 6.5 7)
Neutral Triangular (7 7,5 8)
Alcalino trapezoidal (8 8,5 9 9,5)
Temperatura Bajo trapezoidal (20 25 30 35)
Estable Triangular (30 35 40)
Alto trapezoidal (35,3 40,2 45,28 50)
inhibidores AGV ' S Triangular (0 1 2)
Hidrógeno Triangular (1 2 3)
nitrógeno amoniacal Triangular (2 3 4)
Sulfatos y sulfuros Triangular (3 4 5)
Cationes y metales pesados Triangular (4 5 6)
Inexistente Triangular (6 7 8)
bacterias hidrolíticas Inexistente trapezoidal (0 0 0,4 0,6)
Existente Triangular (0,4 0,6 1 1)
bacterias acidogenic Bajo trapezoidal (0 0 0,4 0,6)
Recomendable trapezoidal (0,4 0,6 1 1)
bacterias acetogénicos Deficiente trapezoidal (0 0 0,4 0,6)
Favorable trapezoidal (0,4 0,6 1 1)
bacterias metanogénicas Bajo Triangular (0 0 0,2 0,4)
óptima Triangular (0.2 0.4 0.6 0.8)
Excelentes Triangular (0,6 0,8 1 1)

Tabla 3. conjuntos difusos para las variables de salida en el barro con tratamiento térmico previo.

Variables

Etiqueta Función de la membresía Intervalo

El biogás Pequeño trapezoidal (0 0.625 1.25 1.875)

Promedio trapezoidal (1,75 2,5 3,25 3,5)
Mucho trapezoidal (3,125 3,75 4,375 5)
Metano Bajo trapezoidal (0.4 0.4694 0.582 0.638)
Mitad trapezoidal (0,635 0,712 0,81 0,8565)
Alto trapezoidal (0,7687 0,8187 0,8787 1,018)

proceso con lodos residuales con tratamiento pre-térmica generada mayor

rendimiento de biogás y metano ( Figura 2 ). Una rápida asimilación de la
materia orgánica en su forma soluble inducida por el tratamiento térmico previo
resultó en incremento del 54% en la producción de metano.

La eliminación promedio de sólidos volátiles cumplido con la Norma Figura 2. El rendimiento de biogás y metano en el barro crudo y lodos ción térmicamente pretratamiento.

Oficial Mexicana (NOM-004 SEMARNAT

2002). [ 11 ] Tabla 5 muestra un resumen de los resultados y rendimiento
obtenidos para cada parámetro. se obtienen biogás y metano, que se compararon y se correlacionó por medio de
herramientas estadísticas para determinar el coeficiente de correlación.

Fuzzy resultados modelo lógico para la producción de biogás

La validación del modelo de lógica difusa se realizó por análisis de
correlación para las variables de salida: biogás y metano. Es importante
tener en cuenta que el metano variable depende de la cantidad de
biogás obtenido.
Para estimar el coeficiente de correlación, se consideraron los 90 datos
obtenidos de la colección de datos experimentales, y que también fueron la
Como se muestra en figura 3 , Hay una fuerte aproximación
entre los resultados y valores estimados por el modelo de lógica difusa de
laboratorio. El coeficiente de correlación fue de 99,3% para el biogás variables, y
un coeficiente de correlación de 97% para el metano variable.
Desde el proceso de defuzzification, los resultados de las variables de salida
se generan, que a su vez puede ser analizado con el apoyo de Matlab V software. I

base de la validación de las reglas de inferencia del modelo de lógica difusa. Matlab V permite observar los resultados obtenidos en la interacción de las variables
I

de entrada con las variables de salida de acuerdo con sus reglas de inferencia.
Una vez creada la base de datos, los datos se presentó a los datos del Para observar el comportamiento de las variables de entrada a la difusa
modelo de lógica difusa y 90 de salida de la variable
 REVISTA DE CIENCIAS AMBIENTALES Y SALUD, PARTE A 7

Tabla 4. Parámetros de la caracterización de los lodos. Parámetro

lodos Unidad Método

pH 6,89 ± 0,2 potenciométricos

Temperatura 23 ± 2 do termopar
Solidos totales 1,56 ± 0,5 % mm 1 2540 Standard Methods B
sólidos volátiles 70,43 ± 6,23 % mm 1 2540 E Standard Methods
bioquímicos Lodo s Unidad Método
Los hidratos de carbono 0,57 ± 0,23 g L1 Antrona sulfúrico
Los lípidos 12,32 ± 2,34 g L1 Extracción Soxhlet
proteínas 18,23 ± 2,89 % micro Kjeldahl
productos químicos Lodo s Unidad Método
Demanda química de oxígeno 1759.4 mg O2 L 1 Colorimétrico 5220 D SM
Nitrógeno total 6,5 ± 0,42 kg g N-NTK 1 S T 4500-NTK C Métodos Estándar
nitrógeno amoniacal 4,9 ± 0,54 kg g NN H3 1 S T 4500-NH3 B Métodos Estándar
Fósforo 25 ± 4,82 ppm 4500-PB, E, Standard Methods

Tabla 5. Parámetros de la rendimiento comparativo de la digestión crudo barro (LC) y pre-hidrolizado (LP).

CVA (kg
VS m 3 re - 1) El promedio de producción de biogás El rendimiento promedio de metano

TRH (d) (L d - 1) La eliminación del promedio SV (%) (L g 1 VS movimiento rápido del ojo)

Periodo de operación (d) LP LC LP LC LP LC LP LC LP LC

(1) 1 - 30 22.0 40 1 0.5 2,14 ± 0,25 1,37 ± 0,36 58,81 ± 3,42 46,68 ± 12,5 0,82 ± 0,12 0,51 ± 0,1
(2) 31 - 60 11.0 20 2 1 3,6 ± 0,27 2,13 ± 0,26 51,78 ± 2,82 42,47 ± 6,7 0,81 ± 0,08 0,52 ± 0,14
(3) 61 - 90 7,6 15 3 1.5 5,2 ± 0,32 2,48 ± 0,46 49,9 ± 2,73 40,85 ± 6,49 0,81 ± 0,07 0,50 ± 0,16

modelo lógico, era necesario hacer un análisis de superficie de respuesta de

las variables de entrada, y su impacto en el biogás de variables de salida y
metano. Era necesario para el proceso de análisis para considerar las reglas
que se activan en relación con las funciones de pertenencia, y el grado de
pertenencia entre los conjuntos difusos.

Se analizaron tres casos, en los que las variables de entrada consideradas para
el modelo de lógica difusa se incluyen. Para cada uno de estos casos, el
comportamiento se observa en las dos variables de salida.

Caso 1. Impacto de sólidos totales y sólidos volátiles en la producción

de biogás y metano.
La cantidad de residuos sólidos en el sustrato debe ser medida para
estimar el comportamiento de las variables que afectan el proceso. La Figura 3. Mesófilos proceso de digestión anaerobia con lodos de tratamiento térmico previo: los datos del modelo de
concentración del sustrato influye en la digestión anaeróbica mesófila en datos lógica-Vs-Fuzzy Experimentales.

funcionamiento en modo por lotes. En este sentido, varios autores han

informado de que cuando la concentración total de sólidos aumenta de 20 a
30%, el codigestión del sustrato disminuye de 80% a 69%. Por otra parte,
cuando los sólidos disminuyen 17% o más, el contenido de metano
disminuye al menos 30%. [ 8]

Ruiz et al. [ 8 ] informan de que el punto máximo de la producción de

biogás es de entre 2,0 y 3,5% de sólidos volátiles y entre 70 y 80% de
sólidos volátiles. En este sentido se observa en Figura 4 que el total de
sólidos permanecen en los parámetros
se refiere por estos autores como opti-
condiciones de mal.
Figura 5 muestra el comportamiento de las variables de entrada “ Solidos totales ” y
“ sólidos volátiles ” con respecto al comportamiento de la salida de metano variable. En
este caso, el comportamiento de la variable es similar a las variables de salida de
Figura 4. Impacto de las variables de entrada “% Solidos totales ” y “ % De sólido volátil, ” en la generación de biogás.
biogás, por lo que se deduce que se trata de variables relativas y correlacionados.
Esto se ha planteado anteriormente en la validación del modelo de lógica difusa.

que componen el sustrato con la proporción de sólidos volátiles. Los sólidos totales
Por otra parte, Figura 6 explica que hay una fuerte relación entre las son aquellos residuos que permanecen una vez que la parte líquida se haya
proporciones de sólidos totales evaporado, y el remanente se haya secado.
8 R. Flores-ASIS ET AL.
Figura 5. Impacto de las variables de entrada “% Solidos totales ” y “% sólidos volátiles, ”
en la generación de metano.
La Figura 6. los niveles máximos de producción de biogás a partir de los sólidos totales y sólidos de baldosas vola-.
sólidos volátiles son aquellos residuos resultantes de la calcinación a una
temperatura mayor que 550 DO.[ 13 ] En su interacción con la variable de salida “
biogás, ” se observa que el punto máximo de la producción de biogás es de
entre 2 y 3,5% de sólidos totales, y entre 70 y 80% de sólidos volátiles.
Caso 2. Impacto del pH y de la carga orgánica en la producción de
biogás.
Una gama de valores de pH adecuados para la digestión anaerobia han sido
reportados por varios investigadores. El valor de pH óptimo en el que coinciden
para la metanogénesis se estima alrededor de 7,0, esto significa que la mejor
condición operativa se refiere en la neutralidad del valor pH Huber et al. [ 14 - 17 ] Un
GDA g et al. [ 18 ] informado de un rango muy estrecho de pH adecuado (7,0 - 7.2).
Del mismo modo, Ward et al. encontró que un intervalo de pH de 6.8 hasta 7.2 era
ideal para la digestión anaerobia. Lee et al. [ 19 ] informó de que la metanogénesis
en un digestor anaeróbico se produce de manera eficiente con valores de pH
entre 6,5 y
8,2, mientras que la hidrólisis y la acidogénesis se produce con pH entre 5,5 y
6,5, respectivamente, Kim et al. [ 20 ] Dong et al. [ 21 ]
sugiere que la producción de hidrógeno estará en un máximo si el pH inicial de
un biosistema se mantiene a 9. Resultados Sin embargo, similar también se
puede lograr a partir de valores de pH entre 5 y 6. [ 22 ] Mendez et al. [ 23 ] mostró
que el rango de pH más favorable para llegar a la más alta producción de biogás
en la digestión anaerobia se estima en 6,5 y 7,5. Teniendo en cuenta estas
contribuciones, que se puede ver en Figura 7 que el rango óptimo obtenido en el
modelo de lógica difusa coincide con el
La Figura 7. niveles óptimos globales de pH de la carga kg VS m 3 re 1 para la generación de gas bio-.
resultados obtenidos en investigaciones previas en el valor pH aproximado de 8 y 9
para obtener una alta producción de biogás.
Por otro lado, la variable “ carga orgánica ” es una de las variables más
importantes en el proceso de digestión anaerobia mesófila. El modelo de
superficie de respuesta presenta en
Figura 8 muestra que la más alta producción de biogás se alcanza cuando el pH
está entre 7,5 y 8,5. Este resultado está de acuerdo con lo reportado por Polit et al.
[ 4 ] Estos autores desarrollan conjuntos difusos para la variable de pH y estimar el
área factible para la más alta producción de biogás y el funcionamiento óptimo del
proceso en un intervalo de 7,5 a 8,5. Con respecto a la variable “ carga orgánica ” se
observa que la producción más alta se estima en valores de 3 a 4 kg VS m 3 re 1 de “ carga
orgánica, ” de manera similar los resultados de L opez et al. [ 24 ] “ cargas orgánicas ”
con mayor eficiencia en el proceso de digestión anaerobia se estima entre
cargas de 3 a 4 kg VS m 3 re 1. Las cargas de más de 4, el reactor tiende a
saturar, y la producción de biogás comienza a decaer. Estos resultados
pueden verse en
las figuras 7 y 8 , Tanto para la producción de biogás y metano en esta investigación.
Caso 3. Impacto de la temperatura y el tiempo de operación en la producción de
biogás.
El tiempo que el proceso de toma para eliminar la materia orgánica para la
generación de biogás en el interior del digestor se conoce como tiempo de
residencia hidráulico. Esta residencia hidráulica depende del tipo de
alimentación y el comportamiento de los microorganismos que se reproducen
en la fase metanogénicas, que son responsables de la producción de biogás y
metano. Esto se basa en y Kwietniewska et al. [ 25 ] y Guendouz et al.
[ 26 ] “ la cantidad de bacterias que degradan la materia será un factor
determinante en el proceso de producción de biogás. ”
Muchos investigadores han informado de efectos significativos de la temperatura
sobre la actividad microbiana involucrada en el proceso de digestión anaeróbica y sus
diferentes fases, así como el rendimiento de la estabilidad del proceso y metano. [ 27,28 ] Las
bajas temperaturas causan una disminución significativa en el crecimiento microbiano,
la eliminación de la materia orgánica, y la producción de biogás. [ 2,29 ] Else, las altas
temperaturas también pueden causar tasas de producción de biogás a verse afectados,
que puede resultar en bajas que las tasas de rendimiento promedio debido a la
producción de gases volátiles tales como amoniaco que suprimen la actividad de las
bacterias metanogénicas. [ 30 ]
 REVISTA DE CIENCIAS AMBIENTALES Y SALUD, PARTE A 9

Figura 8. óptimo global del pH en el kg de carga VS m 3 re 1 para la generación de metano. La Figura 9. temperatura local óptima y el tiempo del nivel de funcionamiento de los cargos para la generación de biogás.

La operación de digestión anaerobia mesófila es más estable y

requiere un menor gasto de energía. [ 8 , 31 ]

Cristancho et al. [ 32 ] encontrado que la mejor temperatura para el funcionamiento del

sistema fue de 35 C con un tiempo de residencia hidráulico de 18 días, mientras que
una pequeña fluctuación de la temperatura de 35 a 30 C puede causar una reducción
de la tasa de producción de biogás. [ 33 ] En, un intervalo general de temperatura entre
35 y 37 C se considera adecuado para la producción de metano. Un cambio en la
digestión anaerobia mesófila a temperaturas superiores a 55 termófilas C puede causar
una fuerte disminución de la producción de biogás.

Figura 9 muestra que la condición óptima del proceso se alcanza cuando

la temperatura está entre 34 y 37 C, y el tiempo de funcionamiento óptimo es La Figura 10. temperatura local óptima y el tiempo de funcionamiento del nivel de cargas para la generación de
metano.
mayor de 60 días. Es interesante observar el aumento de la producción de
biogás, no precisamente linealmente, especialmente entre la primera y la
segunda carga, todo llevado a cabo entre los períodos de 30 días ( La Fig. 10 ). en el proceso, los modelos de superficie de respuesta para cada variable de salida
La carga-3 es el tamaño de la carga óptima para la producción de biogás y se analizaron a partir de las variables de entrada de temperatura, pH, carga
metano en este sistema experimental. Este tamaño de carga tiene la orgánica, tiempo de funcionamiento, total y sólidos volátiles. Se puede concluir que
cantidad orgánico necesario para ser digerida por el reactor sin inhibir el
las variables de mayor impacto para la generación de biogás son la carga orgánica
proceso.
variables, sólidos volátiles y el tiempo de operación.

Consideramos que es importante resaltar que esta investigación proporciona una

conclusiones metodología para el diseño de un sistema de soporte de decisiones de expertos para

La digestión anaerobia de los lodos residuales representa una alternativa viable
para la generación de biogás. Las estrategias de tratamiento térmico previo
cumplen satisfactoriamente su objetivo hacia la reducción del tiempo de
tratamiento y la mejora de la cantidad de energía generada como biogás (H-1).
El pre-hidrólisis térmica aplicado bajo condiciones de 90 C y 90min favorecieron
la hidrólisis de las macromoléculas, la obtención de un grado de solubilización
de 10% de la materia orgánica. El pretratamiento térmico aplicado al lodo de
residuos fisicoquímica favoreció la hidrólisis, lo que permite un aumento
significativo en la producción de metano en 52% del volumen histórico.
evaluar y optimizar un proceso de digestión anaerobia mesófila con tratamiento
térmico previo, con el fin de mejorar los rendimientos de biogás y metano en el
tratamiento de los lodos de depuradora de los efluentes de la agroindustria. Esta
metodología es más relevante para capitalizar el conocimiento de los expertos en el
área ambiental de los modelos de lógica difusa.
Será interesante saber acerca de un trabajo futuro que se las arregla para
llevar a los parámetros óptimos locales identificadas por el modelo de lógica
difusa para mejorar el proceso de digestión anaerobia mesófila con tratamiento
térmico previo con el fin de maximizar la producción de biogás y metano en
estos sistemas de energía.

El uso de la lógica difusa con un coeficiente de correlación superior a

0,99 nos permitió determinar el comportamiento de las variables que tienen
el mayor impacto en el proceso de digestión anaeróbica, así como el Expresiones de gratitud
impacto de cada uno de ellos en la máxima producción de biogás y metano.
Los autores reconocen el apoyo a través del uso de la infraestructura de los laboratorios
ambientales del postgrado de la Tecnol ogico Nacional de M éxico / Instituto Tecnol
Para validar las estimaciones del modelo Lógica Difusa y determinar el ogico de Orizaba. Flores-Asis reconoce una beca de doctorado del Consejo de Ciencia y
comportamiento de las variables y su interacción
10 R. Flores-ASIS ET AL.

Tecnología de México (CONACyT) con el número (CVU titular / concesión): 231.368. [12] Agencia de Protección Ambiental de Estados Unidos. Una guía llanura Inglés
la EPA, Parte 503 biosólidos Regla. EE.UU. PA / 832 / R-93-003, de septiembre de
1994. [13]
Fernández-Fernández, J .; Sanz-Rivas, D .; Fernández-García, B .;
Méndez-Villanueva, A. Actividad de ajuste y carga fisiológica durante un torneo
ORCID de tenis de tierra batida en Elite Femenino jugadores. J. Sports Sci. 2008, 26, 1589 - 1595.
DOI: 10.1080 / 02640410802287089 .
Rita Flores-Asis http://orcid.org/0000-0002-7692-3544
Juan M. M endez-Contreras http://orcid.org/0000-0002-9745-4628 [14] Glynn, HJ; Heinke, GW; Escalona, ​HJ Ingenier yo un ambiental.
Alejandro Alvarado-Lassman http://orcid.org/0000-0001-9818-4300 Reinar. Sci. Ing. 1999, 647, 427 - 432.
Gregorio helecho Andez-Lambert http://orcid.org/0000-0002-4259-296X [15] Huber, H .; Thomm, M .; K € onig, H .; Thies, G .; Stetter, KO
Daniel Villanueva-V asquez http://orcid.org/0000-0001-8512-7630 Methanococcus thermolithotrophicus, una novela termófilos litotrofos methanogen. Arco.
Alberto A. Aguilar-Lasserre http://orcid.org/0000-0001-9813-9657 Microbiol. mil novecientos ochenta y dos, 132, 47 - 50. DOI: 10.1007 / BF00690816 .

[16] Yang, ST; Okos, MR estudio cinético y Matemáticas

Modelización de Metanogénesis de acetato utilizando cultivos puros de
referencias metanógenos. Biotechnol. Bioeng. 1987, 30, 661 - 667. DOI:
10.1002 / bit.260300510 .
[1] Menert, A .; Vaalu, T .; Michelis, M .; Blonskaja, V .; Rikmann, E .;
[17] Beer, D .; de, Huisman, JW; Heuvel, JC; Van den .; Ottengraf, SPP El efecto de
Mets, A .; Vilu, R. Influencia de pre-tratamiento térmico sobre la digestión
perfiles de pH en metanogénicas agregados sobre la cinética de la conversión
anaeróbica mesófila de lodos. 7º Int. Conf. Reinar. Ing. ICEE 2008 - Conf. Proc. 2008,
de etilo. Res agua.
Aug 2017, pp 625 - 635.
1992, 26, 1329 - 1336. DOI: 10,1016 / 0043-1354 (92) 90127-P .
[2] Kim, JK; Oh, BR; Chun, YN; Kim, Efectos de SW
[18] Un Ǧ da Ǧ, EN; Sponza, DT co-digestión de lodos industriales mixta con los residuos sólidos
La temperatura y la hidráulica tiempo de retención en la digestión anaerobia de residuos
municipales en anaerobias simulados Eliminación en vertedero biorreactores. J.
de alimentos. J. Biosci. Bioeng. 2006, 102, 328 - 332. DOI: 10.1263 / jbb.102.328 .
Hazard. Mater. 2007, 140, 75 - 85. DOI: 10.1016 / j.jhazmat.2006.06.059 .

[3] Chen, Y .; Cheng, JJ; Creamer, KS La inhibición de la anaeróbico

[19] Lee, M.-J .; Song, J.-H .; Hwang, S.-J. Efectos del ácido tratamiento previo en la
Proceso de digestión: Una revisión. Bioresour. Technol. 2008, 99,
producción de bio-hidrógeno y comunidades microbianas durante la
4044 - 4064. DOI: 10.1016 / j.biortech.2007.01.057 .
fermentación oscuro. Bioresour. Technol.
[4] Polit, M .; Estabén, M .; Labat, P. Un modelo difuso para un Digestor anaeróbico,
2009, 100, 1491 - 1493. DOI: 10.1016 / j.biortech.2008.08.019 .
la comparación con los resultados experimentales.
[20] Kim, J .; Park, C .; Kim, T.-H .; Lee, M .; Kim, S .; Kim, S.-W .; Sotavento,
Ing. Appl. Artif. Intell. 2002, 15, 385 - 390. DOI: 10.1016 / S09521976 (02) 00091-X .
J. Efectos de diversos tratamientos previos para mejorar la digestión anaeróbica de los
residuos de lodos activados. J. Biosci. Bioeng. 2003,
[5] Waewsak, C .; Nopharatana, A .; Chaiprasert, P. Neural-Fuzzy
95, 271 - 275. DOI: 10.1263 / jbb.95.271 .
Aplicación del sistema de control para monitorizar la respuesta de Procesos y Control
[21] Dong, L .; Zhenhong, Y .; Yongming, S .; Xiaoying, K .; Yu, Z.
del reactor anaeróbico híbrido en el tratamiento de aguas residuales y la producción de
Características de hidrógeno Obtención de la fracción orgánica de Municipal
biogás. J. Environ. Sci. 2010, 22,
Los residuos sólidos de cultivo mixto anaeróbico
1883 - 1890. DOI: 10.1016 / S1001-0742 (09) 60334-X .
Fermentación. En t. J. Hydrogen Energy 2009, 34, 812 - 820. DOI:
[6] Ruge, I .; Garza Andez, M. Control de Difuso BASADO En lotes De
10.1016 / j.ijhydene.2008.11.031 .
Fracci en Org Anica De Microcontrolador-Basado Fuzzy Control para producción de
[22] Kapdan, IK; Kargi, F. Bio-Producción de Hidrógeno a partir de desechos
biogás en lotes anaeróbico. Gerenc. Tecnol Ogică Inform atica 2011, 10, 73 - 85.
Materiales. Enzyme Microb. Technol. 2006, 38, 569 - 582. DOI:
10.1016 / j.enzmictec.2005.09.015 .
[7] Yang, T .; Zhang, L .; Wang, A .; Gao, H. Modelado Difuso
[23] M endez-Contreras, JM; Atenodoro, J .; Champi en, FA;
Aproximación a las predicciones de demanda química de oxígeno en los procesos de lodos
Vallejo-canto u, NA; Alvarado-Lassman, A. La inactivación de alta concentración
activados. Inf. Sci. ( Nueva York). 2013, 235, 55 - 64. DOI: 10.1016 / j.ins.2012.07.021 .
de patógenos en la Tierra-Applied Food Industria de lodos. agua SA 2009, 35, 371

[8] Ruiz-Espinoza, JE; METRO endez-Contreras, JM; Alvarado- - 378.

[24] L OPEZ-Escobar, LA; Mercado yo nez-Hern Andez, S .; Corte-Cano, G .; METRO endez,
Lassman, A .; Mercado yo nez-Delgadillo, SA Efecto de la Temperatura baja
térmica pre-tratamiento en la solubilización de la materia orgánica, la JM; Mart, S .; Andez, I. Influencia de la velocidad de carga orgánica en la producción

inactivación de patógenos y mesófilos la digestión anaerobia de lodos de aves de metano en un CSTR a partir de lodos fisicoquímicos generado en un matadero de

de corral. J. Environ. Sci. Sanar. Parte A Subst Toxic / peligrosos. Reinar. Ing. 2012, aves. J. Environ.Sci. Pt salud. A. 2014, 49, 37 - 41.

47,
1795 - 1802. DOI: 10.1080 / 10934529.2012.689237 . [25] Kwietniewska, E .; Tys, características J. Proceso, Inhibición
[9] Nava-Valente, N .; Alvarado-Lassman, A .; Nativitas-Sandoval, Factores y rendimientos de metano de Proceso de digestión anaeróbica, con especial

LS; Mendez-Contreras, JM Mejora la digestión anaerobia de una mezcla énfasis en microalgas de biomasa de fermentación.

térmicamente pretratada de fisicoquímica de lodos; Las excretas de pollos de Renovar. Sostener. Rev. energía 2014, 34, 491 - 500. DOI: 10.1016 /

engorde y caña de azúcar Residuos (SCW): Efecto sobre la solubilización de materia j.rser.2014.03.041 .
orgánica, la biodegradabilidad y la producción de bioenergía. J. Environ. Sci. Sanar. - [26] Guendouz, J .; Buffi ERE, P .; Cacho, J .; Carr ERE, M .; Delgenes, JP
Parte A Sust tóxico / peligroso. Reinar. Ing. 2016, 51, 446 - 453. DOI: 10.1080 / -Alto contenido de sólidos digestión anaeróbica: Comparación de tres escalas piloto. Sci
agua. Technol. 2008, 58, 1757 - 1763. DOI: 10.2166 / wst.2008.521 .

10934529.2015.1120542 .
[10] Weemaes, MPJ; Verstraete, Evaluación de WH actual [27] Bouallagui, H .; Rachdi, B .; Gannoun, H .; Hamdi, M. mesofílica y termofílica
Las técnicas de desintegración de lodos húmedos. J. Chem. Technol. co-digestión anaerobia de matadero de aguas residuales y de frutas y verduras
Biotechnol. 1998, 73, 83 - 92. DOI: 10.1002 / (SICI) 1097- de residuos en anaerobias Reactores secuenciación por lotes. biodegradación 2009,
4660 (1998100) 73: 2 <83 :: AID-JCTB932> 3.3.CO; 2-U . 20, 401 - 409. DOI: 10.1007 / s10532-008-9231-1 .
[11] Norma Oficial Mexicana (NOM-004-SEMARNAT-2002).
Protecci el ambiental. Lodos y bios olidos. Especificaciones il yo ácaros m aximos [28] Riau, V .; la Rubia, M. UNA.; Delaware.; P Erez, por fases de temperatura M.
permisibles de contaminantes para su aprovechamiento y disposici el final. Secretaría Digestión Anaeróbica (TPAD) para obtener la clase A Biosólidos: Un Estudio
del Medio Ambiente y Recursos Naturales, Diario Oficial de la Federaci en 2002. semicontinuo. Bioresour. Technol. 2010, 101,
2706 - 2712. DOI: 10.1016 / j.biortech.2009.11.101 .
 REVISTA DE CIENCIAS AMBIENTALES Y SALUD, PARTE A 11

[29] Trzcinski, AP; Stuckey, DC Tratamiento de Sólidos Urbanos Manag perder. 2006, 26, 46 - 556. DOI: 10.1016 /
El lixiviado de residuos Usando un Submerged anaeróbico biorreactor de j.wasman.2005.06.003.
membrana a temperaturas mesófilas y psychrophilic: Análisis de recalcitrantes en [32] Ward, AJ; Hobbs, PJ; Holliman, PJ; Jones, DL
el permeado mediante GC-MS. Res agua. 2010, 44, 671 - 680. DOI: 10.1016 / Optimización de la digestión anaeróbica de los recursos agrícolas. Bioresour.
j.watres.2009.09.043 . Technol. 2008, 99, 7928 - 7940. DOI:
[30] Fezzani, B .; Cheikh, R. Ben, de dos fases co-digestión anaerobia de residuos 10.1016 / j.biortech.2008.02.044.
Olive Mill en digestores semicontinuo a temperatura mesófilos. Bioresour. [33] Chae, KJ; Jang, A .; Yim, SK; Kim, son los efectos de
Technol. 2010, 101, Temperatura de digestión y choque de temperatura en el biogás rendimientos de
1628 - 1634. DOI: 10.1016 / j.biortech.2009.09.067 . la mesófilos Digestión Anaeróbica de porcina estiércol. Bioresour. Technol. 2008, 99,
[31] Cristancho, DE; Víctor Arellano, A. Estudio de las condiciones operativas para la 1 - 6. DOI: 10.1016 /
digestión anaerobia de residuos sólidos urbanos. j.biortech.2006.11.063 .