Optimización de un proceso de producción de glucano y xilano a partir de biomasa de

rastrojo de maíz por explosión de vapor

Optimization of a glucan and xylan production process from corn stubble biomass by steam
explosion

María del Rocío Pérez Rubio

Estudiante de Doctorado en Ciencias Agrarias
Universidad del Tolima
mdrperezr@ut.edu.co – maria.perezru@campusucc.edu.co

Resumen:
La seguridad energética y ambiental ha fortalecido el interés en fuentes de energía
alternativas al petróleo. La biomasa lignocelulósica, se puede convertir en combustibles y
el rastrojo de maíz es rico en hemicelulosa, potencialmente transformable en etanol. Se
evaluó un nuevo procedimiento de pre tratamiento para el rastrojo de maíz mediante SE
(explosión de vapor a presión) para un proceso de obtención de etanol, tendiente a
aumentar el rendimiento de glucano y xilano. La biomasa fue secada al aire hasta un 5-10%
de contenido de humedad (w / w) en materia seca, picándola en partículas de 2.0 cm y
sometiendo 1kg a SE en un reactor de explosión de 20lt, inyectando el vapor rápidamente
hasta alcanzar temperaturas de 150, 160, 170, 180 y 200°C durante tiempos de 12, 24, 36 y
48 min con un tratamiento control de SE a 200°C durante 6 min. La presión se incrementó
hasta 1,5 MPa y la biomasa se explotó en un tanque de recepción. Se determinó el
rendimiento de Glucano y xilano y azúcar total (glucosa + xilosa) en SE evaluando el efecto
de temperatura (TC), presión (Mpa), tiempo (tm) y severidad (S), sobre la obtención de
glucano y xilano, mediante regresión por pasos (SR) en MatLab R2018b. El grafico de
contornos muestra que no hay efecto de Mpa sobre la obtención de glucano y el modelo
predice que a cualquier presión se puede obtener máximo 53.75% a una temperatura de
200°C durante 48 minutos, superior al tratamiento control de 48,8%. Para el xilano tampoco
hay efecto de Mpa sobre su obtención. El modelo predice que se puede obtener máximo
un 19.03% de xilano a una temperatura de 152.6°C durante 8.21 minutos, este valor es
superior al obtenido en el tratamiento control (7%) evidenciando que la temperatura y
duración si tiene un efecto negativo sobre este producto. Los resultados obtenidos en el
pre tratamiento mejoran el rendimiento de glucano respecto al tratamiento control y puede
ser una opción eficiente para el proceso de pre tratamiento en la obtención de
biocombustibles.

Palabras clave: Biocombustibles, energías alternativas, desechos fibrosos, reciclaje,

modelos matemáticos.

Abstract
Energy and environmental security has strengthened the interest in alternative energy
sources to oil. The lignocellulosic biomass can be converted into fuels and the maize stubble
is rich in hemicellulose, potentially transformable in ethanol. A new pretreatment
procedure for maize stubble was evaluated by means of SE (steam explosion under
pressure) for an ethanol production process, aimed at increasing the yield of glucan and
xylan. The biomass was air-dried to 5-10% moisture content (w / w) in dry matter, mincing
it into 2.0 cm particles and subjecting 1kg to SE in a 20lt explosion reactor, injecting steam
rapidly until reaching temperatures of 150, 160, 170, 180 and 200 ° C during times of 12,
24, 36 and 48 min with a control treatment of SE at 200 ° C for 6 min. The pressure was
increased to 1.5 MPa and the biomass was exploited in a receiving tank. The yield of Glucan
and xylan and total sugar (glucose + xylose) in SE were determined by evaluating the effect
of temperature (TC), pressure (Mpa), time (tm) and severity (S), on obtaining glucan and
xylan, by step regression (SR) in MatLab R2018b. The contour graph shows that there is no
effect of Mpa on obtaining glucan and the model predicts that at any pressure can be
obtained maximum 53.75% at a temperature of 200 ° C for 48 minutes, superior to the
control treatment of 48.8% . For xylan there is no effect of Mpa on its production. The model
predicts that a maximum of 19.03% of xylan can be obtained at a temperature of 152.6 ° C
during 8.21 minutes at any pressure of the evaluated range, this value is higher than that
obtained in the control treatment (7%), showing that the temperature and duration if it has
a negative effect on this product. The results obtained in the pre-treatment improve the
yield of glucan with respect to the control treatment and can be an efficient option for the
pre-treatment process in obtaining biofuels.

Key Words: Biofuels, alternative energies, fibrous waste, recycling, mathematical models.

1. Introducción:

La seguridad energética y la preocupación ambiental han fortalecido el interés en

fuentes de energía alternativas al petróleo [1]. Los desechos lignocelulósicos son de alta
disponibilidad en casi todos los climas y se valoran a bajo costo haciéndolos
interesantes, pero su uso es limitado por falta de tecnologías económicas para degradar
la fracción recalcitrante de la biomasa[2], siendo generalmente incinerados a campo
abierto por los agricultores, produciendo gases efecto invernadero que contribuyen al
calentamiento global.

La biomasa lignocelulósica, se puede convertir en combustibles alternativos tales como

etanol, que debe ser la fuente de energía primaria debido a su alta producción mundial
anual (1 10 10 TM / año) [3]. Se puede obtener desechos y/o residuos lignocelulósicos
de las industrias agrícolas y forestales, o de cultivos energéticos especialmente
cultivados con ese propósito, así como en otras actividades agrícolas [4] [5] y poseen
un gran valor por su potencial aplicación para la obtención de biocombustibles [6].

El rastrojo de maíz, mazorcas de maíz y otros tallos agrícolas son ricos en hemicelulosa,
que es el segundo polisacárido más abundante en la naturaleza [5] [8] y un recurso
potencial para la producción de etanol por su alto contenido de azúcar y bajo precio de
preparación [7], lo que es también beneficioso para la economía agrícola.
 La producción de etanol a partir de biomasa lignocelulósica comprende principalmente
tres unidades de operaciones: pre tratamiento, digestibilidad de carbohidratos y
fermentación de los azúcares. El tratamiento previo es un paso esencial para la
obtención de azúcares potencialmente fermentables en la digestibilidad y
generalmente encarece el proceso [8]. El objetivo del pre tratamiento es modificar los
factores fisicoquímicos que obstaculizan la digestibilidad de los hidratos de carbono y
mejorar la accesibilidad de las enzimas para los hidratos de carbono [3] [8]. La explosión
de vapor (SE) ha atraído más atención debido a un uso menos peligroso de productos
químicos, menor impacto ambiental, y el tamaño de partícula utilizando más grande,
en comparación con otros pretratamientos [9].

En este estudio, se evaluó un nuevo procedimiento de conversión mediante SE que

puede ser asociado a una posterior digestibilidad enzimática para aumentar los niveles
de glucosa y el rendimiento de xilosa, en función de glucano y xilano para la obtención
de etanol.

2. Materiales y Métodos

2.1. Recursos de biomasa

La biomasa del rastrojo de maíz fue proporcionado por la Academia China de Ciencias
Agrícolas (CAAS) en Beijing, China. Fue secada al aire hasta el 5-10% de contenido de
humedad (w / w) basado en el peso seco (PS). El análisis de la composición se llevó a
cabo según el protocolo de análisis de laboratorio (LAP) del Laboratorio Nacional de
Energía Renovable, Colorado, EE.UU. [10].

2.2. Explosión de Vapor (SE)

Antes de SE, la biomasa del rastrojo de maíz fue cortada manualmente en partículas de
2.0 cm. El contenido de humedad (DW) de la biomasa rastrojo de maíz después fue
ajustado a 35% (w / w). SE se llevó a cabo en un reactor de explosión de vapor de 20 lt
conectado con un generador de vapor (Weihai Control Automático Co. Ltd., China).
Durante SE, se añadió 1,0 kg de biomasa de rastrojo de maíz (DW) en el reactor de
explosión. El vapor a alta temperatura suministrado por un generador se inyectó
rápidamente en el reactor hasta que la temperatura alcanzaba los valores deseados
(150, 160, 170 y 180 200). A continuación, el sistema de reacción se mantuvo durante
un cierto tiempo de residencia (12, 24, 36 y 48 min). Cuando se alcanzó el tiempo de
residencia deseado, la presión del sistema de reacción se incrementó rápidamente a 1,5
MPa, y a continuación, la biomasa rastrojo de maíz se explotó en un tanque de
recepción.

El tiempo utilizado para la etapa de explosión antes de que la biomasa de rastrojo de

maíz fuera expuesta a la presión atmosférica fue menos de 2 s. En el proceso la biomasa
de residuos de maíz fue expuesta inicialmente a una temperatura baja de
mantenimiento para un tiempo de residencia largo y luego se realizó la explosión a una
alta presión de estallido que se denominó baja temperatura de mantenimiento y alta
presión de explosión de vapor (LHT-HEP-SE).

El experimento de control de SE se realizó a 200°C durante 6 min. Después de SE, la

fracción insoluble en agua se lavó usando 15 lt de agua. El SECS y el licor tratado
previamente se recogieron para su posterior análisis.

La severidad Pre tratamiento (Ro) se calculó como sigue ( Overend y Chornet, 1987 ):

Ro = t x exp [(T – 100)/14.75] ( 1)

Donde t es el tiempo de residencia en min (tm); T es la temperatura de mantenimiento,

°C (TC).

2.3. Métodos de análisis

El rendimiento de Glucosa, xilosa, y azúcar total (glucosa + xilosa) en todo el proceso

de SE se calcularon como sigue:

Rendimiento de glucosa (%)

=(Glucosa en el licor pre tratada + glucosa en el hidrolizado) x (162/180)/ glucano en

biomasa de residuo de maíz sin tratar X 100% (2)

Rendimiento de xilosa (%)

= (xilosa en licor pre tratada + xilosa en hidrolizado) x (132/150)/ xilano en biomasa de
residuo de maíz sin tratar X 100% (3)

El rendimiento total de azúcar (%)

= [(glucosa + xilosa) en el licor tratado previamente + (glucosa + xilosa) en hidrolizado]/

(glucano x 180/ 162 + xilano x 150 /132) en biomasa de residuo de maíz sin tratar X 100%
(4)

Incremento de glucano / conversión de xilano (%)

=(glucano / conversión de xilano en la condición 2 - glucano / conversión de xilano en la
condición)/glucano / conversión de xilano en la condición 1 X 100% (5)

Los experimentos de SE se realizaron por duplicado.

2.4. Modelado y optimización.

 Se evaluó la mejor combinación de variables mediante la herramienta de regresión por
pasos (SR) de MatLab R2018b. Los factores (Temperatura, Presión, tiempo y severidad)
se utilizaron para verificar su efecto sobre la obtención de glucano y xilano. Se
determinó el coeficiente de correlación ajustado. (R2adj) y el error de estimación medio
(MER) y Bias.

3. Resultados:

En la Tabla 1, se presentan los resultados obtenidos para glucano y xilano al someter

biomasa de rastrojo de maíz a diferentes niveles de temperatura, presión de vapor y
permanencia en minutos.

Tabla 1. Composición de la biomasa de rastrojo de maíz antes y después de baja

temperatura de mantenimiento y de explosión de vapor de alta presión de
estallido (LHT-HEP-SE).

Experimento TC Mpa tm S glucano xilano CT

1 150 0,5 12 2,55 40,1 17,3 85
2 150 0,5 24 2,85 44,8 15,3 90
3 150 0,5 36 3,03 46,2 13,8 90
4 150 0,5 48 3,15 47,1 13,2 88
5 160 0,6 12 2,85 42,4 16,5 88
6 160 0,6 24 3,15 45,2 13,5 89
7 160 0,6 36 3,32 49,1 12,9 93
8 160 0,6 48 3,14 51,2 12,7 94
9 170 0,8 12 3,14 44,6 15,1 90
10 170 0,8 24 3,44 46,3 11,6 90
11 170 0,8 36 3,62 48,5 10,7 92
12 170 0,8 48 3,74 50,8 9,6 93
13 180 1 12 3,43 46,1 9,4 86
14 180 1 24 3,74 49,3 6,2 91
15 180 1 36 3,91 48,6 6,7 91
16 180 1 48 4,04 47 5,7 89
17 200 1,6 6 3,72 48,8 7 92
TC: temperatura en °C, Mpa: nivel de presión; tm: tiempo en minutos; S: severidad; CT: contenido total de
carbohidratos.

Al procesar los resultados para la obtención de glucano mediante regresión escalonada se

obtiene el grafico de contornos (gráfica 1) en función del tm (en minutos) y TC (temperatura
en °C). Se presentan los resultados para presión mínima, media y máxima, evidenciando
que no hay efecto de esta variable sobre la obtención de glucano en el ensayo. Se puede
verificar que el modelo predice que en las tres condiciones de presión se puede obtener
máximo un 53.75% de glucano a una temperatura de 200°C durante 48 minutos, siendo
este valor superior al tratamiento control de 48,8% (tabla1).

Gráfica 1. Gráfico de contornos en función de del tm (en minutos) y TC (temperatura

en °C) para nivel mínimo, medio y máximo de presión de vapor para la obtención de
glucano a partir de biomasa de rastrojo de maíz.

Las condiciones óptimas se obtuvieron con el modelo como se muestra en la Ecuación. 1

Modelo = '22.0298 + (0.12329).*TC + (0.14704).*tm' (Ecuación 1)

El modelo explica con un R2: 0.69641 y un R2adj: 0.65303, a partir de la temperatura y el

tiempo la producción de glucano y en la Gráfica 2, se presenta los residuos cuyo Bias:
4.1797e-16, nos muestra que el modelo explica la producción de glucano a partir de
biomasa de rastrojo de maíz en función de tm y TC.
 Gráfica 2. Residuos para el modelo de regresión escalonada para la producción de
glucano en función de tm (en minutos) y TC (temperatura en °C) a partir de biomasa
de rastrojo de maíz.

En la Grafica 3, se presenta el ajuste del modelo respecto a los valores observados y

esperados, no obstante al tener un Bias: 4.1797e-16, que siendo muy cerca a cero el valor
es negativo subestima los datos experimentales.

Grafica 3: Grafica de valores observados y esperados por el modelo para la

producción de Glucano a partir de biomasa de rastrojo de maíz, en función del
tiempo (tm) y la temperatura (TC).

Al procesar los resultados para la obtención de xilano mediante regresión escalonada se

obtiene el grafico de contornos (gráfica 4) en función del t (en minutos) y TC (temperatura
en grados centígrados). Se presentan los resultados para presión mínima, media y máxima,
evidenciando que al igual que para el glucano no hay efecto de esta variable sobre la
obtención de xilano en el ensayo. Se puede verificar que el modelo predice que en las tres
condiciones de presión se puede obtener máximo un 19.03% de xilano a una temperatura
de 152.6°C durante 8.21 minutos, siendo este valor superior al recuperado en el
tratamiento control de 7% (tabla 1).
 Grafico 4: Gráfico de contornos en función de del tm (en minutos) y TC (temperatura
en °C) para nivel mínimo, medio y máximo de presión de vapor para la obtención de
xilano a partir de biomasa de rastrojo de maíz.

Los resultados sugieren que el xilano se disolvió y / o degradó en SE. El contenido de xilano
disminuyó con el incremento de la temperatura y tiempo de residencia, respectivamente.
Debe tenerse en cuenta que el contenido de xilano a 180 C, que era menos del 10%, fue
aproximada a la de 200 C durante 6 min. El resultado indica que la mayor parte de xilano en
la biomasa rastrojo de maíz fue eliminado en pre tratamiento de alta severidad. Sin
embargo, el contenido de xilano en 150, 160 y 170 C fue mayor que a 180 C y en 200 C
durante 6 minutos, respectivamente (tabla1).

Las condiciones óptimas se obtuvieron con el modelo que se muestra en la Ecuación. 2

Modelo = '39.8838 + (-8.4623).*(tm x exp [(TC – 100)/14.75])' (Ecuación 2)

El modelo explica la producción de xilano con un R2: 0.90825 y un R2adj: 0.90214, a partir
de la Severidad, la cual depende de la temperatura y el tiempo (de acuerdo con (1)). En la
Gráfica 5, se presenta los residuos cuyo Bias: 5.0678e-15, nos muestra que el modelo explica
la producción de glucano a partir de biomasa de rastrojo de maíz en función de S.
 Gráfico 5: residuos para el modelo de regresión escalonada para la producción de
xilano en función de S partir de biomasa de rastrojo de maíz.

En la Grafica 6, se presenta el ajuste del modelo respecto a los valores observados y

esperados, no obstante al tener un Bias: 5.0678e-15, que siendo muy cerca a cero el valor es
negativo y subestima los datos experimentales.

Grafica 6: valores observados y esperados por el modelo para la producción de

xilano a partir de biomasa de rastrojo de maíz en función de S.

4. Conclusiones y recomendaciones

Para el presente estudio el incremento de la temperatura y el tiempo de pre tratamiento

SE afecta el contenido de xilano, pero tiene un efecto contrario para la recuperación de
glucano y puede ser una opción eficiente para el proceso en la obtención de
biocombustibles.
Se recomienda realizar nuevos estudios con un mayor número de experimentos para
ajustar mejor el modelo.

BIBLIOGRAFIA

1. Jonker, J.G.G., van der Hilst, F., Junginger, H.M., Cavalett, O., Chagas, M.F., Faaij,
A.P.C., 2015. Outlook for ethanol production costs in Brazil up to 2030, for
different biomass crops and industrial technologies. Appl. Energy 147, 593–610.
Recuperado en 17/01/19 de https://doi.org/10.1016/j.apenergy.2015.01.090
2. Cuervo L& Jorge Luis Folch J, L. & Rosa Estela Quiroz R, E. (2009). Lignocelulosa
Como Fuente de Azúcares Para la Producción de Etanol. BioTecnología 13:3, 11-
25.
3. Alvira, P., Tomás-Pejó, E., Ballesteros, M., Negro, M.J., 2010. Pretreatment
technologies for an efficient bioethanol production process based on enzymatic
hydrolysis: a review. Bioresour. Technol. 101, 4851–4861 .Recuperado en
17/01/19 de:
https://www.sciencedirect.com/science/article/pii/S0960852409015983.
4. Dashtban M & Schraft H & Qin W. (2009) Fungal bioconversion of lignocellulosic
residues; opportunities & perspectives. Int J Biol Sci. 5:6, 578-95
5. Chen, H.Z., Liu, Z.H., 2015. Steam explosion and its combinatorial pretreatment
refining technology of plant biomass to bio-based products. Biotechnol. J. 10,
866–885. Recuperado en 17/01/19 de
https://onlinelibrary.wiley.com/doi/abs/10.1002/biot.201400705
6. Mugica – Álvarez, V (2016). Determinación de factores de emisión de bióxido de
Carbono (co2), partículas en suspensión de 2.5 y 1 Micras (pm2.5 y pm10) y
contaminantes de vida Corta, metano (ch4) y carbono negro por Prácticas de
quema agrícola. Informe de mitigación de cambio climático, Universidad
Autónoma Metropolinata 1-69. Recuperado en 20 de noviembre de 2018 en
https://www.gob.mx/cms/uploads/attachment/file/290687/Factores_de_Emisio
n_de_Quema_Agr_cola_CGMCC_2016.pdf en 20 de noviembre de 2018.
7. Ou, L.W., Brown, T.R., Thilakaratne, R., Hu, G.P., Brown, R.C., 2014. Techno-
economic analysis of co-located corn grain and corn stover ethanol plants.
Biofuels Bioprod. Biorg. 8, 412–422 .Recuperado en 17/01/19 de
https://onlinelibrary.wiley.com/doi/abs/10.1002/bbb.1475 .
8. Mood, S.H., Golfeshan, A.H., Tabatabaei, M., Jouzani, G.S., Najafi, G.H., Gholami,
M., Ardjmand, M., 2013. Lignocellulosic biomass to bioethanol, a comprehensive
review with a focus on pretreatment. Renew. Sust. Energy Rev. 27, 77–93.
9. Chen, H.Z., Liu, Z.H., Dai, S.H., 2014. A novel solid state fermentation coupled with
gas stripping enhancing the sweet sorghum stalk conversion performance for
bioethanol. Biotechnol. Biofuels 7, Recuperado en 17/01/19 de
https://www.sciencedirect.com/science/article/pii/S0167527314018476 .
10. Hames, B., Ruiz, R., Scarlata, C., Sluiter, A., Sluiter, J., Templeton, D., 2008.
Preparation of samples for compositional analysis. LaboratoryAnalytic Procedure
(LAP) of the National Renewable Energy Laboratory (NREL), Colorado, USA.
 ANEXOS

ANEXO 1. Script para glucano / xilano.

close all
format short g
clear all
load('data1.mat')
TC=data1.TC;
Mpa=data1.Mpa;
tm=data1.tm;
S=data1.S;
glucano=data1.glucano;
xilano=data1.xilano;

y=glucano;

Xs={'TC' 'Mpa' 'tm' 'S'};

% Xs={'TC' 'Mpa' 'tm' 'TC.*Mpa' 'TC.*tm' 'Mpa.*tm'};
% Xs={'TC' 'Mpa' 'tm' 'S' 'TC.*Mpa' 'TC.^2' 'Mpa.^2' 'TC.^3' 'Mpa.^3'
'TC.^4' 'Mpa.^4' 'TC.*tm' 'TC.^2' 'tm.^2' 'TC.^3' 'tm.^3' 'TC.^4' 'tm.^4'
'TC.*S' 'TC.^2' 'S.^2' 'TC.^4' 'S.^4' 'TC.^4' 'S.^4'};
X=eval(['[' strjoin(Xs) ']']);

% X=[TC Mpa tm S TC.*Mpa TC.^2 Mpa.^2 TC.^3 Mpa.^3 TC.^4 Mpa.^4 TC.*tm
TC.^2 tm.^2 TC.^3 tm.^3 TC.^4 tm.^4 TC.*S TC.^2 S.^2 TC.^3 S.^3' TC.^4
S.^4'];
inmodel=logical(ones(1,length(Xs)));

% stepwise(X,y,inmodel) %interactivo

[b,se,pval,inmodel,stats]=stepwisefit(X,y,'inmodel',inmodel,'penter',0.05
,'premove',0.05);
b0=stats.intercept
inmodels=find(inmodel);
b=b(inmodels);
for i=1:length(inmodels)
Xso{i}=['(' num2str(b(i)) ').*' Xs{inmodels(i)}];
end
modelo=[num2str(b0) ' + ' strjoin(Xso,' + ')]
yc=eval(modelo);
figure
plot(y,yc,'o',[min(y) max(y)],[min(y) max(y)],'--k')
xlabel('Observados')
ylabel('Estimados')

resid=stats.yr;
bias=mean(resid)
plot(resid,'o')
[h,p]=lillietest(resid);
% distributionFitter(resid);

SSE=stats.SSresid;
SST=stats.SStotal;
R2=1-SSE/SST
n=length(y);
m=sum(double(inmodel))+1;
R2adj=1-SSE*(n-1)/(SST*(n-m))
RMSE=stats.rmse

TCg=linspace(min(TC),max(TC),20);
tmg=linspace(min(tm),max(tm),20);
[TCg, tmg]=meshgrid(TCg,tmg);

modelog=replace(modelo,'tm','tmg');
modelog=replace(modelog,'TC','TCg');
modelog=replace(modelog,'S','log10(tmg.*exp((TCg-100)./14.75))');
modelog=replace(modelog,'Mpa','Mpag');

subplot(1,3,1)
Mpag=min(Mpa);
yg=eval(modelog);
contourf(tmg,TCg,yg,'Levels',2,'ShowText','on')
cb=colorbar;
caxis([floor(min(y)) ceil(max(y))]);
set(get(cb,'Ylabel'),'String','producto (% DW)')
xlabel('tm (min)')
ylabel('TC (°C)')

subplot(1,3,2)
Mpag=mean([min(Mpa) max(Mpa)]);
yg=eval(modelog);
contourf(tmg,TCg,yg,'Levels',2,'ShowText','on')
cb=colorbar;
caxis([floor(min(y)) ceil(max(y))]);
set(get(cb,'Ylabel'),'String','producto (% DW)')
xlabel('tm (min)')
ylabel('TC (°C)')

subplot(1,3,3)
Mpag=max(Mpa);
yg=eval(modelog);
contourf(tmg,TCg,yg,'Levels',2,'ShowText','on')
cb=colorbar;
caxis([floor(min(y)) ceil(max(y))]);
set(get(cb,'Ylabel'),'String','producto (% DW)')
xlabel('tm (min)')
ylabel('TC (°C)')