You are on page 1of 30

CAPITULO 16

Introduccin a la Fermentacin o Dinmica de las transformaciones microbianas:


Conceptos bsicos

J.M. Bruno-Brcena1, *, E. Pic-Marco2, J. Pic-Marco2


1
-------------.
2
DISA (Departamento de Ingeniera de Sistemas y Automtica), Universidad
Politcnica de Valencia, Camino de la Vera s/n, 46022, Valencia, Espaa.

*Corresponding author: phone: (+34) 96 3900022, fax: (+34) 96 3636301,


e-mail: jbruno@iata.csic.es
Abstract

Los procesos biotecnolgicos (de fermentacin) son procesos que presentan un


comportamiento dinmico complejo. La comprensin de su evolucin temporal, la
determinacin de los parmetros que la determinan, la prediccin y el control de la
misma son problemas a los que el biotecnlogo se enfrenta habitualmente.
Un concepto recurrente a lo largo de las secciones siguientes ser el de comportamiento
dinmico. Se trata del tipo de comportamiento que presentan los procesos
biotecnolgicos, y determina el tipo de modelos y herramientas matemticos a utilizar.
La comprensin de este punto y las implicaciones en su modelado y control son objeto
principal de este captulo. Hemos tratado a lo largo de todo el texto de definir tanto
conceptos como propiedades bsicas que son utilizadas para llevar a cabo el estudio y,
finalmente, un control efectivo del desarrollo de las poblaciones de microorganismos en
condiciones controladas de crecimiento.

Introduccin

Durante siglos las distintas civilizaciones han provocado de forma artesana la


transformacin, fermentacin tradicional o biotecnologa, de distintas materias primas
como leche, zumo de uva, harina de trigo, cebada... Con ello conseguan aumentar su
digestibilidad o su periodo de conservacin. En este tiempo se desconocan algunos de
los secretos que provocaban estas transformaciones como, por ejemplo, el hecho de que
eran microorganismos los agentes causantes de dichos procesos. Hoy, dichos
microorganismos no son tan slo utilizados para realizar fermentaciones en el sentido
tradicional, sino que en la biotecnologa moderna tambin han sido modificados
genticamente y utilizados para realizar otro tipo de aplicaciones. Por ejemplo, como
huspedes para la expresin de biomolculas de inters. Actualmente, se contina
percibiendo el mundo de las fermentaciones tradicionales como un rea emprica y
ligada a la transferencia de recetas que imprimen la calidad de lo natural al producto
final. Pero, por contra, como resultado de los avances en el conocimiento cientfico-
tecnolgico, en la actualidad nos encontramos en condiciones de realizar de forma
controlada tanto transformaciones para la consecucin de productos tradicionales, como
transformaciones que originen nuevos productos y, en estos casos, la calidad puede
realmente ser asegurada y mantenida. Para llegar a este punto, la biologa lleva mucho
tiempo enfrentndose a un gran nmero de dilemas experimentales y de anlisis
conceptual en la bsqueda e identificacin clara de los patrones causa-efecto y en la
reproduccin de los fenmenos biolgicos observados. Histricamente esta bsqueda
dio origen, en los comienzos de la microbiologa, y gracias al desarrollo del primer
microscopio por Leeuwenhoek (1684) a la visualizacin e identificacin de las
diferentes formas de los microorganismos. Este hecho sirvi como una evidencia en la
defensa de la tesis a favor de una existencia pleomrfica de la vida microbiana, tesis que
fue felizmente refutada dos siglos despus gracias a los trabajos de Pasteur (1857),
Koch, y a los aportes de Lister (1878) y Tyndall en aislamiento y esterilidad y,
finalmente, por la contribucin de Winogradsky (1887) al desarrollar una tcnica
microscpica de cultivo. Una vez que estuvieron disponibles las tcnicas y mtodos
experimentales de cultivo, esterilidad, aislamiento, tincin y observacin microscpica
se origin el estudio de los cultivos puros. Estos avances permitieron el progreso de la
microbiologa en favor de las tesis monomorfistas, y se cerr la controversia sobre la
nocin pleomrfica que apoyaba an la teora de la generacin espontnea. Se origin a
partir de este momento un rea de la microbiologa que es denominada como la filosofa
del cultivo puro, la cual dio lugar a la moderna industria de fermentacin, parte de la
nueva biotecnologa.
Las transformaciones que ocurren durante los procesos de fermentacin son
fenmenos complejos. Con el nombre de complejo nos referiremos, en general, a
sistemas compuestos por gran nmero de elementos interrelacionados. As mismo,
algunas caractersticas asociadas al concepto de complejidad son gran variedad de
relaciones entre los diversos elementos, el carcter jerrquico de sus estructuras o el
funcionamiento y la organizacin como sistemas complejos.
Todo lo anterior es aplicable tanto a las comunidades de organismos cuyo
comportamiento afecta y se estudia en los procesos biolgicos, como a otros sistemas
surgidos de la tecnologa actual como es el caso de los ordenadores. El concepto de
complejidad ha provocado que a lo largo del siglo XX aparezcan disciplinas como la
teora general de sistemas o la ingeniera de sistemas, que intentan analizar desde un
punto de vista matemtico los fenmenos antes mencionados, y que parten del principio
de que es preferible una visin global del sistema an a costa de perder detalles. Cabe
destacar, por su potencial aplicacin a la biotecnologa, la teora de los sistemas
dinmicos y la de control automtico, ambas fuertemente basadas en la teora cualitativa
de ecuaciones diferenciales.
As pues, disponemos de una comprensin cualitativa de los procesos ms o
menos completa desde el punto de vista biolgico, y de un bagaje de conocimientos
heursticos que permiten razonar sobre cual debera ser el comportamiento esperable del
proceso, y cuales las acciones a realizar sobre el mismo a fin de perseguir unos
objetivos determinados como, por ejemplo, fijar una velocidad de crecimiento
especfico, obtener una productividad determinada... El problema fundamental con el
que se encuentra el biotecnlogo radica en cmo cuantificar todos esos aspectos. Para
predecir la evolucin temporal del proceso, hallar los parmetros que lo determinan e
influir en l (es decir, controlarlo), es necesario el uso de modelos matemticos.
En el presente trabajo pretendemos dar una visin general de las reas de
conocimiento ms importantes implicadas en la consecucin final de un producto.
Cualquiera sea la aplicacin y la escala a la cual se realice un proceso con seres vivos, si
queremos reproducirlo, describirlo y controlarlo es necesario el aporte de las ciencias
biolgicas, el modelado matemtico y la ingeniera de control.
Las secciones siguientes tratan de presentar, junto a los conceptos familiares al
biotecnlogo, una serie de conceptos nuevos que abren las puertas al uso de potentes
herramientas matemticas y de la ingeniera. Se pretende que el lector pueda abordar la
lectura y comprensin de cualquier tipo de proceso que implique tanto a la
biotecnologa tradicional como a la moderna, e intentaremos transmitir los esfuerzos de
interaccin que se requieren entre las diferentes disciplinas.

Crecimiento y cintica microbianos

La cintica microbiana estudia todas las manifestaciones dinmicas de la vida


microbiana como son crecimiento, supervivencia, muerte, adaptaciones, mutaciones,
formacin de productos, ciclos celulares e interacciones con el medio ambiente y con
otros organismos. Cada caracterstica a estudiar requerir de unas premisas
determinadas ya que los organismos vivos son sistemas extremadamente complejos. El
estudio de las interacciones entre el microorganismo y el medio ambiente es lo que se
conoce tradicionalmente como fisiologa microbiana y generalmente, como resultante
de estas interacciones, se generan procesos y/o productos de inters que sern
explotados por la biotecnologa.
En general, las manifestaciones de la vida suelen expresarse como tasas
instantneas (de crecimiento, de consumo de sustratos, de generacin de productos) en
los casos donde la caracterstica dinmica en estudio muestre una distribucin continua
en la poblacin. Los estudios cinticos requieren de la percepcin de los mecanismos
que intervienen en el proceso mediante la combinacin de medidas experimentales y un
modelo matemtico. Por ello, los aspectos cuantitativos del crecimiento microbiano
requieren de una herramienta esencial como es el modelo matemtico (vase Aplicacin
al modelado de una biorreaccin ms adelante). El modelo es la representacin formal
de nuestro sistema particular y servir para definir el posible mecanismo de la reaccin
en estudio. Si sto es as, el modelo ser til y permitir la comparacin entre lo
observado y lo que el modelo predice, pudindose descartar las hiptesis incorrectas e
incluso simular los posibles estados del sistema ante diferentes hiptesis. Por tanto, la
cintica microbiana plantea principios generales e intenta explicar el mundo microbiano
conociendo la evolucin temporal de las variables y proponiendo modelos que las
describan, es decir, trata sobre las tasas y sobre la percepcin de los mecanismos que
intervienen en los procesos.
El crecimiento de las poblaciones microbianas ha sido modelado mediante
expresiones o modelos de caja negra, que no tienen en cuenta las variables celulares
internas o factores internos, es decir, los procesos que tienen lugar en el interior de la
clula. En este tipo de modelos el crecimiento de los microorganismos se define
tradicionalmente como el incremento de material celular y es expresado en trminos de
masa o nmero de clulas. En este contexto, el fenmeno de crecimiento depender as
mismo de la disponibilidad y existencia en el entorno de los nutrientes necesarios para
la clula y de su transporte al interior celular, en un medio ambiente que no impida el
desarrollo del proceso por la existencia de parmetros ambientales (temperatura, pH,
aireacin,...), es decir variables o factores externos adversos para el microorganismo.
En estas condiciones, el proceso de divisin celular ser el resultado de un complejo
nmero de etapas y mecanismos regulados que controlan el flujo de los metabolitos
requeridos para la sntesis de macromolculas y que coordinan los procesos de
replicacin cromosmica. La temporizacin de estos eventos es exquisitamente
coordinada por la clula y da lugar a un proceso de divisin celular perfectamente
ordenado.
Para realizar el estudio cuantitativo del proceso de crecimiento se dispone de
mtodos sencillos que nos permiten determinar el crecimiento de las poblaciones. Estos
mtodos deberan considerar el modo de reproduccin de las clulas bajo estudio. As,
las clulas procariotas se reproducen por fisin binaria, sin que sea posible diferenciar
una clula madre y una hija. Por ello la edad mxima de cada clula es el lapso
comprendido entre dos replicaciones sucesivas. En el caso de los organismos eucariotas
deben distinguirse levaduras y hongos filamentosos. Las levaduras se dividen por
gemacin, aunque poseen un ciclo de reproduccin mediante esporas. La divisin
produce una clula hija y una clula madre diferenciables y, por tanto, el cultivo ser
heterogneo en cuanto a la edad y estado fisiolgico. En el caso de los hongos
filamentosos se ve acentuado el proceso de reproduccin mediante esporas pero,
adems, el crecimiento en forma de hifas de estos organismos genera un conjunto
heterogneo tanto desde la perspectiva fsica como fisiolgica.
Todos estos fenmenos pueden ser analizados desde un punto de vista
matemtico, si bien para ello es necesario conocer previamente algunos conceptos
bsicos.

Sistema y seales

Con el fin de introducir las ideas que conforman el ncleo sobre el que se asienta la
teora de modelado y control de sistemas dinmicos, se utilizarn dos ejemplos
ilustrativos habituales en el rea de la biotecnologa.

Ejemplo 1: mezcla y homogeneizacin de compuestos

En la figura 1 se muestra el esquema de un sistema de mezcla y homogeneizacin de


dos compuestos, consistente en dos depsitos de alimentacin C1 y C2 y uno de
homogeneizacin. Cada uno de los primeros contiene una cierta concentracin en los
compuestos A y B respectivamente. El caudal volumtrico q1 entrante desde el depsito
de alimentacin de C1 puede modificarse manipulando el grado de apertura x1 de la
vlvula correspondiente. El caudal q2 proveniente del deposito de alimentacin de C2 no
es manipulable. Del depsito de homogeneizacin se extrae un cierto caudal qs , tambin
modificable manipulando la apertura xs de la vlvula de salida, siendo el nivel de
lquido en el mismo h.
C1

C2

Figura 1: mezcla y homogeneizacin de compuestos

Ejemplo 2: Fermentacin en batch

En la figura 2 se muestran los resultados correspondientes a varios ensayos de


crecimiento de una levadura en modo batch. Durante los mismos, las variables
ambientales (temperatura y pH) se mantuvieron constantes mediante controladores tipo
PID.

Figura 2: fermentacin en modo batch

En ambos sistemas podemos encontrar dos tipos de magnitudes:


Magnitudes cuyo valor est fuertemente ligado a la configuracin fsica del sistema
y no varan con el tiempo o lo hacen muy lentamente, al menos en comparacin
con otras magnitudes. As, en el primer ejemplo, se incluiran coeficientes de
descarga de las vlvulas, rea de la base de los depsitos... y, en el segundo, la tasa
especfica mxima de crecimiento, el rendimiento... Normalmente se considera que
dichas magnitudes, a las que llamaremos parmetros, son constantes. Pero, tanto en
los sistemas mecnicos como en los biolgicos, aparecen fenmenos de desgaste y
envejecimiento ms o menos pronunciados que pueden provocar variaciones en
ellas. Si se pueden considerar constantes durante el periodo de tiempo que dure
nuestro experimento o aplicacin se dir que el sistema es invariante, y en caso
contrario, el sistema ser variante en el tiempo. Normalmente en los sistemas
biolgicos los parmetros de la zona de crecimiento irrestricto, o zona exponencial
de crecimiento, son utilizados para su caracterizacin. As, se dice que tal organismo
muestra una tasa especifica mxima de crecimiento determinada, una tasa de
consumo de sustrato, una tasa de generacin de producto etc.
Magnitudes que varan notablemente dando cuenta de la evolucin temporal del
sistema. Tales magnitudes reciben, apropiadamente, el nombre de variables. Por
ejemplo, nivel de lquido en el depsito de homogeneizacin, caudales de entrada y
salida... en el primer ejemplo o concentraciones de biomasa, substrato, etanol y
actividad en el segundo. El valor tomado por estas magnitudes a lo largo del tiempo
recibe el nombre de seal.

Las variables pueden a su vez jugar distintos papeles. Para verlo es interesante empezar
con el caso ms 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 seguir una determinada
evolucin. Al no haber influencia externa, al no estar forzada desde fuera, diremos que
es una evolucin 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 evolucin futura del sistema. Estas variables caracterizan la
situacin en la que se encuentra el sistema y por ello se suelen denominar variables
de estado, si bien tambin reciben el nombre de variables internas. En los sistemas
fsicos, como los biotecnolgicos, estas variables expresan acumulacin de especies o
de energa y los sistemas dinmicos tienden en su evolucin libre hacia estados de
mnima energa que se corresponden con estados de equilibrio. En el caso de los
sistemas aislados estticos el conjunto de variables de estado es nulo. No presentan
evolucin libre alguna.

Qu ocurre cuando el sistema no est aislado sino que interacta con el exterior? En
este caso aparecen dos nuevas clases de variables:

1. Entrada: aquellas variables que influyen sobre el comportamiento del sistema,


independientemente de si corresponden o no a elementos que fsicamente entran en
l. As, en el primer ejemplo (vase la figura 1) sern variables de entrada el caudal
q2 y la apertura x1 de la vlvula de alimentacin de C1 pero tambin la apertura xs
de la vlvula de salida! dado que su valor influye sobre el volumen acumulado en el
depsito de homogeneizacin y su tiempo de residencia. Las seales de entrada, a su
vez, pueden ser:

manipulables: se puede actuar sobre su valor y, por tanto, son las variables
que sern 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. As, tal como se ha planteado el ejemplo de la mezcla, el
caudal q2 es una perturbacin. 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 cmo el sistema acta
sobre el exterior. De nuevo, no tienen por qu coincidir con salidas fsicas del
sistema como pueda ser un caudal. El exterior tambin incluye a los operarios que
segn sea la evolucin de tal o cual variable, tomarn decisiones y actuarn a su vez
sobre el sistema manipulando alguna entrada. En este caso, la salida es una
informacin proporcionada por un sensor o los sucesivos anlisis 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
fsico. As, en el primer ejemplo, ser variable de salida el nivel h en el depsito 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 ser variable de salida la
actividad si lo que preocupa del sistema es, por ejemplo, encontrar las condiciones
iniciales y ambientales que la maximizan.

En la figura 3 se muestra un diagrama de bloques del sistema del primer ejemplo si se


considera que q2 es una perturbacin proveniente del exterior. Las q2, x1, xs son
entradas, el nivel h es la salida, el nivel h1 y el volumen V (o el propio h ya que V=Ah
con A=constante) son los estados, finalmente q1 y qs son variables intermedias.

En el caso de los sistemas dinmicos las salidas dependen directa o indirectamente de


las entradas y de las variables de estado. Como estas ltimas representan una
acumulacin de especies o energa dependen no slo de la entrada en un instante dado
sino tambin de la historia pasada del sistema, de todo aquello que le ha sucedido
previamente. Se dice que los sistemas dinmicos tienen memoria. En cambio, en los
sistemas estticos slo cuenta el valor que en el instante dado tengan las entradas y se
establece entre estas y las salidas una relacin fija, como por ejemplo un escalado o
relacin de proporcionalidad constante. Se dice que no tienen memoria. Tal y como se
ha visto antes, si no hay un sistema exterior que los fuerce no presentan evolucin
alguna.
Figura 3: diagrama de seales para el Ejemplo 1

En la evolucin de la salida de un sistema se suelen distinguir dos partes: el


transitorio y el rgimen permanente o de equilibrio. Si dicha evolucin viene
provocada por una variacin en las entradas, un estmulo proveniente del exterior, se
habla de la respuesta del sistema y, correspondientemente, de la respuesta transitoria
y la respuesta en rgimen permanente.

Sistemas dinmicos

Claramente los sistemas de mayor inters para el biotecnlogo son los dinmicos y a
partir de ahora nos centraremos en ellos. La cuestin que se pretende contestar en esta
seccin es: Cmo se expresa matemticamente un sistema dinmico?

La gran mayora de profesionales dedicados a la biotecnologa estn acostumbrados a


manejar ecuaciones en las que slo entran como datos los valores en un instante dado ti
de las concentraciones en el biorreactor, y la cantidad total de substrato u otras
sustancias aportada hasta ese momento. Son las ecuaciones de balance. En trminos
matemticos, estas son ecuaciones algebraicas y slo nos permiten conocer el valor de
tal o cual variable incgnita en ese mismo instante ti. Pero, de la seccin anterior, se
deduce que conocidas las variables de estado y las entradas en ti podemos predecir
cual ser el valor de las salidas en un tiempo futuro ti + , al menos para un
suficientemente pequeo. Para ello se debe introducir un nuevo tipo de ecuacin,
llamada ecuacin diferencial.

Seguiremos con el ejemplo de la mezcla, pero centrndonos en el depsito de


homogeneizacin y tomando los caudales q1 y q2 como entradas. En ese caso podemos
considerar el balance de volmenes en cada instante:

V1 (t ) + V2 (t ) Vs (t ) = V (t )
donde V1(t) y V2(t) son los volmenes aportados hasta el instante t, Vs (t) el extrado y
V(t) el volumen remanente en el depsito. La ecuacin anterior expresa una relacin de
simultaneidad (una relacin algebraica) entre las variables. Conocido el valor de los
volmenes aportados y extrados hasta un instante t se puede obtener el valor de V(t).
(volumen _ en _ depsito )
flujos _ entrantes flujos _ salientes =
(t )
Consideremos ahora, en el marco del mismo ejemplo, el balance de flujos:
Si el depsito es de seccin constante con rea A se tendr:
Esta ecuacin, a diferencia de la referente al balance de volmenes, no expresa una

q1 (t ) + q 2 (t ) q s (t ) = A
dh
dt
relacin de simultaneidad entre variables sino una relacin causa-efecto. As, como
consecuencia del aporte neto de flujos se produce una variacin de nivel de lquido en
el depsito. Esta variacin viene reflejada por la derivada dh/dt.
Es fcil ver que el nivel vara slo si hay aporte neto de caudales. Si ahora se considera
que el caudal qs depende de la apertura de la vlvula de salida y de la altura del depsito
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 ser el valor de h(t+). Adems, si el parmetro c (y lgicamente A) es constante
para todo t tendremos un sistema dinmico invariante en el tiempo, y variante en caso
contrario.

Existen diversos mtodos para resolver ecuaciones diferenciales analticamente, es


decir, hallar la funcin h(t) como sumas, restas, productos, races cuadradas, etc. de
funciones estndar como polinomios, funciones trigonomtricas, exponenciales. Pero
sto no es siempre posible y en tal caso se deben utilizar mtodos numricos que
proporcionan soluciones aproximadas. En todo caso, a partir de las ecuaciones
diferenciales que describen el sistema dinmico en estudio, se puede obtener
informacin cualitativa sobre el sistema mediante el anlisis de diversas propiedades
matemticas. Por otra parte estas ecuaciones son tambin una herramienta bsica para el
ingeniero de control. Sobre estos aspectos se volver con ms detalle en secciones
posteriores.

Modelos
Definicin y clasificacin

Un modelo de un sistema es una representacin inteligible, abstracta y consistente


dentro de un marco experimental, que describe un sistema real simplificado, enfatizando
aquellos aspectos que son interesantes segn los objetivos del estudio planteado.

El grado de abstraccin de un modelo se traduce en su carcter multifactico; el mismo


modelo puede representar objetos (sistemas) dispares. Por otro lado, el carcter
orientado de un modelo hacia un determinado objetivo, conduce a la existencia de
modelos distintos para un mismo sistema, esto es, modelos que explican aspectos
distintos del mismo, o el mismo aspecto con pticas o grados de precisin distintos.

Una posible clasificacin del tipo de modelos ms frecuentes incluye:

1. Modelos fsicos: son una rplica a escala del sistema real (p.e., prototipos o plantas
piloto).

2. Modelos cualitativos: son un conjunto de reglas heursticas, expresadas en lenguaje


natural, proporcionadas por un experto humano. Existen distintos formalismos,
como la lgica borrosa (fuzzy), para utilizar este tipo de modelos en sistemas
artificiales de tratamiento de informacin (p.e., en sistemas expertos) .

3. Modelos cuantitativos: expresan relaciones cuantitativas, con mayor o menor grado


de aproximacin, entre variables del sistema. Pueden obtenerse mediante un amplio
abanico de metodologas en cuyos extremos se distinguen:

Modelado deductivo: o basado en primeros principios, comprendiendo:

- La identificacin e idealizacin de los elementos individuales del


sistema (subsistemas)
- identificacin e idealizacin de sus interacciones
- y aplicacin sistemtica de leyes bsicas de la fsica, bioqumica,
termodinmica, etc. por lo que a veces tambin son denominados
modelos mecanicistas.
En general, este tipo de modelado conduce a un conjunto de relaciones analticas
entre las variables de un cierto tipo de sistemas, en el cual puede quedar por
determinar los valores de ciertos parmetros, los cuales se obtienen
experimentalmente para cada sistema concreto. A esta clase de modelos se les
denomina de caja gris.

Modelado experimental: consiste en la deduccin de las relaciones de un


sistema, mediante induccin, a partir de la observacin de datos experimentales
de entrada y salida del mismo. En el caso extremo se obtiene una relacin
analtica entre variables que simplemente explica los datos experimentales (es
decir, que es capaz de reproducirlos) pero que no es explicativa del
funcionamiento interno del sistema. Es lo que se denomina un modelo de caja
negra.

En la prctica suele aplicarse una metodologa combinada debido al conocimiento


parcial de los diversos mecanismos que participan en el sistema o por una
necesidad de simplificacin. A menudo ocurre que un modelo muy detallado resulta
inmanejable, algunos parmetros son muy difciles o incluso imposibles de calcular
y las predicciones sobre el comportamiento de las variables de inters no mejoran
significativamente.

Etapas del proceso de modelado e identificacin

De las consideraciones anteriores se infieren una serie de etapas bsicas que conforman
el proceso de modelado e identificacin experimentales. En cualquier caso se trata de un
proceso iterativo, en el cual suele ser necesario ejecutar las etapas bsicas varias veces.
Estas etapas son:

1. Eleccin de una estructura de modelo.


2. Obtencin de datos experimentales y acondicionamiento de los mismos.
3. Identificacin de los parmetros del modelo.
4. Validacin.
Eleccin de una estructura de modelo

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 slo uno
de caja negra. En este ltimo caso la informacin previa requerida es mnima:
determinacin 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 expansin. Es corriente
cometer el error de modelar sistemas dinmicos mediante ajustes polinomiales estticos.

Obtencin de datos experimentales y acondicionamiento de los mismos

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 qu se podr modelar
y cmo. Como regla general, cuantos ms parmetros se tengan que identificar en el
modelo, ms 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 haban 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; fsico, biolgico, social,
psicolgico...) ste debe ser excitado lo suficiente para que muestre los diversos
aspectos de su comportamiento. En la prctica biotecnolgica sto se traduce en que una
buena identificacin de un proceso de fermentacin requiere realizarla sobre datos
extrados de un proceso en lote alimentado (fedbatch) o un proceso continuo, en los
cuales los flujos de alimentacin 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 espreos causados por problemas en los
sensores, y se extraen y tratan para ser resaltados aquellos tramos de datos ms
significativos.

Identificacin de los parmetros del modelo


Los algoritmos de identificacin ajustan iterativamente los parmetros del modelo,
buscando aquellos ptimos respecto a un cierto ndice de coste.
As, consideremos unos valores experimentales de las variables de entrada y salida del
proceso, y un modelo. Para unos valores dados de los parmetros del modelo, si sobre
ste se introducen las mismas entradas que sobre el proceso real, dar una estimacin de
las variables de salida. La diferencia entre el valor real y el estimado ese error de
prediccin cometido por el modelo con los valores de parmetros actuales. Se define un
ndice de coste asociado al error de prediccin. Por ejemplo, un ndice tpicamente
utilizado es el error cuadrtico medio acumulado para los datos experimentales
disponibles. Los algoritmos de identificacin modifican iterativamente el valor de los
parmetros del modelo buscando la minimizacin del ndice de coste (p.e., buscando
minimizar el error de prediccin cuadrtico medio). Esta modificacin puede realizarse
a grandes rasgos de dos formas:

a) Analticamente: determinando la derivada (variacin) del ndice de coste


respecto a los parmetros del modelo. La dificultad de este clculo vara mucho
segn que los parmetros aparezcan el modelo o no de forma lineal. En el primer
caso algoritmos tipo mnimos cuadrados, gradiente, etc. son capaces de estimar
correctamente los parmetros ptimos del modelo. En el segundo caso el
problema de optimizacin es ms complejo, tanto desde el punto de vista
analtico como por la posibilidad de existencia de mnimos locales en el ndice
de coste a optimizar. En el caso de procesos de fermentacin, como se ver en la
seccin siguiente, existen parmetros (p.e., la constante ks de transporte en el
modelo de Monod) que aparecen no linealmente.

b) Estocsticamente: mediante algoritmos que modifican de forma aleatoria el


valor de los parmetros del modelo, es decir, realizan una bsqueda estocstica
de los parmetros ptimos. Esta bsqueda est dirigida, de forma que se
maximiza la probabilidad de realizar modificaciones en aquellas direcciones en
las que se detecta que el ndice de coste toma valores ms bajos. As, por
ejemplo, los algoritmos genticos emulan el proceso de seleccin natural de una
poblacin (los conjuntos de valores de los parmetros del modelo) que intenta
optimizar un ndice de xito (minimizar una funcin del error de prediccin).
Validacin

Un buen modelo debe ser capaz de explicar no slo 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 tenan pocos o ningn dato experimental, y debe ser capaz de aproximar
correctamente (sin re-identificacin de los parmetros del modelo) datos generados por
nuevos experimentos. Un modelo es un modelo de un sistema, no de un experimento
(realizacin, instancia) concreto.

Aplicacin al modelado de una biorreaccin

Como ya ha sido mencionado, el crecimiento de cualquier poblacin puede ser definido


como el incremento de material celular, expresado en trminos de masa o nmero de
clulas que resulta de la actividad coordinada de series de enzimas, los cuales catalizan
etapas biolgicas de alta complejidad. Fue Pasteur (1857) el primero en utilizar los
datos de la dinmica de crecimiento combinados con ensayos qumicos como evidencia
experimental para sus conclusiones. Demostr con ellos que existan transformaciones
qumicas causadas por la actividad microbiana en un sistema donde se produca
incremento de biomasa durante el transcurso del proceso. Pero fue Raulin (1869), un
discpulo de Pasteur, el primero en analizar cuantitativamente diferentes substratos para
el crecimiento y como afectaban stos al rendimiento celular, de lo que concluy que:

las condiciones ptimas para el crecimiento pueden ser definidas;


los efectos de las variables fsicas y qumicas del cultivo en el crecimiento pueden
ser evaluados;
y la eficiencia de la asimilacin de nutrientes por la biomasa puede ser cuantificada
segn un coeficiente trfico .

Posteriormente el bacterilogo ingls Ward (1895) fue uno de los primeros en llevar
a cabo observaciones biomtricas de crecimiento microbiano con Bacillus ramosus,
y present los datos grficamente. l introdujo la medida del tiempo de generacin
y defini, 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, iluminacin, cantidad de nutrientes). Ms tarde, el alemn Mler
(1895) estableci mediante el recuento microscpico o por tcnicas en placa la
existencia de las fases de crecimiento: lag, logartmica y desacelacin. A partir de
aqu se prest mucha atencin a stas fases como etapas de diferenciacin celular, y
fueron establecidas caractersticas ligadas a cada fase, como actividad metablica de
las clulas, resistencia a factores desfavorables, habilidad de aglutinacin, etc.

El primer modelo propuesto que permita reconocer las diferentes fases de


crecimiento fue propuesto por Buchanan en 1918:
N = N 0 exp ( .F(t) t)
[1.1]
donde N es el nmero instantneo de microorganismos, N0 es el valor de N al
comienzo de cada fase de crecimiento, y t el tiempo. La funcin emprica F tomaba
diferentes formas para las siete fases de crecimiento consecutivas:

Estacionaria inicial F (t ) = 0 ;
n1
Lag F (t ) = t ;
Crecimiento logartmico F (t ) =1 ;
t 1
Desaceleracin F (t ) = t ;
Estacionaria F (t ) = 0 ;
n1
Aceleracin de la mortalidad F (t ) = t ;
Decrecimiento logartmico F (t ) = 1

En esta poca an se prestaba gran atencin a los fenmenos de posible citomorfosis


que planteaban los pleomorfistas, por ello no es extrao la gran atencin que le
prestaban a la fase lag, que era considerada como la fase embriognica decisiva para la
posterior evolucin del cultivo.
Inicialmente, la nica medida de crecimiento fue el tiempo de generacin, g, calculado
por la frmula 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 (aireacin, produccin de CO2 y
otros) que se suministran y eliminan del sistema en forma continua. Es decir, cultivo
en batch.
todas las clulas de la poblacin se dividen a intervalos regulares
no existen sustancias inhibitorias del crecimiento
la composicin del medio en cuanto a fuentes de carbono, nitrgeno y otras
sustancias permite el desarrollo equilibrado de la poblacin.
los factores ambientales no restringen o limitan el desarrollo de la poblacin

La curva presenta varias zonas o fases:


Fase de latencia o lag: se produce inmediatamente despus de la inoculacin. En ella
no hay iniciacin de replicacin de DNA ni separacin en nuevas clulas. Se
produce una readaptacin de la composicin macromolecular al nuevo ambiente en
que se encuentran las clulas inoculadas.
Fase de crecimiento exponencial, logartmica o de crecimiento balanceado: las
clulas se reproducen de forma irrestricta a una velocidad que es la mxima para el
conjunto de condiciones existentes, y supuesto no existe limitacin de nutrientes.
Fase de desaceleracin: se alcanza cuando se agota un nutriente, razn 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 autolticas en condiciones de inanicin.

Tasa de crecimiento
10 4 0.30

0.25
3
log Biomasa

Expo nencial 0.20

Biomasa
1 2 0.15

0.10
1
0.05

0.1 0 0.00
Lag A celeraci n Desaceleraci n Estacio naria Lisis

Tiempo

Figura 4: fases de la curva de crecimiento

Los primeros resultados se obtuvieron para la fase de crecimiento exponencial o


irrestricto y se definieron los siguientes parmetros:

Tasa especfica de crecimiento. La fase de crecimiento exponencial fue derivada de


la progresin geomtrica analizada por Rahn (1932) 2, 22, 23. Es tradicionalmente
aceptada para clulas con divisin binaria simtrica, mientras que para levaduras y
hongos filamentosos es utilizada como una aproximacin razonable. Segn sta:
n
N = N0 * 2 [1.3]
donde n es el nmero de divisiones. Transformando logartmicamente esta
expresin se obtiene:
N
ln = n ln 2 [1.4]
N0
Ms tarde, Slator (1916) introdujo una constante de crecimiento , que fue
definida como el coeficiente de proporcionalidad en la ecuacin diferencial que
relaciona la tasa instantnea de crecimiento de las clulas como funcin de su numero
instantneo:
dN
= *N [1.5]
dt
La solucin de esta ecuacin es dada por una funcin exponencial:
N = N 0 exp( * t ) [1.6]
El parmetro es de especial relevancia en el estudio de la cintica de
fermentaciones. Su dimensin es tiempo-1, por lo que se suele expresar como h-
1. Relacionado con existe otro parmetro de interpretacin fsica ms directa;
el tiempo de duplicacin (td), definido como el lapso entre dos duplicaciones
sucesivas, mientras que el tiempo de generacin, g, se relaciona con el periodo
necesario para que sea duplicada la biomasa en peso seco.

Tiempo de duplicacin de la biomasa. La relacin entre la tasa especifica de


crecimiento y el tiempo de duplicacin (td) de la biomasa es obtenida
comparando las expresiones [1.6] y [1.4], considerando N=2N0 y t=td. Se
obtiene la siguiente relacin entre , N, y g:
ln 2 N ln 2
= =
t g
d
La tabla 1 muestra rangos caractersticos de tiempo de duplicacin, td.

Organismo Tiempos de duplicacin


Bacterias 0.25-1 h
Levaduras 1-2 h
Hongos filamentosos 2-6.5 h
Clulas vegetales 20-70 h
Clulas animales 15-48 h

Una bacteria o una levadura poseen una tasa de crecimiento mxima ligada a su
potencial hereditario. Hasta el momento tan slo se ha conseguido modificar este
potencial para reducir los tiempos de divisin en algunos casos puntuales, dados por
incorporacin de material hereditario externo, aunque generalmente este tipo de
acciones aumentan este valor.

Grado de multiplicacin. El grado de multiplicacin n es dada por la relacin


N/N0 que es igual a emt procedente de la ecuacin [1.6]. Si la biomasa
produce n generaciones, se puede escribir:
N n
=2
N0
Frecuentemente, en experimentos de crecimiento, se utiliza un tamao de
inoculo del 10% de la biomasa que ser obtenida al final. Si esto es as N/N0
ser 10.

En este periodo se supuso que el valor de la tasa especfica de crecimiento era un


valor constante para cada especie, y un descenso en este valor () durante el crecimiento
post-exponencial se interpret como desviacin del desarrollo normal, provocado por la
puesta en marcha de algn programa de desarrollo interno. No se prest atencin a
como podran afectar esta tasa aspectos como el efecto de diferentes factores
ambientales, la concentracin de nutrientes y/o la aparicin de substancias inhibidoras,
con la excepcin de la temperatura que fue descrita segn la ecuacin de Arrhenius.
Pero en realidad, incluso si se supone que todos los nutrientes estn en exceso, se tiene
normalmente una situacin como la descrita en la figura 5. En ella se observa como la
desciende con el incremento de la poblacin y de la concentracin de substancias txicas.
1 1
2

Velocidad de reaccin
3
4
5 in
ac
x if ic
6
D e to

0
C o n c e n tr a c i n d e c lu la s

Figura 5: relacin entre , la concentracin de poblacin y la de substancias txicas

El problema clsico de quienes tratan de mejorar las condiciones de produccin por va


fermentativa es el siguiente: si se mide una velocidad de reaccin cualquiera (tasa de
crecimiento, tasa de produccin de un metabolito o tasa de consumo de un sustrato) en
funcin de la concentracin de microorganismos en medio de cultivo, cmo
aproximarse a una situacin ptima (en la lnea 1 de la figura 5) en la que se observa
una baja limitacin e inhibicin? La produccin generalmente se reduce cuando la
concentracin de microorganismos crece poco. En general se plantea como desplazar la
curva 6 hacia 4, 3, 1. Si la inhibicin es debida a la produccin de sustancias txicas,
su eliminacin, la detoxificacin, permitir mejorar el perfil de esas curvas. Por tanto, es
preciso llevar a cabo sistemticamente estudios cinticos de esta ndole con el fin de
identificar las etapas limitantes en la produccin de metabolitos a partir de biomasa.
Todos estos estudios son muy importantes a la hora de plantear modelos cuantitativos
que nos servirn como herramienta para optimizar la produccin y, posteriormente,
disear un sistema de control con el fin de automatizar el proceso de produccin.

MODELOS PARA LAS TASAS DE REACCIN

A la hora de plantear el modelo de crecimiento microbiano en una fermentacin


partimos de una serie de simplificaciones, como:

La clula 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 terminologa tpica en el campo de la biologa se dira que es un modelo no-
estructurado.
Las clulas pueden estar sujetas a un fenmeno de envejecimiento de manera que no
todas tienen la misma capacidad de divisin. Tambin pueden sufrir mutaciones
genticas con lo que algunas clulas dejan de producir la especie de inters. En todo
caso el modelo se construye suponiendo una clula promedio. En este caso diremos,
adems, que el modelo es no-segregado.
Las condiciones y concentraciones en el tanque se suponen homogneas. Aproximacin
que slo 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 alimentacin, excepto uno. Este substrato
limitante ser el nico que se considere en las ecuaciones y los otros sern ignorados.

Se considera tambin el conocimiento previo bsico de los fenmenos 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 fraccin de la biomasa existente en cada instante muere.

Si bien, normalmente, se suele despreciar el efecto de las consideraciones 2 y 3 .

En un caso general, la tasa de crecimiento especfica depende de varios factores como


las concentraciones de substrato, producto y biomasa, el pH, la temperatura, la
concentracin de oxgeno disuelto y varios inhibidores del crecimiento microbiano. Se
suele expresar como:
= (s ) ( x ) ( p ) ( pH ) (T )K
El pH , la temperatura y otras variables ambientales se suelen mantener constantes. Por
lo que respecta a los tres primeros factores mencionados, las expresiones ms habituales
son:

Concentracin de substrato. (vase la figura 6) Con formato: Numeracin y


vietas

Monod (o Michaelis-Menten): Con formato: Numeracin y


vietas
s
(s ) = m
ks + s
donde m es la tasa de crecimiento mxima, ks una constante de transporte.

Haldane, en la que se tiene en cuenta inhibicin por substrato: Con formato: Numeracin y
vietas
o s
(s ) =
2
ks + s + s
ki
En la prctica siempre hay una inhibicin del crecimiento por substrato, pero en muchos
casos aparece para concentraciones muy altas en comparacin con las concentraciones
en la zona de inters. Por eso a menudo se supone que se tiene un Monod. El caso
contrario se da en aplicaciones como, por ejemplo, la depuracin de aguas o la
eliminacin de productos txicos, disolventes En los procesos fermentativos es ms
frecuente encontrar efectos inhibitorios provocados por alguno de los productos de la
fermentacin.

Figura 6: funciones cinticas de Monod y Haldane


Concentracin de producto
kp
( p) =
kp + p
Concentracin de biomasa

El crecimiento de la biomasa tiende a ser ms lento cuando la concentracin es alta. Dos


modelos comunes son el de Contois
m s
(s , x ) =
ks x + s
y el logstico
(x ) = m (1 a x )

siendo la constante de inhibicin.

Por lo que se refiere a la formacin de productos o metabolitos, suelen asumirse dos


casos :

La tasa especfica de produccin r es proporcional a . En ese caso se dice que la


formacin de producto est asociada al crecimiento (growth-linked).

Tambin puede darse el caso de que r sea completa o parcialmente


independiente de . Un ejemplo clsico es precisamente la fermentacin lctica,
para la cual Luedeking y Piret (1959) propusieron una expresin del tipo
r = k +
en la que representa la parte no-asociada al crecimiento.

As pues, en un caso sencillo en el que la reaccin principal es


X (biomasa ) + S ( substrato ) X (biomasa ) + P ( producto)
y si se asume que el consumo de substrato es proporcional a la generacin de biomasa,
el modelo para el modo de produccin en batch sera de la forma
dx
= x
dt
ds
= k1 x
dt
dp
= rx
dt
dV
=0
dt
donde x, s, p representan las concentraciones de biomasa, substrato y producto, y k1 es
un coeficiente de rendimiento. En este caso, si no se consideran los posibles
intercambios de gases con el exterior, no hay ni aporte ni extraccin de especies. En
caso de que s lo haya, se deber considerar para cada una de las especies que se tengan
en cuenta el siguiente balance:
Cambio = produccin consumo + entrada salida

Teniendo esto en cuenta, pasamos a considerar en la siguiente seccin los principales


modos de produccin.

Modos de operacin en fermentacin

Existen muchos modos de operacin aplicables en procesos biotecnolgicos aunque los


ms comnmente aplicados se refieren a aquellos procesos en los cuales las clulas
crecen al menos durante una parte del proceso. Antes se ha hablado del modo en batch,
el ms sencillo. En esta seccin se tratar de la produccin en continuo y en fedbatch en
los que habr que considerar los intercambios de lquidos con el exterior. Finalmente se
mostrar un esquema de produccin ms general.

Continuo: Hay un flujo de entrada Fi con una concentracin sin del substrato limitante
con el que se alimenta al microorganismo (vase el diagrama de la figura 6). Tambin
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 ser constante. En este caso el ejemplo anterior
quedara:
Eliminado: <sp><sp><sp><sp>
donde el factor D representa la dilucin, es decir, el cociente F/V. En estos sistemas se
dan, por regla general, mltiples puntos de equilibrio, agrupados en dos clases:
Equilibrios de lavado (wash-out), en los que la concentracin de biomasa es nula. Son Con formato: Numeracin y
vietas
los nicos estados de equilibrio posibles para D>max .
Estados de equilibrio operacionales en los que D=.

Aunque poco comn en la industria, los investigadores los utilizan frecuentemente para
determinar ciertos parmetros fisiolgicos del microorganismo.
Figura 6: diagrama de un tanque de fermentacin en modo continuo. Eliminado: <sp>

Fedbatch: En este modo (vase la figura 7) slo hay un flujo de entrada F y, por tanto:

dx
= x Dx
dt
dp
= rx D p
dt
ds
(
= k1 x + D sin s )
dt
dV
= F
dt
En este caso el volumen crece indefinidamente hasta que no queda ms substrato para
alimentar o se ha llegado al lmite de capacidad del biorreactor. Por tanto, durante todo
el tiempo de operacin se est permanentemente en un transitorio. Realmente se busca
que la cantidad total de biomasa crezca indefinidamente de forma exponencial con una
constante. En este modo de produccin hay un mayor aprovechamiento de los
diversos substratos presentes en el medio y el flujo de entrada.
Un esquema general: (vase la figura 8) comprende un biorreactor con flujos de entrada
y salida, en el que se considra el intercambio de gases con el exterior y, adems, se
introduce una etapa de filtrado que podra usarse para eliminar productos inhibidores.
La figura muestra un reactor con un volumen de medio V con perfecta mezcla y la
concentracin 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 concentracin en el gas es
marcado con los subndices g. Los subndices i y o se refieren a los parmetros de
entrada y salida, respectivamente. El factor de separacin, especifica la
concentracin de y en el medio de salida.

Figura 7: diagrama de un tanque de fermentacin en modo fedbatch. Eliminado: <sp>

Figura 8: diagrama general de un tanque de fermentacin.

El campo de modelado de biorreactores es muy amplio y a menudo controvertido. Una


buena referencia para ampliar todo lo referente a este tema es On-line Estimation and
Adaptive Control of Bioreactors de Bastin G. y Dochain D., aparte de la multitud de
artculos publicados en las revistas especializadas.

Control
Introduccin. Monitorizacin, supervisin y control

Como se ha indicado en la introduccin al captulo, el biotecnlogo, en su quehacer


cotidiano frente a un proceso de fermentacin, se enfrenta a la necesidad de comprender
su evolucin temporal, obtener los parmetros que la determinan y controlar la misma.
Para ello cuenta con una comprensin cualitativa del proceso ms o menos completa
desde el punto de vista biolgico, y de un bagaje de conocimientos heursticos que le
permiten razonar sobre cual debera ser el comportamiento esperable del proceso. En
base a esta informacin, toma decisiones acerca de los valores apropiados que debe fijar
tanto sobre las variables de entorno (pH, temperatura,...) como sobre las variables de
entrada manipulables. Estas ltimas suelen ser flujos de alimentacin y concentraciones
de substrato en los mismos.
Realiza, por tanto, un control o toma de decisiones manual. Es decir, l es el controlador
y ejecuta un control fuzzy (borroso) implementado sobre el hardware neuronal de su
cerebro.

Esas decisiones estn determinadas no slo por el comportamiento del proceso, sino
tambin por los objetivos perseguidos o especificaciones. Por ejemplo, fijar una tasa de
crecimiento especfico, conseguir mxima productividad, etc.

Para asistirle se pueden usar una serie de sistemas automticos. stos pueden realizar
tres tipos de tareas distintas:

Monitorizar: obtener las medidas proporcionadas por los distintos sensores instalados,
representarlas numrica o grficamente y guardar un registro histrico de las mismas.
No hay toma de decisiones, slo mira. Por tanto, no se puede decir que sea un sistema
automtico de control.
Supervisar: monitorizar actvamente. Un supervisor vigila y avisa si detecta alguna
situacin predeterminada, como por ejemplo una situacin predefinida como anormal,
pero no acta. Existen sistemas supervisores avanzados que toman decisiones ante
determinados eventos, como por ejemplo paradas de emergencia. Se trata, en general, de
actuaciones espordicas ante situaciones excepcionales o fuera del funcionamiento
supuesto normal.
Controlar: realizar automticamente la tarea de control o toma de decisiones, que antes
se comentaba realiza el biotecnlogo de forma manual.

En la actualidad existen sistemas comerciales, como los sistemas basados en paquetes


software scada, que proporcionan herramientas para realizar los tres tipos de tareas.
Aunque la inmensa mayora se centran fundamentalmente en las tareas de
monitorizacin y supervisin. En lo que resta del captulo se describir la tarea de
control, llevada a cabo por los sistemas de control automtico propiamente dichos.
Control realimentado

En la descripcin realizada de la tarea de control manual se observa que hay tres


elementos fundamentales en juego:

el sistema, con su comportamiento.


el conjunto de objetivos deseados o especificaciones.
el conjunto de decisiones o acciones de control a tomar ante cada situacin que se
presenta.

Si el comportamiento del sistema fuera perfectamente conocido, es decir, si se dispone


de un modelo perfecto del sistema, y si adems no hay ningn tipo de perturbacin
actuando sobre el mismo, podramos precalcular un perfil de alimentacin y unos
valores adecuados de las variables de entorno (pH, temperatura,...). La aplicacin de
dicho perfil, manteniendo las variables de entorno en los valores precalculados,
conducira al cumplimiento de los objetivos. Este tipo de control precalculado es un
control de bucle abierto, tambin llamado prealimentado (vase la figura 9). Podramos
decir que se est aplicando una accin de control a ciegas, confiando nica y
exclusivamente en nuestro conocimiento previo del sistema.
En la prctica, las imperfecciones del modelo y la actuacin de perturbaciones,
provocan que el biotecnlogo deba vigilar la evolucin de la fermentacin y actuar
peridicamente para corregir las desviaciones del estado del proceso respecto del
esperado. Es decir:

A partir del objetivo de control deseado (p.e., crecer con una tasa especfica
determinada) y el modelo del sistema se calcula un perfil de acciones de control (p.e., la
dilucin a fijar a lo largo del tiempo). La aplicacin de dichas acciones de control
prealimentadas provocara, en condiciones ideales, que el proceso evolucionara en el
tiempo a lo largo de una serie de estados (caracterizados por algn 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 desvan de los deseados, es decir, aquellos
que seguira en las condiciones ideales expuestas en el punto anterior. Por ejemplo, la
concentracin de biomasa y volumen en un momento dado no coinciden con los que
seran esperables si se estuviera manteniendo una tasa de crecimiento especfico
consignada.

Se realiza una correccin sobre la accin de control prealimentada. Dicha correccin es


funcin de la diferencia entre el estado deseado y el real, es decir, del error.

Figura 9: esquema de control prealimentado en bucle abierto.

En el ltimo punto se ha introducido un control realimentado o de bucle cerrado,


caracterizado porque las acciones de control son funcin del error cometido (vase la
figura 10). Este control puede actuar slo o complementando uno prealimentado, siendo
este ltimo el esquema ms recomendable en las aplicaciones biotecnolgicas.
Un sistema de control automtico simplemente realiza, de forma automtica y con una
periodicidad prefijada, las operaciones de prealimentacin y clculo de la correccin de
aquella empleando el conocimiento del error, hallado a partir de las referencias y la
realimentacin de las salidas del sistema.
Figura 10: esquema de control con prealimentacin y realimentacin.

Proceso de diseo de un sistema de control. Papel del biotecnlogo.

El diseo de un sistema de control es un proceso en general complejo. Implica tanto


aspectos de diseo y anlisis mediante mtodos de las matemticas aplicadas como de
implementacin software sobre computadores y/o autmatas programables de los
algoritmos de control desarrollados, de hardware y software de sensorizacin y de redes
de comunicaciones industriales. Se trata, por tanto, de un proceso multidisciplinar en el
que intervienen personas con bagajes formativos variados incluyendo ingenieros de
proceso, en nuestro caso el biotecnlogo, ingenieros de control y automtica e
informticos. A grandes rasgos, se pueden considerar las siguientes etapas:

Estudio del sistema a controlar y obtencin de informacin sobre los objetivos


de control o especificaciones. Esta etapa es crucial para el diseo de un sistema
de control, e implica una fuerte interaccin entre el biotecnlogo, actuando
como ingeniero de proceso, y el ingeniero de control. La correcta comunicacin
(bidireccional) entre ambos definir en esta etapa:

o cuales son las variables relevantes del sistema, caractersticas y tipo de


interacciones fundamentales entre las mismas, en los trminos definidos
en las secciones sobre modelado de sistemas dinmicos.
o como se expresan los objetivos de control del biotecnlogo en trminos
de relaciones matemticas sobre variables del proceso, es decir, en
trminos de especificaciones de comportamiento de dichas variables.

Obtencin de un modelo matemtico del sistema y anlisis del mismo y sus


propiedades. De nuevo, en esta etapa el biotecnlogo no slo ofrece
conocimiento y datos experimentales del proceso, sino que juega un papel
importante a la hora de validar el modelo obtenido. El proceso de modelado,
como se indic, es un proceso iterativo y en este caso, adems, se hace una
transcripcin continua entre un lenguaje matemtico y uno biolgico. Esta
comunicacin en ambas direcciones puede enriquecer mucho la comprensin del
sistema biotecnolgico desde ambos puntos de vista. El anlisis matemtico del
modelo proporciona informacin sobre qu variables pueden ser controladas,
cuales pueden ser estimadas a partir de otras medibles, equilibrios del sistema,
tipos de comportamiento que puede presentar,...
Decidir qu variables van a ser controladas, cuales van a medirse o estimarse y
cuales va a ser manipuladas. Es decir, decidir sobre qu sensores y actuadores se
usarn, con qu caractersticas, y donde estarn colocados. Una gran parte de los
fracasos a la hora de controlar un sistema derivan de la inadecuacin y/o falta de
sensores y actuadores. Lgico, dado que no se podr realimentar y/o actuar
adecuadamente.
Diseo del controlador. En el caso del control de variables con comportamientos
simples pueden utilizarse controladores sencillos de estructura predeterminada,
como los PIDs, en los cuales slo deben ajustarse ciertos parmetros del
controlador. En los casos ms complejos el diseo se realiza mediante
manipulaciones matemticas sobre el modelo y las especificaciones de
comportamiento del proceso. Los sistemas biotecnolgicos ofrecen, a este
respecto, una fuerte complejidad.
Anlisis terico del sistema controlado resultante para determinar si se
satisfacen especificaciones fundamentales, como su estabilidad, as como el
resto de especificaciones bsicas.
Implementacin y ajuste del sistema controlado sobre una planta piloto a fin de
determinar el correcto cumplimiento de especificaciones en condiciones reales,
con presencia de incertidumbre, perturbaciones, limitaciones, etc. Si no se
dispone de una planta piloto puede desarrollarse un simulador de proceso sobre
computador, y simular el sistema controlado, con las limitaciones obvias. De
nuevo, es el biotecnlogo quien debe validar el resultado, e indicar que aspectos
no son aceptables y cuales pueden ser sus causas.
Repetir a partir del paso 2 o el 4 segn sea necesario. En toda implementacin
prctica surgen todos aquellos aspectos que han sido despreciados y
simplificados a lo largo de las etapas de modelado y diseo. Uno de los grandes
beneficios del control realimentado es su capacidad de comportamiento robusto
frente a perturbaciones o frente a errores de modelado y variaciones en el
comportamiento del proceso. Sin embargo, obviamente, todos estos aspectos
pueden degradar el control hasta lmites inaceptables. En ese caso habra que
volver al principio y reconsiderar las hiptesis y simplificaciones realizadas
anteriormente.
Escalar el sistema de control sobre el proceso industrial.

Bibliografa 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.

You might also like