Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Introduccin
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.
C2
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:
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.
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?
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.
Modelos
Definicin y clasificacin
1. Modelos fsicos: son una rplica a escala del sistema real (p.e., prototipos o plantas
piloto).
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:
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.
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.
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.
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.
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
Tasa de crecimiento
10 4 0.30
0.25
3
log Biomasa
Biomasa
1 2 0.15
0.10
1
0.05
0.1 0 0.00
Lag A celeraci n Desaceleraci n Estacio naria Lisis
Tiempo
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.
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
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.
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.
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.
Control
Introduccin. Monitorizacin, supervisin y control
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.
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.
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.