CAPITULOS

Miranda Medina Investigando en ingeniera
CAPTULO 3
FUNDAMENTACIN DE LA INVESTIGACIN
3.1. FUNDAMENTACIN
Como se indic en la Tabla 1.1 del primer captulo, el proyecto de

investigacin consiste de dos elementos esenciales: la Fundamentacin de
la investigacin y la estrategia de desarrollo.
Fundamentar la investigacin consiste en culminar el aspecto conceptual de

la misma. Vale decir, adems de plantear el problema de investigacin, se
deben desarrollar los siguientes aspeaos:
Justificacin
Objetivos
Hiptesis
Alcances
3.2. JUSTIFICACIN DE LA INVESTIGACION
Concepto
La justificacin es el conjunto de razones que motivan al investigador a

desarrollar determinado proyecto y que hacen recomendable su ejecucin.
En la justificacin, el investigador demuestra que el problema planteado merece

ser investigado, satisfaciendo los requisitos esenciales, cuales son: valor terico,
utilidad metodolgica, importancia tecnolgica, relevancia social o econmica,
originalidad, factibilidad y verificabilidad.
Valor Terico
La importancia puede ser de naturaleza cientfica debido a que la investigacin

comprende temas que son gravitantes en determinado campo del saber y cuyo
desarrollo podra contribuir a un avance notable, cubriendo vacos de
conocimiento o resolviendo contradicciones en el cuerpo del saber.
La justificacin es el conjunto de razones que motivan al investigador a

desarrollar determinado proyecto y que hacen recomendable su ejecucin.
1
Utilidad Metodolgica
La investigacin podra contribuir con el descubrimiento de algn mtodo de

trabajo novedoso Por ejemplo, si se plantea algn mtodo experimental
innovador, o se presenta un mtodo de clculo nuevo. Es posible que la
investigacin contribuya con el diseo de un instrumento para la organizacin o
el procesamiento ms eficiente de informacin o que se desarrolle software que
pudiera ser til para otras investigaciones.
Importancia Tecnolgica
Las investigaciones tecnolgicas demuestran su importancia por el grado de

satisfaccin de alguna necesidad. Obviamente si dicha necesidad ha sido
satisfecha apropiadamente ser un indicador de la relevancia tecnolgica. Por
ejemplo, la incorporacin de los telfonos celulares al mercado de la telefona ha
significado un gran paso en la satisfaccin de la necesidad de comunicacin. Sin
embargo, est demostrado que los usuarios frecuentes de dichos servicios
padecen de dolores de cabeza y otras afecciones causadas por las ondas
electromagnticas que se generan en su operacin. Ello da lugar a nuevas
investigaciones tendientes a reducir dicho efecto.
Por ejemplo, si se quiere desarrollar un proyecto de investigacin sobre aditivos

en la potabilizacin del agua para uso urbano, la justificacin tcnica podra
indicar que el uso de estos aditivos acelera la floculacin de slidos y garantiza
una mejor desinfeccin.
La justificacin econmica podra sealar que con estos aditivos

complementarios se logra un proceso ms econmico. Finalmente, la
justificacin social podra destacar que las ventajas tcnicas traen como efecto
directo la disminucin de enfermedades infecto-contagiosas en la poblacin.
Relevancia Social o Econmica
En la relevancia social es preciso destacar qu grupos sociales resultan

beneficiados con los resultados de la investigacin y de qu modo se alcanza
este beneficio. Por ejemplo si se estudian alimentos enriquecidos instantneos
para nios entre 3 y 6 aos de edad, que destacaran por una calidad
notablemente superior a los existentes en el mercado y a un precio competitivo,
2
entonces se tiene un gran mercado potencial. Se trata de un proyecto que tendra

gran relevancia social. Pero es preciso especificar cul es la ventaja objetiva de
este producto respecto a otros de la competencia.
Para que una determinada industria se embarque en un proceso de renovacin

de maquinaria o innovacin de mtodos de produccin, el requisito fundamental
es demostrar cual es la ventaja econmica de tal cambio.
Originalidad
El autor o autores de la investigacin deben demostrar que su propuesta de

investigacin no ha sido directamente trabajada anteriormente. Para ello
debern indicar en el marco conceptual, los apones que existen en el campo de
trabajo a la fecha destacando con nitidez, para las investigaciones de carcter
cientfico, los vacos de conocimiento y las contradicciones en el cuerpo del
saber. Para el caso de las investigaciones tecnolgicas deber hacerse una
acuciosa revisin de las aplicaciones existentes referidas al problema en estudio
y seala el aporte especfico de la investigacin propuesta.
Factibilidad
Es necesario demostrar que la investigacin propuesta puede culminarse con

xito. Para ello se deben sealar, cuando sea pertinente, varios de los siguientes
aspectos:
La experiencia del autor o del equipo de investigacin en trabajos similares.
La existencia de informacin cientfica y tcnica que constituye un soporte

conceptual.
La disponibilidad de recursos materiales necesarios, tales como instrumentos o

equipos especializados, sistemas de informacin y computadoras apropiadas.
Los contactos con investigadores de otras instituciones que conocen el campo

de trabajo.
El respaldo institucional que ofrece una garanta para un trabajo serio y eficiente.
La existencia de instituciones interesadas en los resultados de la investigacin y

que eventualmente podran colaborar en su ejecucin.
3
Verificabilidad
En las ciencias naturales y aplicaciones ingenieriles el modo de verificar una

hiptesis o propuesta de innovacin tecnolgica es contrastando con la realidad.
Entonces se trata de confrontar los resultados obtenidos con aquellos estimados
por hiptesis o propuestas innovadoras. Si existe una concordancia aceptable
entre ambos, entonces se considera verificado el problema de investigacin. Por
lo general, se emplean tcnicas estadsticas para la validacin de resultados.
Error Frecuente
Confundir la justificacin de la investigacin con los objetivos de la misma es un

error frecuente, en particular, para los novatos. Por ejemplo, si una empresa
industrial realiza una investigacin sobre la sustitucin de un polmero, que es
un insumo importante, en busca de un producto de mejor calidad, sta es una
razn que justifica la investigacin, pero no puede ser un objetivo de sta. La
justificacin para este caso podra enunciarse as: lograr un producto de mejor
calidad y en consecuencia de mayor competitividad en el mercado, que permita
aumentar las ventas. Sin embargo, esta proposicin no es un objetivo. El objetivo
general de esta investigacin podra ser: encontrar un polmero alternativo que
mejore las propiedades del producto.
Interrogantes
Cuando se fundamente la importancia de una investigacin, es conveniente

responder a las siguientes preguntas:
1. Valor Terico: La investigacin tiene un valor terico sustantivo? Se

lograr cubrir algn vaco de conocimiento con ella? Se resolvern
contradicciones en el cuerpo del saber? Los resultados de la
investigacin podrn ser generalizados a principios ms amplios? Se
lograr formular alguna teora o modelo significativo? A partir de esta
investigacin se generarn ideas para nuevas investigaciones?
2. Utilidad Metodolgica: La investigacin permitir descubrir algn

mtodo de trabajo novedoso? Se plantea algn mtodo experimental
innovador? Se presenta algn mtodo de clculo nuevo? Se disea
4
algn instrumento metodolgico hasta ahora desconocido? Se

desarrolla algn software que pudiera servir para otras investigaciones?
3. Importancia tecnolgica: Qu necesidad se pretende satisfacer? De
qu modo? Existen productos o servicios equivalentes que la puedan
satisfacer mejor? Si se logra culminar la investigacin, los resultados
podrn ser exitosamente comercializados? La presente investigacin
podra desencadenar un proceso de innovacin en el rea de trabajo?
Con qu beneficios?
4. Relevancia social: Quines son los beneficiarios directos de la
investigacin? Existen beneficiarios indirectos? De qu modo se
benefician estos usuarios? Qu beneficios econmicos se podrn
alcanzar con la aplicacin de los resultados? Cules son los beneficios
concretos que podra traer la investigacin? Son estos cuantificables?
5. Originalidad. Existen investigaciones en el campo de trabajo
seleccionado? Cul es el aporte de la presente investigacin? En qu
se diferencia de investigaciones anteriores? Existen resultados de
investigaciones semejantes patentados? Cul es la novedad de la
presente investigacin?
6. Factibilidad: El investigador tiene experiencia en trabajos semejantes?
Existe informacin cientfica y tcnica que constituye un soporte
conceptual suficiente? Se cuenta con los recursos materiales
necesarios, tales como instrumentos o equipos especializados, sistemas
de informacin y computadoras apropiadas? Se tiene relacin
acadmica con investigadores de otras instituciones que conocen el
campo de trabajo? Existira respaldo institucional como una garanta
para un trabajo serio y eficiente? Se cuentan con posibles promotores
de la investigacin en sectores interesados en los resultados por
alcanzar?
7. Verificabilidad: Es viable verificar las hiptesis o propuestas
tecnolgicas innovadoras? Los mtodos experimentales disponibles son
confiables? Se pueden evaluar con precisin las variables significativas
del problema?
5
Ejemplo de Innovaciones Tecnolgicas en la Industria de Plsticos
Se investigan las innovaciones tecnolgicas deja pequea industria de plsticos

en la regin Arequipa en la ltima dcada. Evidentemente esta investigacin es
descriptiva, es decir, se trata de un diagnstico. Para qu sera til un
diagnstico semejante? Probablemente para determinar qu tipo de
innovaciones se han dado, con qu frecuencia y en qu reas especficas. Los
resultados de la investigacin servirn para esclarecer, por lo menos, los
siguientes aspectos:
Sectores de la pequea industria de plsticos que han demostrado mayor

dinamismo
Tipos de innovaciones logradas
Innovaciones requeridas, pero no culminadas o logradas
Personal con experiencia innovadora en este sector
Innovaciones de mayor demanda
La informacin anterior podra ser muy til para instituciones interesadas en

prestar servicios de asistencia tcnica.
Para formular la justificacin de la investigacin se propone revisar y responder

a las preguntas presentadas en la seccin correspondiente a las interrogantes.
Dando respuesta a las interrogantes aplicables a este caso se logran las
siguientes afirmaciones:
1. La presente investigacin no tiene un valor terico sustantivo. Se trata

de un diagnstico que proveer informacin pare direccionar mejor
servicios de asistencia tcnica e investigacin en el sector de la
pequea industria de plsticos.
2. La utilidad metodolgica de esta investigacin tambin es marginal,
pues se emplearn mtodos conocidos de diagnstico estudiando
todas las empresas del sector.
3. Definitivamente esta investigacin tiene carcter tecnolgico. Se trata
de identificar precisamente necesidades de desarrollo de tecnologa
en la pequea industria de plsticos de la regin Arequipa en la dcada
pasada, mediante la ejecucin de un diagnstico integral. Los
resultados de la investigacin permitirn detectar vacos especficos
6
de innovacin tecnolgica en este sector que podrn ser cubiertos ms

eficazmente dado que se identifica con precisin las necesidades
insatisfechas
4. La relevancia social de la investigacin es evidente en tanto que los
usuarios directos son las pequeas industrias del sector de plsticos y
los beneficiarios indirectos sern los consumidores de los productos
manufacturados por stas que han sido mejorados o abaratados por
efecto de innovaciones introducidas. De lograrse un desarrollo
tecnolgico significativo y de amplia cobertura en este sector, existira
un beneficio de amplios estratos de la poblacin.
5. No se conocen estudios tecnolgicos anteriores especficos para el
sector de la pequea industria de plsticos de la regin Arequipa, por
lo que la investigacin propuesta es original. Existen antecedentes de
estudios genricos del sector industrial que ponen nfasis en
indicadores globales de productividad y financiamiento Por ella la
presente investigacin es original. Probablemente existan
investigaciones semejantes de otras latitudes, de las cuales se podran
extraer aspectos metodolgicos.
6. La investigacin propuesta es totalmente factible. El equipo de
investigacin tiene experiencia en anlisis de tecnologa y en
innovacin tecnolgica, razones que determinan su idoneidad para
conducir la presente investigacin. Asimismo, se cuenta con
informacin especializada sobre anlisis tecnolgico y mtodos de
implementacin de diagnsticos tecnolgicos. Todos los recursos
materiales necesarios para este proyecto estn a disposicin por lo
que no constituyen una barrera para su ejecucin.
7. Esta investigacin por su carcter de diagnstico no requiere explicar
la situacin, sino ms bien conocerla con la mayor objetividad posible.
Por ello, no es imprescindible la formulacin de hiptesis de trabajo.
Ms bien, se trata en este caso, de precisar con cuidado sus objetivos
y metas.
7
3.3. OBJETIVOS
Concepto:
El Objetivo es un propsito cualitativo que define "el qu" se pretende

investigar buscando dar algn tipo de solucin al Problema de investigacin.
El Objetivo emana del Problema, est articulado a l. De ninguna manera se

puede plantear un objetivo que no est inscrito en el espacio de bsqueda
delimitado por la magnitud y alcances del Problema. Lo relacin entre
Problema y Objetivos, constituye el primer nivel de coherencia de un proyecto
de investigacin.
Un objetivo debe indicar si se va a investigar las causas del problema, sus

consecuencias o se circunscribir a describir el problema. Es decir, los
objetivos debern expresar el enfoque de la investigacin y su cobertura,
indicando los aspectos a desarrollar.
Pueden ser generales y especficos. En la investigacin no conviene tener

ms de un objetivo general, siendo muy importante precisar los objetivos
especficos, de modo que guardando coherencia entre s, sean adems
precisos y evaluables (Prado, 1990, p. 49).
Debe haber una clara relacin entre las variables y los objetivos. Los objetivos
se desprenden del conocimiento de las variables y del contexto en el cual se
desarrolla la investigacin, como son los intereses de los promotores de la
investigacin, los plazos y los recursos asignados.
Durante la formulacin del proyecto de investigacin es conveniente' enunciar

objetivos alternativos sobre el problema investigado, para luego evaluarlos y
seleccionar el mejor o los mejores, conforme se vaya consolidando el marco
conceptual de la investigacin.
Para el cumplimiento de cada objetivo especfico hay que plantear y

desarrollar un conjunto de actividades. Es decir, las actividades se
desprenden de los objetivos.
Los objetivos tienen las siguientes caractersticas:
Determinan de modo especfico los logros que se esperan de la investigacin
8
Expresan relaciones entre las variables del problema.

Indican el tipo de problema investigativo (a veces, implcitamente).
Guardan coherencia con el Problema de investigacin.
Las Metas, en cambio, expresan cuantitativamente los logros del proyecto; a

diferencia de los objetivos que lo hacen cualitativamente. Por ello, para cada
objetivo especfico se plantea una, a veces ms de una, meta. Por ejemplo,
si se tiene el siguiente objetivo especfico: Evaluar el comportamiento de
ecuaciones de estado de tres parmetros para sustancias polares en la
vecindad de la regin crtica. Una meta correspondiente sera: realizar la
evaluacin de por lo menos diez ecuaciones de estado alternativas.
Formulacin
Los objetivos se redactan empezando con un verbo en infinitivo, y como se

ha indicado, precisando su alcance lo mejor posible. Para detallar los
aspectos que la investigacin comprende es til emplear algunas
interrogantes de investigacin, como las presentadas en el captulo segundo.
Respondiendo las interrogantes para plantear el problema de investigacin
se tiene el escenario claro de cules son los elementos a considerar en la
formulacin de los objetivos de la investigacin.
Las interrogantes que se presentan en la formulacin de objetivos son las

siguientes:
Interrogantes sobre el Objeto de la Investigacin
Qu tema se estudia?
Cul es el propsito de estudiar este tema?
Cmo se define el sistema en estudio?
Qu procesos se evalan en la investigacin?
Qu fenmenos explican tales procesos?
Qu aspectos del tema se dejan de estudiar? Por qu?
Convendra estudiar algn aspecto ms especfico? Cul? Por qu?
El estudio de est tema ser descriptivo, comparativo, explicativo, predictivo
o aplicativo?
9
Cul es la ubicacin temporal del tema? Por qu se selecciona sta y no

otra?
Cul es la ubicacin espacial o geogrfica del estudio? Qu criterios se
han considerado para definirla?
Interrogantes sobre el Anlisis de Variables
Con qu variables se describe el estado del sistema seleccionado?

Qu variables independientes se identifican?
Cules son las variables dependientes7
Existe alguna variable dependiente ms importante que otras Cul es?
Se logran identificar relaciones entre las variables dependientes y las
independientes?
Para cada variable dependiente, cules son las variables independientes
ms significativas?
Qu tendencia o relacin existe entre las variables independientes para
cada variable dependiente?
Se pueden representar estas relaciones mediante ecuaciones? De qu
tipo?
Existen teoras que expresen las relaciones entre variables halladas?
Si no existen tendencias claras entre las variables, a qu se debe? Existe
alguna perturbacin? Se presentar una dependencia con otras variables
no consideradas en el anlisis?
Ejemplos
A modo de ilustracin se proponen los siguientes ejemplos de objetivos de

investigacin:
1. Determinar el nivel de contaminacin en cromo, de las aguas efluentes de

todas las curtiembres de la ciudad de Trujillo.
2. Establecer el efecto de la radiacin ultra-violeta en la variacin del peso
molecular promedio del polietileno de alta densidad.
3. Indicar el efecto de adicionar Nylon al polietileno sobre las propiedades
mecnicas de dicha mezcla.
4. Evaluar las innovaciones tecnolgicas en la pequea industria de
plsticos de la Regin Arequipa en la ltima dcada.
10
En el primer objetivo se precisa qu contaminante se va a evaluar (cromo), el

tamao de la muestra (todas las curtiembres) y el mbito geogrfico (Trujillo);
est implcito que el mbito temporal consiste en una evaluacin slo en el
momento actual. Vale la pena destacar que este primer objetivo se puede
enunciar tambin como: Determinar el contenido de cromo de las aguas
efluentes de todas las curtiembres de Trujillo. De hecho en la formulacin original
del objetivo se advierte un cierto prejuicio respecto a que existe contaminacin.
En el segundo objetivo propuesto se busca una relacin entre la radiacin ultra-

violeta (seguramente incluye los indicadores de intensidad y tiempo de
exposicin), y el peso molecular del polietileno de alta densidad. Es conveniente
recordar que del peso molecular dependen las propiedades mecnicas de los
polmeros y consecuentemente sus aplicaciones. El tercer objetivo tambin es
bastante explcito, pero se tendra que precisar qu propiedades mecnicas se
evaluarn. El cuarto objetive delimita un horizonte de espacio y tiempo, as como
de rama industrial y de aspecto a investigar. Es preciso sin embargo, explicitar
qu se entiende por innovacin tecnolgica, cmo se califica si una industria es
pequea y en qu consiste la evaluacin. La metodologa de evaluacin debe
registrar las innovaciones, clasificarlas en categoras determinadas y estimar su
importancia conforme a indicadores objetivos.
Como ejemplo algo ms completo, se presenta el siguiente caso, que considera

un objetivo general y dos objetivos especficos. Adems, se ilustra cmo se
infieren las actividades correspondientes a uno de los objetivos.
Ejemplo sobre la Extraccin de un Aceite Esencial de una Planta Nativa.
Se podra formular el siguiente objetive general:
Establecer la cintica de extraccin del aceite esencial de las hojas de

dicha planta.
Como objetivos especficos se proponen los siguientes:
1. Seleccionar el solvente ms adecuado para la extraccin del aceite

esencial
11
2. Formular una ecuacin que describa la cintica de extraccin en trminos

de las caractersticas de la materia prima, de las condiciones de operacin
y del solvente empleado.
Anlisis preliminar de variables implicadas:
Si un solvente es adecuado o no para extraer un determinado soluto,

depender de las siguientes propiedades:
Solubilidad del soluto en el solvente

Selectividad para la captacin del soluto, vale decir que se extrae en
exclusiva el soluto y no se extraen otros componentes
Costos de separacin del solvente, de la mezcla solvente-soluto, para
su reciclo al proceso La cintica de extraccin del soluto podra
depender de las siguientes variables:
Tipo de solvente
Condiciones de la materia prima
Tiempo
Condiciones de operacin
Dentro de las condiciones de la materia prima se identifica principalmente el

contenido inicial de aceite y probablemente un indicador sobre la apertura de los
poros o coeficiente de tortuosidad, que facilita el proceso de difusin. En algunos
casos, esto se alcanza con tratamientos previos; no obstante, esta propiedad es
difcil de evaluar objetivamente para el caso de hojas vegetales. Para lminas
prensadas, como en la extraccin de aceite de soya girasol y algodn, el espesor
de las hojuelas es determinante (Becker, 1978, p, 755).
En las condiciones de operacin se tiene principalmente la temperatura.

Adems, podran afectar la cintica la relacin de flujos del material vegetal
respecto al de solvente, la cantidad de soluto inicial contenido en el solvente y la
densidad del lecho que posibilite libre circulacin del solvente y de la miscela
(mezcla de solvente y soluto) obtenida. La temperatura es importante porque
afecta tanto la viscosidad del solvente y de la miscela, sus densidades y el
coeficiente de difusin. Estos tres trminos determinan la transferencia de masa
(Geankoplis, 1998, p. 504)
12
Actividades necesarias:
Como se ha explicado en esta seccin, a partir de los objetivos se desprenden

las actividades del proyecto. Por ejemplo, si se considera el primer objetivo
especfico presentado lneas arriba seleccionar el slveme ms adecuado para
le extraccin del aceite esencial", se pueden desprender las siguientes
actividades:
1) Evaluar la solubilidad en tres solventes alternativos;

2) Determinar b selectividad de estos solventes;
3) Calcular los costos de recuperacin de los solventes; y,
4) Medir las prdidas de solvente durante la extraccin.
3. Palomino & Cerpa (2000). Determinan que para la hidroextraccin de aceites

esenciales son importantes la volatilidad relativa del aceite esencial, la densidad
del lecho, el tamao de partcula vegetal y la velocidad del flujo
3.4. HIPTESIS
Definicin y caractersticas
Las hiptesis son juicios provisionales contrastables que describen o explican

a priori el vaco de conocimiento que aparece en la formulacin del problema,
cumpliendo la funcin de orientar la investigacin.
En otras palabras, las hiptesis son explicaciones transitorias sobre el

problema de investigacin, que predicen un resultado probable, lo que
posteriormente se deber demostrar. El desarrollo de la investigacin se
encamina a evaluar la veracidad de las hiptesis, por lo que se considera que
las hiptesis son el elemento dinamizador de la investigacin en una direccin
determinada.
Las hiptesis-son enunciados o proposiciones qu tienen las caractersticas

generales siguientes:
a) Estn formuladas objetivamente, procurando conocer el problema

investigado en las conexiones con su medio, pero particularmente a nivel
del vaco de conocimiento que lo ha generado.
13
b) Relacionan, cualitativa o cuantitativamente, las variables identificadas

para el caso en estudio.
c) Son susceptibles de argumentacin, de desarrollarse tericamente.
d) Son contrastables, es decir, se deben poder verificar.
Por naturaleza, las hiptesis son transitorias o provisionales pues si se verifican

toman el carcter de teora (en caso de una investigacin cientfica), o pasan a
constituir una alternativa tecnolgica viable (en caso de una investigacin
tecnolgica); en cambio, si se demuestra su falsedad deben ser modificadas.
En ingeniera, de lo que se trata es de concebir, disear, construir, poner en

funcionamiento, u optimizar algn aspecto de uno o varios procesos de
transformacin. La ingeniera recurre a la herramienta matemtica para
encontrar modelos matemticos que de manera analtico-cientfica, o emprica,
cumplan esos propsitos. Por tanto, se recomienda que una hiptesis incorpore
expresiones matemticas que diagnostiquen, describan o predigan el
comportamiento de los fenmenos en estudio, segn lo estipulado en los
objetivos.
De esta manera aparece un segundo nivel de coherencia del proyecto de

investigacin: lo estrecha vinculacin que hay entre los objetivos y la o las
hiptesis formuladas para llenar los vacos de conocimiento que han dado lugar
a la investigacin.
Ejemplo de Cintica de Reaccin Cataltica
En una investigacin sobre la determinacin de la cintica de una reaccin

cataltica, se puede establecer la siguiente hiptesis: la velocidad de reaccin es
de primer orden a bajas Concentraciones del reactante A y es de orden cero o
elevadas concentraciones de dicho reactante. Es decir, un modelo matemtico
concordante tendra la siguiente expresin:
-rA = kCA / (M+CA) (3.1)
Siendo -rA la velocidad de reaccin con unidades de gramo mol litro-1 segundo-
1, CA la concentracin del reactante A en gramos mol/litro, k y M son constantes
dependientes de la temperatura y del catalizador: M tiene las unidades de C A y
k las de -rA. En este caso, la variable independiente es la concentracin del
14
reactante A y la dependiente es la velocidad de reaccin. Esta hiptesis expresa

una relacin particular entre estas variables.
Clases de Hiptesis
Las hiptesis son de tres clases:
descriptivas,
explicativas, y
tecnolgicas.
Las hiptesis descriptivas tienen por funcin presentar un sistema o hecho, de

modo ordenado y sistemtico, considerando slo su comportamiento externo, su
estructura y principales componentes De modo equivalente al estudio que hace
la anatoma en los seres vivos. Las hiptesis explicativas, en cambio, precisan
las relaciones esenciales entre los hechos, tienden a explicar el mecanismo de
accin de los sistemas y sus causas. Es decir, se tienen en muchos casos
relaciones entre los componentes presentes, su organizacin y los fenmenos
que ocurren para explicar los procesos de cambio. En este caso equivale al
estudio de la fisiologa de los seres vivos. Las hiptesis tecnolgicas indican
cmo transformar eficientemente un objeto o un proceso.
En las investigaciones tecnolgicas es frecuente el uso de hiptesis

tecnolgicas, pues lo que se persigue es superar determinados problemas,
quizs sin conocer las razones cientficas que conlleva esta superacin.
En todos los casos, la calidad de la Hiptesis depender del dominio del tema
que posea el investigador y de la pertinencia y consistencia del marco conceptual
establecido. Es este saber sobre el tema, lo que permite lograr una buena
explicacin al problema con un ptimo relacionamiento de las variables en juego.
Ejemplo sobre produccin de Tizas
En una fbrica productora de tizas para escritura, fabricadas a partir de yeso,

carbonato de calcio, tiza, agua y un polmero, se obtienen tizas que escriben muy
bien pero presentan pequeas cavidades al interior de la tiza que le dan mal
aspecto y debilitan su estructura Para superar este problema se desarrolla una
investigacin. Ideal sera conoce' la causa que origina estas burbujas de gas en
el interior de la masa antes de que frage, pero si no se logra xito, existen otras
15
opciones como buscar la eliminacin de estas burbujas ya sea por medios

qumicos o mecnicos. Las hiptesis tecnolgicas deben orientar estas
opciones.
Etapas en la formulacin de Hiptesis
No existe un mtodo infalible para construir hiptesis. Sin embargo, se

recomiendan-4 5 las siguientes etapas:
a) sistemtico acopio de informacin,

b) procesamiento e interpretacin inteligente de la misma,
c) identificacin de las variables relevantes,
d) bsqueda de analogas importantes,
e) formulacin, de proposiciones que describan o expliquen el problema,
desde la perspectiva de los objetivos y en funcin de las variables
relevantes,
f) seleccin de las proposiciones que parezcan ms certeras,
g) formalizacin de estas proposiciones, ya sea lgica o
matemticamente. (Investigando en Ingeniera releva el uso de
modelos matemticos para la formalizacin de la hiptesis).
La formalizacin de las proposiciones para que se consoliden como hiptesis

consiste en analizarlas y si es preciso reformularlas para darles la forma lgica
o matemtica adecuada.
Durante la construccin de las hiptesis se recurre a instrumentos lgicos

diversos: la induccin, la analoga, la analoga matemtica e inclusive
consideraciones filosficas.
Validacin de las Hiptesis
Para verificar las hiptesis se pueden seguir las siguientes reglas (Bunge,
1969, p.55):
1. Analizar lgicamente las hiptesis, para determinar si se refieren a un

objeto ideal (una entidad matemtica, por ejemplo) o un hecho fctico (la
descomposicin de un licor fermentado, por ejemplo) y determinar la
propiedad de los aspectos sintcticos y semnticos.
16
2. Comprobar experimentalmente las hiptesis que se refieren a hechos

fcticos. La experimentacin en laboratorio implica someter al Objeto
investigado a estmulos controlados. Sin embargo, la comprobacin
experimental no se restringe a! trabajo en laboratorio, sino que va ms
all, al trabajo en la planta industrial, en evaluaciones de campo, o la
observacin detallada de la naturaleza, como en clebres ejemplos de
astronoma y biologa.
3. Observar aspectos singulares comunes en busca de elementos de prueba
de aspectos universales. Es difcil comprobar enunciados referentes a
clases de hechos y no a hechos singulares. Es mucho ms complicado
demostrar la hiptesis que todos los materiales se dilatan al ser
calentados, que demostrar otra que indique que el hierro slido puro al ser
calentado se dilata. Para verificar la validez de le primera hiptesis
4 Bunge M969. pg. 5U recomienda las tres primeras etapas, Rodrguez-

Rodrguez O99i. pg. 13 ), recomiendan Las siguientes
es necesario demostrar previamente la correccin de varias hiptesis

semejantes a la segunda aplicadas a diversas clases de materiales.
4. Formular preguntas precisas para la evaluacin de las hiptesis (y.

obviamente, para su " elaboracin). Si se quiere demostrar la hiptesis de
que los compuestos clorados son cancergenos, previamente habr que
definir qu se entiende por compuesto clorado y qu significa
exactamente cancergeno. Se podra definir como compuesto clorado a
toda sustancia, que contenga cloro o sus derivados, en cualquier
proporcin ya sea en combinacin qumica o en solucin. De modo
anlogo, habr que especificar el concepto de cancergeno.
5. Recolectar y analizar los datos conforme a las normas de la estadstica.
Es muy importante que los procedimientos experimentales sean
rigurosos, para que se pueda establecer la confiabilidad de estos y el error
cometido.
6. Considerar que una hiptesis validada es perfectible. En la investigacin
se demuestra que una hiptesis es adecuada o no. Sin embargo, no es
posible demostrar que la hiptesis es la nica respuesta acertada ni la
17
mejor. A modo de ejemplo, consideremos que a partir de un conjunto de

datos experimentales se obtiene un modelo matemtico de la forma:
2. Y = b0 + b1 X1 + b2 X2 + b11 X12 (3.2)
Que es validado estadsticamente como adecuado con 95 por ciento de certeza.

No obstante, si se re-evalan los mismos datos, posteriormente se podra
establecer que el modelo matemtico siguiente, es ms preciso, es mejor.
ln Y = C0 + C1 lnX1 + C2 lnX 2 (3.3)
Interrogantes para la Formulacin de Hiptesis
Se presentan a continuacin algunas interrogantes que pueden contribuir a la

formulacin de las hiptesis de la investigacin. Varias de estas interrogantes
sor, comunes en el planteamiento del problema de investigacin y tambin en la
definicin de los objetivos.
Interrogantes sobre el Objeto de la investigacin
Cmo se define el sistema en estudio

El estudio de este tema ser descriptivo, comparativo, explicativo,
predictivo o apelativo?
Qu procesos se evalan en la investigacin?
Existen investigaciones anteriores anlogas? En qu sentido son
parecidas?
Qu aspectos del tema se dejan de estudiar? Por qu?
Convendra estudiar algn aspecto ms especfico? Cul? Por
qu7
Qu tipo de hiptesis corresponde al objeto en estudio?
Interrogantes sobre el Anlisis de Variables
Con qu variables se describe el estado del sistema seleccionado?

Qu variables independientes se identifican?
Cules son las variables dependientes?
18
Existe alguna variable dependiente ms importante que otras? Cul

es?
Se logran identificar relaciones entre las variables dependientes y las
independientes?
Para cada variable dependiente, cules son las variables
independientes ms
Significativas?
Qu tendencia o relacin existe entre las variables independientes
para cada variable dependiente?
Se pueden representar estas relaciones mediante modelos
matemticos? De qu tipo? Estos modelos se podrn basar en
teoras existentes?
Existen teoras que expresen las relaciones entre las variables en
estudio?
Existen teoras formuladas para procesos anlogos? Podrn stas
ser aplicadas a esta
Investigacin?
Si no existen tendencias claras entre las variables, a qu se debe?
Existe alguna perturbacin? Se presentar una dependencia con
otras variables no consideradas en el anlisis?
Se pueden enunciar con precisin las relaciones que existen entre
las variables ms significativas y que explicaran el problema en
estudio? Existe alguna formulacin alternativa?
Ejemplo de Cintica de Extraccin de Aceite
Si se retoma el ejemplo de la seccin 3.3, sobre la investigacin acerca de la

cintica de extraccin del aceite esencial de una planta nativa. Los objetivos
propuestos en la seccin anterior son:
Objetivo general:
Establecer la cintica de extraccin del aceite esencial de las hojas de dicha

planta.
Objetivos especficos:
19
Seleccionar el solvente ms adecuado para la extraccin del aceite

esencial.
Formular una ecuacin que describa la cintica de extraccin en
trminos de las caractersticas de la materia prima, de las condiciones
de operacin y del solvente empleado.
Ya se realiz un anlisis de variables, en donde se establecen las variables que

condicionan la seleccin del solvente: solubilidad, selectividad y costo de
recuperacin. Asimismo, se establecieron las variables que determinan la
cintica de extraccin: tipo de solvente, tiempo de extraccin, condiciones de la
materia prima (tortuosidad y contenido inicial de soluto), as como condiciones
de operacin (temperatura y probablemente relacin de flujos del material a
extraer y del solvente; en algunos casos, se considerar la densidad del lecho
empacado de material oleaginoso).
Para satisfacer el primer objetivo especfico se someten a prueba solventes

alternativos, por ejemplo: ter etlico, hexano, etanol y vapor de agua.
Definitivamente la seleccin de los solventes a probar se debe basar en las
recomendaciones de la literatura. Por ejemplo, el costo de separacin por
destilacin en orden creciente para los solventes por evaluar ser: ter etlico,
hexano, etanol y vapor de agua. Por supuesto que la solubilidad y selectividad
depender del tipo de aceite por separar. Una hiptesis correspondiente a este
objetivo ser:
Se presume que el hexano es mejor solvente para recuperar el aceite esencial

que el ter etlico, el etanol o el vapor de agua: debido a que presenta mejor
solubilidad y selectividad v el costo de su recuperacin es inferior al del etanol o
del vapor de agua.
Una hiptesis correspondiente al segundo objetivo puede ser formulada as:
El soluto residual en el material vegetal depende de modo inverso del tiempo de

extraccin, de la temperatura de extraccin y de la tortuosidad del material
vegetal. Se presume que la densidad del lecho de material vegetal y la relacin
de flujos de material vegetal y solvente no tienen efecto significativo si superan
un valor lmite inferior. Es ms, esta hiptesis se puede expresar
matemticamente del siguiente modo:
20
ln (Z/Z0) = a + bln(t) + cln(T) + dln(H) ( 3 . 4 )
Donde:
Z : cantidad de aceite residual en el tiempo t
Z0 : cantidad de aceite residual inicial
T : temperatura de extraccin
H : Tortuosidad, que en algunos casos es representada por el

tamao de partcula o alguna otra medida geomtrica semejante.
a,b,c,d: Constantes por determinar empricamente.
La expresin cintica propuesta es una linearizacin de una funcin exponencial

mltiple. Se propone esta expresin en base a la observacin comn de que la
fraccin de soluto residual es una funcin exponencial del tiempo. Adems, en
base al clsico estudio de Othmer & Awargal (1955), quienes proponen una
funcin exponencial en funcin del tiempo y del espesor de las hojuelas de soya.
Nmero de Hiptesis
Como se ha aclarado anteriormente las hiptesis son instrumentos que orientan

el curso de la investigacin ofreciendo una solucin tentativa al problema
planteado. Una primera pregunta vlida es si la hiptesis es un requisito de toda
investigacin. Es necesario recordar que en la Investigacin cientfica, cuyo
objetivo es llenar un vaco de conocimiento, es imprescindible contar con por lo
menos una hiptesis. En cambio, en las investigaciones de carcter tecnolgico,
no es requisito tener una hiptesis, aunque en la mayora de los casos puede
ser muy til.
Es errneo plantear hiptesis irrelevantes, que no contribuyen con el desarrollo

de la investigacin. Definitivamente una investigacin puede contar con ms de
una hiptesis, dependiendo del carcter de la misma. En el siguiente ejemplo,
se plantea una hiptesis de carcter tecnolgico, que luego se corrige para que
efectivamente cumpla el rol de orientar la investigacin. Asimismo se plantea una
segunda hiptesis explicativa, representada por un modelo matemtico que
21
correlaciona el tamao de las gotas de la fase dispersa (resultado de la emulsin)

respecto a condiciones de operacin y geometra del sistema emulsificador.
Ejemplo de Emulsificacin
Se quiere disear un sistema de agitacin para preparar emulsiones cosmticas

de baja viscosidad, entonces se plantea la hiptesis: "Existe un sistema de
agitacin que permite formular una emulsin cosmtica estable de baja
viscosidad con corto tiempo de agitacin" Esta proposicin no ayuda a
seleccionar un tipo de sistema agitador, ni tampoco indica las variables a tener
en cuenta durante el diseo ni la operacin del equipo. En consecuencia, esta
hiptesis es intil y debe eliminarse.
Si se revisa la teora de emulsificacin se encuentran los siguientes conceptos

que son necesarios para plantear una hiptesis sobre el tema propuesto:
1. La emulsificacin es un proceso en el que teniendo dos fases lquidas

inmiscibles entre s, una de ellas se transforma en pequeas gotas que se
dispersan en el seno de la otra fase. Para este caso se identifica la fase
dispersa (gotas de fase oleosa, O) y la fase continua (seno del lquido
acuoso, W).
2. La formacin de una emulsin depende de los siguientes factores: (a) las
propiedades de los materiales participantes; (b; la formulacin de la
emulsin y sus propiedades fsico-quimicas; y, (c) la hidrodinmica del
proceso de emulsificacin.
3. Para mantener la emulsin estable el mayor tiempo posible es importante
considerar el tamao de gota promedio de la fase dispersa as corno la
distribucin de los tamaos de gota. Otro elemento importante es la
presencia de un agente emulsificante.
4. Les emulsificantes son molculas complejas que contienen una parte
lipofilica y otra parte hidroflica. Con el componente lipofilico dispersan las
gotas de la fase oleosa en la acuosa, previniendo que se aglomeren y
floculen. Para seleccionar un emulsificante hay que conocer el balance
hidroflico/lipofilico (HLB). Bajos valores que HL3 son tiles para producir
una emulsin W/0; en cambio cuando el HLB es alto es adecuado para
producir una emulsin O/W. Los emulsificantes con HLB superior a 9
22
forman emulsiones de aceite en agua. A veces se mezclan varios

emulsificantes para conseguir el HLB deseado (MakingCosmetics, 2013).
5. Son comunes los siguientes tipos de dispositivos para producir
emulsiones: (a) tanques con impulsores de alta velocidad; (b)
homogeneizadores de alta presin que hacen circular el lquido a travs
de boquillas de dimetro muy estrecho; (c) molinos coloidales, que
constan de un estator que rodea a un rotor; entre ambos existe una muy
pequea luz que genera en operacin un alto esfuerzo de corte, causando
la formacin de gotas muy pequeas. Los equipos para producir
emulsiones a veces combinan estos dispositivos. Por ejemplo se puede
tener un molino coloidal que opera a alta velocidad y un impulsor de
paletas amplias de baja velocidad que moviliza el conjunto del fluido hacia
el molino coloidal (Stork, 2005).
6. El tamao de gota promedio y su correspondiente distribucin depende
de la cantidad de energa suministrada en el proceso de agitacin, hasta
cierto lmite donde la adicin de energa ya no trae el efecto deseado
(Jaffer 5 Nienow, 2013).
7. El tipo de impulsor en la agitacin juega un papel importante en el tamao
de gota a obtener. Para diversos tipos de impulsores operando en el
rgimen turbulento se ha demostrado vlida la relacin:
d32 /D= A. We-0,6 (3.5)
El valor de la pendiente (A, que oscila entre 0,036 hasta 0,075 para los
impulsores ms demandados) depende del tipo de impulsor empleado y
de la relacin entre el dimetro del impulsor con respecto al dimetro del
tanque. Siendo d32 el dimetro promedio de gota de Sauter, el nmero de
Weber We=pN2D3/o, D es el dimetro del impulsor, N es la velocidad de
rotacin del impulsor, P es la densidad del material y o la tensin entre las
fases oleosa y acuosa (Jaffer & Nienow, 2013).
8. Aumentando la viscosidad de la fase continua se reduce la coalescencia
(agregacin de gotas de la fase dispersa en gotas de mayor tamao que
pueden flocular). Hayati et al. (2009) demuestran que la adicin de las
gomas CMC, Xantan, Guar y Algarrobo a una emulsin contribuyen de
23
modo importante con su estabilidad. Lorenzo et al. (2006), aplican las

gomas Xantan y Guar, as como mezclas de ellas para mejorar la
estabilidad de emulsiones O/W de bajo contenido oleoso.
Como corolario de la informacin anterior se puede inferir lo siguiente respecto

al diseo de un sistema productor de emulsiones:
1. Conviene disponer en el emulsificador de un sistema rotor/estator para

generar alto esfuerzo de corte y lograr gotas de tamao pequeo.
2. Posiblemente se requiera de un sistema auxiliar de agitacin de baja
velocidad que se encargue de movilizar el conjunto del fluido hacia el rotor
estator, para evitar "zonas muertas", en el tanque emulsificador.
3. El motor del sistema rotor/estator debe ser de alta velocidad, pero se
recomienda que tenga velocidad variable, para que tenga la flexibilidad de
producir distinto tipo de emulsiones.
4. La limpieza y mantenimiento de un sistema rotor/estator es ms eficiente
que el de un homogeneizador de alta presin. Posiblemente los costos de
adquisicin sean menores para el primero.
5. Existen mltiples posibilidades en el diseo especfico del sistema
rotor/estator. Es necesario revisar patentes para conocer las mismas.
Con esta informacin se formula la siguiente hiptesis tecnolgica en referencia

a la construccin de un sistema emulsificador:
Se asume que la produccin de emulsiones de O/VZ de baja viscosidad se

procesa adecuadamente en un equipo provisto de un sistema rotor/estator con
una luz entre ellos de 1mm. El rotor consiste de una turbina de 6 alabes y el
estator de un cilindro con ranuras de 0,5mm. La relacin entre el dimetro del
impulsor (D) y el dimetro del Tanque (T) es de 1A. El impulsor de dicho sistema
deber tener una velocidad de rotacin superior a 1000 rpm.
Para este mismo problema se podra formular una segunda hiptesis:
Para estimar el dimetro promedio de las gotas de la fase oleosa en lo emulsin

se supone vlida la ecuacin (3.5): d32 / D = A.W -0.6
24
3.5. DE LAS HIPTESIS A LAS TEORAS
Existen diversos significados para la palabra teora; pero, en este texto se usara
el siguiente concepto:
La teora es la formulacin de relaciones aparentes o principios

subyacentes a algn fenmeno observado que ha sido verificado en
cierto grado. Es decir, se trata de un conjunto organizado de
proposiciones sobre un objeto dado y que ha sido demostrado con un nivel
de certidumbre aceptable.
La formulacin de teoras es el fin ltimo de la investigacin cientfica. Se hace

investigacin para crear teoras que expliquen parte de la realidad. Toda teora
es perfectible y relativa en la medida en que nuevos hechos o fenmenos
cuestionan su vigencia para, a la luz de estos elementos adicionales formular
una teora actualizada que incorpore las nuevas evidencias. Desarrollar una
teora requiere formular hiptesis y luego verificar su validez aplicndola a la
realidad.
En la Figura 3.1 se ilustra el hecho de que las teoras se nutren de la realidad y

en su aplicacin, una vez verificada, modifican la realidad. De otro lado, la
existencia de un cuerpo de teoras constituye el soporte para nuevas
investigaciones, generando teoras que complementarn a las anteriores o las
sustituirn. Gradualmente se va adquiriendo mayor conocimiento de la realidad.
Las teoras se basan y se nutren en la realidad. La formulacin de teoras est

basada en la informacin y es posible gracias a la agudeza de los investigadores.
Formular teoras es la actividad ms desafiante que enfrenta el investigador
pues, demanda capacidad de anlisis, sntesis, criticidad y creatividad.
Definir claramente el problema es condicin esencial para formular una teora. A

la luz del marco conceptual se procede luego a identificar las variables
significativas que inciden sobre este problema. Luego se formulan las hiptesis.
La ejecucin de la investigacin est encaminada a verificar la validez de stas.
La teora proviene de la hiptesis verificada.
Como ya se ha mencionado, en la investigacin ingenieril es frecuente que las

teoras y, evidentemente las hiptesis que las generan, sean modelos que
25
describan matemticamente el problema. As, por ejemplo, en la prediccin de!

equilibrio lquido-vapor, en la cintica de las reacciones qumicas, en la
destilacin de las mezclas multicomponentes, en el secado de slidos, etc. se
formulan modelos .matemticos que pretenden describir con fidelidad el
comportamiento del sistema.
Figura 3.7 - Conocimiento de lo Realidad
Por ejemplo, en el caso de la reaccin cataltica -citado anteriormente-, si se

demuestra la hiptesis propuesta, entonces se tiene ya un modelo, es decir, una
teora, para esta reaccin y, posiblemente, para reacciones anlogas.
Para el caso de una hiptesis tecnolgica, como ya se ha mencionado, no se

trata de lograr teoras sino soluciones viables, que se expresan
fundamentalmente en diseos de procesos de transformacin o de productos.
3.6. CONSISTENCIA DE LA FUNDAMENTACIN
En toda investigacin, existe una ntima interrelacin entre los objetivos, las
variables v las hiptesis. A partir del anlisis de las variables, que parte por
identificar el sistema en estudio, los procesos involucrados y los fenmenos que
tienen lugar, se formulan las hiptesis, o explicaciones a priori de la relacin entre
dichas variables. Los objetivos son tambin propuestos en funcin de las
variables. Es decir, se cumple una relacin como la presentada en la Figura 3.2.
26
Figura 3.2.- Consistencia de lo Fundamentacin
A la luz del marco conceptual se definen las variables importantes del problema.
La explicacin tentativa respecto a la relacin entre las variables da lugar a las
hiptesis. A su vez, con el conocimiento de las variables se formulan los objetivos
de la investigacin. Los objetivos determinan las actividades del proyecto. De
otro lado, las hiptesis condicionan la estrategia de experimentacin, es decir, la
formulacin de los ensayos necesarios para su verificacin.
Cuando se evala un proyecto de investigacin es muy importante definir si

guarda coherencia justamente entre la seleccin de variables, las hiptesis
propuestas y los objetivos que orientan la investigacin. Los recursos destinados
a la investigacin, personal calificado, tiempo destinado al proyecto y recursos
materiales, constituyen un marco dentro del cual se deben formular los objetivos
de la investigacin.
3.7. RECAPITULACIN SOBRE LOS NIVELES DE COHERENCIA Y

CONSISTENCIA DEL PROCESO DE INVESTIGACIN
Un determinado universo o espacio de la realidad puede contener diversos

problemas, cada uno de los cuales define un "espacio de bsqueda".
27
Figura 3.3.- Interrelaciones entre los espacios de bsqueda y lo informacin

Problema - Objetivos Hiptesis - Marco Conceptual
Estos espacios deben irse reduciendo para focalizar la labor de investigacin, lo

que se logra planteando en forma clara y precisa el o los Objetivos. As, un
problema detectado, puede contener varios objetivos de investigacin, tal como
se muestra en la Figura 3.3. De la misma manera, cada objetivo puede contener
uno o ms vacos de conocimiento que dan lugar al mismo nmero de hiptesis.
Er. La Figura 3.3. Se incorpora el elemento informacin y dentro l. El marco
conceptual como soporte de todo el proceso de la investigacin. No es posible,
ni siquiera concebir una idea a investigar, sin tener informacin de base. A
medida que se avanza en la investigacin, la exigencia de contar con informacin
suficiente y valiosa es cada vez mayor, pues de lo contrario se corre el riesgo de
repetir trabajos ya realizados, o de plantear errneamente objetives o hiptesis.
CUESTIONARIO
Fundamentacin de la Investigacin
Seleccione un tema que desee investigar y responda a las siguientes preguntas

referidas al mismo:
1. Cul es el enunciado del problema de investigacin, estableciendo el

sistema seleccionado y los procesos por investigar? Especifique
asimismo el contexto temporal y espacial, si es pertinente.
28
2. Cul es el tipo de problema de investigacin? La investigacin es

descriptiva, comparativa, explicativa o predictiva?
3. En qu rea temtica se ubica dicho problema?
4. Consulte cinco referencias bibliogrficas sobre el problema que investiga
y liste ordenadamente las principales ideas extradas de las mismas,
indicando en cada caso la fuente correspondiente. Sea preciso en el
listado de las ideas, procurando resumir lo mejor posible. Cules son las
tres ideas ms importantes del estudio realizado?
5. Cules son las variables dependientes? Para cada variable dependiente,
cules son las variables independientes significativas? Existen
relaciones ntidas entre estas variables? Existen teoras que explican
estas relaciones?
6. Plantee la descripcin del problema de investigacin estableciendo un
anlisis detallado de variables.
7. Cules son los objetivos propuestos para esta investigacin?
8. Qu justificacin propone para la investigacin?
9. Cules son las hiptesis que se proponen? Las hiptesis son
consistentes con los rubro (4), (6), (7) y (8)?
10. Qu estrategia propone para verificar las hiptesis?
29
REFERENCIAS BIBLIOGRFICAS
Becker, W. (1978) Solvent Extraction of Soybeans. JAOCS, November, p. 754 -

761.
Bunge, Mario (1969) La Ciencia, Su Mtodo y su Filosofa. Ed. Siglo Veinte,

Buenos Aires
Geankoplis, Christie J. (1998) Procesos de Transporte y Operaciones Unitarias.

CECSA tercera edicin, Mxico, ISBN 968-26-1316-7.
Hayati, Ibrahim Nor, Yaakob Bin Che Man, Chin Ping Tan, Idris Nor Aini (2009)
Droplet characterization and stability of soybean oil/palm kernel olein O/W
emulsions with the presence of selected polysaccharides. Food Hydrocolloids 23
pp. 233-243.
Hernndez Sampieri, Roberto - Carlos Fernndez Collado - Pilar Baptista Lucio

(1991) Metodologa de la Investigacin. Me Graw Hill, Mxico, 1991. ISBN 968-
422-931-3,
Jaffer, Shaffiq & Albin Nienow (2013) Emulsions and Emulsification: Status and
Future Challenges. Presentation.
http://www.mixing.net/Conferences/mix21/JafierNienow.pdf.
Lorenzo, G., N. Zaritzky, A. Califano (2006) Caracterizacin Reolgica de

Emulsiones O/W de Contenido Lipdico Reducido Estabilizadas con
Hidrocoloides. IACCHE - Interamerican Confederation of Chemical Engineering.
Making Cosmetics Inc. (2013). Making Emulsions for Cosmetics.

www.makingcosmetics.com
Othmer, Donald & Jagdish Awargal (1955). Extraction of Soybeons: Theory and
Mechanism Chemical Engineering Pogress, 51(8), pp.372-378.
Palomino, Alfredo & Manuel Cerpa (2000). Modelamiento de la Hidroextraccin

de Aceites Esenciales. UNMSM, Lima.
Prado, Alfredo (1990). Metodologa de la Investigacin. Ediciones SADUC,

Arequipa.
30
Rodrguez Sosa, Miguel - Rodrguez Rivas, Miguel (1991). Teora y Diseo de lo

Investigacin Cientfico. Ediciones Atusparia, tercera edicin, Lima.
Stork, Martijn (2005) Model-based optimizaron of the operation procedure of

emulsification. Tesis Doctoral Technische Universiteit Delft, Holanda.
31
CAPTULO 4
GESTIN DEL CONOCIMIENTO
En este captulo se presenta el importante tema de la gestin del conocimiento,

desarrollando los siguientes puntos:
Elementos bsicos de la gestin del conocimiento

Niveles y Categoras de Insumos del Conocimiento
El Conocimiento y los Activos Intangibles
Componentes del Capital intelectual
Procesos de Generacin de Conocimiento
Gestin del Conocimiento propiamente dicha
Gestin Tecnolgica y del Conocimiento
La aplicacin de la gestin del conocimiento
Es necesario recordar que la tecnologa est conformada por conocimiento y, en

consecuencia, su gestin deber tomar en cuenta los elementos y metodologas
empleados en la gestin del conocimiento. De all la importancia vertebral de
este tema en la presente obra
4.1. INTRODUCCIN
Al presente se vive una nueva era. La Era del Conocimiento, que tiene su
expresin en la globalizacin, la informatizacin, la desintermediacin
econmica y el desarrollo de intangibles Es en ese entender, que se hace
necesario abordar el tema de la Gestin del Conocimiento ya que de ella
dependen los cambios en cualquier esfera de accin, pero particularmente en el
rea de la ciencia, la tecnologa y la innovacin.
Para el investigador es vital "saber cmo" se Gestiona el Conocimiento, pues la

investigacin tiene diversos procesos subyacentes de acopio, seleccin,
organizacin, generacin, difusin, aplicacin y validacin del conocimiento que
dan lugar a la ciencia y tecnologa. De otro lado, se requiere del cultivo de
capacidades inteligentes para gestionar apropiadamente el conocimiento, las
mismas que se aplican en la investigacin. Belinda Colina y colaboradores
(2006), con un enfoque centrado en la empresa afirman que la Gestin del
32
Conocimiento potencia la capacidad para desarrollar productos, servicios y

mercados, afirmando una cultura de agregacin de valor y aseguramiento de la
calidad, a la par que se logran aprendizajes formales e informales.
Para evaluar la capacidad evolutiva de las organizaciones se plantean por lo

menos tres rubros de competencias: competencias en innovacin, competencias
de relacionamiento, y competencias de transformacin/adaptacin cultural.
Dichas competencias estn presentes en la investigacin. En resumen, la
gestin del conocimiento promueve el aumento de la inteligencia de las
organizaciones (Maestre, 2000), al desarrollar el conjunto de sistemas y
procesos que mejoran su efectividad, incrementando su ventaja competitiva en
relacin con sus homologas, y elevando su capital intelectual a su mxima
expresin.
4.2. UTILIDAD DE LA GESTIN DEL CONOCIMIENTO
Son varias las razones para implementar la gestin del conocimiento (GC). Aqu
se alcanzan algunas de ellas que se consideran relevantes:
Permite saber dnde est qu? Uno de los principales problemas

que se plantean en cualquier organizacin es encontrar los recursos
necesarios para acometer diferentes tareas. Recursos que pueden
estar, tanto dentro como fuera de la organizacin. Todo ese
conocimiento y experiencia se encuentra diseminado en los intersticios
de la organizacin y las redes externas a la misma, y el acceso a ellos
no ser complicado si se gestiona convenientemente.
Permite conocer quin sabe de qu? Del mismo modo, el personal
de la organizacin cuenta con una serie de competencias que pueden
aplicar en el desempeo de sus funciones. Conocer qu es lo que sabe
cada quien, supone una atentica ventaja competitiva, adems del
beneficio que significa el saber qu funciones pueden llegar a
desempear los integrantes de una organizacin y cmo se pueden
suplir carencias en algunas reas.
Evita las islas de informacin" La falta de conexin entre personas
y unidades organizativas, puede conllevar a la existencia de bloques
de informacin aislada, fuera de contexto y carente de realidad. Crear
33
flujos de informacin dotar de mayor vitalidad a la organizacin y

provocar importantes sinergias positivas en el desempeo del "qu
hacer" diario.
Evita reinventar la rueda" La GC hace posible aprovechar el que
oros ya han Construido y trabajar sobre ello para mejorarlo y agregarle
mayor valor.
Fomenta y da sustento a la innovacin El "pozo de conocimiento"
que se va generando, hace cada vez ms inteligente a la organizacin,
y la posiciona a la vanguardia para acometer, en mejores condiciones
que sus competidores, procesos de innovacin.
4.3. ELEMENTOS BSICOS DE LA GESTIN DEL CONOCIMIENTO
Informacin y conocimiento sobre qu?
El conocimiento que se requiere en una organizacin, adems del interno y

propio, incluye el relativo a clientes, proveedores, socios, competidores, as
como el disponible relativo al entorno en instituciones, universidades, bancos de
datos, etc., a travs de los medios tradicionales o bien a travs de Internet.
La cantidad y disparidad de conocimiento accesible requiere una seleccin del

conocimiento relevante y valioso, del resto. Por ejemplo, para una empresa tpica
interesan los rubros de: Mercado y Clientes, Proveedores, Colaboradores,
Procesos internos. En cambio, para el caso de una Incubadora de Tecnologa,
interesa la tecnologa y sus tendencias de cambio, en correspondencia con las
lneas de investigacin y desarrollo (Wenger, 2002)
Conquista de la Sabidura
1. El reto de la Era del Conocimiento es producir informacin y generar

conocimiento para conquistar la sabidura, lo que significa:
2. Poner nfasis en la calidad ms que en la cantidad, entendida sta como
pertinencia, oportunidad y eficacia del conocimiento para influir
positivamente en la calidad de vida
3. Contribuir a la reduccin del analfabetismo funcional, posibilitando el
acceso a la informacin, siendo cada vez ms las personas que puedan
administrarla, para beneficio propio y del colectivo.
34
4. Desarrollar capacidades inteligentes en las personas, que los habiliten

para ser solventes en la captacin, organizacin, e interpretacin de la
informacin adecuada; afirmndose as como gestores de conocimiento.
5. En consecuencia, el conocimiento es uno experiencia profundamente
personal, que exige aplicar habilidades inteligentes a la informacin, para
convertirla posteriormente en algo productivo e, incluso, rentable (Ibarra,
2007).
4.4. Niveles y Categoras de Insumos del Conocimiento
En este entender del conocimiento, aparecen diferentes niveles y categoras de

insumos que hay que saber manejar para conquistar la sabidura o conocimiento
aplicado (Pez Urdaneta, " 1992).
La Pirmide Informacional (Figura 4.1) se obtiene relacionando los insumos del

saber, considerando su calidad y cantidad.
As aparecen los datos, a la base de la pirmide porque aunque son abundantes,

y constituyen la materia elemental del saber, por s mismos no aportan
significativamente a su calidad. Luego surge la informacin, como fruto de darle
significado a los datos, agregando as su valor en cuanto a calidad. En un tercer
nivel se ubica el conocimiento, resultado de la valoracin e interpretacin de la
informacin, logrando su comprensin.
Sin embargo, el proceso del saber va ms all. En el momento en que la persona

relaciona su conocimiento con la realidad y sus demandas, es decir con su
entorno, y decide aplicarlo para dar soluciones a problemas o crear nuevas
oportunidades o alternativas, es all cuando se alcanza la sabidura, como
mximo nivel del saber.
35
CANTIDAD
Figura 4. Lo Pirmide Informacional
Por lo tanto, se definen ahora los insumos del saber, de la manera
siguiente:
Datos: registro de iconos simblicos (fonticos o numricos) o signicos

(lingsticos, lgicos o matemticos) por medio de los cuales se
representan hechos, conceptos o instrucciones. Los datos slo describen
una parte de lo sucedido; no incluyen opiniones ni interpretaciones, no
constituyen bases slidas para la adopcin de medidas.
Informacin: datos o materia informacional relacionada o estructurada de

manera actual o potencialmente significativa La informacin tiene
significado "importancia y propsito" tiene una forma propia: se organiza
para algn propsito.
Conocimiento: estructuras informacionales que, al internalizarse, se

integran a sistemas de relacionamiento simblico de ms alto nivel y
permanencia. El conocimiento a diferencia de la informacin implica
anlisis, valoracin e inteligencia
Inteligencia: estructuras de conocimiento que siendo contextualmente

relevantes, permiten la intervencin ventajosa de la realidad. Se trata la
informacin como oportunidad.
36
Existe pues una estrecha relacin entre informacin y conocimiento. La

informacin es la materia prima y el conocimiento es el recurso mental
mediante el cual se le agrega valor.
VALOR AGREGADO
Uno de los enfoques ms interesantes en torno a estos aspectos, se relaciona

con el modelo de agregacin de valor formulado por Robert Taylor. Su postulado
fundamental se basa en la transferencia de informacin como respuesta
intensiva a un proceso humano.
El concepto de valor aadido se establece a partir del conjunto de procesos que

tienen la caracterstica de agregarle valor a un producto, accin o servicio, como
se observa en los siguientes esquemas que ilustran dicho concepto, en los
distintos niveles de a pirmide informacional
Los datos pueden ser agrupados, clasificados, seleccionados, etc. Cada uno de
estos procesos les va agregando valor y los convierten en informacin.
La informacin, mediante procesos de anlisis (separacin, evaluacin,

comparacin, validacin, etc.) que le agregan valor, se convierte en
conocimiento informativo.
El conocimiento informativo, modificado mediante procesos evaluativos que

le agregan valor (opciones, ventajas y desventajas) pasa a constituir
conocimiento productivo, denominado por Pez Urdaneta, inteligencia.
37
El conocimiento productivo mediante procesos de decisin otorga agregacin

de valor, como el preparamiento de metas, el compromiso, la negociacin o la
seleccin se transforma en principio que conduce a la accin.
Estos procesos de agregacin de valor llevan a la superacin del nivel

informacional de un individuo, lo que equivale a decir, que en la medida que se
sube en el nivel de le pirmide, se obtiene informacin de mayor valor, en
trminos del anlisis de contenidos.
4.5. El Conocimiento y los Activos Intangibles
Con el desarrollo de los temas anteriores, ha quedado claramente establecido

que el conocimiento constituye un pilar bsico en la creacin de ventaja
competitiva, y que en el escenario socioeconmico que configura la Sociedad
del Conocimiento, la capacidad de desarrollo de las organizaciones se entiende
relacionada con la generacin y e' mantenimiento de ventajas competitivas, que
determinan la capacidad de creacin de valor. Ello depende de inversiones en
componentes intangibles y de la eficiencia con la que se gestionan los
denominados activos intangibles, que algunos autores denominan como "capital
intelectual" (Edvinsson & Malone, 1997), (Bontis, 1998); (Roos & Roos, 1997).
Este trmino mide el valor del conocimiento de una institucin en sus distintos
mbitos: las personas -inteligencia humana-, la organizacin -el know-how de la
empresa, las patentes y las marcas- y el reconocimiento del mercado, a travs
de sus outputs -satisfaccin de sus dientes o usuarios- y de su capital social.
38
El capital intelectual o intangible, se le define como el conjunto de activos

intangibles de una organizacin que, pese a no estar reflejados en los estados
contables tradicionales, en la actualidad, el mercado percibe que generan valor
o tienen potencial de generarlo en el futuro (Bueno, 1998). Esta situacin es ms
evidente an en instituciones cuyo fin es la generacin de ciencia y tecnologa,
tales como institutos de investigacin, centros de formacin acadmica y
universidades.
Una correcta medida del capital intelectual permitira aproximarse ms

objetivamente al valor de una organizacin. Por tanto, se hace necesario la
creacin de modelos que permitan cuantificar el valor del capital intangible en
una organizacin.
Entre los ms citados, con cierto grado de utilizacin en el mundo empresarial,

se encuentran: The Balanced Scorecard de Kaplan & Norton; Intangible Assets
Monitor de Sveiby; o el Skandia Navigator de Edvinsson & Malone. En Espaa,
el modelo Intelect, elaborado en 1997 por el Instituto Universitario Euroforum
Escorial con la colaboracin tcnica de KPMG, tiene junto a otros (NOVA, etc.)
un cierto impacto acadmico.
Considerando esta definicin de capital intangible, se debe analizar el concepto

desde la perspectiva de identificacin, medicin y valoracin de los activos
intangibles -perspectiva contable-, y desde la perspectiva estratgica, es decir,
como fuente de creacin de ventaja competitiva.
Lo importando del Capital Intelectual de une organizacin, reside pues en las

ventajas competitivas que genera, basadas en sus conocimientos: de lo que
sabe, de cmo usa lo que sabe, y lo rpido que es capaz de saber algo nuevo.
Los activos intangibles desde la perspectiva estratgica
Considerando la estrategia como tema unificador que da coherencia a las

acciones y decisiones de una persona individual o de una organizacin, la
estrategia juega un papel muy importante en la consecucin del xito o la
excelencia (Garca Parra, 2004). En efecto, un comn denominador en el xito
es una estrategia bien formulada y, sobretodo, maravillosamente puesta en
prctica. Se considere que el punto de partida para la formulacin de la estrategia
39
debe ser una definicin clara de la identidad y el propsito de la organizacin.

Esta definicin, que suele denominarse misin, responde generalmente a la
pregunta: En qu consiste nuestro quehacer? (Grant 1998).
Cuando el entorno externo est constantemente en estado de fluctuacin, la

propia organizacin, considerada como un conjunto de recursos y capacidades,
puede constituir sin duda una base mucho ms estable para definir su propia
identidad (Grant, 1991). Es importante destacar que lo que define a una
organizacin como actor en el mercado global, es fundamentalmente, todo
aquello que es capaz de hacer. El conocimiento, acumulado a lo largo de la
historia de la organizacin, influye en su capacidad para valorar, de forma
correcta, los nuevos recursos y capacidades y/o reconfigurar los existentes para
enfrentarse a un entorno turbulento.
Los activos intangibles comprenden entre otros el conocimiento, las habilidades,

las relaciones, la motivacin, la cultura, la tecnologa y las competencias. En este
sentido, el capital intelectual se centra en la construccin y gestin de los activos
intangibles desde una perspectiva estratgica, incluyendo asimismo aspectos
tcticos (Bueno, 2002).
Los pasivos intangibles desde la perspectiva estratgica
Los activos intangibles pierden valor. El anlisis de la prdida de valor de los

activos intangibles, considera el valor agregado, la competitividad, el potencial,
la sostenibilidad y robustez o vulnerabilidad, teniendo en cuenta una posible
depreciacin en funcin del tiempo (Andriessen & Tissen, 2000).
Qu sucede cuando las decisiones humanas son continuamente desacertadas,

cundo la inteligencia es mal utilizada o el trabajo se realiza mal? La respuesta
es obvia: se destruye la riqueza y se auguran futuras prdidas de valor. Como
afirma Caddy (2000), se debera empezar a plantear cul es el valor de una mala
idea.
As pues, una estrategia orientada a incrementar el valor intangible de la

institucin, no solamente debera ir encaminada a invertir en activos intangibles,
sino tambin a analizar cmo se deteriora o se reduce el valor de estos activos.
Es decir, tiene que contemplar la existencia de los pasivos intangibles como
40
factores que, en lugar de generar valor para la organizacin, producen prdidas

difcilmente cuantificables para la misma.
Estas percepciones conducen a considerar procesos de mejoramiento continuo

de las competencias de una organizacin y una lectura permanente de los
cambios y tendencias del entorno, que para el caso de la tecnologa implicara
un "observatorio tecnolgico" (Llores, E. 2002).
4.6. Componentes del Capital Intelectual o Intangible
Segn Roos (1997), el capital intelectual se divide en capital humano, capital

estructural y capital relacional. En la Figura 4.2. Se he graficado la relacin entre
estos componentes, empleando la figura de un iceberg para simbolizar la
relacin entre capital financiero, tangible y el intangible o capital intelectual.
Capital humano
Se refiere al conocimiento, explcito o tcito, que poseen las personas y equipos

de trabaje de la organizacin, as como su capacidad para regenerarlo. El Capital
Humano es la base de la generacin de los otros dos tipos de Capital Intelectual
y est definido por las competencias, las actitudes y la agilidad intelectual. En la
Figura 4.3, se presentan los componentes del capital humano.
Figura 4.2- Componentes del Capital Institucional
A su vez las competencias estn conformadas por conocimientos y las

habilidades para aplicar los mismos. Las actitudes estn condicionadas por la
motivacin de los individuos y de la organizacin, lo que determina su
comportamiento. La agilidad intelectual se expresa en d capacidad de generar
paquetes de conocimiento pertinentes, adaptar tal conocimiento al contexto
41
particular de la organizacin, imitar los desarrollos de otros poniendo en juego

capacidades intelectuales y finalmente innovando, es decir inventando e
introduciendo modificaciones que se traducen en el desarrollo concreto de la
organizacin.
Figura 4.3.- Componentes del Capital Humano
Capital estructural
Es el conocimiento que la organizacin consigue explicitar. Sistematizar e

interiorizar y que en un principio puede estar latente en las personas y equipos
de trabajo. En la Figura 4.4, se presentan sus componentes en dos bloques, los
referidos a los procesos, y los referidos a la innovacin.
Figuro 4 4- Componentes del Capital Estructural
42
Capital relacional
Se refiere al valor que tiene para una institucin el conjunto de relaciones que
mantiene c el exterior. La calidad y sostenibilidad de los clientes de una empresa
y su potencialidad p generar nuevos clientes en el futuro, son cuestiones claves
para su xito, como tambin es el conocimiento que puede obtenerse de la
relacin con otros agentes del entorno o se expresan en las alianzas estratgicas
que establecen las organizaciones Los componen' del capital relacional son
entonces as relaciones con: los clientes, los proveedores, con otros agentes
considerados estratgicos (directamente vinculados a los objetivos de la
empresa con las instancias que le otorguen la legalidad del caso. En la Figura
4.5 se presentan I componentes del capital relacional.
Como una aplicacin del modelo Intellectus (Bueno, 2003), en la Figura 4.6 se
presentan los componentes del Capital Intelectual para el sector acadmico.
Ntese que en cada uno de los rubros de capital se incluyen cuando ms cuatro
componentes, para as focalizar el anlisis.
43
Figura 4.6 - Capital Intelectual en la Academia
4.7. Procesos de Generacin de Conocimiento
El conocimiento es el resultado de procesos que incluyen varias etapas muy

interrelacionadas entre s, que involucran experiencias individuales y de
socializacin e intercambios con el mundo de la informacin y con la realidad
misma
Existen varias aproximaciones a este proceso de produccin de conocimiento

que aportan a la comprensin del fenmeno, hacindolo gestionable y por tanto
til para el desarrollo de las organizaciones y de la calidad de vida de las
comunidades.
Modelo de creacin de conocimiento de Nonaka y Takeuchi
Es el modelo ms conocido y aceptado de creacin de conocimiento

organizativo. Empieza distinguiendo dos dimensiones en ese proceso de
creacin (Nonaka & Takeuchi, .1995):
1. La dimensin epistemolgica, en la cual se distinguen dos tipos de

conocimiento, el conocimiento explcito y el conocimiento tcito. Se
identifican cuatro posibles modos de conversin entre los dos tipos de
conocimiento: socializacin (conversin de conocimiento tcito a tcito),
externalizacin (conversin de conocimiento tcito en explcito),
internalizacin (conversin de conocimiento explcito en tcito) y
combinacin (conversin de conocimiento explcito en explcito).
44
2. La dimensin ontolgica, distingue cuatro niveles de agentes creadores

de conocimiento: el individuo, el grupo, la organizacin y el nivel
interorganizativo. Segn los autores el nuevo conocimiento se inicia
siempre en el individuo pero ese conocimiento individual se transforma en
conocimiento organizativo valioso para toda la empresa.
El conocimiento explcito o codificado puede transmitirse usando el lenguaje

formal y sistmico. Subyaciendo al conocimiento explcito se encuentra el ms
fundamental, el tcito. Todo conocimiento es o tcito o enraizado en el tcito. El
conocimiento explcito es racional, radica en la mente; mientras que el
conocimiento tcito surge de la experiencia.
Estas dimensiones conforman un modelo de "espiral" de conocimiento (ver

Figura 4.7) en el cual el conocimiento es creado a travs de la interaccin
dinmica entre los diferentes modos de conversin del conocimiento.
Figura 4.7.- Espiral de creacin de conocimiento organizativo

(Nonaka y Takeuchi, 1995)
En la Figura 4.8, se presenta este ciclo del conocimiento sealando las
actividades centrales en cada etapa.
El primer paso es la socializacin, es decir, se produce una conversin de

conocimiento tcito en tcito. A continuacin, ese conocimiento tcito se
convierte en explcito a travs de la externalizacin. Ms tarde tiene lugar la
internalizacin a travs de la cual el conocimiento explcito se convierte en tcito
45
y por ltimo, el conocimiento explcito es convertido en explcito a travs de la

combinacin. Este ltimo paso da inicio nuevamente a toda la espiral de
conocimiento, pero esta vez a un nivel superior.
En la Socializacin (Experimentacin), el proceso de adquirir conocimiento tcito

tiene lugar a travs de compartir experiencias por medio de exposiciones orales,
documentos, manuales y tradiciones, incrementando la base colectiva que posee
la organizacin.
La Exteriorizacin (Conceptualizacin), supone hacer tangible por medio de la

documentacin, el dilogo, usando metforas, analogas, conceptos, hiptesis o
modelos, integrndolo en la cultura de la organizacin; es la actividad esencial
en la creacin del conocimiento.
La Combinacin, transforma el conocimiento en formas ms complejas,

sistematizando conceptos, generando sistemas de conocimiento.
La Interiorizacin, muy relacionada con el aprendizaje, analiza las experiencias

adquiridas en la puesta en prctica de los nuevos conocimientos y que se
incorpora en las bases de conocimiento tcito de los miembros de la
organizacin en la forma de modelos mentales compartidos o prcticas de
trabajo.
Figuro 4.8 Proceso de creacin del conocimiento
Para Nonaka y Takeuchi, lo importante es cmo se puede aplicar de la mejor

forma un conocimiento existente para poder crear otro conocimiento nuevo o
reciclado.
46
4.8. La Gestin del Conocimiento propiamente dicha
El concepto de la Gestin del Conocimiento
La gestin del conocimiento es un proceso de gestin organizacional cuyo

objetivo es identificar el conocimiento que producen los empleados de alto
desempeo de una organizacin para convertirlo en informacin que pueda ser
re-utilizada por el resto de los empleados de dicha organizacin [Ponjuan Dante,
1998].
El objetivo fundamental de este proceso consiste en identificar el modo en que

las personas utilizan la informacin para generar nuevos conocimientos, las
competencias que ponen en juego para ello, los procesos de comunicacin
informal, la capacidad de trabajo en equipo, y la motivacin que las personas
pueden tener o no para compartir sus conocimientos.
La gestin del conocimiento se ocupa de la identificacin, captura, organizacin,

recuperacin, publicacin y distribucin del conocimiento organizacional (Ver
Figura 4.9). El objetivo es que todo el conocimiento que reside en una
organizacin pueda ser utilizado por quien lo necesite para actuar de manera
adecuada en cada momento (Rodrguez Salas, 2005).
Figuro 4.9- Ciclo de la Gestin del Conocimiento
Dimensiones del Ciclo del Conocimiento y Aprendizaje
Ivo existe linealidad en la gestin del conocimiento, sino espirales positivas

(positive loops) que retroalimentan permanentemente el sistema y permiten a su
47
vez su auto sustentacin. Basado en este argumento, se pueden identificar

cuatro dimensiones en el ciclo del conocimiento (Ver Figura 4.10).
Figura 4.10 - Dimensiones del Ciclo del Conocimiento
La dimensin Inteligencia" est asociada a los procesos de creacin de nuevo

conocimiento centro de la organizacin, la identificacin, en fuentes internas y
externas, de conocimiento til y relevante y la captura de este conocimiento para
la creacin de la memoria de conocimiento corporativo como una expresin de
los conocimientos explcitos codificados. Se contemplan igualmente en esta fase
del ciclo la identificacin de las fuentes de conocimiento tcito disponible dentro
y. fuera de la organizacin (bases de expertos).
La dimensin Distribucin " est vinculada con los mecanismos de

tratamiento, codificacin y transmisin que facilitan el acceso, transferencia y
difusin del conocimiento disponible en la organizacin. El conocimiento
codificado se convierte en informacin para el que lo consume Una determinada
informacin codificada puede evocar distintas consideraciones dependiendo del
receptor de dicha informacin. En este sentido, la informacin no tiene contexto
y es muy importante dotarla de una taxonoma apropiada para orientar su
aprovechamiento.
La dimensin "Aprendizaje" se relaciona con los mecanismos de asimilacin

e internalizacin de la informacin que se comunica, se transmite y se comparte
ya sea de manera tcita o explcita. Es por ello que no se puede hablar de
transferencia de conocimiento sin que ocurra de manera intrnseca un proceso
de aprendizaje en el plano del individuo y tambin en el p ano de la organizacin.
48
Absorber y asimilar el conocimiento en el plano del individuo supone una

estructura de modelos mentales que facilitan la compresin de dicha informacin
para su aplicacin a situaciones y problemas concretos. En este sentido, los
modelos de asociacin permiten trasladar el conocimiento de un contexto a otro
para lograr potenciarlos y sutilizarlos.
La dimensin "Renovacin" est organizada a travs de los procesos de

renovacin y creacin de nuevo conocimiento a partir del conocimiento existente,
experiencias prcticas y lecciones aprendidas. La renovacin del conocimiento
est atada a los procesos de replicacin del mismo que conducen a su
reutilizacin en otros contextos y que se traducen a su vez en mejoras.
El tratamiento de informacin en el mbito de la gestin del conocimiento es ante

todo un proceso de aprendizaje.
Que es la clave de la absorcin y transmisin del conocimiento. Es un proceso

continuo que reside en los individuos y que acta como un vehculo de
transferencia de conocimiento desde fuentes internas y externas. Facilita las
comunicaciones, la colaboracin y las alianzas a travs de las dinmicas de
socializacin que se puedan establecer como parte del contexto mismo del
aprender.
El aprendizaje comprende complejas relaciones entre individuos, grupos y

unidades de la organizacin. De ninguna manera se puede limitar al proceso de
consumo y comprensin de contenidos. Por tanto, se necesitan estrategias de
aprendizaje y desarrollo guiado que faciliten la seleccin, absorcin y asimilacin
de los Conocimientos.
El aprendizaje efectivo requiere una comprensin de la estructura del

conocimiento su< componentes y el contenido. Algunas claves para la reflexin
son las siguientes:
EL aprendizaje es un proceso de construccin d conocimiento

El aprendizaje es dependiente del conocimiento, las personas usan su
conocimiento para crear nuevo conocimiento
El aprendizaje depende de la situacin en la que ocurre
49
El aprendizaje necesita distribucin cognitiva. Esto implica combinar e;

conocimiento que se posee con el conocimiento exterior
El aprendizaje est influenciado por elementos motivacionales y
cognitivos
La solucin no es solo e-Learning
Pautas para la aplicacin de la Gestin del Conocimiento
No existe una estrategia universal para implementar un sistema de gestin del

conocimiento pues este Depender de las aspiraciones, necesidades, objetivos
trazados, mtodos de trabajo y de la cultura organizacional, entre otros aspectos.
Como en toda estrategia en la gestin del conocimiento se deben responder a

algunas preguntas bsicas.
Cul es nuestra situacin actual?

Qu posicin deseamos alcanzar?
Qu camino debemos seguir para lograr la posicin deseada?
Qu factores condicionan nuestro aprendizaje?
Qu resultados produce dicho aprendizaje?
Qu recursos son necesarios?
Tabla 4.1.- Elementos esenciales en la estrategia de Gestin del

Conocimiento.
Tipo de conocimiento que se captura, almacena y produce?
Cules son nuestros productos del conocimiento7

Situacin actual
Formas de la Gestin actual del conocimiento?
Nuestra cultura organizacional promueve la GC?
Posicin futura Cmo la GC ha cambiado nuestra organizacin?

(En 5 aos?) Cmo podremos medir nuestros logros?
Tenemos un plan que considere as personas, los procesos v la
tecnoloaia7 |
Qu herramientas pondremos en accin?
Estrategia
Qu factores condicionan el aprendizaje de la organizacin?
Cmo motivamos al personal para que mejore sus prcticas?
Fuente: Elaboracin propia
50
Una de las caractersticas esenciales en la aplicacin de la Gestin del

Conocimiento es la interaccin de todos sus elementos, que se presenta como
un sistema complejo en el que las influencias se producen en todos los sentidos.
La visin institucional es la que orienta el desarrollo. A partir de ella se disea el

perfil de la organizacin que debe considerar los siguientes componentes:
estructura, liderazgo, gestin de personas, cultura, estrategia y sistemas de
informacin. El futuro de la organizacin depende fuertemente de sus
capacidades de aprendizaje, tanto de las personas, de los equipos de trabajo,
as como del conjunto de la institucin. Como resultados se espera una
capacidad de cambio permanente, actuacin ms competente ofreciendo
productos de mejor calidad, desarrollo de las personas involucradas, tanto de los
trabajadores como de aquellas que se vinculan con la organizacin y un impacto
favorable sobre la construccin del entorno. Todos los elementos considerados
estn en permanente interaccin, ejerciendo influencias determinantes, tal como
se presenta en el modelo de KPMG Consulting (Tejedor y Aguirre, 1998).
4.9. Gestin Tecnolgica y del Conocimiento
Como se ha sealado, las innovaciones desarrollan tecnologas tanto para el

diseo de productos, la mejora de procesos, la ampliacin de mercados y la
optimizacin de mtodos y estructuras en la organizacin. Por ello, la tecnologa
juega un rol vital en la innovacin.
La gestin tecnolgica podra enunciarse como: "la actividad organizacional

mediante la cual se define e implanta la tecnologa necesaria para lograr los
objetivos y metas de la empresa en trminos de calidad, efectividad, adicin de
valor y competitividad" (Cook et al., 1997;
No siempre es fcil identificar la tecnologa que posee una organizacin, y an

ms difcil es clasificarla dentro de categoras. Es claro que la tecnologa es el
conocimiento que dicha organizacin tiene sobre cierta rea de la ciencia o
ingeniera y que le per mite disear producto* o servicios que luego sern
comercializados.
51
Se identifican diversos grados de asimilacin de la tecnologa en las

organizaciones Dichos estadios son (Meja, 1997):
Dependencia relativa
Creatividad incipiente
Independencia
Autosuficiencia
Excelencia
Muchas empresas no logran pasar por todos los estadios citados. Es frecuente
que el estancamiento de las organizaciones ocurra cuando no logran asimilar o
apropiar tecnologa que han adquirido mediante la compra de equipos o por
asistencia tcnica recibida. El grado de asimilacin de una tecnologa especfica
en una empresa es sencillamente el nivel de conocimiento y entendimiento que
sus empleados logran acerca de ella. En buena parte esto depende de la
educacin del personal, de la actitud de la gerencia hacia la aceptacin d*
nuevas ideas, de los esquemas de comunicacin que se usan internamente, de
la importancia que se da a la capacitacin v entrenamiento, etc.
La dificultad que se presenta en la asimilacin de la tecnologa se debe a que

por lo general no se entiende el proceso de asimilacin como uno de enseanza-
aprendizaje; ni tampoco se tienen en cuenta los elementos que este proceso
requiere para que tenga xito
Actividades de la gestin tecnolgica
La gestin tecnolgica comprende algunas actividades, tales como:
Prospeccin y vigilancia
Seleccin
Negociacin
Adquisicin
Adaptacin
Modificacin
Generacin (Innovacin)
Como ya se seal, en cada una de ellas est implcito el aprendizaje de los

empleados de la organizacin. Cuando no se da suficiente atencin a este
52
proceso de transferencia de conocimiento, la tecnologa adquirida (equipos,

software, etc.) es subutilizada o mal empleada y la productividad de la empresa
no mejora y, en algunos casos, hasta empeora.
Relacin entre Gestin Tecnolgica y Gestin del Conocimiento
Puesto que la tecnologa es "conocimiento aplicado", no es de extraar que los

principios y actividades descritos para la gestin del conocimiento, sean
aplicables a la gestin de la tecnologa. No obstante, en la prctica no siempre
se reconoce este hecho, lo que lleva a pobres resultados y fracasos en tareas
de transferencia de tecnologa.
En consecuencia, la gestin de tecnologa debe verse como el proceso por el

cual se ayuda a la organizacin a adquirir el conocimiento necesario para lograr
liderazgo; no, simplemente como el proceso para adquirir maquinaria, software
o implementar estrategias o modelo administrativos.
El enfoque de la gestin tecnolgica como un proceso de aprendizaje

organizacional, y su adaptacin a los principios de la gestin del conocimiento,
puede mejorar el ndice de xito en las actividades de transferencia y asimilacin
de tecnologa.
Origen de las Ideas
En la gestin de la innovacin es vital identificar cules son las fuentes de las

ideas creativas en la organizacin. La siguiente tabla resume dichas fuentes
potenciales.
Tabla 4.2.- Origen de las ideas en los procesos de innovacin
Fuentes Internas Fuentes Externas Cooperacin con:
Programas pblicos de
Directivos Clientes
apoyo a la innovacin
Contratos con
Departamento de I + D Consultoras
organismos pblicos
Departamento de Ferias, muestras, Proveedores.
marketing
Produccin congresos
Entorno competitivo Subcontratados
53
Adquisicin de tecnologa
Sistema de incentivos Otras empresas
(encapsulada o libre)
Vigilancia y seguimiento
Cursos de formacin Universidades
de los avances
tecnolgicos
Personal con cualidades Literatura tcnica o Centros Pblicos de
especiales cientfica Investigacin
Literatura comercial
Legislacin; regulacin,
normas o estndares
Fuente - Elaboracin propia a partir del Manual de Oslo (2005).
4.10. La Aplicacin de la Gestin del Conocimiento
La Perspectiva de la Ingeniera de Procesos
Cualquier cambio en un determinado sistema involucra la participacin de los

siguientes elementos: insumos, productos y operadores de cambio. Para que se
realice un cambio es precis que ocurra un proceso. Por ello es muy importante
evaluar los procesos que son de dominio de la gestin del conocimiento y de le
informacin. Asimismo, con frecuencia se presentan elementos que distorsionan
el proceso, llamados perturbaciones, pero que lamentablemente no se pueden
controlar, como por ejemplo, aspectos del contexto econmico o social.
Figure 12.- El enfoque de Procesos
Procesos de la Gestin del Conocimiento
Choo (1995), identifica los siguientes procesos en la gestin de informacin

como un ciclo continuo de actividades estrechamente relacionadas:
54
1. Identificacin de las necesidades de informacin

2. Adquisicin de informacin
3. Organizacin y almacenamiento de informacin
4. Desarrollo de productos y servicios de informacin (creacin)
5. Distribucin de informacin, y
6. Uso de la informacin.
Es significativa la coincidencia del modelo de Choo con los modelos de gestin

del conocimiento que hacen nfasis en los mismos procesos, pero la diferencia
radica en la naturaleza del recurso utilizado (informacin versus conocimiento).
El propio Choo valora que la utilizacin exitosa de la gestin del conocimiento es
una fase superior que genera las llamadas organizaciones inteligentes; y las
define como aquellas capaces de percibir y procesar informacin, crear
conocimiento .a partir de la informacin procesada y usar el conocimiento para
la toma de decisiones de manera eficaz.
Ciclo de la gestin de informacin (Choo, 2001)

Figura 4.13- Modele de proceso del manejo de le informacin
La gestin 'de la informacin es como un ciclo de actividades diseadas

estratgicamente (Davenport y Prusak, 2001). El modelo de gestin de
informacin basado en procesos, segn Choo (1995), debe recorrer toda la
cadena de valor comenzando con la identificacin de necesidades de
informacin, continuando con la adquisicin, organizacin, almacenamiento,
productos y servicios, distribucin, y cerrando el ciclo con el -uso de informacin.
Adems reconoce la creacin de conocimientos como uno de los tres campos
fundamentales de la organizacin.
55
Sobre los proceses de gestin del conocimiento, Ronce (2009) reporta los
siguientes:
1. Auditora del conocimiento, identificacin
Toda estrategia debe partir de un diagnstico que permita prever un tratamiento

eficaz para solucionar los problemas detectados. La auditora del conocimiento
comprende identificar los siguientes aspectos:
a) Las necesidades organizacionales en trminos de conocimiento

(conocimiento que debe ser adquirido para anclarlo en la organizacin).
b) Los activos del conocimiento, sus caractersticas y ubicacin dentro de la
organizacin
c) Los vacos de conocimiento.
d) El flujo del conocimiento en la organizacin, las redes de expertos,
topografa del conocimiento y otras.
e) Barreras que impiden el flujo del conocimiento, Balance entre personas,
conocimiento, procesos, tecnologas, informacin que facilitan o inhiben
el flujo del conocimiento.
Las tcnicas correspondientes al proceso de identificacin del conocimiento son:
Los mapas del conocimiento

Las topografas del conocimiento
Los directorios y pginas amarillas de expertos
Los mapas de activos del conocimiento
Los mapas de las fuentes del conocimiento
Mapas del conocimiento
Los mapas del conocimiento son representaciones grficas de expertos, fuentes,

estructuras o aplicaciones del conocimiento (Eppler, 2008). "Con estos mapas,
aumenta la transparencia y se apoya la identificacin de los expertos o fuentes
del conocimiento, permitiendo de ese modo que el usuario clasifique el nuevo
conocimiento en relacin con el conocimiento actual y vincule actividades con
expertos o activos del conocimiento.
Los mapas del conocimiento pueden ser clasificados en diferentes grupos de

acuerdo con su estructura. Toda la informacin que contienen puede ser
56
computarizada, organizada de acuerdo con diferentes criterios, y puede ser

presentada en forma visual con ayuda de grficos hechos en computadora.
Topografas del conocimiento
Las topografas del conocimiento identifican a las personas que poseen

habilidades y conocimientos especficos e indican su nivel de conocimiento. Esta
herramienta precisa el conocimiento de cada miembro de la organizacin,
detallando el nivel en que lo conoce y explcita las competencias de los miembros
de una organizacin.
2. Adquisicin del conocimiento
El conocimiento crece, se multiplica a ritmos incalculables y alcanza altos niveles

de complejidad. Por ello, el proceso de gestionar el conocimiento organizacional
debe ser concordante con las lneas y estrategias organizacionales.
En el ambiente externo se pueden encontrar los siguientes conocimientos:
a. El conocimiento de expertos externos

b. El conocimiento de otras organizaciones
c. El conocimiento de los consumidores.
La vinculacin al usuario en mltiples formas contribuye a obtener mayor dominio

de sus conocimientos y competencias. Las ideas de los consumidores son una
fuente importante para innovar. Los usuarios permanentes conocen mejor las
fortalezas y debilidades del producto/ servicio que las propias personas que
estn involucradas en su elaboracin o realizacin. Un mtodo que se ha
aplicado en algunas organizaciones es intentar insertar a su personal en el
mundo del usuario, a fin de que puedan conocer por dentro, sus intereses y
necesidades
3. Distribucin y comparticin del conocimiento
El conocimiento organizacional procede de fuentes internas (desarrollo del

conocimiento) c externas (adquisicin del conocimiento). Para compartir y
distribuir el conocimiento es preciso primero ubicar los activos del conocimiento,
vale decir, las personas y los grupos que lo tienen. En la distribucin es clave
hacer disponible el conocimiento donde realmente se le necesita. En algunos
57
casos existe la dificultad de que los elementos imprescindibles del conocimiento

se concentran en muy pocas personas.
Compartir y distribuir el conocimiento puede significar:
Un proceso dirigido desde un centro de distribucin del conocimiento

hacia un grupo especfico de individuos
La transferencia del conocimiento entre individuos o dentro de equipos
o grupos de trabajo.
Para esto, muchas organizaciones se valen de herramientas tecnolgicas que

incluso conllevan a una organizacin virtual. Es decir, determinadas plataformas,
software y soluciones permiten distribuir y compartir conocimiento lo que no
necesariamente equivale a su consumo o uso.
Algunos factores que afectan la distribucin y comparticin de conocimiento

tienen que ver con la cultura de la organizacin, su estructura y su nivel de
crecimiento.
4. Uso del Conocimiento
Para que la Gestin del Conocimiento sea efectiva es preciso que el

conocimiento sea consumido, adecuado y adaptado a las condiciones de la
organizacin. No basta tener disponibilidad del conocimiento, no bastan
plataformas, intranets, portales, groupware, escenarios, retiros, capacitacin y
otras medidas. Todo esto se efecta para poder estimular a los individuos y
grupos a que consuman informacin y eleven su conocimiento.
Determinados enfoques organizacionales, estilos, polticas dirigidas a las

variables culturales pueden contribuir a utilizar el nuevo conocimiento. Es
necesario mantener una actitud crtica ante los mtodos arcaicos. Determinadas
condiciones de trabajo pueden favorecer el uso del conocimiento. La
disponibilidad de medios tcnicos, la privacidad, la concentracin y las polticas
organizacionales, son factores, entre otros, que estimulan el uso del
conocimiento.
5. Retencin del Conocimiento
58
La retencin del conocimiento es uno de los procesos fundamentales de la

gestin del conocimiento. Un tema importante dentro de estos procesos tiene
que ver con el "desaprender", vale decir, el cambiar enfoques, habilidades y
conocimientos, para lograr nuevas etapas de desarrollo. Desaprender significa
estar listo para revisar procedimientos y rutinas y dejar que se vayan las que
eran habituales. El problema est en decidir si son o no necesarios ciertos
activos del conocimiento y expertos, o si pudiesen valer en el futuro.
Tres subprocesos forman parte de la conservacin del conocimiento:
a. Seleccionar a partir de los mltiples sucesos, las personas y procesos

que vale la pena retener,
b. Guardar la experiencia de los anteriores en forma apropiada.
c. Garantizar .que la memoria organizacional se actualice.
Estos procesos son tpicos de cualquier sistema documental, en donde, en

funcin de las metas y la misin organizacional, se mantiene un fondo de
documentos relevantes que puedan ser recuperados en el momento necesario.
Cuando la organizacin mantiene en forma simultnea los sistemas de gestin
documental, de informacin y del conocimiento, coordinan sus metas y criterios
a fin de que los tres respondan a los intereses organizacionales. Por tal motivo,
los objetivos particulares de cada uno son parte de un todo.
Los sistemas documentales respaldan las actuaciones de la organizacin por lo

que toda accin organizacional debe estar documentada, siendo imprescindible
en los casos de reclamaciones, trmites legales o fiscales, transacciones
asociadas al registro de marcas, patentes, la propiedad intelectual, etc. Las
tecnologas ofrecen nuevas alternativas para el manejo documental pero
tambin presentan riesgos no existentes hasta el momento con los registros en
otros soportes.
Otras alternativas pueden ser previstas por la organizacin como la creacin de

grupos de trabajo compuestos por trabajadores experimentados y jvenes, en
forma tal de ir transfiriendo permanentemente los conocimientos de los ms
experimentados a los ms jvenes. Asimismo, el registro de procedimiento, con
la plasmacin de experiencias en documentos y obras, con la imparticin de
conferencias y seminarios internos y otras estrategias que aseguren un registro
59
de estas experiencias mediante filmaciones, grabaciones etc. que integren el

fondo documental de la organizacin y su memoria.
6. Transferencia de conocimientos
En las organizaciones el conocimiento se transfiere, ms all de que el proceso

se maneje o no. Vale decir que existen transferencias informales del
conocimiento cotidianamente. El conocimiento abunda en nuestras
organizaciones, pero su existencia no garantiza su uso.
El conocimiento tcito y ambiguo es especialmente difcil de transferir desde la

fuente que lo crea hacia las restantes partes de la organizacin. En Japn, por
ejemplo, es muy comn que los ejecutivos de ingeniera vayan rotando con los
de fabricacin, y viceversa, para que los gerentes entiendan todo el proceso de
desarrollo y elaboracin de productos nuevos. Sin embargo, los mtodos de
transferencia del conocimiento deben coincidir con la cultura institucional (y
nacional). Por ello la importacin indiscriminada de metodologas forneas
puede resultar en fracaso.
Se debe reconocer tanto el valor de los contactos personales como el de los

electrnicos, y propiciar que ambos se produzcan; sobre todo, ampliar nuestra
definicin de productividad e incluir conversaciones, momentos de reflexin y
aprendizaje espontneos, que pueden ser muy productivos. En paralelo se
deben considerar mtodos ms formales e intencionales para compartir el
conocimiento en las organizaciones.
El conocimiento que es ms o menos explcito puede ser afianzado en proced

miento* o representado en documentos y bases de datos, y es posible transferirlo
con una precisin razonable. En general, la transferencia de conocimiento tcito
requiere un amplio contacto personal. La relacin de transferencia" puede ser
una asociacin, un asesoramiento o un aprendizaje, pero siempre es esencial
alguna relacin de tipo laboral. Una metodologa empleada para transferir el
conocimiento tcito de los empleados ms antiguos es registrar sus historias y
experiencias mediante filmaciones y audios.
La transferencia amplia de conocimiento no se podra producir en las grandes

empresas mundiales sin las herramientas provistas por la tecnologa de la
60
informacin; pero los valores, normas y conductas que conforman la cultura de

la empresa son los principales determinantes de cun eficazmente se transfiere
el conocimiento. Un lenguaje compartido es fundamental para la transferencia
de conocimiento productivo. Las personas que comparten la misma cultura
laboral pueden comunicarse y transferirse mutuamente el conocimiento mejor
que las personas que no lo hacen.
Transferencia = Transmisin + Absorcin (y uso)
La transferencia de conocimiento implica dos acciones: transmisin (envo o

presentacin del conocimiento a un receptor potencial) y absorcin por parte de
dicha persona o grupo Si el conocimiento no es absorbido, no ha sido transferido.
Es muy comn que alguien comprenda y absorba conocimiento nuevo pero que
no lo use por distintos motivos. La falta de confianza en la fuente del
conocimiento es una razn frecuente. Sin embargo, es difcil encontrar personal
con la humildad para abandonar hbitos de trabajo consolidados y reemplazarlos
por nuevos. La cultura personal e institucional puede ser una gran barrera para
la absorcin del conocimiento Debido a que el aprendizaje autntico es un
esfuerzo profundamente humano, y que no solo la absorcin, sino tambin la
aceptacin de conocimiento nuevo implican demasiados factores.
Otro tipo de proyecto comn es el relativo a proporcionar acceso al conocimiento

o facilitar su transferencia entre individuos. Cuando los depsitos de
conocimiento apuntan a capturar el conocimiento mismo, los proyectos de
acceso al conocimiento se concentran en los dueos y en los usuarios
eventuales del conocimiento. Esta clase de proyectos reconocen que encontrar
a a persona con el conocimiento que se necesita y luego transferir eficazmente
dicho conocimiento de una persona a otra, puede ser un proceso de enormes
proporciones.
4.11. Herramientas de la Gestin del Conocimiento
Se ha trabajado en la seccin anterior los procesos de la gestin del

conocimiento y asociado s estos se han identificado un conjunto de
herramientas, ya explicadas, que se sintetizan en la Tabla 4.3.
61
Como all se aprecia, los procesos y las herramientas inherentes a la gestin del
conocimiento son mltiples. Pero, para dar consistencia y eficacia a su accin es
preciso contar con une estrategia muy definida y compartida, que considere las
personas, los procesos y la tecnologa. Es decir, se trata de generar un clima
propicio para impulsar la gestin del conocimiento.
Tabla 4.3.- Procesos y Herramientas de la Gestin del Conocimiento
PROCESO HERRAMIENTA DESCRIPCIN 1
Mapa del Representaciones grficas que ilustran las

conocimiento estructuras o aplicaciones del conocimiento
Identificacin de personas que poseen
Topografa del
Auditora habilidades y conocimientos especficos e
conocimiento
indican su nivel de conocimiento
Relacin de expertos e instituciones y su rea
Directorios de trabajo, habilidades, experiencias e
intereses
Representacin grfica que identifica los
Mapa de fuentes
conocimientos por autores, instituciones
del conocimiento
patrocinadores y publicaciones peridicas
Construyen posibles escenarios futuros que

Estudios de
comprometen las tendencias de consumo,
prospectiva
produccin y desarrollo tecnolgico
Estudios que determinan las tecnologas y

Vigilancia
conocimientos recientes en un campo
tecnolgica
determinado evaluando sus Despectivas
conocimiento
Un grupo de trabajo involucrado en un
proyecto invita a participar a colegas o
Asistencia de
expertos de su propia compaa o de otras
pares
para recibir conocimientos y opiniones desde
otras perspectivas.
Encuestas y Usadas para los estudios de mercado y de
entrevistas satisfaccin de! cliente
Actividad relativamente frecuente en las

Espionaje
grandes corporaciones, donde se persiguen
empresarial
los secretos tecnolgicos de la competencia
Se dispone de una infraestructura fsica y
Redes de virtual que permite; relacionar a los miembros
comunicacin de una organizacin mediante intranet
Distribucin interna y externa groupware y un conjunto de servicios
del diseados para comunicarse e intercambiar
conocimiento informacin.
Es una red de personas que estn dispuestas
Comunidades de a compartir y ( crear conocimientos teniendo
prctica para ello intereses comunes v reas de
experticia complementarias
62
Distribucin del conocimiento en forma de

Cuenta cuentos historias amenas que cautiven la atencin de1
usuario
Encamado de colectar, organizar y difundir
Centro del tanto informacin como conocimiento
conocimiento Constituye una versin avanzada de la
biblioteca.
Se trata de explicitar el conocimiento de
expertos, directivos 1 y especialistas de la
Cosecha del organizacin, as como de agentes externos.
conocimiento El conocimiento cosechado luego se difunde
Uso del en cursos, manuales, mejores prcticas y
conocimiento bases de datos.
Comprende el mapeo y la medicin de flujos
Anlisis de redes de conocimiento 1 e informacin entre
sociales personas, grupos, organizaciones y otras
entidades. Se trata de identificar los flujos de
informacin reales en la organizacin
Se revisan las experiencias de la
Evaluacin
organizacin, para aprender de ellas
posterior
identificando aciertos y errores
Realizadas al personal con mayor antigedad

Retencin del
Entrevistas finales con el propsito de explicitar su conocimiento
conocimiento
y desarrollar una "memoria institucional"
Se trata de explicitar los mtodos de trabajo,

Mejores prcticas compartirlos I y contrastarlos para seleccionar
por consenso las mejores prcticas
Fuente.- Elaboracin propia a partir de De Brun (2005), capitulo A; Ponce

Alvarez (2009).
4.12. A modo de Sntesis
Toda organizacin que pretenda innovar de manera sistemtica, ya sea sus

productos, procesos, organizacin o aproximacin al mercado se ve en la
necesidad de manejar el conocimiento como el elemento esencial. Dada la
importancia de este manejo sistemtico del conocimiento, a partir de la dcada
de los '90 ha existido un especial inters en la disciplina de la Gestin del
Conocimiento, como lo revelan las crecientes publicaciones sobre el tema.
Algunos hitos ineludibles en este camino han sido forjados por Nonaka &
Takeuchi (1995), al formular con toda claridad la escalera del conocimiento y el
proceso de creacin del mismo. El modelo de Edvinsson y Malone (1997) sobre
el Capital Intelectual, aplicado inicialmente a la empresa Skandia, da lugar a una
63
valoracin lo ms objetiva posible de los elementos intangibles en una

organizacin.
La Tabla 4.4 presenta los componentes del capital intelectual.
Tabla 4.4 - Componentes del Capital Intelectual
Humano Especialistas Profesionales Tcnicos Obreros
Relaciona Clientes Proveedores Accionistas Entes Reguiadores
Medios de Organizaciones
Social Lideres Gobierno
Comunicacin comunales
Gestin: Productos:
Informacin &
Planificacin Tecnologas Marcas
Estructural Comunicacin:
Coordinacin inherentes al Patentes
(sistemas) Mtodos
Ejecucin rea de trabajo Propiedad intelectual
Software
Control Innovaciones
Fuente.- Elaboracin propia
El modelo de KPMG Consulting (Tejedor y Aguirre, 1998) destaca las

condiciones para el aprendizaje organizacional as como la importancia del flujo
del conocimiento en todas las instancias de la organizacin. Bueno (2003),
desarrolla los aportes anteriores en el modelo Intellectus. Que es aplicado a
diverso tipo de organizaciones como empresas y la academia.
En la gestin del conocimiento el capital humano es el recurso central. Por ello,

el desarrollo del personal, su valoracin, entrenamiento y la dacin de
condiciones para el aprendizaje, tanto individual como colectivo, garantizan una
mejora continua. La provisin de condiciones organizacionales para viabilizar
este desarrollo es un soporte imprescindible. Tambin, la infraestructura virtual,
tal como informacin y conocimiento disponible, as como las tecnologas para
la comunicacin, difusin, organizacin y almacenamiento del conocimiento
(capital estructural) son requisitos para una adecuada gestin del conocimiento.
Los procesos del conocimiento y las herramientas que permiten implementarlos
concretan en lo cotidiano el manejo adecuado del conocimiento. Dentro de los
procesos del conocimiento cabe destacar la auditora, adquisicin, difusin, uso,
64
retencin y creacin. En la tabla siguiente se ilustra la aplicacin de los procesos

y herramientas de la gestin del conocimiento en cada uno de los componentes
del capital intelectual.
Tabla 4,5.- Procesos y Herramientas de la Gestin del Conocimiento
PROCESO Capital Intelectual

HERRAMIENTAS DE LA
DEL
GESTIN DEL
CONOCIMIENT Estruc
CONOCIMIENTO Humano Relacional Social
O tural
Mapa del conocimiento

Auditora Topografa del conocimiento
Directorios
Mapa de fuentes del conoc.
Estudio: de prospectiva
Adquisicin del Vigilancia tecnolgica

conocimiento Asistencia de pares
Encuestas y entrevistas
Espionaje empresarial
Redes de comunicacin
interna y externa
Distribucin
del
conocimiento Comunidades
Cuento cuentosde practica
Centro del conocimiento
Cosecha del conocimiento
Uso del
conocimiento Anlisis de redes sociales
Evaluacin posterior
Retencin del
Entrevistas finales
conocimiento
Mejores prcticas
La tabla anterior muestra en reas sombreadas las casillas en las que

corresponde evaluar la aplicacin de cada una de las herramientas del
conocimiento listadas.
Como ya se ha destacado, la innovacin consiste en la introduccin de

novedades en la organizacin, en la aproximacin al mercado, en el desarrollo
65
de productos y en el diseo de procesos, basados en el conocimiento y la

creatividad, es decir, en el talento humano. Una condicin en la era actual es
lograr las innovaciones con la mayor celeridad posible; por ello, la gestin del
conocimiento juega un rol facilitador esencial. La investigacin demanda de la
gestin del conocimiento y de sus herramientas para analizar el contexto,
formular el problema de investigacin, desarrollar el marco conceptual, plantear
las hiptesis e interpretar los resultados obtenidos. Es decir, permite un mejor
manejo del conocimiento a todo lo largo del proceso de investigacin.
Alvarado Acua, Luis. La gestin del Conocimiento y la Utilizacin de las

Tecnologas de la Informacin y de las Comunicaciones en la Creacin de
Valor en los proyectos de Innovacin. www.gestiopolis.com
Andriessen, D. & Tissen, R. (2000) Weightless wealth. Financial Times.

Prentice Hall, Great Britain.
Belinde Colina, Elsa Petit y Lorena Gutirrez (2006) Gestin de conocimiento

para liberar el poder de la innovacin como fuente de ventajas competitivas en
las organizaciones. Revista Espacios. Vol. 27 (3). pg. 26.
Bontis, Nick (1998) intelectual capital: an exploratory study that develOps

measures and models. Journal of Management Decisin. ISSN 0025-1747.
March Volume 36 Issue 2 pp. 63 -76. DOI: 10.1108/00251749810204142.
Publisher: MCB UP Ltd.
Bueno, E. (1998) El capital intangible como clave estratgica en la competencia

actual. Boletn de Estudios Econmicos, Vol. Lili, Agosto, pgs. 164, 207-229.
Bueno, E. (2002) Gestin del Conocimiento: desarrollos tericos y aplicaciones

Ediciones la Coria, Cceres.
Bueno, E. (2002). Enfoques principales y tendencias en Direccin del

Conocimiento (Knowledge Management). Captulo del libro "Gestin del
Conocimiento: desarrollos tericos y aplicaciones". Ediciones la Coria, Cceres.
Bueno, E; Salmador, MR, (2003). Knowledge management in the emerging

strategic business process. Journal of knowledge management, 7(3), pp. 1 -25.
66
Caddy, I., 2000. Intelectual capital: recognizing both assetsand liabiiities. journal
of Intelectual Capital, vol. 2, r 1, pp. 129-46.
Choo (1995). Information Management for the Intelligent Organizaron: Roles

and Implications for the Information Professionals. Paper presented at the 1995
Digital Libraries Conferenre March 27-28, 1995, Singapore.
Cook, S. D. N & Brown, J. Si (1999) Bridging epistemologies: The generative

dance between organizational knowledge and organizational knowing.
Organization Science, 10(4), 381-400
Davenport, T.H., & Prusak, L. (1998) Working knowledge: how organizations

manage what they know. Boston, MA: Harvard Business School Press.
De Brun, Caroline (2005). ABC of Knowledge Management. NHS National

Library for Health.
http://www.library.nhs.uk/knowledgemanagement/
Edvinsson, L. & M.S. Malone (1999). El Capital Intelectual. Gestin 2000.

Barcelona.
http://www.gestiondelconocimiento.com/modelo_navigator_de_skandia.htm
.Edvinsson, L., Malone, M.S. (1997). InteHectual Capital. Realizing your

Company's True Valu by Fmdings Its Hidden Brainpower. 1 st ed
HarperCollins Publishers, New York
Eppler, Martin (2008). Classifying Knowledge Maps: Typologies and Application

Exampes. In: Lytras, M.D., Russ, M., Maier, R., Naeve, A. (Eds.) Knowledge
Management Stratecies NPW York: IGI: 116-142.
Garca Parra, Mercedes, et al. (2004). Intangibles: Activos v Pasivos. Revista

Manaqement & Empresa. N 3, Febrero. ISSN: 1132-1148. Pginas 32-42.
Grant, R. M. (1991) The resource-based Theory of Competitive Advantage:

Implications for Strategy formulation. California Management Review, 1991,
Nc.33, pp. 114-135
Grant, R. M. (1998) Cnntemnnr?ry Strategy Analysis, Blackwc Publishers Ltd..

Oxford. U.K.
67
Ibarra Fernndez, Rafael Antonio (2007)'. ribarra@di.uca.edu.sv
Horca, Elena (2002) CEVALSI: un nuevo concepto de observatorio tecnolgico

para un nuevo modelo de sociedad.
Maestre Yenes, Pedro (2000) Diccionario de Gestin del Conocimiento e

Informtica Editorial Fundacin Dintel.
Mejia, Francisco Javier (1997). Modelo de Gestin Tecnolgica para Empresas

de Manufactura y Servicio. Programa de Gestin Tecnolgica, Universidad de
los Andes, Bogot, Abril 18.
Nonaka, I.; Takeuchi, H. (1995). The Knowledge creating company. How

japanese companies create the dynamics o innovation. Oxford University
Press.
Nonaka, I. & Takeuchi, H. (1995) The knowledge creating company: how

Japanese companies create the dynasties of innovation. Oxford University
Press, UK.
North, K. (2001) "Organizacin basada en Conocimiento (La Cuarta

Dimensin". Documentacin facilitada en el Taller "Estado del Capital
Intelectual" del Foro del Conocimiento Intellectus. Madrid.
North, Klaus & Roque R. Rivas (2008). Gestin Empresarial orientada al

Conocimiento. Editorial Dunken.
OCDE/EUROSTAT (2005). Manual de Oslo. Gua para la recogida e

interpretacin de datos sobre Innovacin.
Pez Urdaneta I (1992). Gestin de la inteligencia, aprendizaje tecnolgico y

modernizacin del trabajo informacional. Retos y oportunidades. Caracas:
Instituto de Estudios del Conocimiento. Universidad Simn Bolvar.
Ponce Alvarez, Ana Alina (2009). Fundamentos de la Gestin del

Conocimiento. Universidad de Mlaga, Eumed.net.
http://www.eumed.net/rev/cccss/06/aapa.htm
Rodrguez Salas, Karla (2005). Gestin de la Informacin en las

Organizaciones. Comunidad Virtual de Gobernabilidad.
68
Roos, G., Roos, J.0997). Measuring your company s intelectual performance.

Revista: Lorig Range Planning. 30 (3), pp. 413-26.
Roos, J. (1998). Exploring the Concept o Intelectual Capital (IC). Lona Range
Plannina vol 31 n 1.
Research Matters (2008). Knowledge TransiationToolkit: A Resource or

Researchers. www.research-matters.net
Rodrguez Ruiz, Oscar (2008). Indicadores de Capital Intelectual: Concepto y

Elaboracin Universidad Autnoma de Madrid. I Congreso Internacional y
Virtual de Intangibles.
Tejedor & Aguirre (1998). Modelo de gestin del conocimiento de KPMG

Consulting. http://www.gestiondelconocimiento.com/modelos_kprng.htm
Wenger, E et ai (2002) Cultivating communites of Practice. Harvard Business

Press. Boston, Massachusetts
Direccin URL rea de Especialidad

Red iberoamericana de gestin del conocimiento e
www.Gestiondelconocimiento.com
innovacin
www.gestiopolis.com Red de gestin, empresa y conocimiento
Self-moderating global community for knowledge
www.knowledgeboard.com
management.
Virtual Library on Knowledge Management and KM
www.km.brint.com/
Network
gge.unex.es Grupo de Gestin de Empresas 8 Marketinq
Corporate longitude Media Intelectual capital
www.corporatelong-tude.com
development
www.knowiedge-communication.org/ Knowledge communication and visualizaron
www.clusterconocimiento.com Agencia Vasca de la Innovacin
www.forodelconocimiento.corr. Epistemologa
www.cenorm.be/isss European Committee for Standarizatior.
www.learningreview.com Educacin virtual
www.portaldelconocimiento.com Search portal, Web designing, portal Solutions
http://cmap.ihmc.us/Downioad Software para la representacin de mapas conceptuales
69
CAPTULO 5
INFORMACIN EN INTERNET
En el presente captulo se revisarn los siguientes temas:
Conceptos Bsicos de Internet

Los servicios de Internet
La World Wide Web
Los Buscadores
El acceso a Internet
Las Bsquedas en Internet
Motores de Bsqueda
Pginas Portales
Directorios
Bases de Datos
Pginas Web de Inters
Grupos de Noticias
5.1. LA BSQUEDA DE INFORMACIN
El uso de la computadora en la comunicacin e intercambio de informacin ha

revolucionado el concepto de la administracin de la informacin. En particular
en la investigacin, la adquisicin, procesamiento y difusin de informacin se
hace crecientemente con uso del computador y, en especial, con auxilio de la
Internet. Hoy en da se genera e intercambia informacin con una velocidad
asombrosa, por lo cual tambin una buena parte de esta informacin queda
obsoleta rpidamente. La informacin disponible en Internet no es esttica, da
a da es actualizada. Una enorme cantidad de informacin que es compartida de
modo gratuito, para que sea complementada y enriquecida. Es decir, el trabajo
en Internet es interactivo y el usuario de la informacin realiza tambin aportes
para que el proveedor de dicha informacin la mejore. La filosofa actual es
compartir para enriquecer. Por supuesto que an parte de la informacin es
tratada como mercanca, sujeta a comercio; en particular, la de orden
tecnolgico.
Para el investigador es esencial lograr una gestin adecuada de la informacin

y del conocimiento que de ella se deriva. Por lo general la bsqueda de
70
informacin empieza por la consulta de referencias bsicas, referencias del

contexto y paulatinamente por la consulta de libros y material especializado tal
como artculos de revistas especializadas, patentes y otros documentos
tcnicos, como normas y estndares.
Dentro de las referencias del contexto se encuentran los planes

gubernamentales, los proyectos de desarrollo impulsados por los gobiernos
locales, los diagnsticos de las instituciones pblicas, etc. Asimismo es til
consultar las propuestas de desarrollo de ciencia y tecnologa de instituciones
especializadas. Las estadsticas del comercio y los estudios de mercado
permiten cuantificar la magnitud de la demanda y de la oferta del bien o servicio
en estudio.
En la bsqueda de la tecnologa del problema en estudio se parte de la consulta

de enciclopedias tcnicas, libros sobre el tema y revisiones cientficas.
Gradualmente se va profundizando la bsqueda hacia publicaciones de
resmenes, publicaciones de congresos y artculos de revistas especializadas
en donde se encuentran los desarrollos ms recientes. Complementariamente
es til buscar los estndares, normas tcnicas, patentes y software
correspondiente para enriquecer la bsqueda.
De otro lado, la consulta a expertos es sumamente valiosa, por ello la

participacin en redes profesionales y la identificacin de personalidades en
nuestro campo de trabajo es de gran utilidad.
Respecto a cmo buscar informacin en Internet las principales universidades

publican guas de su sistema de bibliotecas. Definitivamente dichas guas se
orientan al uso de sus recursos bibliogrficos tanto fsicos como virtuales, pero
pueden ser muy tiles para aprender acerca de recursos novedosos.
Un repositorio muy til, provisto por el sistema acadmico britnico, para trabajar
con la Web se titula SHARE (https://www.netskills.ac.uk/share/) y es de libre
acceso. Share es un depsito de informacin, donde se encuentran diversos
instrumentos para manejar adecuadamente la informacin. El usuario puede
realizar tambin sus aportes y guardarlos en el repositorio. Recursos semejantes
se encuentran en Virtual Training Suite (http://www.vtstutorials.ac.uk/)
71
Para emprender una bsqueda bibliogrfica se debe tomar en consideracin los

siguientes aspectos (Heriot Watt University, 2012).
a) Definir el rea temtica y los objetivos de la bsqueda.

b) Recibir sugerencias del tutor o de personas con mayor experiencia.
c) Revisar en detalle informacin ya disponible sobre el tema, pues puede
contribuir a orientar nuestra bsqueda por autores o aspectos especficos
de los trabajos.
d) Decidir el plazo disponible para finalizar la bsqueda de informacin
e) Establecer qu aspectos del tema son de mayor inters y cules otros se
pueden dejar de lado.
f) Definir el perfil de bsqueda: las palabras clave, los principales
encabezados de los temas, los autores de mayor relevancia, etc.
g) Generar un registro sistemtico de toda la informacin consultada,
mediante fichas bibliogrficas u otros medios.
h) Ser muy cuidadoso con las referencias de los documentos. Es
indispensable saber de dnde provino la informacin que se analiza e
incluye en un documento. Existe software especializado que puede
facilitar esta tarea.
En la inclusin de las referencias en el texto es indispensable ser ordenado para

conocer con certeza la fuente de cada idea importante, cita textual, figura,
ecuacin o tabla. El hecho de copiar informacin y no indicar la fuente respectiva
es plagio y es severamente sancionado en la comunidad acadmica. Se ha
mencionado que el software bibliogrfico ayuda sobremanera en esta tarea.
El software bibliogrfico o administrador de referencias cumple las siguientes

tareas bsicas (MIT Libraries, 2012):
a) Importa las referencias de las bases de datos y sitios Web

b) Organiza la bibliografa
c) Otorga el formato adecuado de las referencias en los artculos y otros
documentos
d) Permite guardar nuestros comentarios sobre los artculos revisados
e) Organiza archivos tales como PDF, figuras y presentaciones.
72
Entre otros tantos, se dispone del siguiente software: EndNote, RefWorks, Zotero
y Mendeley; siendo los dos ltimos gratuitos.
5.2. CONCEPTO DE INTERNET5
La Internet es una red de redes, comunicando computadoras entre s que

comparten el protocolo de TCP/IP. El TCP/IP es el protocolo encargado de que
los datos lleguen a su destino dentro de Internet. Cada computadora conectada
a Internet tiene un nmero de identificacin o cdigo IP. Por ejemplo, el IP de la
Universidad Nacional de San Agustn es 200.10.86.132. Las computadoras
emplean software para proporcionar o servir informacin y/o para acceder y
visualizar informacin. La Internet es un vehculo de transporte para la
informacin almacenada
5 Gran parte de la informacin de esta seccin ha sido extraida de la pgina Web

de la Universidad de California en Berkeley "Teaching Library Internet
Workshops,
http://www.lib.berkeley.edu/TeachingLib/Guides/lnterneiyBeyondVyeb.html
en archivos y documentos en otra computadora. Se trata de un sistema

internacional de servicio de informacin interconectando computadoras. La
Internet en s misma no contiene informacin, sino que permite el acceso a
computadoras remotas que si la tienen. Es decir, la informacin se consigue a
travs de la Internet, pero no est en ella.
Dado que no existen, en todos los campos, instituciones de censura de la

informacin o de evaluacin de su calidad, una parte de la informacin
conseguida por Internet podra no ser confiable para propsitos acadmicos. Por
esto, es menester tomar con cierto recelo, la informacin lograda en la Internet,
proveniente de fuentes que no tienen evaluacin de los contenidos publicados.
Los servicios que se ofrecen en la Internet son:
Correo Electrnico (e-mail). Posibilita enviar y recibir correo virtual a

un precio muy bajo. El correo electrnico es sencillsimo de usar y su
costo es mnimo acompaado de una gran eficiencia. A los mensajes
de correo se pueden adjuntar archivos de diverso tipo. Los correos
electrnicos se identifican por nombre_de_usuario @
73
nombre_servidor.tipo. pas. Los tipos comunes son: comercio (com

co), educacin (edu ac), gobierno (gob gov) y administradores de
la red (net). Por ejemplo, un correo electrnico de un funcionario del
Consejo Nacional de Ciencia y Tecnologa del Per podra ser Juan_
Prez@concytec.gob.pe; el correo de un autor de este texto es
luisfmiranda@netscape net. Con mayor frecuencia, los investigadores
consignan sus direcciones de correos electrnicos en las
publicaciones, por lo que es posible comunicarse con ellos para
intercambiar ideas y experiencias.
Grupos de Noticias, son lugares virtuales donde se puede conocer y
compartir informacin entre usuarios de Internet, que prcticamente
comprenden todo tipo de temas. Provee acceso a grupos de discusin
tambin llamados Listservs, debido al software que emplean.
Telnet o acceso remoto. Permite acceder a una computadora ubicada
en otro lugar y usarla como si fuese propia, conocer lo que contiene y
acceder a travs de ella a servidores remotos. Se requiere conocer el
sistema operativo UNIX o un equivalente.
FTP (File Transfer Protocol) Protocolo de Transferencia de Archivos.
Permite acceder a archivos de una computadora remota y enviarlos a
su computadora, en donde podrn ser visualizados o guardados en
disco. Se puede conseguir software gratuito para esta tarea en
www.ftp.com
La World Wide Web (WWW) o Red de Amplitud Mundial, es la
actividad de mayor crecimiento en la Internet.
5.3. LA WORLD WIDE WEB
La WWW incorpora todos los servicios de Internet mencionados antes y mucho

ms. Se pueden remitir documentos, visualizar imgenes, animacin, video,
escuchar archivos de sonido y visualizar programas que corren en prcticamente
cualquier software en el mundo, siempre y cuando se instale el software
adecuado en la computadora y sta posea el hardware (componentes fsicos)
requerido para tales funciones.
74
Los buscadores (browser) son programas que permiten localizar archivos en

Internet La WWW se basa en el lenguaje de programacin llamado HTML. Es el
HTML y la programacin incorporada en l que hace posible el Hipertexto
(Hypertext). El hipertexto es la habilidad que tienen las pginas Web de contener
vnculos (links), es decir, iconos sobre los cuales se pulsa el botn del mouse o
ratn de la computadora (click), interlazando o vinculando automticamente con
otro documento de la computadora. Esta capacidad de acceder a otros archivos
o documentos con slo pulsar el botn del ratn sobre un icono, es lo asombroso
de la WWW.
El modo de funcionamiento de los hipervnculos es relativamente sencillo. Todo

documento archivo, sitio, pelcula, o archivo de sonido, es decir, cualquier
informacin existente a travs de la WWW tiene un identificador nico, el URL
(uniform resource locator) o Localizador de Recursos Uniforme. El URL identifica
en qu computadora se encuentra el objeto, cul es su localizacin especfica y
cul es su nombre. Cada vnculo de hipertexto en la WWW contiene un URL.
Cuando se pulsa sobre un vnculo de un hipertexto, en realidad se enva una
solicitud de localizacin y remisin del archivo solicitado, en base al URL. Los
URL son como direcciones en las pginas Web.
Lo que permite el milagro de la comunicacin ms all de las fronteras,

globalizando la informacin, es un conjunto de estndares internacionales tales
como el TCP/IP y el HTML.
5.4. LOS BUSCADORES
Un buscador es un programa que reside en la computadora local, permitiendo el

uso de documentos accesibles a travs de la red o WWW, con las facilidades de
formato de texto, vnculos de hipertexto, imgenes, sonido, pelculas y otros
recursos. Los buscadores ms populares son Internet Explorer, Google Chrome
y Mozilla Firefox. Existen otros buscadores como Opera o MacWeb. La mayora
de ellos presenta las mismas caractersticas y pueden ser empleados con xito
para remitir documentos y activar aplicaciones diversas.
Todos los buscadores dependen de plug-ins (dispositivos de conexin) para

manejar los archivos ms sofisticados de la Red. Los plug-ins son subprogramas
almacenados al interior del buscador o en cualquier otro espacio de su
75
computadora, de modo que permiten una comunicacin compatible con la

aplicacin que se desea activar. Si se pulsa el botn del ratn sobre un vnculo,
y su computadora no tiene el plug-in necesario, por lo general recibir
instrucciones para adquirir dicho dispositivo. La mayora de plug-ins se
consiguen gratis y es muy sencillo instalarlos en la computadora.
Los buscadores principales tienen caractersticas semejantes ofreciendo las

siguientes funciones- uso de correo electrnico, recuperacin de archivos
localizados remotamente, navegacin en la WWW, administracin de sus
recursos, monitoreo y registro de los URLs empleados v almacenamiento de los
URLs favoritos.
5.5. ACCESO A INTERNET
A Internet se puede acceder desde computadoras, televisores, Toblets o Pads,

y telfonos celulares. En todos los casos se requiere estar conectado a un
proveedor de Internet (Internet Service Provider, ISP). En Per, por ejemplo, se
tienen entre otros, Movistar, Claro, Nextel CP, y algunas Universidades locales.
Para poder conectarse en la Internet a partir de un computador se requiere:
1. Computador o dispositivo equivalente provisto de una tarjeta MODEM

2. Licencia de un proveedor de servicios de Internet
3. Software adecuado como Internet Explorer, Google Chrome, Mozilla
Firefox o Netscape entre varios otros, con los plug-ins necesarios
4. Lnea telefnica fija o inalmbrica.
De la calidad de cada uno de estos componentes depende la velocidad de

conexin a Internet y los servicios que puedan ser empleados.
5.6. LOS MOTORES DE BSQUEDA
Los motores de bsqueda son programas desarrollados para realizar bsquedas

en la tan vasta internet En realidad ellos no buscan directamente. Cada uno de
estos motores investiga una base de datos del texto completo de pginas Web
seleccionadas de los billones existentes residentes en servidores, es decir,
computadoras que ofrecen informacin. Cuando se hace una bsqueda en
Internet, en realidad se est examinando una copia de la pgina Web real
Cuando se pulsa con el boten del ratn sobre los vnculos, proporcionados como
76
resultados de la bsqueda, entonces se est recuperando del servidor la versin

original de dicha pgina.
Las bases de datos de los motores de bsqueda son construidas por programas
robot llamados spiders (araas). Dichos programas encuentran nuevas pginas
Web para incluir en las bases de datos siguiendo los vnculos en las pginas
existentes. Por ello, si una pgina Web nunca ha sido vinculada a otras, entonces
los spiders sern incapaces de hallarla. El nico modo de que una pgina Web
sea incluida en un motor de bsqueda es que alguien incluya su URL en una
base de datos. Evidentemente es negocio de los promotores de bsqueda incluir
las pginas Web nuevas en las bases de datos, desarrollando palabras clave
que las puedan caracterizar.
Algunos tipos de pginas Web y vnculos son excluidos de las bsquedas, ya

sea por polticas o porque no se puede acceder a dichas pginas. La Invisible
Web, como se le llama es dos o tres veces ms grande que la Web visible.
En la tabla siguiente se presentan algunas caractersticas relevantes de tres

motores de bsqueda notables. Asimismo se tienen otros motores como Teoma
(http://www.teoma com/) y AltaVista (http://www.altavista.com/).
Motor Google Yahoo Exalead
URL google.com search.yahoo.com www,exalead.com/search

Vinculo para
Google help Yahoo! helo Exalead help
ayuda
Tamao Inmenso Enorme Grande
Bsqueda de Si. Entre doble comilla Si. Entre doble comilla
Si. Entre doble comilla " "
frases "" ""
Conectores Si: AND, OR, NOT.
Si: AND, OR, Si.AND, OR.
Lgicos AND NOT
Retinar
SI. Aumentar palabras SI. Aumentar palabras SI. Aumentar palabras
bsqueda
Idiomas Principales. Principales. Principales.
Shortcuts
Bsqueda de libros, Permite bsqueda con
Acceso rpido a
Caractersticas acadmico, patentes, primeras letras de las
diccionarios,
importantes imgenes, bsqueda palabras, Recursos varios
sinnimos, patentes,
de blogs. para refinar bsquedas
enciclopedias
77
Traduccin de
Si Servicio Separado Si
Documentos
Fuente.- UC Berkeley Teaching Library Internet Workshops. Recommended

Search Engines
Es menester aclarar algunos trminos presentes en la tabla anterior. Refinar una

bsqueda significa que sobre los resultados encontrados inicialmente, al
adicionar nuevas palabras clave que limiten la bsqueda se reduce el nmero de
vnculos encontrados. Esto es muy conveniente, pues si la bsqueda inicial es
muy genrica se pueden obtener hasta millones de vnculos. Por ejemplo, si se
busca la palabra alimentos, seguramente se encontrar una cantidad gigantesca
de vnculos. Si esta bsqueda se refina incorporando nuevas palabras, por
ejemplo, alimentos AND oligosacridos, las nuevas referencias debern
contener obligatoriamente ambas palabras. Por supuesto, que si se adicionan
otras palabras los resultados sern ms especficos. Si se hace la bsqueda
como alimentos oligosacridos la mayora de motores interpreta el espacio entre
las palabras como alimentos OR oligosacridos, es decir, que se buscar una u
otra palabra, y los vnculos encontrados sern, tal vez, ms que los anteriores.
Muchos motores emplean las palabras encerradas entre comillas como

bsqueda textual de una frase. Por ejemplo, si se indica Mario Vargas Llosa se
buscarn todas las pginas Web conteniendo alguna de estas palabras; en
cambio, si se digita Mario AND Vargas AND Llosa, se encontrarn los vnculos
que contienen las tres palabras, pero no necesariamente juntas. Si, se pide una
bsqueda por "Mario Vargas Llosa" se encontrarn los vnculos que contengan
las tres palabras juntas.
Tambin es posible limitar las bsquedas con palabras que no deben estar en la
pgina. Por ejemplo alimentos AND oligosacridos NOT composicin. En
algunos motores de bsqueda la palabra NOT se reemplaza por WITHOUT, o
por un signo menos.
Por supuesto que existe un conjunto de portales de Internet que ofrecen

opciones de bsqueda, adems de otros servicios como acceso a software
gratuito, foros o grupos de discusin, etc.
78
Adems de los antes mencionados, se listan a continuacin algunos portales con

opciones de bsqueda6:
www.hotbot.com
www.webcrawler.com
www.excite.com
www.lvcos.com
www.infoseek.com
www.msn.com
www.shareware.com
www.download.com
www.looksmart.com
www.netscape.com
www.esgratis.net
www.ciudadfutura.com
www.ole.es
www.vahoo.es
www.universia.edu.pe
5.7. DIRECTORIOS POR MATERIAS
En la siguiente tabla se presentan directorios de pginas Web.
Tabla 5.2.- Directorios de Pginas Web
Ttulo URL Comentarios

ndice de
Muy ordenada. Contiene pginas
bibliotecarios a la http://www.lii.ora/
Web muy valiosas en varios tpicos
Internet
Coleccin de ms de 20 mil vnculos
Infomine infomine.ucr.edu/Main.html
acadmicos clasificados.
Coleccin de pginas Web. Bases
de datos,
Academic Info www.academicinfo.net
vnculos a publicaciones completas
organizadas
El mayor y mejor directorio por
Yahoo http://www.yahoo.com/
materias
Coleccin de sitios Web de diversa
About.com http://home.about.com/
calidad.
79
Sitios Web
Los mejores sitios Web clasificados
seleccionados por www.britannica.com/
y evaluados
Britannica
Comunicacin Contiene vnculos sobre
www.december.com
mediatizada por computadoras, Internet. tecnologa
/cmc/info/
computador de comunicacin, etc.
www.searchenainecolossus.
Coloso Poderoso buscador Canadiense
com/
Control de
http://www.searchenainewat Informacin actualizada sobre
Motores de
ch.com/ motores de bsqueda
Bsqueda
Fuente.- University of Berkeley.Library Quides. Beyond the Web.
6 La mayor pan.e de referencias han sido extradas de Mello Costa S Fuentes

Dur.
5.8. PGINAS PORTALES
Las Pginas Portales son aquellas que contienen numerosos vnculos a otras
pginas, los mismos que estn organizados por materias y que contienen
abundantes recursos en torno a dichas materias.
Tabla 5.3.- Pginas Portales de Inters
Ttulo URL Comentarlo

Colecciona los mejores portales;
www.calvin.edu/library/s tambin incluye bases de datos,
Alpha Search
earreso/internet/as/ revistas en lnea y sitios Web de
texto completo
Coleccin de guas por materia,
Arqus Clearinghouse www.clearinahouse.net/
evaluadas.
www.Virtual Library
Guas por materia, principalmente
Librera Virtual conbio.rice.edu
acadmicas.
/vl/database
The New
Atheneum Una gua de recursos de Internet,
El Nuevo Ateneo
members.spree.com organizada. .
/athenaeum/mguide1.htm
Directorio tipo portal muy amplio.
Suite 101.com
Suite 101 No requiere membresa en
http://www.suite101.com/
muchas reas.
Fuente.- Universidad de Berkeley. Sistema de bibliotecas. Guio sobre Internet.
Beyond the Web
80
5.9. ENCONTRANDO BASES DE DATOS
Las bases de datos para el rea de inters pueden ser localizadas mediante
algunas de los portales proporcionados a continuacin,
Tabla 5.4.- Bases de Datos
Ttulo URL Comentarios

Se dice que es la coleccin
www.invisibleweb.co
La Web Invisible ms grande de bases de
m/
datos en la red.
Direct Search (Bsqueda awis2.circ.awu.edu/ Una coleccin de vnculos
Directa) ~gprice/direct.htm tiles a ms de 800 sitios Web
Coleccin grande de bases de
Internets www.internets.com/
datos
Una lista con un conjunto de
Coleccin de motores de www.leidenuniv.nl/
recursos para ubicar pginas
bsqueda ub/biv/specials.htm
Web
www.completeplan Una gran coleccin de bases
Planeta Completo
et.com/ de datos.
www.searchpower.c Acceso a varias bases de
Potencia de Bsqueda
om/ datos y portales de Internet
Coleccin de bases de datos,
Freeality Freeality.com/ algunas de las cuales pueden
tener inters acadmico
Fuente.- Universidad de Berkeley. Sistema de bibliotecas. Guia sobre Internet.
Beyond the Web
5.10. PGINAS WEB DE INTERS
El Investigador, sabr localizar pginas Web de inters para su campo a partir

de los recursos indicados anteriormente. Adems es conveniente realizar
bsquedas de:
Organizaciones acadmicas o profesionales

Patentes tanto nacionales como internacionales
Universidades que trabajan en el mismo campo de investigacin
Investigadores destacados
Revistas de la especialidad
Empresas lderes en el rea de inters.
Una lista interesante de sitios Web para los ingenieros qumicos se encuentra en
la pgina de Stefan Schwatzer Chemical Engineering Links.
Patentes
81
Tabla 5.5.- Localizacin de Patentes
INSTITUCIN amplitud DIRECCIN
DELPHION Mundial http://www.delphion.com/
FPO Free Patents On Line Estados Unidos httD://www.freeoatentsonline.com/
Intelectual Property Office Reino Unido http://www.ipo. aov.uk/p-find.htm
OEPM Oficina Espaola de

Espaa http://www.oepm.es/es/index.html
Patentes y Marcas
USPTO United States Patent

Estados Unidos http://www.uspto.aov/
and Trademark Office
WIPO World Intelectual http://www.wipo.int/portai/index.

Mundial
Property Organizaron html.en
Fuente - Elaboracin propia
Organizaciones Profesionales
A modo de ejemplo se presentan las direcciones de algunas organizaciones

profesionales:
Tabla 5.6.- Organizaciones Profesionales
INSTITUCIN DIRECCIN
American Institute of Chemical Engineers www.aiche.org
American Chemical Society www.acs.org
American Society of Mechanical Engineers www.asme.orqg
Colegio de Ingenieros del Per www.cip.orp.pe
European Federation of Chemical Enqineers www.dechema.de/efce.htm
Institute of Food Technologists www.ift.org
Institute of Food Science and Technology www.ifst.org
The Institution of Electric and Electronic Eng. www.IEEE.org
Real Sociedad Espaola de Qumica www.ucm.es/info/rsequim
Red Latinoamericana de Qumica www.relag.mx/
Fuente.- Elaboracin Propia
Universidades
Localizar las pginas Web de Universidades puede ser muy beneficioso, pues
se puede tener acceso a informacin importante, tales como listados de
82
investigaciones, correos electrnicos de docentes, acceso a informacin y

software de disponibilidad pblica, apuntes de clase en la Web, resmenes de
investigaciones, etc.
Tabla 5.7.- Algunas Universidades
UNIVERSIDAD DIRECCIN
Instituto de Tecnologa de Massachussets www.mit.edu
Universidad de Amsterdam www.chem.uva.nl
Universidad de Brunel www.brunel.ac.uk
Universidad de Cambridge www.cambridae.arc.iik
! Universidad de Cornell www.cheme.cornell.edu
Universidad de Dortmund www.tu-dortmund.rip/uni/
Universidad de Edimburgo www.chemena.eri.ac.uk
Universidad de Karlsruhe www.ciw.uni-karkruhe.de
Universidad Nacional Autnoma de Mxico www.fauim.unam.mx
Universidad de Oxford www.oxford.ac.uk
Universidad Politcnica de Valencia www.upv.ejs
Universidades Peruanas
Pontificia Universidad Catlica del Per www.pucp.edu.pe
Universidad Nacional Agraria la Molina www.unalm.edu.pe
Universidad Nacional de Ingeniera www.uni.edu.pe
Universidad Nacional Mayor de San Marcos www.unmsm.edu.pe
Universidad Nacional de San Agustn www.unsa.edu.pe
Universidad Nacional de Trujillo www.unitru.edu.pe
Universidad del Pacfico wvyw.yp.edu.pe
Fuente: propia
La relacin de universidades anteriores es arbitraria y debe ser complementada

por el lector de acuerdo a sus intereses.
Revistas de Ingeniera Qumica
Tabla 5.8.- Algunas Revistas de Ingeniera Qumica y Afines
REVISTA DIRECCIN
http://www3.interscience.wilev.com/iournal/10706
1889/hnmp
AlChE Journal (M)
http://www.aiche.ora/Dublications/iournals/aiche-
iournal
Brazillan Journal of Chemical
http://www.scielo.br/
Engineering (G)
The Canadian Journal of http://www.interscience.wilev.eom/iournal/116
Chemical Engineering 330099/homp
Chemical Engineering http://www.che.com/
83
Chemical Engineering Education http://cee.che.ufl.edu/

Chemical Engineering Journal http://www.sciencedirect.eom/science/iournal/138
58947
Chemical Engineering Magazine.
www.chemicalenaineerinamaqazine.com/
Suscripcin a revistas varias
Chemical Engineering Progress -
http://w ww.aiche. org/CEP/
CEP (M)
Chemical Engineering Science http://www.elsevier.com/
(R)
Hydrocarbon Processing (M) http://www.hvdrocarbonprocessina.com/
Ingeniera Qumica, Revista
hltp;//dialnet.unirioia.es/servlet/revista?codigo-
Espaola de la Universidad de
?7fii
Rioja (M)
Journal of Chemical Engineering http//www.jsta9e.jst.qo.fp/browse/jcej
of
TheJapan
Open(G)
Chemical Engineering htp;//www.bentham.ora/ooen/tocenaj/ndex.htm
Journal
Pollution Engineering (M) http;//www.pollutionenainepring enm/
http://www.scielo.ora.mx/scielo
phn?cnpt=sci serial&pjd=1665-2738&lna-
Revista Mexicana de Ingeniera
es&nrm=iso
Qumica
http://redalvc.uaemex.mx/src/inicio/HomRevRpd
G)
jp?iyEntRev=67P
www.Drocesosvirtuales.com
G. Acceso libre: M: Acceso libre o ciertos recursos; R: Resmenes gratuitos
Fuente.- Elaboracin Propia
Se presenta a continuacin una serie de revistas de acceso libre de la editorial
Bentham:
Tabla 5.9.- Revistas digitales libres de costo de la Editorial Bentham
The .Open PiQtechnoloav Journal The Qnpn Gpnnmirs Jorai '
The Ooen Industrial & Manufacturina

The ODen Ceramic Science Journal
Enaineerinq Journal
The Ooen Chemical Physics Journal Ihe open Materials Science Journal
Current Chemical Genomics The ODen Mineral Processina Journal
The ODen Corrosin Journal The Oen Mineraloav Journal
The ODen Electrochemistrv Journal The Oen Nanoscience Journal
The Oen Food Science Journal The ODen Petroleum Enaineerina Journal
The Open Fuel Cells Journal The Ooen Process Chemistrv Journal
The Open Fuels 6 Enerav Science
The ODen Macromolecules Journa)
Journal
Fuente:- Bentham Science
84
Principales Bases de Datos de Revistas de Ingeniera
Tabla 5.10.- Bases de Datos Importantes de Revistas de Investigacin
NOMBRE CONTENIDO DIRECCIN

DOAJ Directorio de Revistas de Acceso http://www.doaj.org/
Libre
Lder en provisin de servicios de
EBSCO www.ebscohost.com/
informacin, e-revistas, e-
libros.Suscripcin.
Fondo de publicaciones cientficas de
Latinindex http://www.latindex.unam.mx/
Amrica Latina, el Caribe. Espaa y
Portugalms de 1600 revistas
Ofrece .http://www.proauest.com/en-
ProQuest cientficas en diver- i sas reas. US/ratalng;/databases/detail/D
Suscripcin Q Science iournak shtml
Sistema de informacin que
Redalyc http://redalyc.uaemex.mx/
comprende revistas cientficas de
Scientific electronic
Amrica Latina, Library
Espaa Online.
y Portugal
http://www.scielo.ora/DhD/index
SciELO Fondo bibio- grfico para publicacin
php?lana=en
virtual en pases en desa- i rrollo. Se
origineneninformacin
Lder Brasil Acceso universal
cientfica y
Science
tecnolgica con ms de 3000 http://www.sciencedirect.com/
Direct
revistas. Suscripcin
Red Internacional de Fuentes de http://www.scient.net/php/indpx
ScienTI Informacin y Conocimiento para la php?lana=es
Gestin de Ciencia, Tecnologa e
Innovacin Fuente - Elaboracin propia
Tesis de Post-grado
Tabla 5.11.- Localizacin de repositorios de tesis de post-grado
NOMBRE DIRECCION
18 Universidades Espaolas http://tesi$enrd.net/

DART-Europe E-theses Portal.
httD://www.dan-euroDe.eu/basic-
Tesis de 527 universidades
search.php
europeas de 27 pases
Open Thesis. Repositorio libre de
www.openthesis.orq/
tesis
Tesis del Instituto Tecnolgico de www.libraries.mit.edu/aet/dissertatiprr;
Massachussets (MIT) www.dsDace.mit.edu/handle/1721.1/7SR?
DRIVER. Digital Research www.driver-
Infraestructure Vision for European repositorv.eu/Search.html7searchword-
Research. Tesis Europeas thesis
Google Scholar o Google
www.libraries.mit.edu/oet/aonnlesrhnlar/
Acadmico
Multidisciplinary Theses Server,
www.tel.ccsd.cnrs.fr/
Principalmente tesis de Francia
www.collections.canada.ca/thesescanada/
Tesis de Caada.
mdex-ehtml
85
Dissonline.de. Tesis en Internet de

www.dissonline.de/index e.html
Alemania
ETHOS. Electronic Thesis Online
www.ethos.bl.uk/Home.do
Service.Tesis de Gran Bretaa
ProQuest Disssertions and Thesis. www.libraries.mit.edu/aet/dissertations
Tesis de Estados Unidos.
Fuente.- Elaboracin propia a partir de MIT Librarles - Dissertations S Thesis
Open Courseware
Se denomina as a repositorios que contienen material de enseanza, tales como

apuntes de clases, evaluaciones, problemas propuestos y resueltos,
presentaciones en diapositivas y otros recursos que se emplean en la docencia,
principalmente universitaria.
En la tabla siguiente se presentan las direcciones de instituciones acadmicas

muy importantes.
Tabla 5.12.- Recursos para la Enseanza Universitaria
INSTITUCIN DIRECCIN
http://www.extension.harvard
Harvard University. Open Learning Initiative
open-learning-initiativp
edt|/
Instituto Tecnolgico de Massachussets MIT.
www.ocw.mit.edu
material de compartir
Pionero en enseanza
Open Courseware Consortium. Iniciativa de
http://www.ocwconsortium.ora/
vas superiores
instituciones que emplea un modelo de
educati-
Open Courseware
compartir recursos.Europe bttp;//ppencourseware.ey/
Universidad de Stanford http://see.stanford.edu/
Universia. Recursos de Universidades Espaolas http://ocw.universia.nsves''
United Nations University Open Courseware http://ocw.unu.edu/

Editoriales
La bsqueda de libros y revistas tambin puede hacerse a partir de la direccin

de la editorial correspondiente, por ejemplo:
86
Tabla 5.13.- Editoriales Importantes
Alcin de Fspaa www.alcion.es

Chemical Rubber Co. www.crcoress.com
Elsevier www.elsevier.com
Me Graw Hill www.mhprofessionalcom
Prentice Hall orenticehall.com/
Springer Verlag www.sprinaer-ny.com
John Wiley & Sons www.wiley.com/
Proceedings o the National Academy of
www.pnas.orp
Sciences
Venta de libros por Internet www.amazon.com
Fuente.- Elaboracin Propio
Libros Electrnicos
Inclusive se cuentan con editoriales que tienen sus libros en Internet y que
pueden ser accesados sin costo alguno.
Tabla 5.14.- Algunos libros de inters
Libros digitalizados de Ing. Qumica www.chemicalebooks.ppm/
Descarga gratuita de Libros digitalizados www.e-booksdirectory.com/
Libros digitalizados gratis http://www.freebookspot.es/
Numerical Recipes wwvy.nr.com
Texto de Estadstica www.udcys/deD/mate/estadistica2
Fuente - Elaboracin propia
Software Libre
Tabla 5.15.- Relacin de software de libre disponibilidad
RUBRO DIRECCIN
Descarga de programas www.download.cpm
Descarga de programas varios www.downloadalot.com
The software Eng. Laboratory http://fdd.gsfc.nasa.qpv
Software para compartir www.shareware.com
AMBER Assisted Model Building
with Energy Refinement. www.ambermd.com
Simulacin de biomolculas.
Open source.
87
ASCEND. Simulador matemtico.

Open source. Sistemas de httD://ascend4.ora/
ecuaciones no lineales, opti-
mizacin y dinmica. http://chemistrv.about.eom/ai/o.htm?z=1 /-
Xlf7T= 1 &sd-n=chemistrv&cdn=education&tm=
PRODE Propiedades de fluidos y
141 &f= n fiti= 14& h-
sus mezclas
t=0&bts=0&zu=http%3A//www.prode.com/orode/
pc html
COCO, simulador de procesos.
www.cocosimulator.org
Open source
DWSIM, simulador de procesos
en estado estacionario. Open www.dwsim.inforside.br
source
KEMSOFT Process Simulation
http://kemisoft. triDod.com/Drosfree.html
Software
PHYTON for science and
engineering. Programas en este BMS
lenguaje novedoso.
PROSIM PLUS, simulador de http://chemistrv.about.com/od/Drocesssimulation
procesos softwarp/
DATAPLOT visualizaron, anlisis
estadstico, modelamiento no http://www.itl.nist.oov/div898/software/dataplpt/
lineal. Open source
GOSSET para Diseo de
http://www2. research.att.com/~njas/gosset/
Experimentos. Open source
GNU Octave, equivalente a
http://www.anu.ora/software/Qrtflye/
Matlab
GNU PLOT, utilidad gratuita para
graficar interactivamente datos http://www.anuDlot.info/
experimentales
LATEX, excelente editor de libros
http://www.tUQ.org/interesLhtml#free
y artculos. Libre disponibilidad.
OPEN DX, IBM open visualizaron
data explorer. Tcnicas de http;//www,research.ibm.com/dx/
visualizacin y anlisis
R Project. Software Estadstico
http://www.r-oroiect.ora/
open source
SCILAB, open source.
http://www.sclab.org/
Equivalente a Matlab
ViSta Software estadstico. Open

http://forrest.DSVCh.unc.edu/research/
source
http://www.vissim.eom/?adid=COCu1uv90rMCF
VisSim, equivalente a LabView
ROcnAod7FcAen
Fuente.- Elaboracin propia. Varias referencias han sido tomadas de Stefan
Schwarzer
Recursos de E-learning
La educacin a distancia va cobrando cada vez mayor importancia. Tanto para
recibir cursos a distancia como para impartirlos es necesario conocer recursos o
88
plataformas virtuales que posibiliten esta tarea, para lo cual se cuenta con gran
diversidad de software. Se presenta a continuacin una pequea lista de dichos
recursos que son de libre disponibilidad.
Tabla 5.16.- Recursos Virtuales para E-learning
TITULO DESCRIPCIN DIRECCIN
Software completo que tiene varias

herramientas para crear y administrar
eFront http://www.efrontlearnina.net/
lecciones. Requiere PHP
& MySOL
Muy popular. Tiene herramientas para

crear lecciones, asignaciones,
Moodle exmenes, documentos y otros. https://moodle.orq/
Herramientas para interaccin entre do-
centes y estudiantes
Adems de tareas estndar permite

gran interaccin entre docentes y http://code.google.eom/p/dokp
Dokeos
estudiantes como video o/
conferencias
Plataforma de aprendizaje y trabajo

virtual. Permite crear cursos
Claroline http://www.daroline.net/?lana=en
efectivamente en lnea, de-
estudiantes.
Fuente - Elaboracin propia a partir de datos de Web Resources Depot
Propiedades Fsico-qumicas de Materiales

Tabla 5.17.- Direcciones de Repositorios de Propiedades Fisicoqumicas
NOMBRE DIRECCIN
Organic Compounds Database. www.colbv.edu/chemistrv/cmp/cmp.html

httD://chemistrv.about.com/ai/o.htm?zi=1/-
XJPt7-
T i=1 &sdn=chemistrv&cdn=education&tm-
PRODE Propiedades de fluidos y sus
141 Fr- j
mezclas
f=11.&_t1=14Erbt=0&bts=0&zu=http%3A//
www prorie j
com/prode/po.html
The thermal connection. Vnculos a datos
www.tak2000.com
termofisicos
89
National Institute of Standards and

Technology (NIST).
Webbook, entalpias y entropas de www.webbook.nist qov
formacin, presiones de vapor, espectros www.phvsic.nist.aov/Physpefpat
IR y MS para varios miles de sustancias.
Physical Reference Data
Web Elements. Anlisis profundo de los

www.webelements.com
elementos qumicos
Fuente - Elaboracin propio con informacin de Stefan Schwarzer
Ingeniera de Procesos
Tabla 5.18.- Repositorios y Portales Profesionales para Ingeniera de
Procesos
TITULO RUBRO URL

Portal profesional con
Bioingeniera en la net informacin, oportunidades www.bioinaenieros.rom
laborales, etc.
La Biblioteca del Descarga de libros y revistas de www.la-biblioteca-del-
Ingeniero inters para Ingeniera Qumica inaeniprn i bloasDot.com
Provee acceso a informacin
Centro Nacional de
biotecnolgica y genmica para
Informacin www.ncbi.nlm.nih.aov
el desarrollo de la ciencia y la
Biotecnolgica USA
salud
Organizacin promotora de
Centro Panamericano
mega proyectos a favor del
de Ing. Sanitaria y
ambiente y cuidado del recurso www.cepis.ora.pp
Ciencias del Ambiente
hdrico
Repositorio para Ing. Qumica

Chemical Engineering
donde encuentra artculos, www.cheresources.com
Resources
foros, blogs, etc.
Repositorio muy amplio de

Chemical Finder www.chemfinder.rom
qumica y bioqumica
Repositorio sobre la industria

Chemedia Qumica
qumica
World Energy Base. Contiene
cerca de 5 millones de https://www.etde.ora/etdeweh/
ETDEWEB
referencias y gran cantidad hasir-search.isp?pa=2
de vnculos
Portal profesional con
Bioingeniera en la net informacin, oportunidades www.bioinaenieros.rom
laborales, etc.
La Biblioteca del Descarga de libros y revistas de www.la-biblioteca-del-
Ingeniero inters para Ingeniera Qumica inaeniprn i bloasDot.com
90
Provee acceso a informacin

Centro Nacional de
biotecnolgica y genmica para
Informacin www.ncbi.nlm.nih.aov
el desarrollo de la ciencia y la
Biotecnolgica USA
salud
Organizacin promotora de
Centro Panamericano
mega proyectos a favor del
de Ing. Sanitaria y www.ceDis.ora.pp
ambiente y cuidado del recurso
Ciencias del Ambiente
hdrico
Repositorio para Ing. Qumica
Chemical Engineering
donde encuentra artculos, www.cheresources.com
Resources
foros, blogs, etc.
Repositorio muy amplio de
Chemical Finder www.chemfinder.rom
qumica y bioqumica
Repositorio sobre la industria
Chemedia Qumica
qumica
World Energy Base. Contiene
cerca de 5 millones de https://www.etde.ora/etdeweh/
ETDEWEB
referencias y gran cantidad de hasir-search.isp?pa=2
vnculos
Pginas de Ingeniera e Innovacin

Tabla 5.19.- Innovacin e Ingeniera en Internet
NOMBRE DESCRIPCIN URL

Oferta de informacin, cursos, www.cienciadiaital.c
Ciencia Digital
becas, etc. om
Pgina USA de oferta y
Engineering Central www.enacen.com
demanda de empleo
Pgina Iberoamericana que
www.aestiondelcono
Gestin del contiene infor
cimipn-
Conocimiento macin y oportunidades
to.com
profesionales
Software y otros recursos para
The Engineers' Club ingenieros, ! principalmente www.enaineers.com
electrnicos
Instituto de Instituto de la Ingeniera de
www.iies.es
Ingeniera de Espaa Espaa. Foro social y tcnico
Imaginatik, empresa de
servicios orientada a
Invenciones corporaciones brindando www.imaainatik.com
servicios de entre- i
namiento y asistencia
Oferta de informacin y
Inventnet. The
entrenamiento para www.inventnet.com
Inventor's NetWork
inventores
91
Iniciativa del MIT estimulando la

www.web.mit.edu/inv
Invention Dimensin invencin entre sus estudiantes
ent
y docentes
Compaas Lderes
La bsqueda de pginas Web de compaas lderes en su campo es conveniente
para los ingenieros, pues all figura la oferta de ltimos productos, inclusive en
algunos casos, difusin de desarrollos recientes y los retos que estn
enfrentando. Asimismo se indican ofertas de empleo. Como una pequea
muestra, se tienen las siguientes:
Tabla 5.20.- Algunas Compaas Lderes
EMPRESA RUBRO URL
Proveedor de gases para la
Air Liquide www.airliauide.com
industria, salud y el ambiente
Corporacin de productos
Dupont qumicos para diversas www.duDont.com
Hanna Instruments industrias

Instrumentacin qumica www.hannainst.com.mx/
Computacin, instrumentacin
Hewlett Packard www.hp.com
qumica, etc.
Merck Medicinas y reactivos www.merck.com/index.ht

Biomanufactura y ciencias de la ml
Millipore www.millipore.com
vida
Monsanto Co. Productos qumicos www.monsanto.com
National
Control de procesos www.ni.com
Instruments
Petrleos Procesamiento del petrleo y
www.pemex.com/
Mexicanos gas
Productor de componentes
Texas Instruments electrnicos, calculadoras y www.ti.com
Unilever otros
Productos de limpieza y sanidad www.unilever.com/
Se recomienda que cada usuario elabore un directorio con las URL de su inters,
pues puede ser un instrumento muy til en la bsqueda e intercambio de
informacin.
5.11. GRUPOS DE DISCUSIN
Los Grupos de Noticias
Existen miles de grupos de noticias a los que el usuario se puede suscribir. Estos,
son lugares donde se puede buscar y compartir informacin sobre temas
92
especficos con miles de personas, tales como ftbol o equipos de sonido. Se

pueden acceder y visualizar en la WWW (encontrados en www.usenet.com)
mediante los buscadores de Internet Explorer y Netscape, entre otros. A pesar
de que algunos grupos acadmicos prefieren Grupos de Noticias en base a
grupos de correos electrnicos del tipo Listserv, los grupos de noticias tienden a
ser cada vez ms populares. La mejor herramienta para localizar grupos de
noticias es Gooole Groups
Los grupos de noticias se nombran y se organizan de acuerdo a un conjunto de
reglas. La ms general de estas reglas se refiere al nombre del grupo. Los
nombres tienen una estructura jerrquica, donde el nivel ms alto de la jerarqua
aparece a la izquierda. Por ejemplo, el nombre sci.engr.chem, indica que dentro
del conjunto de la ciencia, hay un subconjunto
Ingeniera y dentro de ste existe otro sub-subconjunto llamado qumica. Existen
siete grupos de noticias principales, que para los ingenieros pueden ser de
significacin los grupos comp (computadoras), news (noticias), sci (ciencia) y
mise (miscelneo).
NewsXpress es un lector de noticias que se ofrece como Shareware (gratuito),
cuenta con un conjunto de herramientas para leer y participar fcilmente en los
grupos de noticias. Las herramientas pueden visualizar los miles de grupos de
noticias existentes, de tal modo que se pueda seleccionar aquellos de inters. Si
alguien quiere participar en un grupo de noticias determinado, puede aadir un
nuevo tema en este nivel o entrar en un grupo de noticias existente.
Listas de Correo (Listserv lists)

Las listas de correo trabajan por intermedio del correo electrnico, no en la
WWW. Uno se suscribe y recibe mensajes del grupo, es decir, es un depsito
automtico de informacin. Si se suscribe recibir toda la informacin que la lista
recibe. Las listas de correo tienden a ser ms acadmicas que los grupos de
noticias, pero su contenido vara en funcin de la disciplina.
Para suscribirse es necesario enviar un mensaje al administrador de la lista.
Apenas lo haga empezar a recibir un flujo constante de documentos. Pero, si
una lista es muy activa podr recibir cientos de mensajes en un da, pudiendo
fcilmente llenar la capacidad de su buzn de correo electrnico y, en
consecuencia, inhabilitando su correo para la recepcin de nuevos mensajes.
93
En la siguiente tabla se presentan tres buscadores de Listas de Correo.
Ttulo url Comentarios.

http://www.liszt.com Provee una amplia base de datos de
Liszt
/ Listserv
alabanza.com/kaba Proporciona diversos recursos adicionales
Interlinks coff /Inter-Links para ubicar listas de correo o grupos de
/listserv. html discusin.
ndice de los Recibe lo novedoso de este gran grupo,
www.lii.ora/seaich/fi
Bibliotecario incluyendo sitios; nuevos, bases de datos y
le/mailinalist
s a internet otros recursos.
ACTIVIDADES
1. Realice una bsqueda en Internet y reporte los siguientes hallazgos:
Tres revistas de su especialidad
Tres investigadores de su especialidad
Tres corporaciones que trabajen en su especialidad
Tres universidades que investiguen en temas de su especialidad
2. Formule un pequeo banco de datos de 20 registros, consignando
direcciones electrnicas de su especialidad.
3. Con tres motores de bsqueda distintos, realice la misma bsqueda en
Internet con las mismas palabras claves y compare los resultados
obtenidos, comentndolos.
4. Realice una bsqueda en los directorios por materias, de un tema de
inters novedoso para los investigadores en su campo profesional y
reporte los resultados correspondientes, analizando la calidad de
informacin encontrada, la relevancia del tema a nivel internacional y los
principales autores involucrados en el mismo.
94
Bentham Open. Bentham Science. 2012
http://www.benthamscience.com/open/tocengj/index.htm
Heriot Watt University. How tofind out: Chemical and Process Engineering.
2012. http://isouides.hw.ac.uk/content.php?pid=366377&sid=2999215
Mello Costa & Fuentes Dura. Ingeniera Qumica en Internet. Ingeniera
Qumica, octubre 1999, pp. 534-538.
MIT Libraries. OverView of Citation Software at MIT: Manoging your
References"2012.
Stefan Schwarzer. Chemical Engineering Links, 2009.
http://www.sschwarzer.net/chemeng/links.html
University of Berkeley. Finding information on the Internet: a tutorial. 2012
http://www.lib.berkelev.edu/TeachingLib/Guides/lnternet/
University of California, San Diego. Science and Engineering Library.
http://scilib.ucsd.edu/hovyto/guides/patsearch/index.html
Web Resources Depot. Consulta noviembre 2012.
http://www. webresourcesdepot.com/7-widely-used-and-open-source-e-
iearning-applications/
95
CAPTULO 6
EL MARCO CONCEPTUAL
En este captulo se tratarn los siguientes tpicos:
Conceptos bsicos sobre el marco conceptual
Construccin del marco conceptual
Caractersticas del marco conceptual
El DEBUSSI
Revisin de la bibliografa
Lectura crtica de documentos
Las fichas bibliogrficas
Algoritmo conceptual
Ejemplos del marco conceptual
6.1. CONCEPTOS BSICOS
El marco conceptual, llamado tambin marco terico, es imprescindible para

formular y desarrollar una investigacin.
Se conoce por Marco Conceptual al conjunto organizado, seleccionado,

procesado e interpretado, de informacin referida al objeto de estudio
(enunciados basados en teoras, leyes, postulados, axiomas, doctrinas,
mtodos, etc.), que contribuye a definir, fundamentar, y orientar la
investigacin, Est constituido necesariamente por conocimiento explcito, es
decir, refrendado por una forma fsica (textos, artculos, videos, grabaciones,
fotos, etc.). La recoleccin de esta informacin, es abundante inicialmente,
pero debe ser discriminada, es decir, seleccionada, categorizada, para
facilitar su anlisis, pues no todo lo acopiado ser pertinente ni ayudar a
entender mejor el problema bajo estudio. De all que el Marco Conceptual de
una investigacin, es el resultado de un proceso inteligente de construccin,
caracterizado por ser muy interactivo en cada momento de la investigacin,
alcanzando los elementos de juicio para encausarla hacia el logro de los
objetivos planteados.
Atributos y Funciones del Marco Conceptual
No existe un marco conceptual de aceptacin universal para cada problema.
Este est conformado a partir de un conjunto de informacin y como tal puede
96
incluir diversos elementos y puede ser ordenado de mltiples maneras, de

acuerdo al investigador que lo configura. Sin embargo, s se pueden
generalizar los atributos que permiten valorar su calidad. As, un Marco
Conceptual deber ser:
1) Consistente: la informacin disponible es suficiente, pertinente,
coherente y referenciada debidamente.
2) Sistemtico: presenta el conocimiento organizado, categorizado y
priorizado, de manera que se pueda analizar con la profundidad
necesaria.
3) Analtico: la informacin acopiada es procesada, identificando los
aspectos que mejor expliquen el rea en estudio, interrelacionndolos,
precisando las variables que participan en la caracterizacin de los
fenmenos implicados.
4) Crtico: no basta con acumular buena informacin sobre el tema, la
mayor exigencia est en interpretarla; es decir, valorarla en funcin de
los objetivos formulados, de manera que se pueda determinar si existen
o no "vacos de conocimiento" o "contradicciones", que ameriten
proseguir con el estudio. Caso contrario, se demostrar la existencia
del conocimiento que explica a cabalidad el problema planteado, no
siendo necesaria la investigacin.
De aqu se desprende que la presentacin del Marco Conceptual debe incluir
una seccin especial dedicada al anlisis y discusin de la informacin, cuyo
propsito explcito es determinar los vacos de conocimiento o
contradicciones que contribuirn a formular el problema de investigacin y
posteriormente a enunciar las hiptesis.
En correspondencia con sus atributos, el Marco Conceptual cumple las
siguientes funciones (Rodrguez Sosa - Rodrguez Rivas, p. 96):
1. Permite precisar el objeto de la investigacin.
2. Contribuye a definir el enfoque que se dar a la investigacin
(descriptiva, predictiva, etc.), es decir, el aspecto problemtico de
inters que se investigar.
3. Facilita el anlisis del objeto investigado teniendo como referentes el
enfoque del problema y los objetivos de la investigacin, posibilitando
la construccin de enunciados.
97
4. Permite formular hiptesis.

5. Facilita la verificacin de las hiptesis.
6.2. CARACTERSTICAS DEL MARCO CONCEPTUAL
Sobre la extensin del Marco Conceptual
Un riesgo frecuente en la elaboracin del marco conceptual es hacer una mala

sntesis de la informacin consultada, resultando muy abundante la base terica
referencial, sin jerarquizarla ni relevar los aspectos sustanciales.
El marco conceptual puede presentarse de modos diversos segn sea el

documento que lo contiene. Por ejemplo, la extensin del mismo en los
siguientes documentos es en orden creciente:
Proyecto de investigacin
Artculo de investigacin
Reporte de Investigacin
Tesis de Investigacin
A modo de referencia, se proporcionan estimaciones de la extensin del marco

conceptual en estos documentos. Por supuesto que estas estimaciones pueden
sufrir variaciones significativas segn los casos. En el proyecto de investigacin,
el marco conceptual puede contener 500 o menos palabras; en el artculo de
investigacin, este nmero podr ser duplicado. En el reporte de investigacin,
elevado por ejemplo a los promotores de la investigacin, el marco de
investigacin podr ser an ms extenso. En la tesis de investigacin, la
extensin de dicho marco podr alcanzar inclusive las 7000 palabras.
Aspectos que debe contener el Marco Conceptual
En el marco conceptual se pueden considerar, entre otros, los siguientes

aspectos:
Mejor definicin del problema de investigacin.

Presentacin de conceptos esenciales, tales como definiciones de
trminos ambiguos.
Sistematizacin de la teora existente sobre el problema de investigacin
y sobre problemas anlogos.
Anlisis exhaustivo de las variables y sus relaciones.
98
Identificacin de datos relevantes para el problema y anlisis de los

mismos a la luz de las teoras existentes.
Discernimiento sobre qu teoras parecen adecuadas.
Construccin de las bases para la formulacin de hiptesis.
Revisin y seleccin de mtodos experimentales para medir las
variables de inters Aunque formalmente este tema se incluya en la parte
de metodologa de la investigacin.
En ciertos casos, evaluacin de mtodos experimentales alternativos.
Precisin de los alcances de la investigacin, determinando aquellos
aspectos que si bien son interesantes, no sern estudiados,
fundamentando tales lmites.
Sobre la organizacin del Marco Conceptual
En el proceso de redaccin del Marco Conceptual (MC), lo primero es establecer

su estructura, vale decir los ttulos y subttulos. En funcin del DEBUSSI, la
informacin bibliogrfica recolectada; as como tomando en cuenta la naturaleza
del problema investigado y los objetivos, se definirn los tpicos a incluir en el
Mapa Conceptual y tambin en el Marco Conceptual. Es posible construir el
marco conceptual a partir de los aspectos ms generales y gradualmente ir
abordando conceptos especficos. Sin embargo, se deben considerar slo los
aspectos genricos que aporten al desarrollo de la investigacin.
Recomendaciones para su formulacin
Salkind (1998, p. 88) recomienda tomar en cuenta los siguientes aspectos para
lograr un Marco Conceptual consistente y coherente:
Lea revisiones bibliogrficas de investigaciones relacionadas. As tendr

una primera idea de los avances en el rea.
Cree un tema unificado, es decir, estructure el marco conceptual dndole
coherencia y unidad en todos los tpicos planteados.
Construya un cuadro sinptico, distinguiendo mediante este instrumento
las ideas principales de las secundarias. Puede ser an ms adecuado
organizar los conceptos fundamentales de la investigacin en un
diagrama semejante a un rbol conceptual, que permita identificar con
nitidez los aspectos medulares de los complementarios.
99
Construya puentes entre las diferentes reas que revis. Es

responsabilidad del investigador encontrar vnculos entre los diferentes
tpicos abordados convergiendo hacia el objeto de la investigacin.
Practique la redaccin, que le permitir mejorar sus habilidades de
sistematizacin y expresin escrita.
Es muy importante resaltar que el propsito del Marco Conceptual es sustentar

que los objetivos y las hiptesis planteadas son, en efecto, vlidos; es decir, que
constituyen espacios de bsqueda de respuestas a problemas que no han sido
estudiados antes. Por tanto, no se trata de una compilacin de referencias
bibliogrficas sobre el tema, sino de una investigacin en s misma (bsqueda,
seleccin, anlisis, interpretacin y sntesis) de carcter bibliogrfico. De all que
se requiera dedicar una seccin en la presentacin del Marco Conceptual, a la
discusin de su contenido, para identificar con claridad los vacos de
conocimiento, en funcin de las variables ms significativas y el comportamiento
de los sistemas y procesos implicados.
En la Figura 6.1, se presenta el desarrollo del marco conceptual,

esquematizando los componentes conceptuales bsicos que lo integran y los
procesos cognitivos a los que es sujeta la informacin disponible para obtener
los resultados deseados, vale decir la identificacin de vacos de conocimiento y
el replanteamiento del problema si fuera preciso la revisin y consolidacin de
los objetivos de la investigacin y la formulacin de las hiptesis de la
investigacin.
Definiciones - Conceptos esenciales

Teoras - Relaciones - Modelos
Tecnologas - Resultados de terceros
Acopio de informacin -Organizacin

Seleccin - Anlisis
Sntesis Discusin
Problema replanteado
Objetivos consolidados
Hiptesis formuladas
100
Figura 6.1 - El Desarrollo del Morco Conceptual
6.3. PROCESO DE ELABORACIN DEL MARCO CONCEPTUAL
Lograr un Marco Conceptual (MC) que satisfaga las exigencias de los atributos
planteados demanda de un proceso consistente de las siguientes etapas:
1. Elaboracin del Diagrama Estructural de Bsqueda Sistemtica de

Informacin (DEBUSSI)
2. Acopio sistemtico de informacin
3. Acopio sistemtico de informacin
4. Seleccin de la Informacin
5. Anlisis de la informacin
6. Interpretacin de la informacin
7. Estructuracin del Algoritmo Conceptual
8. Redaccin del Marco Conceptual
Aplicando el "enfoque de procesos", en la Tabla 6.1 se presentan los detalles de

cada etapa.
Tabla 6.1.- Matriz del Macro Proceso de Elaboracin del Marco Conceptual
Proceso 1: Elaboracin del DEBUSSI. Plan de Bsqueda

ENTRADAS OPERADORES DE CAMBIO SALIDAS
Identificacin de componentes del

conocimiento que configuran los
objetivos.
Valoracin de la importancia relativa
de cada componente.
Anlisis de la interrelacin entre
componentes de conocimiento. 1. DEBUSSI
1. Objetivos de la
Construccin del Diagrama Estructural 2. Base de Datos
Investigacin
de Bsqueda Sistemtica de configurada
Configuracin de la Base de Datos
para el almacenamiento organizado de
la informacin: correlato del DEBUSSI
en un programa virtual de
almacenamiento.
Proceso 2: Acopio Sistemtico de informacin. Colectando Informacin :
101
Cuerpo de Infor-
Objetivos de la
Elaboracin de Plan de acopio siste- macin confiable, *
Investigacin.
mtico de informacin: Relacin entre Ordenado
DEBUSSI
Contenidos-Fuentes-Tiempo- sistemticamente,
Base de Datos
Responsables. en Base de; Datos
configurada
Contacto con las fuentes de virtual.
Relacin de fuentes
informacin: lectura rpida y focalizada Referencias
disponibles de
en los temas objeto de bsqueda. Bibliogrficas
informacin y formas
Incorporacin de la informacin a su detalladas,
de accederas.
respectivo archivo en la Base de codificadas y
(Fase 1 de la Gestin
Datos, y elaboracin de las Fichas organizadas en
del Conocimiento)
Bibliogrficas respectivas funcin del
Computadora.
DEBUSSI.
Se considera confiable aquella informacin cuya fuente es explcita y con valor

referencial Autor, Fecha de publicacin, Nombre de la publicacin, pginas, editorial,
institucin que respalda la publicacin y su direccin virtual.
Proceso 3: Seleccin de informacin. Filtrando la informado
Lectura Rpida de la informacin
Cuerpo de
acopiada.
Informacin
Discriminacin de la informacin
confiable, ordenado
acopiada en base a los criterios
sistemticamente.
siguientes: 5. informacin til,
Referencias Biblio-
Nivel de profundidad en el tratamiento priorizada.
grficas detalladas,
de temas, grado de relacin y
codificadas.
pertinencia con los objetivos,
Objetivos de la
Priorizacin de acuerdo a los nfasis
Investigacin.
que se desea dar en la investigacin.
Proceso 4: Anlisis de informacin. Procesando cada referencia

Analizar cada una de las referencias

bibliogrficas de inters, empleando
herramientas de Mallas de Criterios:
Anlisis Estrella; Hechos-causas-
consecuencias; Anlisis de Procesos;
Objetivos de la Anlisis Dinmico.
Investigacin. Observar estrictamente las fuentes de
Informacin til informacin, empleando un sistema 6. Informacin
priorizada. normado de referencias bibliogrficas. acopiada analizada.
Herramientas para el Preparar Fichas Bibliogrficas de cada
Anlisis. referencia identificando los elementos
determinantes de los sistemas,
procesos y variables implicados en la
investigacin.
Descartar referencias que no
contengan informacin til
102
Proceso 5: Interpretacin de Informacin Procesada. Encontrando el valor de la

informacin
Establecer criterios para valorar la
importancia de la informacin
analizada
Formular interrogantes de la
investigacin o "Preguntas Objetivo",
Redefinicin del
en torno a los objetivos planteados,
problema y
cuyas respuestas permitan evaluar
objetivos.
qu se conoce y qu no ("el estado del
Principales
arte"), del problema de investigacin.
variables que
Especificar los vacos del
gobiernan los
conocimiento y las contradicciones
procesos de inters
existentes en el mismo
del sistema en
Valorar el TODO. Reconocer los
estudio.
temas y sub temas procesados,
Objetivos de la Probables
sealando el nivel de tratamiento que
Investigacin. relaciones
se ha dado a cada tpico matriz.
Informacin acopiada existentes entre
(Componente que aparece explcito en
analizada. ellas, que seran
el DEBUSSI).
consideradas en la
Valorar las relaciones existentes entre
formulacin j de las
los componentes principales de la
hiptesis.
investigacin.
Marco Conceptual
Redactar los hallazgos demostrando
Preliminar (Ideas
dominio del lenguaje (buena redaccin
fuerza de la
y ortografa): siguiendo el esquema
investigacin)
delineado antes, presentar la in-
formacin relevante de manera
armoniosa, clara, con estilo propio,
incluyendo comentarios que ayudan a
hilar los distintos tpicos, sealando
las referencias bibliogrficas en su
oportunidad.
Proceso 6: Construccin del Algoritmo Conceptual. Etapa de Sntesis
Representar mediante diagramas y

matrices los principales componentes
del problema de investigacin y sus
Objetivos de la
objetivos, indicando sus relaciones y
Investigacin.
articulaciones.
Informacin 11. Algoritmo
Destacar las contradicciones y vacos
analizada Conceptual
del conocimiento encontrados y su
Anlisis de Sistemas
relacin con las teoras y modelos.
y de Variables
Establecer analogas con otras
disciplinas en el afn de sistematizar el
conocimiento disponible
103
Proceso 7: Redaccin del Marco Conceptual. Explicitando el conocimiento.
25 Redactar el Marco Conceptual a

Objetivos de la partir del Algoritmo Conceptual Marco Conceptual
Investigacin. incluir una seccin de DISCUSIN, en Fundamentacin
Informacin la que se presentan las respuestas a de la investigacin
analizada las interrogantes de la I investigacin incluyendo Hip-
Algoritmo Definir las hiptesis de la Investigacin tesis (o diseos
Conceptual o los diseos conceptuales alternativos conceptuales)
(si fuese pertinente)
6.4. REVISIN BIBLIOGRFICA
El desarrollar una fructfera revisin bibliogrfica es un aspecto crucial en el

avance de la investigacin. De la calidad de la informacin conseguida sobre el
problema de investigacin, depender contar con un punto de partida ms slido.
Si el investigador tiene experiencia en el campo de trabajo, entonces conoce los

aspectos bsicos del mismo y deber remitirse directamente a las fuentes
especializadas, a las revistas de investigacin correspondientes. Si, en cambio,
se trata de una incursin inicial en el rea de trabajo de la investigacin, es muy
recomendable que contacte con especialistas que tienen amplia experiencia y
que lo pueden guiar acertadamente, tanto en la mejor definicin del problema de
investigacin cuanto en la seleccin de las fuentes bibliogrficas. En paralelo el
investigador deber documentarse en los aspectos sustanciales, revisando
textos del rea de trabajo. Si el anlisis de dichos libros resulta complejo,
entonces tendr que retroceder un paso para revisar textos ms bsicos.
La bsqueda bibliogrfica debe ser orientada por los aspectos a tomar en cuenta
en el marco conceptual, tal como se precis en la seccin anterior. Por ello la
construccin del DEBUSSI es muy importante, para tener un plan de bsqueda
bibliogrfica, que comprenda los tpicos a revisar y los plazos en los que dicha
bsqueda debe culminarse.
El buscar bibliografa sobre un tema es una tarea semejante a desatar una

madeja. Lo primero es buscar una punta, para a partir de all ordenar el ovillo
que se tiene entre manos Un buen lugar para empezar bsquedas bibliogrficas
son los ndices o publicaciones de resmenes (abstracts). All, se encontrarn
los resmenes de artculos especializados. Muchos investigadores han trabajado
104
durante aos en un determinado campo y tienen diversas publicaciones sobre el

tema. Entonces, rastreando a ciertos investigadores notables se puede lograr
informacin muy valiosa. Por ello es conveniente construir una lista de los
principales investigadores en el campo que se est investigando.
Por supuesto que la bsqueda de resmenes es un primer paso hacia la consulta

de los artculos originales en determinadas revistas. Es probable que algunos
tpicos consultados en las revistas especializadas sean de difcil comprensin o
novedosos para el investigador. Entonces, habr que consultar textos donde se
encuentren los fundamentos de tales temas, logrndose as una asimilacin
cabal de los aspectos sustanciales del problema investigado.
Por razones de economa, de mayor cobertura entre los lectores y el acceso a

diversas herramientas para el tratamiento de la informacin, cada vez se tiene
un mayor nmero de revistas de edicin virtual. Se cuentan con bases de datos
que integran a cientos de revistas especializadas de carcter cientfico y tcnico.
De hecho la tendencia actual es a trabajar con las bases de datos bibliogrficas

pues ofrecen varias ventajas, como bsquedas ms eficientes, disponibilidad en
lnea, es decir, inmediata de los artculos de inters, los cuales se podrn guardar
como archivo en la computadora o imprimir. Por supuesto que el servicio no es
gratis; es ms, a veces es bastante costoso por lo que conviene familiarizarse
con su uso, para desarrollar bsquedas ms eficientes que cuesten menos. La
ventaja fundamental es que permite acceso a una gran cantidad de revistas
especializadas, superando los lmites que una biblioteca local pueda tener. En el
Captulo 5 se presentan varios recursos que pueden ser muy valiosos para el
investigador.
La investigacin bibliogrfica debe comprender un amplio nmero de consultas

a obras especializadas, como artculos de investigacin y patentes. Es
recomendable consultar no menos de veinticinco; pero definitivamente, mientras
ms fructfera sea la bsqueda bibliogrfica ms se allana el futuro de la
investigacin.
Si bien, algunas referencias clsicas dan un toque de distincin a la revisin

bibliogrfica la mayora de referencias deben ser actuales, de modo que la
vigencia de los conceptos seleccionados sea garantizada. Hoy, ms que nunca
105
antes, la velocidad de produccin de informacin es enorme, y no se puede

permitir basar los supuestos de la investigacin sobre informacin caduca, o ya
superada.
Es necesario que la bsqueda de informacin sea selectiva y orientada a

satisfacer los objetivos de la investigacin, para evitar una dispersin de
esfuerzos. En tal sentido el DEBUSSI es un instrumento muy til.
6.5. EL DEBUSSI
El Diagrama Estructural de Bsqueda Sistemtica de Informacin (DEBUSSI) es

un instrumento que contribuye en la planificacin de la bsqueda de informacin.
Una vez que se tiene definido el problema de investigacin y sus objetivos, es

necesario profundizar en el conocimiento del rea de trabajo con el propsito de
formular acertadamente el curso de la investigacin. Entonces, para organizar la
bsqueda bibliogrfica es necesario seguir los siguientes pasos:
1. Identificar los componentes del conocimiento pertinentes

2. Valorar la importancia relativa de cada componente
3. Categorizar los componentes del conocimiento
4. Establecer la interrelacin entre dichos componentes y definir la
secuencia de bsqueda
5. Establecer las responsabilidades de cada miembro del equipo de
investigacin
6. Estimar un cronograma para la bsqueda de informacin
7. Construir el Diagrama Estructural de Bsqueda Sistemtica de
8. Configurar herramientas virtuales para almacenar la informacin
encontrada y para su posterior procesamiento.
Cada investigacin deber identificar los componentes del conocimiento

necesarios para satisfacer los objetivos propuestos. Simplemente a modo de
ejemplo, se presentan los componentes del conocimiento para una investigacin:
Definiciones y conceptos bsicos

Procesos fsico-qumicos involucrados
Fundamentos de los procesos
106
Tecnologa de los procesos

Materias primas e insumos
Producto y sus especificaciones
Estos componentes se pueden desdoblar en varios rubros segn sea la

profundidad del anlisis requerido. Por ejemplo, en el rubro de Fundamentos de
los Procesos, se pueden identificar los siguientes componentes:
Teoras acerca de los procesos

Fenmenos de transporte involucrados
El equilibrio de los procesos
La cintica de los procesos
Los modelos matemticos de los procesos
Los mtodos de diseo de los procesos
En la Figura 6.2 se presenta un esquema bsico del DEBUSSI en que se

muestran componentes conceptuales, los responsables de realizar la bsqueda
bibliogrfica y los plazos asignados para esta tarea. Falta establecer las
relaciones entre los componentes conceptuales. En este ejemplo se aprecia que
la bsqueda de informacin entre los miembros del equipo se ha distribuido por
componentes temticos. Asimismo, se indica el tiempo en que se lograr acopiar
la informacin de inters.
Figura 6.2.- Esquema Bsico del DEBUSSI
107
6.6. LECTURA CRTICA
Un aspecto importante en la revisin de la literatura es procesar la informacin

eficientemente. Ello implica, determinar lo ms pronto posible qu informacin
consultada es til, en qu aspectos y qu referencias debern ser descartadas.
Es importante ser organizado en la revisin de la literatura. Por ello, cada vez

que una referencia nueva sea leda habr que generar una ficha bibliogrfica de
registro, para recordar que esta referencia ha sido consultada. Un primer nivel
de evaluacin lo constituye el ttulo de la obra, que indicar de modo general si
dicha referencia ser til para la investigacin. Si la obra presenta un resumen o
Abstract, entonces el trabajo se simplifica notablemente puesto que se sabr
rpidamente su nivel de pertinencia. Si la obra no contiene resumen, entonces
se debern revisar los ttulos de la misma, que sern un indicativo de si dicha
referencia puede ser til. Adems, esta revisin de ttulos servir para construir
la ficha ndice. Si se concluye que la entrada bibliogrfica es til, entonces se
pasa al siguiente nivel, que consiste en su evaluacin detallada.
Al consultar una referencia es necesario hacerlo con propsitos bien definidos,

tomando siempre en cuenta si la referencia en cuestin contribuye con la
investigacin y en qu aspectos. Una vez ledos los ttulos del artculo, tal vez
convenga hacer una lectura rpida inicial. Para ello, se lee slo la primera oracin
de cada prrafo. As, en pocos minutos, se podr tener una idea de la utilidad de
dicha referencia y de qu partes de ella aportan a la investigacin y cules no lo
hacen. Una vez determinadas las secciones de inters, entonces se har una
lectura detallada de las mismas, extrayendo la informacin importante para
construir la ficha resumen.
La lectura crtica consiste en evaluar la valla de la referencia para la

investigacin. Para ello se deber determinar en primer lugar el propsito de la
investigacin y si ste es alcanzado Es decir, si los resultados corresponden a la
propuesta inicial, satisfaciendo los objetivos. Se deber establecer tambin la
coherencia terica de la referencia, la validez de los mtodos empleados, y la
consistencia de los resultados obtenidos. Como se sabe, la parte de mayor
importancia de la investigacin es el anlisis de resultados. En consecuencia, la
lectura crtica deber ser focalizada en la calidad de la discusin de resultados,
108
si efectivamente las inferencias conceptuales corresponden a la evidencia

experimental. Si es que se establecen vnculos entre los resultados obtenidos,
las hiptesis planteadas y las teoras existentes en torno al problema.
En el cuestionario al final del captulo se presenta un listado de interrogantes

para el anlisis detallado de las referencias bibliogrficas, iniciando con la
descripcin del formato fsico de la publicacin, la revisin de su estructura, la
evaluacin de cada parte del artculo, para finalmente definir sus aportes
sustanciales.
Mallas de Criterios para el Anlisis de Textos Cientficos
A continuacin, en la Tabla 6.2, se presentan algunas herramientas para el

anlisis crtico de la informacin, que constan de un conjunto de matrices
estructuradas en funcin de distintos criterios de priorizacin y articulacin de
datos. La Matriz A, llamada Matriz Estrella, se construye en torno a un tema de
inters (el centro de la estrella), y permite identificar hasta 5 aspectos relevantes
(correspondientes a las puntas de la estrella).
Tabla 6.2.A: Matriz para el Anlisis Estrella
Tema de inters: Aspectos directamente relacionados con el tema de inters
1.1)
1.2)
1) 1.3)
1.4)
1.5)
2.1)
2.2)
2) 2.3)
2.4)
2.5)
La Matriz B, denominada como Matriz HCC (Hechos-Causas-Consecuencias),

plantea el anlisis en funcin de hechos que destacan en el contenido del texto,
109
identificando para cada hecho, las causas que lo generan o sustentan, y las
consecuencias que de l provienen.
Tabla 6.2.B: Matriz para el Anlisis HCC
CAUSAS (c) HECHOS (H) CONSECUENCIAS (C)
c.1.1) C.1.1)
c 1.2) H1) C.1.2)
c.1.3) C.1.3)
c.2.1) C.2.1)
c.2.2) H2) C.2.2)
c.2.3) C.23)
c.3.1) C.3.1)
c.3.2) H3) C.3.2)
c.3.3) C.3.3)
La Matriz C est basada en el Enfoque de Procesos. Tiene 3 componentes: (1)

los productos, resultados o simplemente elementos de salida; (2) los insumos,
materias primas o simplemente entradas: (3) los llamados "operadores de
cambio, que vinculan las entradas con las salidas identificando aquellos
aspectos o elementos por medio de los cuales se produce la transformacin de
las entradas con ciertas caractersticas, en salidas, con caractersticas distintas.
Tabla 6.2.C: Matriz para el Anlisis de Procesos
ENTRADAS (E) OPERADORE5BE CAMBI (0) SALIDAS (S)

PROCESO 1:
E1.1) O1.1) S1. 1)
E1.2) O1.2) S1.2)
E1.3) O1.3) S1.3)
PROCESO 2:
E2.1) O2.1) S2.1)
E2.2) O2.2) S2.2)
E2.3) O2.3) S2.3)
110
La Matriz D, permite construir Flujos de Informacin que ayudan a ver el

contenido en movimiento. Relaciona hechos de manera secuencial facilitando la
comprensin y la valoracin de consistencia. Los Hechos que inician la
secuencia se denominan "Hechos Generadores"
Tabla 6.2.D: Matriz para el Anlisis Dinmico
CADENAS DE
CADENA DE INFORMACIN 1 CADENA PE INFORMACION 2
INF,..
HG1.1.1.1 HG2.1.1 HG2.1.1.1

HG1.1.1
HG1:1.1.2 HG2.1.1.2
HG1.1 HG2.1
HG1.1.2.1 HG2.1.2 HG2.1.2.1
HG1.1.2
HG1.1.2.2 HG2.1.2.2
HG1 HG2 HG3. HG4...
HG1.2.1.1 HG2.2.1 HG2.2.1.1
HG1.2.1
HG1.2.1.2 HG2.2.1.2
HG1.2 HG2.2
HG1.2.2.1 HG2.2.2 HG2.2.2 1
HG1.2.2
HG1.2.2.2 HG2.2.2.2
INTERRELACIN DE HECHOS GENERADORES
6.7. FICHAS BIBLIOGRFICAS
El instrumento bsico para la sistematizacin de las referencias consultadas es

la ficha bibliogrfica (Rodrguez Mogel, 2005, p.67). En ella se registran los
aspectos esenciales de la bibliografa de inters. Tradicionalmente se han usado
fichas de cartulina de tamao aproximado a media pgina de norma A4 -o ms
111
pequeas, de modo que su uso sea cmodo. Hoy en da, la informacin es mejor
almacenarla y tratarla en computador, pues para ello existe software
especializado cuya utilizacin es sencilla. La manipulacin de la informacin en
computador es mucho ms eficiente que trabajar con mtodos convencionales.
Algunas caractersticas esenciales de las fichas bibliogrficas son las siguientes:
1. Cada ficha debe contener la informacin de slo una referencia

bibliogrfica y un tema. Por eso cuando una ficha no baste para vaciar
el contenido de una referencia se usarn fichas complementarias,
numeradas correlativamente. Para un libro o artculo extenso se usarn
fichas diferentes para cada tema.
2. Si se usan fichas de cartulina o papel, stas debern estar escritas por
un slo lado para facilitar su consulta.
3. Las fichas deben ser fcilmente clasificabas, por lo que sern codificadas
y numeradas del modo ms claro posible.
4. Para una sola referencia bibliogrfica se pueden hacer varios tipos de
fichas, en las sucesivas etapas de la bsqueda bibliogrfica. Por
ejemplo; ficha de registro, ficha ndice y ficha resumen. Sera
conveniente que cada uno de estos tipos de ficha tuviese un color
diferente para ser fcilmente identificables.
Las fichas bibliogrficas pueden cumplir diversas funciones y, en consecuencia,

contener
Informacin variada. Se pueden elaborar los siguientes tipos:
Fichas de registro, que son las que contienen la entrada bibliogrfica,

es decir, los datos bsicos: autor(es), ttulo, editorial, lugar y fecha de
edicin (para libros); para revistas habra que indicar: autor(es), ttulo
del artculo, nombre de la revista, el volumen, el nmero, la editorial, el
pas donde se edita y las pginas ocupadas por el artculo de inters.
Fichas ndice que bsicamente indican el contenido de determinada
referencia; stas son fichas de carcter general, si se quiere, de bajo
nivel.
Fichas resumen que registran las ideas centrales del tema en estudio
contenidas en determinada referencia. Estas fichas pueden contener
112
nuestro resumen de determinado tpico, nuestros comentarios a la

referencia que se revisa y citas textuales. Estos tres aspectos deben
ser ntidamente diferenciabas. Se recomienda, por esto, encerrar las
citas textuales entre comillas y los comentarios entre corchetes.
Carrillo (1972, p.42) indica la conveniencia de tener fichas especiales
para las citas textuales y los comentarios.
Ejemplos de Fichas: A continuacin se presentan tres ejemplos de fichas

bibliogrficas.
1. Ejemplo de Ficha de Registro
PELCULAS BIDDEGRADABLES DE
BF-L-2008/03 REGISTRO
ALMIDN
AUTORES: Olivia V. Lpez, Mara A. Garca, Noem E. Zaritzky

FECHA: 2008, Enero
TITULO: Film forming capacity of chemically modified corn starches
REVISTA: Carbohydrate Polymers Vol. 73 pp. 573-581
2. Ejemplo de Ficha ndice Correspondiente
BF-L-2008/03 PELCULAS BIODEGRADABLES DE ALMIDN 1/1 INDICE
CONTENIDO
Modificacin qumica de almidones - Evaluacin de la morfologa de almidones y
de su gelatinizacin - Preparacin de pelculas variando la concentracin de
almidn y del plastificante glicerol.- Evaluacin reolqica de dicha suspensin.-
Evaluacin de propiedades de las pelculas formadas.- Anlisis estadstico de
resultados Conclusiones.
COMENTARIO
[Muy ilustrativo por las tcnicas de caracterizacin empleadas que incluyen:

Microscopa de Barrido Electrnico para caracterizar la morfologa de los
almidones; Calorimetra Diferencial de Barrido para estudiar la gelatinizacin de
los almidones; Espectrofotometra visible para determinar la concentracin de
amilosa; Reologia para caracterizar el comportamiento de las soluciones de
almidn y glicerol; Permeabilidad al vapor de agua de las pelculas con mtodo
ASTM E6; Contenido de Humedad en estufa; Solubilidad en agua de las
pelculas por inmersin; Opacidad en espectrofotmetro; Propiedades
Mecnicas en un texturmetro.]
113
3. Ejemplo de Ficha Resumen Correspondiente
BF-L-2008/03 PELCULAS BIODEGRADABLES DE ALMIDN 1/1 RESUMEN
Se evalu la capacidad de formar pelculas biodegradables del almidn de maz y de

sus modificaciones acetilada, acetilada entrecruzada, hidroxipropilada e
hidroxipropilada entrecruzada. Los mejores resultados se obtuvieron con el maz
acetilado en una concentracin de 5,0 % en peso y con la adicin de glicerol con 1,5
% en peso. La presencia del glicerol como plastificante logr reducir la permeabilidad
de la pelcula al vapor de agua, la solubilidad de la pelcula en agua, y contar con una
estructura ms compacta. Asimismo, el comportamiento mecnico de las pelculas
depende fuertemente de la presencia del plastificante, siendo quebradizas las que no
contienen plastificante, dctiles aquellas que contienen 1,5 % en peso y muy flexibles
cuando el plastificante se encuentra en mayor proporcin.
Es necesario realizar algunas precisiones a las fichas anteriores. El cdigo de la

Ficha BF-L- . 2008/03 se explica as: BF es la abreviatura del rea temtica: Bio
Films; L corresponde a la inicial del autor principal; 2008 es el ao de publicacin;
y, 03 para indicar que es la tercera ficha de este tema disponible en nuestros
archivos. En el comentario de la ficha ndice se destaca la utilidad del articulo
para la investigacin que se est iniciando; en este ejemplo se describen las
tcnicas empleadas para caracterizar los materiales empleados, las soluciones
de dichos materiales y el producto obtenido, vale decir, la pelcula biodegradable.
En la ficha resumen no se ha copiado literalmente el resumen que tiene el
artculo, sino que se ha realizado un resumen propio consistente con las
perspectivas del proyecto de investigacin. Para este propsito son tiles los
instrumentos presentados en la seccin 6.5 sobre Mallas de Criterios.
Para la organizacin de la informacin las fichas bibliogrficas cumplen un papel

muy importante. Pues ya se tiene registrado en ellas las referencias que
contienen determinado tpico y las ideas importantes sobre el mismo, contenidas
en esta referencia.
Como resultado de la revisin bibliogrfica no slo se debe lograr la informacin

necesaria para configurar el marco conceptual, tambin se debe acopiar
informacin referente a los mtodos experimentales, a los equipos ms
adecuados para la medicin, etc.
Organizando las fichas bibliogrficas apropiadamente, se puede configurar la

estructura central (las ideas medulares) de la revisin bibliogrfica, que luego
114
puede ser elaborada a partir de las propias fichas y recurriendo a las fuentes
bibliogrficas en caso necesario, para construir el Algoritmo Conceptual y, a
partir del mismo, el Marco Conceptual.
La bsqueda bibliogrfica y la configuracin de un esquema bsico para la

investigacin son procesos paralelos, pues la informacin consultada y
procesada da mejor idea sobre cmo orientar el trabajo. A medida que se acopia
y asimila la informacin se rectifican las percepciones subjetivas sobre el
problema y esto permite afinar el esquema inicial y los alcances de la
investigacin.
Es necesario destacar que hoy en da se cuenta con utilitarios de computador

denominados Reference Management Software, que tienen un conjunto de
funciones muy tiles para el manejo de referencias bibliogrficas. Algunos
utilitarios muy difundidos son: BibBase, BibDesk, Docear, EndNote, KBibTeX,
Referencer, Wikindx y lotero. Varios paquetes de este tipo de software son de
libre disponibilidad, por ejemplo, de la lista anterior slo EndNote es con licencia
tipo propietario e inclusive ofrece un paquete bsico libre de costo. Las funciones
principales que presta el software de administracin de referencias son las
siguientes (Heidelberg Universitaet, 2014):
Creacin sencilla de citas y entradas bibliogrficas empleando estilos

seleccionados por el usuario, para documentos de carcter acadmico
Adicin de archivos (Tipo PDF, pginas Web, fotografas y videos,
entre otros) y notas personales a las entradas bibliogrficas
Almacenamiento estructurado de referencias correspondiente al tipo
de documento
Importacin de referencias de catlogos bibliogrficos, bases de datos
y revistas electrnicas
Fcil intercambio de referencias bibliogrficas en equipos de trabajo.
Por lo indicado anteriormente conviene familiarizarse con el uso del software de

administracin de referencias bibliogrficas, pues facilita mucho el trabajo y
reduce la posibilidad de cometer errores en el manejo de referencias.
115
6.8. EL ALGORITMO CONCEPTUAL
El trmino de Mapa Conceptual tiene significados varios. Romn Prez y Diez

Lpez, as como el Grupo Ocano (2000) identifican al mapa conceptual como
un instrumento de organizacin de ideas aplicado en procesos de aprendizaje.
De otro lado, Michael Pidd (2000) emplea un trmino anlogo, el de mapeo
cognitivo (Cognitive Mapping), para referirse a una tcnica que mediante la
representacin grfica de conceptos relacionados por causa-efecto permita
clarificar todas las opciones en el proceso de toma de decisiones. Si bien ambos
enfoques tienen elementos comunes, el propsito de los mismos es bastante
diverso.
Debido a la ambigedad del trmino Mapa Conceptual, en el presente texto se

emplea el vocablo de Algoritmo Conceptual. El diccionario de la Real Academia
Espaola (2001) define como algoritmo al "conjunto ordenado y finito de
operaciones que permite hallar la solucin de un problema". Justamente desde
este enfoque el Algoritmo Conceptual es un instrumento grfico que contribuye
en la solucin del problema de investigacin.
Se define el Algoritmo Conceptual como una representacin grfica que organiza

en categoras y jerarquas los principales conceptos de una investigacin, y que
muestra de modo esquemtico sus relaciones de dependencia.
Por ello en el Algoritmo Conceptual se seleccionan los conceptos a incluir en

orden de importancia. Si es pertinente, estos conceptos se ubican en categoras
o jerarquas. A continuacin se definen las relaciones existentes entre los
mismos. Estas relaciones se representan grficamente mediante lneas o
flechas. Si un concepto dado tiene un mayor nmero de lneas o flechas, implica
que est ms relacionado con los otros y por lo tanto su importancia podra ser
mayor que la de otros conceptos. El Algoritmo Conceptual expresa la sntesis de
la estructura lgica de la disciplina
En cambio, en el mapa conceptual, por su carcter pedaggico, influyen tanto

los aspectos propios de la disciplina, como el propsito del documento y el
destinatario del mismo. Es decir, el mapa conceptual refleja una sntesis entre la
estructura lgica de una disciplina y la estructura psicolgica del aprendiz
(Romn Prez & Diez Lpez, p. 146).
116
Las dimensiones a considerar en el mapa conceptual son las siguientes:
1. Propsito del documento

Los objetivos cientficos o tecnolgicos
Los propsitos informativos del documento
2. Intereses del lector
Intereses principales
Conocimiento previo
Aspectos novedosos
3. Contexto general
Coyuntura poltico-econmica-social
Tendencias vigentes de la ciencia y la tecnologa
Extensin y detalle del documento
Alcances del trabajo.- Lgica de la disciplina
Enunciado del problema a tratar
Anlisis de variables del problema
Informacin requerida para resolver el problema
Mtodos empleados para colectar la informacin
Resultados logrados
Interpretacin de resultados
Figura 6.3.- Aspectos en el mapa conceptual
Ejemplo de Algoritmo Conceptual
Para ilustrar la aplicacin del mapa conceptual y del Algoritmo Conceptual se

presenta a continuacin un ejemplo sobre el modelamiento del transporte de
117
gotas atomizadas electrostticamente.8 En primer lugar, se lista en la tabla

adjunta el desarrollo inicial de las dimensiones del mapa conceptual.
8 Investigacin desarrollada por Luis F. Miranda en la Universidad de Brunel.

Londres en el ao 2001.
Tabla 6.3.- Tabulacin Conceptual del Problema de Atomizacin
Electrosttica
Propsito del Inters del

Contexto Lgica de la Disciplina
documento lector
Objetivos Cientficos: intereses Tendencias de la Problema: modelar efectivamente el
Validar un mtodo principales: tecnologa: transporte de gotas atomizadas
para el determinar la bsqueda de la electrostticamente (T GAE)
modelamiento del eficacia del diversificacin de
transporte de gotas mtodo de aplicaciones de Factores que afectan el TGAE:
atomizadas modelamiento la atomizacin Las fuerzas actuantes sobre las
electrostticamente. electrosttica. gotas, el tamao de las gotas, la
relacin carga elctrica sobre masa,
propiedades fsicas de los fluidos
que componen las gotas
Propsito Extensin del Fuerzas actuantes: campo elctrico

Informativo: Difundir documento: exterior, carga espacial, fuerzas de
el mtodo y los artculo de friccin, campo gravitacional.
resultados del revista.
modelamiento
Conocimiento Principales variables: masa de
Previo: gotas afecta fuerza gravitacional,
resultados de carga/masa y la concentracin de
otros trabajos de las gotas determina fuerza espacial,
modelamiento voltaje aplicado y geometra del
que aplican sistema condicionan campo
tcnicas de elctrico exterior, fuerzas de friccin
elementos finitos dependen de velocidad de gotas.
Aspectos Alcances del Mtodos empleados: evaluacin

Novedosos: trabajo: no se experimental de velocidad y
aplicacin del estudian los trayectoria de gotas con mtodos
mtodo de Monte efectos de la de rastreo de alta velocidad.
Cario a la vaporizacin de
simulacin del las gotas
transporte de atomizadas.
gotas
Atomizadas. Nue-
vo mtodo para Resultados logrados: simulacin de
el modelamiento velocidades y trayectorias de gotas
de la fuerza de acuerdo a su tamao y a las
espacial. condiciones de operacin.
118
A continuacin, en el siguiente esquema s representa el Algoritmo Conceptual

de la atomizacin electrosttica.
Se aprecia en la Figura 6.3 que para una mejor sistematizacin se ha organizado

el tema en los siguientes aspectos:
1. Las Fuerzas actuantes sobre el fenmeno de la atomizacin. En este

caso se identifican cuatro fuerzas importantes: (1) el campo elctrico
exterior- (2) la carga espacial, que expresa las fuerzas de repulsin
entre las gotas vecinas que tienen igual carga elctrica; (3) la fuerza de
friccin, que corresponde a la resistencia que ejerce el aire al
movimiento de las gotas; y (4) la fuerza gravitacional, que tiende a
precipitar las gotas atomizadas.
2. Las Variables que condicionan las fuerzas actuantes. Las variables
dependientes o resultado, son la trayectoria o camino recorrido por las
gotas atomizadas y la velocidad con la cual se movilizan. Entre otras,
las variables independientes son el voltaje aplicado al dispositivo de
atomizacin y la forma del mismo (o geometra), que condiciona la
forma e intensidad del campo elctrico exterior. De otro lado la carga
espacial depende de la relacin carga elctrica sobre la masa de las
gotas y de la concentracin de las gotas en una determinada
localizacin. Las fuerzas de friccin dependen del tamao de las gotas
y de la velocidad de su desplazamiento La fuerza gravitacional est
determinada por la masa de las gotas atomizadas y por las propiedades
del fluido, principalmente la viscosidad de la fase continua.
3. Los Modelos Matemticos que representan a cada una de las fuerzas
actuantes en este sistema. As, el campo elctrico exterior es descrito
por la ecuacin de Laplace la carga espacial lo es por la ecuacin de
continuidad; la friccin es predicha por el modelo de Stokes; el campo
gravitacional es calculado por la ecuacin de Newton y las relaciones
entre estas fuerzas se sintetizan en el balance de cantidad d*
movimiento o ecuacin de Euler.
Se aprecia de la Figura 6.3 que modelar el transporte de gotas atomizadas

electrostticamente es relativamente complejo, debido al elevado nmero de
variables a considerar y al alto grado de interaccin existente entre ellas.
119
Figura 6.4.- Algoritmo Conceptual de la Atomizacin Electrosttica
Modelar la velocidad y la trayectoria de las gotas elctricamente cargadas,

requiere resolver simultneamente las ecuaciones de Laplace, continuidad,
Stokes-Putman y Newton que se incorporan al balance de momento. Entonces
la ecuacin de balance de momento debe ser integrada numricamente. Notar
que vanas variables inciden simultneamente en cada una de las fuerzas
consideradas. Adems ste es un problema recursivo, pues la velocidad de las
gotas es una variable dependiente esencial, pero a su vez es la variable
independiente ms importante en el clculo de la fuerza de friccin.
CUESTIONARIO
ANLISIS DE ARTCULOS DE INVESTIGACIN
Este cuestionario presenta un conjunto de preguntas que ayudan al lector a

analizar profundamente la redaccin de artculos de Investigacin. As se
familiarizar con dichos artculos preparndolo tanto para su lectura crtica, como
para su posterior formulacin. El profesor asignar a cada estudiante un artculo
para su anlisis; o, en caso contrario el estudiante seleccionara un artculo
tcnico o cientfico de su Inters. De preferencia el artculo deber corresponder
a una investigacin experimental, donde se presenten y discutan
120
Resultados; no se recomienda el anlisis de revisiones de literatura o patentes.

Se trata de realizar una lectura crtica de dicho artculo respondiendo a los
siguientes aspectos.
1. Formato y Diagramacin
Tamao de papel empleado
Tamao de mrgenes y nmero de columnas
Caractersticas de encabezamientos y pies de pgina
Forma de las notas al pie de pgina
Modo de numeracin de secciones
Modo de numeracin de figuras y tablas
Sistema de unidades empleado
Tipo y tamao de letra empleado
Modo de indicar referencias bibliogrficas, es consistente y claro?
2. Estructura del Artculo
Partes del estudio (principales ttulos y sub-ttulos)
Cmo se organizan las partes o componentes del estudio?
Se presentan agradecimientos?
Se presenta el curriculum vitae de los autores?
Presenta Resumen, qu contiene?
3. Contenido
Cules son las ideas principales?
Qu datos, teoras o planteamientos sustentan el estudio?
Se verifica algo?, qu?
Se aplica algn mtodo experimental? Cul?
Se presentan y analizan resultados? De qu modo?
Se formula alguna teora, modelo matemtico o proposicin nueva?
Se extraen conclusiones? Cuntas y cules?
4. Evaluacin
Cmo tipificara el artculo? Investigacin, estudio, revisin, patente,
propuesta, otro? Cul es el aporte del estudio? Es significativo?
Qu es lo novedoso?
Existen conclusiones relevantes?
Qu aplicaciones puede tener el estudio?
121
Se supera alguna teora existente?

Se aportan datos valiosos? Los resultados experimentales son
suficientes?
Se desarrolla algn mtodo experimental novedoso?
Se presenta algn mtodo de anlisis matemtico o estadstico
novedoso?
El estudio se restringe a determinado contexto tiempo-espacio?
Se trabaja con muestras? Los resultados son extrapolabas? Cmo
se verifica esto?
Si hay anlisis de resultados, se verifica lo siguiente?
Evaluacin del error experimental
Definicin de relaciones entre variables
Determinacin de la significancia de variables
Ajuste de modelos matemticos (empricos, estadsticos o
fenomenolgicos)
Contrastacin con otros modelos matemticos
Anlisis de la concordancia entre los datos experimentales y las teoras
existentes
Formulacin de proposiciones relevantes a partir de la evidencia
experimental Este estudio, contradice a otros similares? En qu?
Existen aspectos notablemente deficientes? Cules?
El artculo tiene vigencia? Por qu?
ACTIVIDADES
Para la investigacin de su inters presente los siguientes aspectos:
1. Un DEBUSSI que plantee consistentemente la bsqueda de informacin

para su investigacin.
2. Diez fichas bibliogrficas correspondientes a artculos sobre el tema de su
investigacin.
3. Un listado de dos o tres ideas centrales por cada uno de los artculos
indicados en la actividad (2).
4. Un Mapa de Fuentes del Conocimiento, como se lista en la Tabla 4.3.
122
5. Para cada uno de los procesos presente en su investigacin identifique

las variables independientes y las dependientes y sus probables
relaciones, basndose en las teoras existentes.
6. Un Mapa Conceptual, preferentemente construido con el software CMap.
7. Establezca con precisin los vacos de conocimiento en su investigacin,
y si es preciso, reformule su problema de investigacin en funcin de sus
hallazgos.
8. Plantee las hiptesis que orientarn su investigacin. Son stas
consistentes con los numerales (5, 6 y 7) anteriores.
9. Redacte el Marco Conceptual para su proyecto de investigacin, en
concordancia con los numerales anteriores.
Carrillo, Francisco (1972) Cmo hacer la Tesis y el Trabajo de Investigacin

Universitario. Biblioteca Universitaria. Lima.
Grupo Ocano, Aprender a Aprender. Tcnicas de Estudio, captulo 5.
Heidelberg Universitaet (2014, Febrero) Reference Software Management.

University Library. http://www.ub.uni-
heidelberq.de/EnQlisch/allQ/benutzuna/bereiche/literaturverwaltunq htmi
Pidd, Michael (2000) Toolsfor Thinking. Modelling in Management Science.

John Wiley & Sons. Captulo 6. ISBN 0-471 -96455-7, England.
Real Academia Espaola (2001). Diccionario de la Lengua Espaola. 22 va.

Edicin, http:// lema.rae.es/drae/?val=algoritmo
Rodrguez Sosa, Miguel - Rodrguez Rivas, Miguel (1991), Teora y Diseo de

la Investigacin Cientfica. Ediciones Atusparia, 3ra. Edicin, Lima.
Rodrguez Mogel, Ernesto (2005) Metodologa de la Investigacin. Mxico,

ISBN 968-5748- 66-7
Romn Prez, Martiniano y Elosa Diez Lpez (2003) Aprendizaje y Curriculum:

Diseos Cuticulares Aplicados. Novedades Educativas. ISBN 9879191889.
Salkind, Neil (1998) Mtodos de Investigacin. Tercera edicin. Prentice Hall

Hispanoamrica
123
S.A., Mxico 1998. ISBN 013-520636-7.
ANEXO 6.A
MARCO CONCEPTUAL DE UN PROYECTO
La extraccin de aceites de especies vegetales es un proceso complejo que

procede por diversos mecanismos, como lavado del aceite superficial al principio
del proceso, seguido de la difusin del soluto presente en las retculas rotas y
finalmente la difusin del aceite presente en las retculas enteras (Meziane et al.,
2006). La extraccin es afectada por las condiciones de operacin, tales como
la temperatura del sistema, la granulometra de las partculas y la permeabilidad
del lecho si la extraccin se realiza en una columna empacada. Tambin la
relacin entre la masa de material a extraer y la masa de solvente, es
considerada por algunos autores como significativa (Nwabanne, 2012), aunque
otros desestiman la importancia de esta variable.
La masa acumulada de aceite extrado con respecto al tiempo tiene un perfil

exponencial, que es modelado por diversas ecuaciones, tanto empricas como
fenomenolgicas. La seleccin del modelo depender de su bondad para
representar los datos experimentales y su facilidad de uso.
Nwabanne (2012) evala la cintica de extraccin con hexano empleando un

modelo potencial, en el que la derivada de la fraccin de aceite extrado respecto
al tiempo es proporcional a dicha fraccin elevada a un exponente n. Sayyar et
al. (2009), validan un modelo de segundo orden para La extraccin del aceite de
semillas oleaginosas con hexano, semejante al anterior, en el que n=2. Patricelli
et al. (1979) propusieron un modelo cintico para la extraccin del aceite de
girasol, considerando dos trminos aditivos, uno correspondiente al mecanismo
de lavado del aceite superficial y el segundo representa la difusin del solvente
al interior del material Oleaginoso. Cassel et al. (2009) desarrollan un modelo
fenomenolgico para la extraccin por arrastre de vapor de tres especies
vegetales distintas, considerando que la difusin al interior de la partcula es el
proceso controlante en la extraccin y que el proceso ocurre en estado no
estacionario.
124
Armijo et al. (2012) aplican el modelo que Lapidus & Admunson (1952)
desarrollaron para los procesos de adsorcin y desorcin en lechos empacados
a la extraccin de aceites esenciales mediante arrastre por vapor de agua. La
ventaja de este enfoque es que considera como variable la permeabilidad del
lecho, a diferencia de los otros modelos evaluados; sin embargo, su resolucin
es engorrosa pues requiere de integracin numrica y de optimizacin para
encontrar valores para tres parmetros.
Es necesario establecer la dependencia entre los parmetros de los modelos

cinticos y la temperatura, o la permeabilidad del lecho, para lograr una
representacin completa del proceso de extraccin.
Un asunto por esclarecer es si, durante el proceso de extraccin, el vapor de

agua se comporta de modo anlogo a los solventes orgnicos, o conlleva efectos
diferentes. Poco est escrito sobre este tema. En la presente investigacin se
consideran como vlidas las expresiones cinticas generadas para la extraccin
de aceites con solventes orgnicos para el caso de la extraccin de esencias
mediante vapor de agua. Es ms, el modelo de Sayyar et al. (2009) se supone
adecuado para representar la cintica de extraccin de los aceites esenciales
empleando como solvente el vapor de agua. Es de aplicacin sencilla y el
coeficiente de velocidad k es funcin de la temperatura. Es necesario verificar
experimentalmente la dependencia de k respecto a la granulometria del material
procesado y la permeabilidad en el uso de lechos rellenos. Dicho modelo tiene
la forma:
Que integrando y expresando en forma lineal se obtiene:
La dependencia de la constante de velocidad con respecto a la temperatura es

la de Arrhenius:
125
Siendo:
A Factor independiente de la temperatura, l.g-1.min1

Cs Capacidad de extraccin (concent, de aceite en saturacin, g.l-1)
Ct Concentracin de aceite en solucin al tiempo t, g.l-1
E Energa de activacin, J.mol-1
k Constante de velocidad de extraccin de segundo orden, l.g-1 .min-1
h Velocidad de extraccin inicial (a tiempo prximo a cero), h=k Cs 2
R Constante universal de los gases (8,314 J.mol-1.K-1) t Tiempo, min
T temperatura absoluta de la suspensin, K.
Los parmetros termodinmicos de la extraccin de aceites se estiman a partir
del mtodo propuesto por Liauw et al (2008).
Armijo C., J., E. Vicua G., P. Romero y Otiniano, C. Condorhuamn C. y B.

Hilario R.(2012). Modelamiento y Simulacin del Proceso de Extraccin de
Aceites Esenciales mediante lo Destilacin por Arrastre con Vapor. Rev. Per.
Ing. Quim. 15(2), pp. 19-27
Cassel, E., R.M.F. Vargas, N. Martnez, D. Lorenzo, E. Dellacassa (2009).

Steam distillation modeling for essential oil extraction process. Industrial Crops
and Products 29, 171-176.
Lapidus L., Neal Amundson (1952). Mathematics of adsorption in beds. VI The

effect of longitudinal diffusion in ion exchange and chromatographic columns. J.
Phys. Chem 56, pp.984-988.
Liauw, M.Y., Natan, F.A., Widiyanti, P, Ikasari, D., Indraswati, N., and
Soctaredjo, F.E. (2008). Extraction of Neem oil (Azachirachta indica A. Juss)
using n-hexane and ethanol: studies on oil quality kinetic and thermodynamic.
ARPN Journal o Engineering and Applied Sciences, 3(3).
Meziane, S., H. Kadi & O. Lamrous (2006). Kinetic study of oil extraction from
olive foot cake. Grasas y Aceites, 57 (2), Abril-Junio, 175-179.
Nwabanne, J. T. (2012). Kinetics and Thermodynamics Study of Oil Extraction

from Fluted Pumpkin Seed. International Journal of Multidisciplinar Sciences
and Engineering, Vol. 3, No. 6.
126
Patricelli A, Assogna A, Casalaina A, Emmi E, Sodini G. (1979). Fattori che

influenzano l'estrazione dei lipidi da semi decorticati di girasole. La Rivista
Italiana Delle Sostanze Grasse 56, 136-142.
Sayyar, Sepidar, Zurina Zainal Abidin, Robiah Yunus & Azhari Muhammad
(2009). Extraction of Oil from Jatropha Seeds-Optimization and Kinetics.
American Journal of Applied Sciences 6 (7): 1390-1395.
ANEXO 6.B
MARCO CONCEPTUAL DE UN ARTCULO
Acto seguido se presenta el marco conceptual del artculo titulado

Comportamiento Reolgico Estacionario y Dinmico de Soluciones de Goma de
Tara, desarrollado por Esperanza A. Medina y Luis F. Miranda, publicado en la
Revista Fenmenos de Transferencia, Vol. 6, No. 1, 2011.
1. INTRODUCCIN
Se presenta un estudio experimental detallado del comportamiento reolgico de

soluciones acuosas de goma de Tara, as como el correspondiente
modelamiento de los datos experimentales.
La Goma de Tara se deriva del endospermo molido de la planta de Tara,

Caesalpina Spinosa. La planta es originaria del Per y es una fuente importante
de taninos y gomas. Tradicionalmente se le ha empleado en la industria de
curticin, pero hoy en da la demanda por su goma es creciente como sustituto
de la goma guar o de algarrobo. La planta de Tara es una leguminosa que lleva
vainas de aproximadamente de 8 a 10 cm de largo que contienen cuatro a siete
semillas de aproximadamente 6 a 7 mm de dimetro, protegidas por una capa
de goma (Barreda, 2001).
La fabricacin de la goma de Tara es sencilla, puesto que se reduce a un

tratamiento mecnico. Separacin de envolturas, eliminacin del germen y
molienda, hasta reducirla a harina, que contiene 95 % de galactomananos. Es
comercializada en forma de polvo blanquecino. Algunos fabricantes producen
tambin gomas de gran pureza, para ello la semilla se solubiliza en agua caliente
y las partculas insolubles se separan por filtracin con tierra de diatomeas. La
solucin transparente obtenida se precipita con alcohol isoproplico, se lava y se
127
prensa para remover el alcohol residual. Como ltima etapa, se seca, se muele
y tamiza (Cerqueira et al., 2009).
La goma de Tara es un polisacrido del tipo galactomanano, cuya relacin

manosa/galactosa es de aproximadamente 3,0, mostrando en su molcula una
regin pilosa y una regin suave o de menor densidad molecular (Dea &
Morrison, 1975). Su viscosidad intrnseca oscila alrededor de 12,0 a 16,0 dl/g
dependiendo de la pureza del producto y de su origen (Daas et al., 2002). Los
pesos moleculares reportados en la literatura varan ampliamente entre 0,6
millones (Tako. 1991) hasta 2,3 millones (Daas, 2002).
La caracterizacin estacionaria establece la variacin de la viscosidad por efecto

del esfuerzo cortante aplicado a la solucin, indicando las propiedades
espesantes de la muestra y las mejores condiciones para su procesamiento. De
otro lado, la caracterizacin dinmica permite analizar por separado el efecto
viscoso del efecto elstico, lo cual es muy til para evaluar, por ejemplo, el poder
de gelificacin de la muestra.
2. REVISIN BIBLIOGRFICA
La reologa es la ciencia que estudia el flujo y la deformacin de los materiales

los que se pueden comportar como fluidos (viscosos) o como slidos (elsticos).
Los polmeros usualmente presentan un comportamiento intermedio llamado
viscoelstico (Malkin-, 1994), Para ello las muestras se someten a variaciones
controladas de gradiente de velocidad o de esfuerzo Una de las principales
propiedades estudiadas por la reologia es la viscosidad que se define como el
esfuerzo aplicado a la muestra para provocar su movimiento entre la velocidad
que alcanza dicha muestra.
Se han formulado un conjunto de modelos que describen la relacin entre el

gradiente de velocidad y la viscosidad aparente. Entre ellos, los ms populares
son el de Carreau empleada por Silva et al. (1990) y el de Cross (1964),
empleado con xito por Doublier & Launay (1981) para estimar los perfiles de
viscosidad de los galactomananos.
128
La relacin entre el esfuerzo aplicado para movilizar el fluido y la velocidad de

su desplazamiento se correlaciona muy bien con el modelo de Herschel-Bulkley:
La variacin del coeficiente de consistencia, K, y del ndice de flujo, n, con

respecto a la temperatura ha sido correlacionada por Marcotte et al. (2001) para
soluciones acuosas de pectina, almidn, xantan y carragenina. Asimismo,
presentan estos autores la variacin del esfuerzo cortante con respecto al tiempo
de aplicacin del esfuerzo cortante:
129
Para establecer el comportamiento viscoelstico de los materiales se emplean

las pruebas dinmicas que consisten en someter las muestras a variaciones
oscilatorias de la tensin o el gradiente de velocidad. Estos resultados son tiles
para determinar la gelificacin, la gelatinizacin de almidones, la transicin vitrea
o la desnaturalizacin de protenas (Steffe 1996).
S. se aplica una tensin sinusoidal a un slido perfecto la tensin resultante se

encuentra perfectamente en fase; mientras que la tensin se encuentra
desfasada en 90 para un lquido perfecto. Las soluciones de polmeros
presentan un comportamiento mixto (viscoelstico), con un componente de
carcter slido (medido como el componente de la tensin resultante en fase), y
un componente lquido (medido como el componente fuera de fase). La relacin
entre la tensin en fase y la gradiente de velocidad se conoce como el mdulo
elstico o de almacenamiento G; mientras que el mdulo viscoso o de prdida,
G", es la razn entre la tensin fuera de fase y la gradiente de velocidad. Tanto
G' como G" dependen de la frecuencia de oscilacin (ibid).
Para correlacionar los datos experimentales de G' y G" se usan las series de
Maxwell (Sittikijyothin, 2005):
La variable independiente se reemplaza por la frecuencia angular, ci y ai

corresponden a constantes y parmetros respectivamente. Los parmetros se
determinan a partir de los intervalos de frecuencia comprendidos en el espectro.
Barreda Flores, Patricia, 2001. Evaluacin y Modelamiento de la Reologa de la

Goma de Caesalpina Spinosa (Tara) y su aplicacin en la Elaboracin de
Nctares de Pasiflora Mollisima Bailey (Tumbo) y Carica Pubescens (Papaya
Arequipea). Tesis para optar el grado de Maestro en Ciencia y Tecnologa de
Alimentos, Universidad Nacional de San Agustn, Per, captulo 2.
Barreda, Patricia, Luis F. Miranda & Miguel A. Crdenas, 2005. Carcter No

Newtoniano de Soluciones de Goma de Tara. Alimentacin Equipos y
Tecnologa. Espaa, Febrero 198, pp.78- 83.
130
Cerqueira, Miguel A., Ana C. Pinheiro, Bartolomeu W.S. Souza, Alvaro M.P.
Lima, Clara Ribeiro, Candida Miranda, Jos A. Teixeira, Renato A Moreira,
Manuel A. Coimbra, M. Pilar Goncalves & Antonio A. Vicente (2009). Extraction,
purification and characterization of galactomannans from non-traditional
sources. Carbohydrate Polymers 75, 408-414.
Cross, M.M. (1965). Rheology of non-Newtonian fluids: a newflow equation

forpseudoplastic Systems. Journal of Colloid Science 20, 417-437.
Daas, Piet J. H., Katia Grolle, Tonvan Vliet, Henk A. Schols & Harmen H.J. de
Jongh (2002). Toward the Recognition of Structure-Function Relationships in
Galactomannans. J. Agrie. Food Chem. 50, 4282-4289.
Dea ICM, Morrison A (1975). Chemistry and interactions of seed

galactomannans. Adv Carbohydr Chem Biochem 31:241312.
Doublier, J. L. & B. Launay (1981). Rheology of Galactomannan Solutions:

comparative study of Guar and Locust Bean gum. Journal of Texture Studies
12: 151-172.
Malkin, Aleksandr Yakovievich (1994). Rheology fundamentis. ChemTec

Publishing, Caada. ISBN 1-895198-09-7. Chapterl.
Marcotte, Michele, Ali R. Taherian, Maher Trigui, Hosahalli Swamy

Ramaswamy (2001). tvaluotion of Rheological Properties of Seiected Salt
Enriched Food Hydrocolloids. Journal of Food Engineering, 48, pp. 157-167.
Morris, E.R., A.N. Cutler, S.B. Ross-Murphy, D.A. Rees & J. Price (1981J.
Concentration and Shear Rate Dependence of Viscosity in Random CoiI
Polysaccharide Solutions. Carbohydrate Polymers 1: 5-21.
Oblonseck, Marija, Sonja Sostar-Turk & Romano Lapasin (2003). Rheological

studies of concentrated guar gum. Rheol Acta 42: 491-499.
Rao, M. Anhanda (2007). Rheology of Fluid and Semisolid Foods. Springer

Science + Business Media. ISBN 13:978-0-387-70929-1. p.33.
Silva, J.A., M. P. Goncalvez & M. A. Rao, (1990). Rheology of high metoxil

pectin locust bean gum Solutions in steady and dynamic shear. Paper
131
presented at the American Institute Chemical Engineers. 1990 National

Summer Meeting, 19-22 August.
Sittikijyothin, W.; Torres, D.; Goncalves, M.P.(2005). Modelling the rheological

behaviour galactomannan aqueous Solutions. Carbohydrate Polymers, 59 (3),
339-351.
Steffe, James (1996). Rheological methods in food process Engineering.

Freeman Press. USA ISBN 0-9632036-1-4.
Tako, Masakuni (1991). Synergistic Interaction between Xanthan and Tara-

Bean Gum. Carbohydrate Polymers 16, 239-252.
132
CAPTULO 7
BASES PARA EL TRABAJO EXPERIMENTAL
En el presente captulo se abordarn los siguientes tpicos:
Objetivos de la experimentacin
Alcances de la investigacin
Investigaciones experimentales
El enfoque de procesos en la experimentacin
Las variables e indicadores en la experimentacin
El protocolo experimental
La medicin de variables
Determinacin de la muestra
Enfoques para el Diseo de los Experimentos
Matrices para el diseo de experimentos
7.1. CONCEPTOS BSICOS
En el proceso de investigacin existe una primera parte conceptual, que consiste

en plantear aspectos fundamentales, tales como el problema de investigacin,
sus objetivos, justificacin, alcances e hiptesis; todo ello sustentado en un
slido marco conceptual (suficiente., coherente, pertinente).
Una segunda parte, plantea la estrategia para el logro de los objetivos, que se
conoce usualmente como el Diseo de la Investigacin. Dicho diseo debe
especificar los mtodos requeridos para conseguir la informacin
complementaria, los recursos humanos y materiales y el cronograma de las
principales actividades de la investigacin.
De modo muy bsico los diseos de investigacin se pueden clasificar en
experimentales y no experimentales (Gonzlez et al., 2003). En un estudio no
experimental se observan situaciones ya existentes, no provocadas
intencionalmente por el investigador. En la investigacin no experimental las
variables independientes no pueden ser manipuladas por el investigador Por
ejemplo si se investigan incendios en refineras de petrleo, se recoge la
informacin histrica sobre los hechos ocurridos, se sistematiza tal informacin
y se procuran establecer explicaciones sobre las principales causas de dichos
133
siniestros. Sin embargo, no es posible modificar aspectos que han dado origen
a dichos incendios.
Por el contrario, en una investigacin experimental el investigador modifica las
variables independientes (causas) a voluntad para establecer cules son los
cambios producidos (efectos) en las correspondientes variables dependientes de
los procesos sometidos a investigacin. Por ejemplo, en una reaccin qumica
llevada a cabo en un reactor discontinuo agitado, se modifica la temperatura de
reaccin (que se mantiene constante a lo largo del experimento) para evaluar el
efecto que se logra en la velocidad de dicha reaccin qumica. En este caso la
variable independiente es la temperatura; la variable dependiente es la velocidad
de reaccin; y el proceso, es el de la reaccin qumica.
En la medida de lo posible, en ingeniera se promueven las investigaciones
experimentales, pues as se logran resultados en los rangos deseados de trabajo
con mayor certeza que en los diseos no experimentales.
7.2. REQUERIMIENTOS PARA EL TRABAJO EXPERIMENTAL
Para iniciar el trabajo experimental es de vital importancia tener un planteamiento

acertado de la fundamentacin de la investigacin. En este sentido es preciso
contar con la siguiente informacin:
a) El problema de la investigacin
b) Los objetivos de la investigacin
c) El anlisis de los sistemas y procesos involucrados
d) El anlisis de las variables de inters
e) Las hiptesis de la investigacin, que formulan relaciones presumibles
entre las variables de inters
f) Marco conceptual que sustenta y orienta la investigacin.
Una vez que se tiene la informacin listada anteriormente, se debe disear la

investigacin, considerando los tpicos siguientes:
a) Objetivos del trabajo experimental
b) Procedimiento experimental o protocolo
c) Mtodos para evaluar las variables de inters
d) Especificacin de equipos, instrumentos, maquinarias, etc.
134
e) Detalle sobre materiales, reactivos y servicios a emplear

f) Planteamiento del diseo de los experimentos
g) Condiciones de seguridad e higiene
h) Medidas para minimizar el impacto ambiental de los experimentos
Luego de la ejecucin de los experimentos, se procede al anlisis de los

resultados, siendo preciso prever los siguientes aspectos:
a) Evaluacin del error cometido en los experimentos
b) Ordenamiento de los resultados encontrados
c) Mtodos de clculo requeridos, si fuera el caso
d) Representacin grfica de las principales relaciones entre variables
e) Modelos matemticos a evaluar de las relaciones entre las variables
f) Verificacin de las hiptesis propuestas
g) Comparacin de los resultados obtenidos con las teoras existentes
h) Formulacin de los principales hallazgos de la investigacin
i) Recomendacin de los aspectos que deben estudiarse con ms detalle
7.3. EL ERROR EXPERIMENTAL
En Ingeniera el propsito de los experimentos es evaluar el efecto de los

cambios en las variables independientes sobre las variables dependientes o
respuestas. Sin embargo, existen varias fuentes que generan errores en las
mediciones de las variables tanto independientes como dependientes. Si los
errores cometidos son elevados, entonces los resultados obtenidos ya no son
tiles en la investigacin, pues pueden conducir a interpretaciones equivocadas
de los procesos en estudio.
La exactitud es la aproximacin del resultado obtenido al valor verdadero.
Mientras menor sea el error absoluto mayor ser la exactitud. El error absoluto
(ea) es el valor absoluto de la diferencia entre el valor exacto A y su valor
aproximado B, es decir:
ea = |A * B|
En la prctica no se conoce el valor de A sino el valor medido B al cual se le
asigna un error absoluto mximo ea de acuerdo con las caractersticas del
135
instrumento utilizado para efectuar la medicin, y es comn utilizar la expresin

M = B ea. Por ejemplo, se dispone de
Un termmetro digital que mide la temperatura en grados centgrados con
precisin de un decimal. Se obtienen los siguientes valores en un experimento
repetido cinco veces: 58,7V 56,9: 57,7; 58,3; y 58,6. El promedio de estos valores
es de 58,0 y su desviacin estndar es de 0,75. Entonces las lecturas de
temperatura se indican como 58,0 0,8. Cuando se trabaj con magnitudes
derivadas, por ejemplo una suma o diferencia de temperaturas, el error de
resultado es igual a la suma de los errores de cada uno de los trminos. Por
ejemplo, se resta a la temperatura de 58,0 0,8 el valor de 13,3 0,4. El
resultado ser 44,7 1,2. Para el caso de una multiplicacin de magnitudes con
errores el error del producto viene determinado por los errores de las medidas
que se combinan para obtenerla. Por ejemplo en un calormetro, el calor estar
determinado por el producto de la masa de la muestra y la diferencia de
temperaturas- registrada. Si la masa est dada por 345 2 g y la diferencia de
temperaturas por 29,2 0,4C. Entonces el producto 345 x 29,2 = 10074,0
caloras. El mximo error se cometera cuando en ambas magnitudes se suman
los errores, vale decir (29,2+0,4) x (345 + 2) = 10271,2; en el otro extremo se
tiene el valor (29,2-0,4) x (345 -2) = 9878,4, lo cual implica una desviacin del
valor central de aproximadamente 196. Entonces la multiplicacin se expresa
como: (345 2) x (29,2 0,4) = 10074,0 196,4. El valor del error se puede
calcular tambin del siguiente modo:
Valor promedio Error Producto en cruz
345 2 345 x 0,4
29,2 0,4 29,2x2
Error total = suma de productos

196,4
en cruz
De otro lado, el error relativo se define como el cociente del error absoluto
dividido entre el valor exacto de la magnitud de la medida, o sea:
La precisin es el nivel de reproducibilidad de varias mediciones individuales

efectuadas por' el mismo mtodo. Mientras ms cercanos sean los valores de
136
los datos experimentales entre s, mayor ser la precisin. Vale decir que cuando
la desviacin estndar se aproxima a cero la precisin es ms elevada. Por lo
tanto, el error relativo es una medida de la precisin de la medicin; y el error
absoluto, de su exactitud.
Un mtodo alternativo para indicar el error, consiste en la especificacin del
nmero de cifras escritas. Usualmente en la ltima cifra escrita existe
incertidumbre. Se conoce por cifras significativas al nmero de dgitos que
contiene una medicin, el mismo que consta de los dgitos medidos con certeza
y uno adicional. En este ltimo existe incertidumbre. Por ejemplo, En una lectura
de una temperatura de 58,0 existe certeza de los dgitos 5 y 8; pero en el ltimo
dgito puede haber imprecisin. Cuando se suman o restan cifras que contienen
error, entonces el error total es la suma de los errores de cada trmino. Un
producto, o un cociente, tienen el mismo nmero de cifras significativas que el
componente menos exacto (Chemical Education Material Study, 1966).
Los errores experimentales se pueden clasificar en:
Errores aleatorios
Errores sistemticos
Los errores aleatorios se deben a factores fortuitos, tales como condiciones

ambientales, pureza de alguno de los reactivos, error del operador que conduce
el experimento, por ejemplo al enrasar una fila, etc. Estos errores tienden a
cancelarse entre s. Los errores sistemticos muestran una tendencia definida,
por ejemplo generando un resultado siempre menor que el esperado. Las causas
de los errores sistemticos pueden ser mltiples, por ejemplo, un mtodo
experimental inapropiado, el uso de clculos incorrectos para establecer el
resultado, etc.
7.4. MTODOS DE MUESTREO
En algunos campos de la investigacin es muy importante el mtodo con el cual

se obtenga una muestra. Por ejemplo, cuando se quiere obtener una muestra de
un tanque agitado, cuya composicin es uniforme, es irrelevante de qu parte
del tanque se retira la muestra, quizs mediante una pipeta. En cambio, es muy
distinta la situacin cuando se estudia la contaminacin de un rio. All es preciso
137
decidir si las muestras se van a obtener del centro del rio, donde la velocidad es
elevada y los sedimentos escasos o ms bien se har en las orillas, lugar en el
que el flujo es bajo y en consecuencia los slidos en suspensin sedimentan
notablemente. Podra optarse por muestrear a todo lo ancho del ro y obtener
una muestra compuesta al mezclar proporcionalmente las alcuotas obtenidas.
Por ejemplo en un estudio sobre la calidad del suelo, se debe definir las cotas o
alturas en el subsuelo a las cuales se harn los anlisis de composicin
respectivos. Anlogamente, cuando se investiga la sedimentacin de un proceso
en un equipo de operacin continua es importante especificar a qu profundidad
se van a tomar las muestras.
Segn los objetivos de la investigacin se podra evaluar la contaminacin en un
da especfico o ms bien en una temporada larga, que pueda ofrecer una
estimacin de la variacin de la contaminacin con las estaciones.
7.5. EL PROTOCOLO EXPERIMENTAL
Se denomina protocolo experimental al documento que registra sistemtica e

inequvocamente el procedimiento a seguir durante el trabajo experimental.
Por ejemplo, para el caso de preparar soluciones acuosas de gomas con objeto
de evaluar su comportamiento reolgico, se define el siguiente protocolo:
Se preparan soluciones stock de las gomas de inters con una concentracin de
2,0 g/l. Para ello se pesan dos gramos de muestra en una balanza analtica. La
muestra es vertida gradualmente a 800 mil de agua destilada tibia (40C) la que
es agitada vigorosamente con un agitador elctrico a una velocidad de 800 rpm
durante 30 minutos. Con el propsito de hidratar los hidrocoloides, se eleva la
temperatura de la muestra hasta 85C por un periodo de 20 minutos. Luego se
deja enfriar la solucin, se trasvasa a una fila de mil mililitros y se enrasa
cuidadosamente. Se uniformiza la solucin mediante agitacin de la fila.
Nuevamente se trasvasa la solucin, empleando un embudo, a un recipiente
hermtico para ser almacenada la muestra en refrigeracin a 8C, durante 24
horas. Se ha observado que las muestras reposadas son ms uniformes que
aquellas recin preparadas.
Si en la solucin preparada, despus de dejar reposar un da se observan
partculas o cogulos en suspensin se procede a centrifugar la muestra a 5000
138
rpm durante 15 minutos. Los residuos slidos son pesados para corregir la
concentracin de goma presente en la solucin.
Por dilucin de la solucin "stock" en agua destilada se preparan las otras
muestras.
Del ejemplo anterior se pueden destacar los siguientes aspectos:
a) Es necesario establecer la secuencia de operaciones a realizar durante
la experimentacin.
b) Se debe ser preciso detallando en lo posible aspectos cuantitativos,
como la velocidad de agitacin, el tiempo de reposo, la temperatura de
almacenamiento y otros.
c) Si el procedimiento es extenso o complejo conviene usar una
representacin grfica de la secuencia de operaciones a realizar.
d) Es necesario contar con una ficha para registrar las ocurrencias durante
el proceso experimental. La misma deber contener informacin bsica
tal como: nombre de los operadores y su funcin, fecha de realizacin
del experimento, materiales empleados, equipos e instrumentos usados,
detalle del protocolo seguido y ocurrencias u observaciones.
e) Es conveniente indicar si el protocolo seguido est estandarizado o
normalizado, c de qu referencia se le ha extrado, si fuere el caso.
Un principio elemental en el trabajo experimental es hacer las cosas del mismo
modo siempre, para evitar la introduccin de incertidumbres. Por ejemplo en el
caso de anlisis qumicos puede influir el detergente con el que se lava el
material de vidrio. Por ello se recomienda emplear el mismo producto. Asimismo
conviene evitar variabilidad en las condiciones ambientales del laboratorio. Por
ejemplo, si un experimento se realiza en verano y otro en invierno, y no existe
control de la temperatura y humedad ambientales, entonces se podran generar
algunas diferencias en los resultados.
7.6. MTODOS DE EVALUACIN DE LAS VARIABLES
Un aspecto vital en el trabajo experimental es poder medir las variables de

inters con la debida precisin. Para ello se recomienda optar por mtodos
estandarizados, recomendados por instituciones de prestigio. Evidentemente
139
que si se dispone de un buen mtodo pero de equipos o instrumentos de baja

calidad, entonces los resultados sern inciertos.
La calibracin del instrumento a emplear es un paso previo indispensable antes
de efectuar las mediciones deseadas. Para ello es preciso seguir las
instrucciones del fabricante al pie de la letra. Si se deben calibrar los
instrumentos empleando reactivos qumicos, es imprescindible garantizar que se
encuentren en buen estado. Algunos equipos que involucran alta tecnologa
deben ser calibrados con cierta periodicidad por el propio fabricante.
Es recomendable que los laboratorios de investigacin estn certificados, para
lo que se requiere la inspeccin de una entidad especializada que otorga el
certificado correspondiente. Como requisito es indispensable que todos los
mtodos y procedimientos seguidos estn debidamente validados y que los
equipos se encuentren calibrados. Asimismo, el personal a cargo deber contar
con entrenamiento especializado.
A modo de ejemplo se presenta el procedimiento para operar un viscosmetro
rotacional, que permitir evaluar la viscosidad de fluidos no newtonianos.
El viscosmetro debe ser nivelado con el nivel de burbuja incorporado en
el mismo. Si el viscosmetro va a ser controlado desde un computador se
debe conectar el cable al puerto serial del instrumento y de la
computadora. Luego se enciende el viscosmetro para que se realice el
llamado "autocero" o calibracin inicial. A continuacin se establece si el
viscosmetro se usar de modo manual ("interno") o en conexin con un
computador ("control externo").
Cuando se selecciona la operacin externa, se debe cargar el software
RheoCalc que controlar el viscosmetro. Una vez que el software est en
pantalla, se debe seleccionar en la seccin "panel de instrumentos" el
puerto que usar el computador y definir si la interconexin entre el
instrumento y el computador es correcta. Luego, en el software se abre la
ventana de "husillos" para seleccionar el impulsor o husillo apropiado para
la medicin.
El viscosmetro puede operar con varios tipos de husillos: tipo plato, tipo
cruceta, plato y cono, cilindro para pequeas muestras, dispositivo para
bajas viscosidades. Cuando la solucin es sumamente viscosa y se quiere
evitar el atrapamiento de aire durante la medicin se emplea con un
140
soporte automtico que lentamente eleva y desciende el instrumento para

generar un efecto de "sacacorchos" o helicoidal. Los dispositivos para
muestras pequeas de bajas viscosidades y los de plato y cono permiten
evaluar el esfuerzo cortante y la gradiente de velocidad, muy necesarios
para investigaciones Teolgicas.
En la presente investigacin se emplea el dispositivo para pequeas
muestras que requiere un volumen de muestra de 8 ml, cuyo cdigo es
SC4 y el husillo correspondiente tiene el cdigo 21. En casos
excepcionales, cuando este dispositivo reporte valores fuera de rango se
usar otro tipo de husillo.
Luego se procede a cargar el programa que ha sido previamente
preparado para dar instrucciones al viscosmetro. Esto se realiza desde la
ventana de "Programas" del software RheoCalc. El programa efecta
cambios en la velocidad de rotacin del husillo y en la temperatura de las
muestras a los intervalos de tiempo que el usuario especifique. En
modalidad manual el viscosmetro tiene 18 velocidades de operacin,
pero cuando se controla por software este valor puede ser muchsimo
mayor, hasta 500 velocidades, si fuera preciso.
Una vez que el programa ha sido cargado, se coloca la muestra en el
recipiente adecuado y se monta el husillo pre-seleccionado. Se inicia
entonces la ejecucin del programa y se graban los resultados en un
archivo preestablecido por el usuario. Este archivo de datos tambin
puede ser transformado al formato de Excel para posterior manipulacin.
7.7. MATERIALES PARA LA EXPERIMENTACIN
En el reporte del trabajo experimental es necesario incluir la lista de materiales

empleados, especificando sus principales propiedades, el proveedor y el nmero
del lote. Sobre todo en los materiales basados en productos naturales pueden
existir diferencias importantes entre un lote y otro. Por ejemplo: se han evaluado
muestras de la compaa TIC GUMS Tara Gum 100, lote no. 12300 y TIC
Ticaxan, polvo de goma Xantan, lote No. 13376.
Asimismo se debe indicar la relacin de equipos e instrumentos a emplear,
detallando marca, modelo y las caractersticas de inters para el experimento.
141
Algunos instrumentos requieren que el fabricante o su representante los Calibren

peridicamente. Es muy importante consignar la precisin del instrumento, pues
de all se deber indicar las cifras significativas de las lecturas correspondientes.
Por ejemplo se indica el siguiente detalle:
La caracterizacin reolgica de las gomas se realiza con el remetro ARES
(Advanced Rheometric Expansin System) de la firma TA Instruments, modelo
2000, con una geometra de doble couette. Se seleccion esta geometra debido
a las bajas viscosidades relativas de las muestras trabajadas. El remetro fue
operado desde un computador por medio del software Orchestrator 7.01, el cual
permite tambin la adquisicin de datos y el tratamiento matemtico de los
resultados. Para controlar la temperatura de la muestra se cont con dos
dispositivos: un sistema Peltier y un bao termosttico Juiabo FS 18 provisto de
control PID.
7.8. ENFOQUES ALTERNATIVOS PARA EL DISEO DE LOS

EXPERIMENTOS
Al disear un experimento existen diversas posibilidades. La opcin adecuada

depende de los objetivos que se persiguen y de la informacin disponible sobre
el problema en estudio.
Experimentos Preliminares
Una primera fase en el trabajo experimental se llama de "familizarizacin" cuyo
propsito es que los operadores verifiquen los mtodos de trabajo, la calibracin
de los instrumentos y evalen potenciales problemas de operacin.
En muchos casos es conveniente desarrollar una experimentacin preliminar con
el objetivo de evaluar inicialmente el campo de bsqueda de la investigacin;
vale decir, cules son los rangos adecuados para las variables independientes
de la investigacin. Por ejemplo si conviene variar la temperatura entre 30 y 80
oC o mejor sera que el rango sea ms estrecho y est comprendido entre 40 y
70 oC.
Validacin de Modelos Fenomenolgicos
Al estructurar el marco conceptual de la investigacin se determinar si para el
problema en estudio existen teoras consolidadas que se puedan aplicar,
entonces es muy importante tomar como referencia tales teoras para formular
142
las hiptesis respectivas y la estrategia experimental. En este caso se trata de

poner a prueba modelos fenomenolgicos.
Por ejemplo para el estudio de una reaccin qumica, tal como la
produccin de benceno a partir de cumeno, la misma qu es catalizada
por platino:
Los reactantes y productos se encuentran en fase gaseosa. Es decir que

la reaccin ocurre en dos fases, gas-slido y en consecuencia el modelo
cintico es relativamente complejo. Se desea evaluar si el siguiente
modelo matemtico describe apropiadamente la cintica de reaccin.
En la ecuacin anterior P representa a las presiones parciales de cada

uno de los componentes y K a las constantes por determinar
experimentalmente, correspondiendo los sub-ndices C: Cumeno, B:
benceno, P: propileno, I: Inhibidor. Dado que se deben encontrar los
valores de k1 Ke KA KE Y K1 K es decir, cinco constantes, entonces se
requieren por lo menos cinco experimentos para determinar estos valores.
El diseo del experimento entonces estar orientado a calcular los valores
de las constantes y adems verificar que el modelo propuesto representa
efectivamente a los datos experimentales.
Modificando una Variable por Vez

Cuando se ensayan pocas variables es frecuente experimentar realizando
cambios en slo una variable manteniendo constantes las otras. En este caso se
logra apreciar el efecto individual de cada variable independiente sobre las
variables dependientes, quizs con detalle, dependiendo del nmero de niveles
o valores de cada variable independiente. La gran desventaja de este mtodo es
que no se pueden determinar los efectos de interaccin entre las variables. Est
tcnica es til cuando se tienen pocas variables independientes en la
investigacin.
143
Diseo para Seleccionar Variables de Inters

Es comn que un proceso dado sea afectado por diversas variables. Para
establecer cules son las variables que mayor impacto tienen sobre los
resultados esperados se emplean diseo-, factoriales de dos niveles, esto quiere
decir que en los experimentos las variables independientes asumen slo dos
valores. Se logra reducir el nmero de experimentos y en consecuencia l costo
del trabajo experimental cuando se hace uso de los diseos factoriales
fraccionados siendo el ms econmico el denominado Plackett & Burman. Estos
diseos que sirven para seleccionar las variables de mayor impacto son
conocidos en la literatura como diseos de filtracin (screenmg designs).
Diseos para Optimizar
Muchas veces el objetivo del trabajo experimental consiste en encontrar las
mejores condiciones de operacin para obtener el mximo rendimiento en un
proceso; o, buscar la formulacin de un producto que permita obtener las
mejores caractersticas del mismo. Entonces se tiene un problema de
optimizacin. Existen varias tcnicas para optimizar, pero definitivamente el
nmero de ensayos crece rpidamente con el nmero de variables
independientes, dado que se requieren varios niveles para cada variable.
Una tcnica muy apreciada es el diseo factorial rotable o cuadrtico y sus
mltiples variantes, que permite encontrar un modelo matemtico de segundo
orden. Para ello al diseo factorial lineal completo se le debe adicionar, por lo
menos, dos ensayos por cada variable independiente, denominados Puntos
Estrella.
Para optimizar tambin se tienen los mtodos de bsqueda, cuya caracterstica
es que el nuevo experimento depende del resultado de los experimentos
anteriores; y en consecuencia, no se conoce con anticipacin el nmero total de
experimentos. En estos mtodos la seleccin de las condiciones iniciales de la
optimizacin incide en cuntos experimentos finalmente se ejecutan. En este
sentido, el mtodo de El Camino de Mxima Pendiente es muy empleado.
Tambin se trabaja con frecuencia con el mtodo Simplex. Para ms detalle
puede consultarse el captulo 15 del texto de Richard Boddy & Gordon Smith
(2010) o el captulo 3 del libro de Zivorad Lasic (2004).
144
Combinando mtodos
Al realizar una investigacin, es posible iniciar el trabajo experimental con un
diseo fraccionado para determinar cules variables tienen un efecto
estadsticamente significativo sobre el resultado. Esta primera etapa permite
reducir el nmero de variables independientes a evaluar. Posteriormente, se
puede recurrir a un diseo ms completo para obtener un modelo matemtico
que estime los resultados. Una tercera etapa consistir, partiendo del modelo
anterior, aplicar una tcnica de optimizacin para encontrar con precisin las
mejores condiciones de operacin.
Como se ha indicado anteriormente, es fundamental el conocimiento cientfico
tecnolgico que se tenga sobre el problema, que podra ahorrar gran parte del
trabajo experimental, al sugerir los rangos de trabajo de las variables
independientes, las variables independientes de mayor significacin en la
investigacin, posibles relaciones entre las variables, modelos matemticos por
evaluar, etc.
7.9. MATRICES PARA EL DISEO DE LOS EXPERIMENTOS
En esta seccin se presentan un conjunto de matrices que auxiliarn al

investigador en el diseo de la experimentacin. Evidentemente, estas matrices
no constituyen una receta rgida para todas las investigaciones; cuando sea
conveniente se debern modificar para adaptarlas a las condiciones concretas
de la investigacin.
La relacin de matrices es la siguiente:
1. Sistemas y procesos identificados
2. Anlisis de las variables y relaciones entre ellas
3. Materiales a emplear
4. Relaciones entre variables
5. Mtodos experimentales
6. Niveles de las variables
7. Diseo de los experimentos
8. Seguridad e Higiene
9. Impacto ambiental
10. Manejo de servicios
145
11. Registro de datos

12. Resumen de resultados
13. Procesamiento de resultados
14. Anlisis de resultados
Matriz 1.- Sistemas y Procesos.
Exige determinar cules son los sistemas que se investigan, los procesos en
curso y adems las variables que dominan estos procesos.
MATRIZ 1.-SISTEMAS V PROCESOS
OBJETIVO
SISTEMA PROCESOS VARIABLES
EXPERIMENTAL
Por ejemplo, el objetivo de la investigacin consiste en determinar la

velocidad de extraccin del aceite de una especie vegetal. Para ello se
selecciona un tanque en el que se colocan las semillas procesadas en
forma de hojuelas, para lograr mayor rea de contacto entre el solvente y
el aceite. Por este tanque se har circular un flujo de solvente conocido.
A la salida del tanque se obtendr una mezcla de solvente y aceite
llamada micela. En este caso se puede definir como sistema el tanque
extractor y su contenido, vale decir, las semillas hojueladas y el solvente
que discurre. El proceso en estudio consiste en la extraccin del aceite.
Dicha extraccin puede proceder por varios mecanismos, en etapas
sucesivas. El mtodo de extraccin seleccionado se conoce con el
nombre de percolacin, pues el solvente es dispersado sobre el lecho de
semillas y posteriormente circula a travs de dicho lecho.
Las variables que influyen sobre la cantidad de aceite extrado son varias,
entre ellas: el tiempo de extraccin, la temperatura del lecho, el flujo del
146
solvente, la cantidad de semilla contenida inicialmente en el extractor y el

espesor de las hojuelas de semilla. Evidentemente que el tipo de solvente
empleado es decisivo en la velocidad de extraccin y tambin en la
selectividad, vale decir, que el solvente extraiga slo aceite y no otros
componentes de la semilla.
Matriz 2.- Variables. En esta segunda matriz se listan todas las variables
presentadas en la Matriz 1, especificando su nombre, smbolo, unidades, tipo, y
valores extremos a evaluar.
Las variables se pueden clasificar en los siguientes tipos: (a) independientes; (b)
dependientes; (c) Intervinientes; (d) parmetros. Las variables independientes
son aquellas que el investigador puede modificar a voluntad, por ejemplo la
temperatura del solvente para la extraccin. Las variables dependientes son los
resultados del experimento, por ejemplo, la cantidad de aceite extrado. Las
variables intervinientes son aquellas que pueden influir sobre el proceso, pero el
investigador no tiene el control correspondiente. Por ejemplo, en un proceso de
deshidratacin la humedad ambiental puede influir de modo importante, pero el
investigador no la puede modificar en el equipo que dispone. Cuando una
variable no es modificada durante el curso de la investigacin se le llama
parmetro. Para el caso de la extraccin citado anteriormente, se podra
mantener como parmetro el peso de hojuelas de semilla que se colocan en el
tanque extractor.
Es conveniente indicar con qu criterios el investigador selecciona el valor
mximo y el mnimo para cada variable independiente. En muchos casos estos
valores se obtienen de las referencias bibliogrficas, entonces es preciso
registrar de qu referencia se trata.
MATRIZ 2.- LISTA DE VARIABLES
NOMBRE SIMBOLO UNIDADES TIPO VALOR MN. VALOR MX.
147
Matriz 3.- Materiales. Se deben presentar de forma ordenada los materiales

empleados en el trabajo experimental, tales como: materias primas (MP);
insumos (I) como aditivos, lubricantes, combustibles, refrigerantes, etc.;
Productos (P); y, Sub-productos (S), listando sus principales propiedades en
cada caso.
MATRIZ 3.- MATERIALES EN LA EXPERIMENTACIN
Pureza P Cp k V5 V6
Nombre Tipo Smbolo OBSERVACIONES
% Pa.s J/Kg/C
TIPO: Materia Prima (MP); Insumo (I); Producto (P), Sub-producto (S)
Para el caso del solvente mencionado en el ejemplo anterior, se deben

considerar por lo menos Les siguientes caractersticas:
Flujo del fluido: densidad y viscosidad

Transferencia de calor: capacidad calorfica, calor latente y
conductividad trmica
Temperatura mxima: temperatura de ebullicin y temperatura de
inflamacin
Caractersticas del solvente: polaridad, selectividad.
Matriz 4.- Relaciones entre Variables. Esta matriz es de vital importancia para
la investigacin. Indica qu variables independientes influyen sobre las variables
dependientes. Se pueden identificar relaciones entre las variables que
determinan: (a) las propiedades de los materiales; y, fb) el desarrollo de los
procesos. En la columna de "Relaciones" especificar de modo preciso lo que
ocurre con la variable dependiente al modificar la variable independiente.
MATRIZ 4.- RELACIONES ENTRE VARIABLES
HIPTESIS
VARIABLES VARIABLES
DEPENDIENTES INDEPENDIENTES MODELOS
RELACIONES
MATEMATICOS
148
Para el caso de la extraccin de aceites por solventes orgnicos, es importante

determinar la densidad y viscosidad de la micela, es decir, de la solucin del
aceite en el solvente, que depender de la concentracin del aceite y de la
temperatura. Respecto a los modelos matemticos correspondientes existe
abundante literatura (Zhang, 1996).
Como ya se ha explicado anteriormente la velocidad del proceso de extraccin

del aceite depende de por lo menos las siguientes variables independientes: flujo
del solvente, temperatura y espesor de las hojuelas del material oleaginoso.
Sayyar et al. (2009), validan un modelo de segundo orden para la extraccin del
aceite de semillas de Jatrofa con hexano:
Matriz 5,- Mtodos Experimentales. Esta matriz es de suma importancia pues

registra el "modo de hacer las cosas" en el laboratorio o en el campo. Se debe
indicar en ella, paso
149
MATRIZ 7.- DISEO DE LOS EXPERIMENTOS
VAR 1 VAR 2 VAR3 VAR 4 VAR 5 VAR 6

No. EXP
Unidades Unidades Unidades Unidades Unidades Unidades
1
2
3
4
5
6
7
8
9
10
11
Si se quiere planificar un experimento para la formulacin de pelculas

biodegradables, las variables independientes podran ser:
Variable 1.- Concentracin de almidn. Rango de valores: 4, 0 a 7,0 %.
Variable 2.- Concentracin de plastificante. Rango de valores: 1,0 a

2,5 %
Variable 3.- Tiempo de elaboracin de la mezcla. Rango de valores: 10 a

30 minutos
Si se seleccionan tres niveles para las dos primeras variables y la tercera se

mantiene como parmetro a 25 minutos de tiempo de elaboracin, entonces la
matriz experimental lucira as:
Almidn % en Plastificante
No. EXP
peso % en peso
1 4,0 1,00
2 4,0 1,75
3 4,0 2,50
4 5,5 1,00
5 5,5 1,75
6 5,5 2,50
7 7,0 1,00
8 7,0 1,75
150
9 7,0 2,50
10 5,5 1,75
11 5,5 1,75
Como se aprecia en la tabla adjunta los nueve primeros experimentos

corresponden a todas las combinaciones posibles entre los tres niveles que
ostenta cada variable. Los experimentos 10 y 11 son repeticiones del
experimento 5, que se realizan para poder calcular el error experimental.
Matriz 8.- Seguridad en el Laboratorio. Las ciencias experimentales y la

ingeniera enfrentan cotidianamente situaciones de riesgo en el trabajo. Las
razones ms frecuentes de ocurrencia de accidentes son el desconocimiento de
los riesgos y de cmo mitigarlos, as como el exceso de confianza de que "a m
no me va a pasar". Por ello esta matriz es de mucha utilidad pues permite
analizar las condiciones inseguras que se enfrentan y los correspondientes
mtodos de mitigacin.
MATRIZ 8: SEGURIDAD EN EL LABORATORIO
CONDICIONES MTODOS DE RECURSOS

OBSERVACIONES
INSEGURAS MITIGACIN NECESARIOS
CARACTERISTICAS
DE MATERIALES
Inflamables explosivos
Txicos - venenosos
Corrosivos inestables
CONDICIONES DE
TRABAJO
Temperaturas -
presiones altas
Generacin de gases -
polvos
CONDICIONES
:
AMBIENTALES
Alto voltaje - amperaje
Vapor - aire
comprimido
MAQUINAS
HERRAMIENTAS
De corte - trituracin
151
EXIGENCIAS DE
HIGIENE
Matriz 9.- Impacto Ambiental. La evaluacin de los residuos contaminantes que

se generan en la experimentacin y los mtodos de disposicin convenientes se
deben indicar en esta matriz. Ella contribuye a tomar medidas con la debida
anticipacin.
MATRIZ 9.- IMPACTO AMBIENTAL
MTODOS DE EQUIPOS E
CONTAMINANTE OBSERVACIONES
DISPOSICIN INSTRUMENTOS
GASES
LIQUIDOS
SLIDOS Y POLVOS
CONTAMINACIN
BIOLGICA
OTROS
Matriz 10.- Manejo de Servicios. Esta matriz da cuenta de los servicios tales
como vapor, agua de enfriamiento, refrigerantes, aire comprimido y otros que se
empleen en la investigacin. En algunas investigaciones puede ser til
especificar estos servicios para realizar clculos e indicar el modo de
almacenamiento o disposicin de los mismos.
MATRIZ 10.- MANEJO ADECUADO DE SERVICIOS
MTODO DE EQUIPOS E
SERVICIO
DISPOSICIN INSTRUMENTOS OBSERVACIONES
AIRE COMPRIMIDO
152
AGUA
ENFRIAMIENTO
REFRIGERANTES
VAPOR
COMBUSTIBLES
ELECTRICIDAD
Matriz 11 Registro de Datos por Experimento. Esta matriz es una de las ms

importantes pues sirve para registrar los datos obtenidos en cada corrida
experimental. En este caso es necesario indicar cualquier ocurrencia que pudiera
haber afectado la marcha del experimento, o hallazgos inesperados. Es muy
sencilla de llenar y se debe indicar en orden cronolgico la marcha del
experimento.
MATRIZ 11 REGISTRO DE DATOS POR EXPERIMENTO.
EXPERIMENTO No FECHA: Ao: Mes: Da:.
OPERADOR FUNCION CARACTERSTICAS DEL EXPERIMENTO
OBJETIVO DEL EXPERIMENTO:
VAR.
ALORES DE VARIABLEL INDEPENDIENTES OBSERVACIONES
DEPENDIENTES
HORA
VAR 1 VAR 2 VAR 3 VAR 4 VAR 5 VAR 6 VAR 7
153
LUGAR DE REALIZACIN DEL EXPERIMENTO:
Matriz 12.- Resumen de Resultados. Despus de analizar y procesar los datos

registrados en la matriz 11, estos se trasladan a la matriz 12, la que sirve de base
para el anlisis de los resultados consiguientes.
MATRIZ 12.- RESUMEN DE RESULTADOS
VAR.
ALORES DE VARIABLEL INDEPENDIENTES OBSERVACIONES
DEPENDIENTES
HORA
VAR 1 VAR 2 VAR 3 VAR 4 VAR 5 VAR 6 VAR 7
Matriz 13.- Procesamiento de Resultados. Aqu se presenta una guia para que
el investigador evale los resultados obtenidos determinando el error
experimental, las tendencias entre las variables independientes y dependientes,
el ajuste de datos obtenidos a modelos tericos y empricos, entre otros
aspectos.
MATRIZ 13.- PROCESAMIENTO DE RESULTADOS
1. ERROR EXPERIMENTAL. Requiere de tres o ms repeticiones de los

mismos experimentos. Calcular el valor promedio. Luego calcular la
varianza estimada y la correspondiente desviacin estndar. Comparar el
valor de dicha desviacin respecto del valor promedio.
2. IDENTIFICACIN DE TENDENCIAS EMPRICAS ENTRE VARIABLES
INDEPENDIENTES Y DEPENDIENTES. Mediante grficos identificar las
relaciones y tendencias que existen entre las variables independientes y
las dependientes. Si se aprecian relaciones definidas entonces ajustar
funciones de regresin que mejor representen tales relaciones. Si no se
encuentran relaciones definidas entre las variables es necesario
154
preguntarse por qu ocurre esto. Puede ser que se est obviando alguna
variable importante o puede tambin darse el caso que los valores
seleccionados para el estudio de las variables no son adecuados.
3. ANLISIS DIMENSIONAL ENTRE VARIABLES INDEPENDIENTES Y
DEPENDIENTES. Evaluar las dimensiones de cada una de las variables
independientes y las dependientes, de modo que se encuentren todas en
un solo sistema de unidades, preferentemente el SI. Identificar posibles
grupos adimensionales de variables que involucren a las principales
variables independientes y dependientes, en tanto sea posible, y
consistente con la teora. Establecer si existen relaciones y tendencias
definidas entre los grupos adimensionales que involucran a las variables
independientes y las dependientes. Para mayor detalle consulte la seccin
9.5.
4. AJUSTE DE DATOS EXPERIMENTALES A MODELOS TERICOS.
Verificar si los datos experimentales se ajustan a las teoras existentes
sobre este problema o a teoras que representen fenmenos o procesos
anlogos. Podra ocurrir que para el caso de procesos discontinuos a lo
largo del tiempo dominan distintos fenmenos y entonces los modelos van
cambiando. Por ejemplo, en el caso de la extraccin de aceites, en un
principio se logra una rpida extraccin porque el fenmeno dominante es
"el lavado" del aceite superficial, pero luego, entra a tallar "la difusin" del
solvente al interior de la semilla oleaginosa para disolver el aceite localizado
interiormente. Este segundo proceso es ms lento que el anterior.
5. IDENTIFICACIN DE ANOMALAS. En el proceso de investigacin pueden
presentarse resultados no esperados y de difcil explicacin. Entonces es
necesario evaluar con el mayor detalle estos resultados para definir las
condiciones en las cuales se presentan.
Matriz 14.- Anlisis de Resultados. Se recuerda al investigador algunos

aspectos a tener en cuenta en la discusin de los resultados experimentales,
partiendo de los hallazgos de la matriz 13.
MATRIZ 14.- ANLISIS DE RESULTADOS
1. ERROR EXPERIMENTAL. Si el error experimental es elevado, entonces

es necesario evaluar el rigor con el que se han realizado los experimentos
155
(consultar matriz 11). Si ha habido descuido en el trabajo experimental es

necesario repetir los ensayos. En caso contrario, se deben modificar los
mtodos experimentales evaluando las fuentes potenciales de error para
obtener resultados vlidos.
2. TENDENCIAS ENTRE VARIABLES INDEPENDIENTES Y
DEPENDIENTES. Se pueden identificar tendencias empricas entre las
variables as como tendencias establecidas por las teoras existentes sobre
los procesos estudiados. Un primer paso en el anlisis es evaluar si las
tendencias empricas ratifican los modelos de las teoras o ms bien los
contradicen. Si se trata del segundo caso, entonces es necesario intentar
explicaciones alternativas a las teoras existentes.
3. VALIDACIN DE HIPTESIS Se debe evaluar si se cumplen las hiptesis
propuestas. En caso afirmativo es necesario definir con claridad la
cobertura de dichas hiptesis, vale decir bajo qu condiciones son vlidas.
Si las hiptesis propuestas no se cumplen y los resultados son consistentes
con otras teoras, entonces buscar el sustento de este hallazgo.
4. MODELOS MATEMTICOS VALIDADOS. Identificar los modelos
matemticos que describen los hallazgos experimentales. Asimismo indicar
si estos modelos se basan en teoras existentes y en consecuencia
permiten inferir la aplicacin de dichas teoras a nuestros hallazgos.
5. EVIDENCIA EXPERIMENTAL INSUFICIENTE. Los datos experimentales
no permiten evaluar con la debida certeza algunos aspectos de la
investigacin, por lo que ser necesario ampliar los experimentos Se debe
recomendar cmo reformular los experimentos.
6. ASPECTOS SIN EXPLICACIN ADECUADA. Se han encontrado
comportamientos no explicables por nuestras hiptesis o por otros autores.
Es necesario profundizar en argumentos que permitan comprender
nuestros hallazgos. Conviene evaluar posibles causas de estas anomalas,
dentro de ellas la participacin de variables no consideradas inicialmente.
El dominio de los fundamentos de los fenmenos involucrados puede
ayudar mucho en esta tarea. Asimismo la imaginacin del investigador para
configurar explicaciones novedosas puede ser de vital importancia.
156
7. NIVEL DE CUMPLIMIENTO DE OBJETIVOS. Establecer si los objetivos de

la investigacin se han cumplido. En caso negativo sustentar
adecuadamente.
8. TRABAJO PENDIENTE Y RECOMENDACIONES. Indicar en detalle qu
aspectos de la, investigacin convienen ser profundizados para tener una
mejor comprensin del campo de investigacin, preferentemente
priorizando los aspectos por estudiar.
9. CONCLUSIONES. Deben referirse exclusivamente a los hallazgos tcnico
cientficos del problema de investigacin. Por ejemplo, la validacin de las
hiptesis, de ser el caso; la aplicacin de teoras de otras reas al campo
en estudio; los modelos matemticos que describen los fenmenos
estudiados, entre otros.
7.10. PRECISIONES PARA EL MODELAMIENTO DE PROCESOS
Si bien en captulos posteriores se va a tratar el tema del modelamiento de

procesos, es oportuno indicar algunos aspectos que debern trabajarse con
claridad en el anlisis de los sistemas y procesos.
Al identificar el sistema que se seleccione habr que especificar lo siguiente:
Sistema abierto: existe flujo de materia a travs del mismo
Sistema cerrado: no hay flujo de materiales, vale decir corrientes d
entrada o salida
Sistema aislado: no existe intercambio de trabajo o calor con el medio
Sistema istropo: la composicin es uniforme en todo el sistema
Sistema anistropo: la composicin vara al interior del sistema.
Cuando el sistema es anistropo entonces se debe tomar un elemento diferencial

de volumen o de rea del mismo para realizar el modelamiento. Esto ocurre, por
ejemplo, en los reactores de flujo pistn, cuya composicin varia a lo largo de la
longitud del reactor; en cambio, los reactores de mezcla completa tienen
composicin uniforme y se considera como sistema todo el reactor.
Proceso estacionario: no existen cambios en el tiempo
157
Proceso no estacionario: se evalan los cambios con el tiempo.
En un proceso no estacionario posiblemente existe acumulacin de materiales

y/o de energa en el sistema, esto implica que en los modelos deben aparecer
derivadas respecto al tiempo de la masa, energa o entropa total del sistema.
CUESTIONARIO
1. Para la investigacin de su inters plantee en un cuadro resumen el

problema, los objetivos, el anlisis de sistemas y procesos y la hiptesis
de la investigacin. Cules son los objetivos experimentales que
propone?
2. Detalle la estrategia experimental de su trabajo y justifique con criterios
muy definidos la seleccin de tal estrategia.
3. Indique con claridad las incertidumbres que se pueden encontrar durante
el trabajo experimental.
4. Establezca la precisin de los mtodos experimentales que emplear y
defina si tal precisin constituye un obstculo en el logro de resultados
consistentes.
5. Especifique el tipo de grficas que sern tiles para su anlisis de
resultados.
ACTIVIDADES
Para su investigacin, determine los siguientes aspectos:
1. Llene las matrices experimentales desde la primera hasta la novena.

2. En la matriz 7 deber especificar el nmero experimentos a realizar. A
partir de este dato, estime el costo del trabajo prctico a realizar.
3. Formule su propia matriz sobre la consistencia conceptual de la
investigacin, donde se destaquen las variables que se consideran, en
cada uno de los rubros conceptuales de la investigacin.
4. Formule tambin una matriz de consistencia metodolgica, en la que se
observe la concordancia entre los aspectos conceptuales y los
procedimentales.
158
Boddy, Richard 8 Gordon Smith (2010). Effective Experimentaron for Scientists

and Technologists. John Wiley 8 Sons, Ltd, UK. ISBN: 978-0-470-68460-3.
Chemical Education Material Study (1966). Qumica: Una Ciencia Experimental.

Editorial Revert, Barcelona.
Gonzlez Castellanos, Roberto; Mario Yll Lavn; Lilian Curiel Lorenzo (2003).
Metodologa de la Investigacin Cientfica para las Ciencias Tcnicas. 2da.
Parte: Organizacin y Ejecucin de la Investigacin. Universidad de Matanzas,
Cuba, Diciembre.
Ledea Lozano, Oscar Ernesto, Maykel Gonzlez Torres, Carlos Hernndez

Castro, Adaris Lpez Marzo, Jess Moleiro Mirabal y Aristides Rosado Prez.
(2005). Validacin de un mtodo espectrojotomtrico para la determinacin del
contenido de aldehidos en el aceite de girasol ozonizado (OLEOZON). Revista
CENIC Ciencias Qumicas, Vol. 36, No. 3.
Sayyar, Sepidar, Zurma Zainal Abidin, Robiah Yunus 8 Azhari Muhammad

(2009). Extraction of 0/7rom Jatropha Seeds-Optimization and Kinetics.
American Journal o Applied Sciences 6 (7): 1390-1395.
Zhang Xuewu, Lui Xin, Gu Dexiang, Zoy Wei, Xie Tong, Mo Yonghong (1996).
Rheological models por Xanthan gum. Journal of Food Engineering, 27, 203-
209.
Zivorad R. Lazic (2004). Design of Experiments in Chemical Engineering.

WILEY-VCH Verlag GmbH 8 Co. KGaA, Weinheim. ISBN: 3-527-31142-4.
159
CAPTULO 8
PROYECTO DE INVESTIGACIN
En este captulo se desarrollan los siguientes temas:
Definicin del proyecto

Estructura de los proyectos de investigacin
Descripcin de la Estructura
Es recomendable que el lector revise los captulos anteriores antes de formular
un proyecto de investigacin.
8.1. DEFINICIN Y COMPONENTES
Se entiende por proyecto al conjunto ordenado de actividades encaminadas a

ejecutar una obra definida con el uso pre-establecido de determinados recursos.
El proyecto de investigacin es un documento en el que se presenta en forma

clara un problema de investigacin y se plantean coherentemente las actividades
encaminadas a resolverlo, consignando los recursos y los plazos necesarios.
Al formular el proyecto de investigacin se tienen dos propsitos:
1. Contar con una gua para la ejecucin planificada de la investigacin

2. Solicitar financiamiento para hacer viable el desarrollo del proyecto.
Una de las cualidades bsicas del investigador debe ser su capacidad de

organizacin y planificacin. Precisamente el proyecto de investigacin es el
instrumento esencial para garantizar un desarrollo eficiente del proceso de
investigacin. El proyecto de investigacin consigna con precisin las principales
actividades a ejecutar para alcanzar los objetivos propuestos. Tambin se detalla
en l los recursos tanto humanos como materiales necesarios para emprender
la investigacin. Es posible que durante la investigacin se encuentren
situaciones no previstas, pero un buen proyecto permite prever tambin cules
son las principales fuentes de incertidumbre.
Cuando se formula un proyecto con el propsito de solicitar financiamiento, es

probable que las entidades a las cuales se presenten dichos proyectos tengan
sus propios formatos, los cuales debern ser completados cuidadosamente. Sin
embargo, la estructura de referencia que se presenta en este texto contiene las
160
partes principales que todo proyecto de investigacin debe reunir. En la

presentacin de proyectos a entidades financieras deber demostrarse lo
siguiente:
Importancia del problema a investigar

Consistencia de la propuesta de investigacin
Solvencia acadmica y profesional de los participantes
Solicitud de recursos acorde a los objetivos propuestos
La solvencia acadmica y profesional de los ejecutores del proyecto se

demuestra mediante su currculo vitae y tambin a travs de los avances
alcanzados en investigaciones anteriores. Por ello, junto al proyecto de
investigacin se debern adjuntar los currculos de los integrantes del equipo
investigador, destacando las publicaciones en el rea de trabajo del proyecto de
investigacin.
Diversos autores coinciden en que los elementos bsicos de un proyecto de

investigacin son, por lo menos, los siguientes:
Tabla 8.1.- Componentes del Proyecto de Investigacin
RUBRO MARTNEZ LPEZ RUVALCABA CONCYTEC
Titulo
Titulo Titulo
Patos Generales Investigadores
Investigadores Investigadores
Instituciones
Resumen Palabras
Resumen Sntesis
claves
Justificacin
Problema
Problema Justificacin
Justificacin
Hiptesis Problema
Conceptualizacin Hiptesis
Objetivos Hiptesis
Objetivos
Tipo de Objetivos
Beneficio esperado
investigacin
Estado del arte

Antecedentes
Preguntas de
Antecedentes Marco Terico generales
investigacin Marco
del equipo investigador
Terico
Estrategia
metodolgica
Metodologa Metodologa Metodologa
Tcnicas de anlisis
de informacin
161
Grupo de investigacin
Participantes
Instituciones
Cronograma de
Implementacin Cronograma actividades Cronograma
de inversiones
Infraestructura Medios
Recursos Recursos fsicos Inversin y
presupuesto
Estrategia de Comunicacin de
Difusin
comunicacin resultados
Bibliografa Lista de referencias Bibliografa Referencias
Publica aparte
Evaluacin indicadores de
evaluacin
Referencias.- Martnez Lpez (2003); Ruvalcaba Mercado (2012);
CONCYTEC(2010)
En resumen, los contenidos mnimos para un proyecto de investigacin son:

datos generales, justificacin, planteamiento del problema, objetivos,
antecedentes o fundamentacin terica, metodologa de investigacin, diseo de
la investigacin, cronograma y presupuesto, as como bibliografa.
En la Figura 8.1 se presentan los elementos esenciales del Proyecto de

Investigacin y su relacin.
162
Figuro 8.1.- Componentes del Proyecto de Investigacin
Desarrollar una investigacin es un proceso iterativo, en el que se va mejorando

gradualmente la definicin del problema y las estrategias seleccionadas para
resolverlo.
Hoy, ms que nunca antes es necesario enfatizar en la necesidad de presentar

documentos breves y precisos. Como una regla genrica se puede asumir que
un proyecto de investigacin no debe contener ms de unas doce pginas. De
ellas, se recomienda que el marco conceptual no ocupe ms del 20 %, vale decir,
unas dos pginas.
En algunas reas de trabajo, como gentica o ciencia ambiental es muy

importante tomar en cuenta consideraciones ticas y aspectos legales vigentes.
En otras es necesario plantear con total claridad el tema de la propiedad
intelectual de los resultados del proyecto. Para ello se puede incluir una seccin
pertinente en el proyecto de investigacin, ya sea como un anexo o como parte
de la seccin sobre metodologa de trabajo (Universidad de La Sabana, 2013).
8.2. ESTRUCTURA DEL PROYECTO
Existen muchas estructuras posibles para los proyectos de investigacin. Dichas

estructuras pueden variar de acuerdo a los siguientes criterios:
Destinatario del proyecto,

Especialidad en la que se enmarca
163
Tipo de problema que se investiga

Institucin promotora del proyecto, y
Criterio del investigador que lo formula.
A continuacin, a modo de referencia, se presenta una estructura que puede ser

de utilidad para el ingeniero y el cientfico. Este esquema de proyecto es simple
pero completo, pudiendo aplicarse a investigaciones de diversa naturaleza. Por
supuesto que esta propuesta es de carcter referencial y podr ser modificada
cuando se vea por conveniente.
RESUMEN
1. DATOS NOMINALES DEL PROYECTO

1.1 Ttulo del Proyecto
1.2 rea en la que se inscribe
1.3 Responsable del proyecto
1.4 Fecha de presentacin
2. MARCO CONCEPTUAL
2.1 Marco Conceptual
2.2 Aportes del grupo de investigacin.
3. FUNDAMENTACION DEL PROYECTO
3.1 Definicin del Problema
3.2 Justificacin
3.3 Objetivos del Proyecto
3.4 Sistemas y Procesos
3.5 Anlisis de Variables
3.6 Hiptesis de trabajo
4. DISEO EXPERIMENTAL
4.1 Estrategia del desarrollo experimental
4.2 Variables Independientes y Dependientes
4.3 Niveles de las Variables
4.4 Muestra y Poblacin
4.5 Error experimental
4.6 Diseo de la experimentacin
5. METODOS Y MATERIALES
5.1 Protocolo de la experimentacin
164
5.2 Mtodos para valoracin de variables

5.3 Principales equipos e instrumentos
5.4 Materiales y su caracterizacin
5.5 Reglamentacin de seguridad en la experimentacin
5.6 Normas de impacto ambiental
6. IMPLEMENTACION
6.1 Relacin de actividades
6.2 Cronograma de actividades
6.3 Duracin total del proyecto
7. RECURSOS
7.1 Recursos humanos
7.2 Recursos materiales
7.3 Cronograma de inversiones
7.4 Financiamiento
8. EVALUACION
8.1 Indicadores para la evaluacin
8.2 Cronograma de evaluacin
9. PROGRAMA DE DIFUSIN
9.1 Publicaciones
9.2 Eventos cientfico - tecnolgicos
9.3 Otros medios
La estructura del proyecto puede ser ordenada de diversas formas. Por ejemplo,
se podra presentar la Fundamentacin del Proyecto antes del Marco
Conceptual. Esta Opcin introduce ms directamente el meollo de la
investigacin y podra ser preferida. Cuando se presenta el marco conceptual
podra redactarse ntegramente sin separar los aportes del equipo de
investigacin en una seccin aparte. Eventualmente se podra incluir una seccin
referida a Experiencia del Equipo Investigador, donde se destaquen los aportes
del mismo en el campo del proyecto de investigacin de modo que quede clara
su solvencia para desarrollar el proyecto.
La seccin referida a la evaluacin del proyecto podra no incluirse, pues es

probable que la institucin financiera tenga normas y procedimientos de
evaluacin ya establecidos.
165
8.3. DESCRIPCION DE LA ESTRUCTURA
RESUMEN DEL PROYECTO
El resumen usualmente es de una pgina de extensin y presenta los siguientes

contenidos:
Ttulo del Proyecto

Autores
Instituciones participantes
Justificacin abreviada
Objetivos
Duracin del proyecto
Inversin solicitada
Adicionalmente se puede incluir en el resumen las palabras clave para indexar

el proyecto.
8.3.1. DATOS NOMINALES DEL PROYECTO

1.1. TITULO DEL PROYECTO
El ttulo del proyecto se expresa en forma concisa pero precisa. Como

ejemplos tenemos:
Cintica de la extraccin del aceite de soya con isopropanol como

solvente.
Reologa y estabilidad de las mezclas de carbn bituminoso con
petrleo residual.
Evaluacin de ecuaciones de estado de tres parmetros para
compuestos polares.
En los ejemplos anteriores no se consignan las palabras investigacin o

estudio. Notar tambin que los ttulos son breves, pero enuncian con
precisin el problema. Para el primer ejemplo citado se podra enunciar el
ttulo como: Extraccin de aceite con solventes. Sin embargo, ste ltimo
resultara muy general pues, no se indica de qu aceite se trata, qu solvente
se emplea ni qu aspecto de la extraccin se estudiara. Eventualmente los
ttulos pueden ser an ms puntuales, por ejemplo: Efecto de la
166
concentracin de carbn bituminoso sobre la reologa y estabilidad de sus

mezclas con petrleo residual.
1.2. AREA EN LA QUE SE INSCRIBE
Se indica en qu rea del conocimiento se ubica el problema a investigar. La

UNESCO tiene una clasificacin codificada de las investigaciones en ciencias y
tecnologas (SKOS, 2014). Esta seccin, adems, tiene el propsito de ofrecer
palabras clave para que el proyecto pueda ser clasificado en bases de datos.
Por ejemplo: isopropanol, extraccin, aceite de soya, seran las palabras clave
pertinentes para el caso de una investigacin sobre la extraccin de aceite de
soya empleando como solvente isopropanol.
1.3. RESPONSABLE DEL PROYECTO
Se seala el nombre del responsable del proyecto y su cargo en la institucin. Si

existe un equipo de investigadores uno de ellos ser nominado como el
responsable del proyecto para propsitos tanto tcnicos como administrativos.
1.4. FECHA
Se consigna da, mes y ao de presentacin del proyecto.
8.3.2. MARCO CONCEPTUAL

2.1. MARCO CONCEPTUAL
El marco conceptual es el conjunto organizado de enunciados basados en

doctrinas, axiomas, teoras, leyes, postulados, mtodos y datos sobre el
problema que se investiga; es decir, resume el estado actual del
conocimiento, sustentndolo con las citas bibliogrficas correspondientes.
El marco conceptual debe destacar los aspectos ms significativos del
problema, especificando los vacos del conocimiento, las teoras
existentes (aclarando cules son las variables importantes y qu posibles
relaciones existen entre stas), de modo que sirvan de base para formular
los objetivos y las hiptesis. El marco conceptual debe desarrollarse
conforme a los lineamientos presentados en el captulo correspondiente.
2.2. ANTECEDENTES LOCALES
167
Se presenta la experiencia del investigador o del equipo de investigacin

en el rea del proyecto que contribuya a entender mejor el problema, a
sustentar la viabilidad de la propuesta y destacar la solvencia del equipo
investigador para encarar este problema. En caso de que el equipo de
investigadores recin vaya a incursionar en este campo de investigacin,
se puede obviar esta seccin. Tambin podrn incluirse los aportes del
equipo de investigacin dentro del marco conceptual, sin necesidad de
crear una seccin especfica de antecedentes locales.
8.3.3. FUNDAMENTACION DEL PROYECTO

3.1. DEFINICION DEL PROBLEMA
El problema de investigacin tiene dos componentes esenciales: el

enunciado y la descripcin. El enunciado deber indicar, de modo sinttico
y preciso, de qu trata la investigacin. En la descripcin del problema de
investigacin se deben considerar los siguientes elementos:
Los sistemas que se estudian

Los procesos involucrados
El contexto de la investigacin
El tipo de problema de investigacin
El anlisis de variables
El problema de investigacin debe ser formulado conforme a los

lineamientos del captulo correspondiente.
3.2. JUSTIFICACION
La justificacin indica las razones que motivan a desarrollar el proyecto;

stas pueden ser: valor terico, utilidad metodolgica, importancia
tecnolgica, relevancia social o econmica. Es una buena prctica dar a
conocer a qu grupo humano favorecern los resultados de la
investigacin. Adems hay que destacar la factibilidad de desarrollar el
trabajo, la originalidad del mismo y la posibilidad de verificar sus
resultados.
El valor terico es necesario ponerlo en relieve en investigaciones

cientficas, en tanto que el valor aplicativo, como la importancia
168
tecnolgica o la relevancia social, es apropiado para investigaciones

aplicadas.
Como razones tcnicas se pueden presentar la adaptacin, innovacin y

creacin de tecnologa, por cambios en los procesos, en los equipos, en
los insumos y en los productos.
La justificacin econmica demostrar que el producto de la investigacin

ofrece ventajas econmicas. La justificacin social consistir en destacar
que el producto de la investigacin beneficia a sectores de la poblacin.
3.3. OBJETIVOS DEL PROYECTO
Los objetivos deben detallar los resultados cualitativos que se esperan

alcanzar con la investigacin, expresando la cobertura y el enfoque de la
investigacin, tal como se establece en el tercer captulo. Conviene tener
slo un objetivo general y varios objetivos especficos (de preferencia no
ms de cuatro), si es pertinente. Caractersticas esenciales de los
objetivos es que deben ser precisos y evaluables, Obviamente los
objetivos deben guardar coherencia entre s. Es preciso enfatizar que los
objetivos:
Determinan de modo especfico los logros de la investigacin

Expresan relaciones entre las variables
Indican el tipo de problema investigativo
3.4. SISTEMAS Y PROCESOS
Se define para cada objetivo experimental cul es el sistema que se

estudia y qu procesos ocurren en dicho sistema. Complementariamente
es recomendable analizar los fenmenos que explican los procesos
involucrados, de modo que as ya se tiene una base terica que explica
los cambios en el sistema.
3.5. ANLISIS DE VARIABLES
Como consecuencia del anlisis de sistemas y procesos, se identifican

cules son las variables dependientes y cules las independientes. Se
especifican qu variables van a ser evaluadas. Cuando un determinado
proceso depende de un gran nmero de variables, es posible que algunas
169
de stas se mantengan constantes para evaluar el efecto de las que se

consideran ms significativas. Estas potenciales variables que se
mantienen constantes son llamadas parmetros, entonces habr que
establecer cules son los parmetros y con qu criterios se seleccionan.
Asimismo, es necesario identificar aquellas variables que no se pueden
controlar pero que tienen efecto en el experimento, a las cuales se
conocen como las variables intervinientes o interferencias. Por ejemplo,
cuando se trabaja con materiales de la naturaleza ya sean minerales o
especies vegetales, la composicin no es constante, generando
incertidumbre o error en los resultados experimentales. En ocasiones se
tienen impurezas o sustancias no deseadas, que afectan el curso de los
experimentos.
3.6. HIPOTESIS DE TRABAJO
Las hiptesis son proposiciones no verificadas que explican el problema

en estudio y cuya funcin es orientar la investigacin. En ingeniera esta
expresan relaciones presumibles entre las variables, en muchos casos
mediante funciones matemticas Dado que la ejecucin de un trabajo de
investigacin se basa en demostrar la validez de sus hiptesis, entonces
es muy importante su correcta formulacin. Es probable que para cada
objetivo especfico se plantee una hiptesis.
8.3.4. DISEO EXPERIMENTAL

4.1. ESTRATEGIA DEL DESARROLLO EXPERIMENTAL
En el planteamiento del problema y en la formulacin de los objetivos de

la investigacin se debe definir qu aspectos se van a investigar. En la
presente seccin se establece la estrategia para alcanzar los resultados
deseados. Consulte el captulo siete, que trata sobre este tema en
extenso. Se pueden considerar diversas estrategias para el trabajo
experimental:
a) Aplicacin de un modelo fenomenolgico y determinacin de sus

coeficientes. Por ejemplo, en la cintica de adsorcin de un metal
pesado sobre diatomeas, o la cintica de una reaccin cataltica
heterognea.
170
b) Estudio detallado de la influencia de pocas variables independientes,

mediante una funcin matemtica emprica. Se puede trabajar con
la tcnica de regresin mltiple. Por ejemplo, en la evaluacin del
balance hidroflico/lipoflico en una emulsin y el efecto de la
velocidad de agitacin.
c) Determinacin de la significancia relativa de varias variables y de
modelos matemticos empricos con el enfoque de la caja negra. Se
emplea el diseo factorial de experimentos.
d) Definicin de la composicin adecuada de un producto. Se puede
aplicar la programacin lineal para definir una primera aproximacin
al problema y luego complementar con alguna otra tcnica de
optimizacin.
e) Hallazgo de las condiciones ptimas para un proceso. Se cuentan
con diversas tcnicas de optimizacin. La seleccin de la tcnica a
aplicar depender del nmero de variables independientes, de las
restricciones en la optimizacin, de la forma de la funcin de
correlacin, entre otras.
f) Es necesario considerar la posibilidad de combinar algunas de las
tcnicas anteriores para lograr el objetivo deseado.
Entonces en la presente seccin se describe, qu mtodos o estrategias

experimntales se implementan en la investigacin para lograr los
objetivos propuestos.
4.2. VARIABLES INDEPENDIENTES Y DEPENDIENTES
Se especifican cules son las variables independientes que se van a

considerar en los experimentos, qu variables se mantienen constantes
en el proceso y cules son las razones que justifican la seleccin de as
variables independientes. Asimismo es necesario indicar las relaciones
existentes entre las variables independientes y las dependientes. Es
necesario que el anlisis de variables vaya precedido por el anlisis de tos
procesos que tienen lugar y de los sistemas en los cuales ocurren.
4.3. NIVELES DE LAS VARIABLES
171
Se conoce por nivel al valor que asume una variable. Por ejemplo si se
quiere obtener el perfil de la temperatura (variable independiente) sobre
la viscosidad (variable dependiente), se sealan cuatro niveles de
temperatura para los experimentos: 10, 25, 40 y 55 oC. Evidentemente el
nmero de niveles y el nmero de variables independientes influyen
grandemente sobre el nmero total de experimentos a realizar.
4.4. MUESTRA Y POBLACIN
En algunas, investigaciones es vital el modo cmo se toma la muestra a

investigar a partir de una poblacin. Por ello, se deber recurrir a mtodos
reconocidos para este propsito y se deber determinar el tamao de la
muestra conforme a las reglas de la estadstica.
4.5. ERROR EXPERIMENTAL
El modo de calcular el error en el trabajo experimental es repetir cuando

menos tres veces los experimentos y calcular la desviacin estndar
correspondiente. En algunos casos se repiten todos los experimentos; en
cambio, en otros/ se seleccionan experimentos representativos para
realizar las repeticiones.
4.6. DISEO DE LA^EXPERIMENTACIN
Se indican cuntos experimentos son necesarios, en qu consiste cada

experimento, qu variables se evaluarn y qu resultados se esperan. Por
ejemplo, en una investigacin sobre el mezclado de dos sustancias en un
tanque agitado se tienen como variables la geometra del sistema, la
proporcin de los materiales participantes, la temperatura y la velocidad
de agitacin. La variable dependiente o variable respuesta es la potencia
efectiva de agitacin y la uniformidad de la dispersin. La experimentacin
correspondiente se podra planificar del siguiente modo:
Tabla 8.2.- Diseo de la Experimentacin
TEMPERATUA
GEOMETRA1 FLUIDOS VELOCIDAD, 1/min
C
172
Hlice, sin deflectores, L/D=3 mezcla 1 20, 60, 100 20, 50, 100, 500
Hlice, con deflectores,

mezcla 2 20, 60, 100 20, 50, 100, 500
L/D=3
Hlice, con deflectores.

mezcla 1 20, 60. 100 20, 50, 100, 500
L/D=2
Hlice, con deflectores,

mezcla 2 20, 60, 100 20. 50, 100, 500
L/D=2
Este ejemplo es bastante simple e ilustra el caso de la evaluacin del proceso

de mezclado de dos sustancias sujetas a diferentes concentraciones,
geometras, temperaturas y velocidades de agitacin.
El nmero total de experimentos ser de 4x2x3x4 = 96. Cuatro, corresponde al

nmero de niveles de la variable Geometra; dos, al nmero de niveles de la
variable Fluidos; tres, al nmero de niveles de la variable Temperatura; y,
finalmente, cuatro al nmero de niveles de la variable Velocidad. Estas son todas
las combinaciones posibles de las variables entre s; como se ver en el captulo
nueve, existen diversas estrategias para reducir el nmero de experimentos.
8.3.5. MTODOS Y MATERIALES

5.1. PROTOCOLO DE LA EXPERIMENTACIN
Se describe con precisin cada paso a seguir para realizar los

experimentos. Por ejemplo, para evaluar la cintica de una reaccin
microbiana, se indica en detalle la preparacin de soluciones, su
introduccin en el fermentador, las condiciones de temperatura y pH del
proceso, as como los mtodos de control respectivos, los detalles de la
toma de muestras con el paso del tiempo y otros aspectos que se
consideren necesarios.
5.2. MTODOS PARA VALORACIN DE VARIABLES
Se anotan las tcnicas seleccionadas para la evaluacin de cada una de

las variables Por ejemplo, la concentracin de un azcar se medir
mediante refractometra o, la formacin de un polmero se sigue mediante
173
la viscosidad de la solucin. El consumo de sustrato se mide mediante

espectrofotometra y la concentracin celular por microscopa.
5.3. PRINCIPALES EQUIPOS E INSTRUMENTOS
Se indican slo los equipos e instrumentos principales. Para el caso del

estudio de la cintica de fermentacin, el equipo empleado podra ser un
fermentador de acero inoxidable provisto con un bao termosttico, un
agitador, una bomba para la dosificacin de reactivos, un purificador de
aire, etc. El pH se monitorea con un potencimetro/pHmetro, la
concentracin celular se mide con un microscopio y la concentracin de
azcar con un refractmetro.
5.4. MATERIALES Y SU CARACTERIZACIN
Se especifican los principales materiales e insumos a emplear.
5.5. REGLAMENTACIN DE SEGURIDAD
Debe considerar los riesgos potenciales en la experimentacin y las

medidas preventivas correspondientes.
5.6. NORMAS DE IMPACTO AMBIENTAL
Es necesario indicar el modo cmo se dispondrn los residuos de la

experimentacin, y todos los aspectos que afecten el medio ambiente.
8.3.6. IMPLEMENTACION
6.1. ACTIVIDADES PRINCIPALES
Se listan y describen las actividades principales del proyecto. A modo de ejemplo

se presenta la siguiente tabla.
Tabla 8.3.- Duracin de Principales Actividades
PURACIN
CODIGO DESCRIPCION
Semanas
A1 Revisin bibliogrfica 08
A2 Formulacin del marco conceptual 04
174
A3 Adquisicin de equipos y materiales 06
A4 Implementacin de laboratorio 04
Planteamiento de estrategia
A5 04
experimental
A6 Ejecucin de la experimentacin 12
A7 Ordenamiento de resultados 02
A8 Anlisis de resultados 06
A9 Redaccin del informe final 04

Difusin de los resultados de la
A10 04
investigacin
6.2. CRONOGRAMA DE ACTIVIDADES
Es conveniente graficar, en un diagrama tipo Gantt, la secuencia de

ejecucin de las actividades y su duracin, de modo que se pueda
visualizar con claridad el tiempo de ejecucin del proyecto. Si el proyecto
es muy extenso, entonces ser conveniente descomponerlo en etapas,
para una mejor organizacin del mismo. Acto seguido se presenta una
tabla que muestra el cronograma de las actividades listadas en 8.3.
Tabla 8.4.- Cronograma del Proyecto
Cdigo
Semanas
Activi
02 04 06 08 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44
A1
A2
A3
A4
A5
A6
A7
A8
A9
175
A10
Para la planificacin y el control de la ejecucin de proyectos se cuenta

con abundante software que puede ser til.
6.3. DURACION TOTAL DEL PROYECTO
Debe contener la duracin exacta del proyecto. Para el ejemplo anterior

seran 44 semanas.
8.3.7. RECURSOS PARA EL PROYECTO

7.1. RECURSOS HUMANOS
Se registra todo el personal que participa en el proyecto, indicando su

funcin y el tiempo dedicado. Si ya se tiene definido el personal, habr
que incluir su nombre y su experiencia en el trabajo a realizar.
Para determinar el costo de los recursos humanos se debe indicar el

sueldo o estipendio que recibir cada uno de los participantes del
proyecto. Se puede incluir como aporte propio los sueldos del personal
que sean pagados por otra institucin.
Por ejemplo, se puede consignar la informacin necesaria en una tabla

del siguiente formato, asumiendo 6 meses de trabajo:
Tabla 8.5.- Costo de Recursos Humanos
7.2. RECURSOS MATERIALES
Se listan todos los recursos materiales a usarse en el proyecto, anotando

su costo y clasificndolos por rubros, Como por ejemplo los siguientes:
Infraestructura e instalaciones
Equipos e instrumentos
Materiales e insumos de laboratorio
Servicios de laboratorio
Bibliografa y software
Servicios de cmputo
Material de escritorio y comunicaciones
176
transportes y viajes.
Estos datos tambin se pueden tabular, tal y como se hizo en el caso de

los recursos humanos. Por ejemplo, en el caso del rubro de equipos e
instrumentos, se podra estructurar la siguiente tabla:
Tabla 8.6 - Costo de Equipamiento
CANTI COSTO en US Dollars

No. CONCEPTO
DAD Unitario Tota
Viscosmetro rotacional digital
1 1 7300 7300
plato/cono
2 Bao termosttico automtico 1 3500 3500
3 Peachimetro/Potencimetro digital 1 580 580
4 Computador Personal 2 790 1580
5 Impresora Lser 1 450 450
Software de adquisicin y tratamiento
6 1 1100 1100
de datos
Espectrofotmetro UV/visible de ptica
7 1 12600 12600
fija
SUB-TOTAL EQUIPAMIENTO 27110
Para registrar el costo de los recursos materiales se clasifican los costos

totales por partidas, indicando cul es el aporte propio en cada caso y cul
es el aporte solicitado a la entidad financiera.
Tabla 8.7.- Costo de los Recursos Materiales
COSTO en US Dollars
RUBRO DE RECURSOS MATERIALES Aporte Aporte
Total
Propio Solicitado
Infraestructura e Instalaciones 2600 2600
Equipos e Instrumentos 16550 13160 29710
Materiales e Insumos de Laboratorio 1300 1300
Servicios de Laboratorio 450 300 750
Bibliografa y software 550 790 1340
Servicios de cmputo 270 270
Material de Escritorio y comunicaciones 400 400
Transportes y viajes 300 600 900
177
SUB-TOTAL RECURSOS MATERIALES 20720 16550 37270
Algunos autores recomiendan destacar los recursos institucionales,

indicando con qu equipamiento e infraestructura se cuenta, lo cual es un
indicador de la experiencia institucional en el rea de trabajo (University
of Illinois at Urbana-Champaign, 2014). Dado que se compite con otras
instituciones por los recursos del financiamiento es conveniente hacer
hincapi en las capacidades institucionales para culminar exitosamente el
proyecto.
7.3. CRONOGRAMA DE INVERSIONES
En forma tabular se presenta el desembolso correspondiente a cada una

de las partidas de costos en perodos regulares (por ejemplo, trimestres).
Tabla 8.8.- Cronograma de Inversin del Aporte Solicitado
TRIMESTRE Total
RUBRO DE COSTO
1 2 3 4 en US$
Recursos Humanos 1950 1950 1950 1300 7150
Infraestructura e Instalaciones 0
Equipos e Instrumentos 7300 5860 13160
Materiales e Insumos de Laboratorio 1300 1300
Servicios de Laboratorio 300 300
Bibliografa y software 790 790
Servicios de cmputo 0
Material de Escritorio y comunicaciones 150 150 100 400
Transpones y viajes 300 300 600
SUB-TOTAL 10190 9560 2350 1600 23700
En la tabla se ha supuesto que el aporte mensual solicitado para el pago

de personal se estructura del siguiente modo: $ 350 al coordinador por
medio tiempo; y S 300 por pago a un asistente por tiempo completo.
7.4. FINANCIAMIENTO
178
Se indican las fuentes potenciales de financiamiento. Por ejemplo: aporte

de la industria, aporte de la universidad, subvencin de instituciones
promotoras de ciencia y tecnologa, etc.
8.3.8. EVALUACION
8.1. INDICADORES
Varas (2006) identifica tres fases en un proyecto de investigacin:

planificacin, ejecucin y conclusin. Entonces, se pueden elaborar
indicadores para controlar la gestin en cada una de estas etapas. Se
precisan los criterios para evaluar el proyecto. Por ejemplo, productos
alcanzados, cumplimiento de cronograma, intensidad de uso del equipo
solicitado, relacin inversin/producto, publicaciones sobre la
investigacin, etc.
En la siguiente Tabla se presenta, a modo de ilustracin, algunos

indicadores y medios de verificacin. Los medios de verificacin son los
documentos que prueban la satisfaccin de los indicadores, que pueden
ser reportes, artculos, inventarios, fotografas, etc.
Tabla 8.9.- Indicadores de Evaluacin del Proyecto de Investigacin
ETAPA INDICADOR MEDIO DE VERIFICACIN
Coherencia de la propuesta
Proyecto de investigacin
conceptual
Pertinencia de los recursos
Planificacin Proyecto de investigacin
solicitados
Solvencia del equipo investigador CV de los investigadores
Cumplimiento de cronograma Informes parciales de avance

Intensidad de uso del equipo
Ejecucin Informes parciales de avance
solicitado
Inversin adecuada de recursos Auditora contable
Informe final de la
Productos obtenidos
investigacin
Informe final de la
Relacin inversin/producto
investigacin
Conclusin
Artculos publicados.
Publicaciones sobre la investigacin
Participacin en congresos |
179
8.2. CRONOGRAMA DE EVALUACION
Se establecen las fechas para evaluar los avances del proyecto y los
productos logrados.
8.3.9. PROGRAMA DE DIFUSIN

9.1. PUBLICACIONES
En el proyecto se consigna la relacin de publicaciones planificadas para

difundir los resultados de la investigacin.
9.2. EVENTOS CIENTFICO - TECNOLGICOS
Son la plataforma natural para la presentacin y discusin de trabajos

cientficos y tecnolgicos. En el proyecto se pueden consignar los eventos
en los cuales se presentaran ponencias.
ACTIVIDADES
1. Formule un proyecto para la investigacin de su inters, con las siguientes

especificaciones:
1.1. La fundamentacin del proyecto incluye los siguientes contenidos:
problema de investigacin, justificacin, objetivos e hiptesis de
investigacin.
1.2. Se acompaa un algoritmo conceptual indicando los conceptos
ms significativos.
1.3. Se presentan los mtodos experimentales, los mtodos de
evaluacin de las variables de inters y el equipamiento requerido.
1.4. Se indica la duracin total del proyecto y de sus principales
actividades
1.5. En forma tabular se especifica el presupuesto del proyecto, que
detalla los siguientes rubros de costos: materiales, equipos,
informacin, personal, viajes y viticos y otros.
1.6. El proyecto tiene una extensin mxima de 8 pginas.
2. Presente el Curriculum Vitae de cada uno de los miembros del equipo de
investigacin y del asesor de su investigacin. Debe destacar la
experiencia en el rea de la investigacin propuesta.
180
3. Prepare una tabla de evaluacin del proyecto de investigacin,

especificando los criterios principales de la evaluacin y el peso relativo
de los mismos.
4. Prepare un diagrama donde demuestre la consistencia conceptual,
metodolgica y financiera de su propuesta.
REFERENCIAS BIBLIOGRAFICAS
Consejo Nacional de Ciencia, Tecnologa e Innovacin, CONCYTEC (2010).

Proyectos de Investigacin, Lima. Formato difundido en pgina web
www.concytec.qob.pe
Martnez Lpez, Jos Samuel. Formato para elaborar Proyectos de

Investigacin. Mxico D.F. 2003.
http://mx.qeocities.com/sequimientoycapacitacion/
Ruvalcaba Mercado, Jess. Diccionario Temtico CIESAS, Propuesta de

Modelo de Proyecto de Investigacin. Mxico. 2012.
http://www.ciesas.edu.mx/Publicaciones/diccionano/
Diccionario%20CIESAS/TEMAS%20PDF/Ruvalcaba%20104b.pdf
Simple Knowledge Organization System SKOS (Consulta diciembre 2014).

Nomenclatura de Ciencia y Tecnologa de la UNESCO,
http://skos.um.es/unesco6/00/html
Universidad de La Sabana (2013). Guia-formato para la elaboracin y

presentacin de proyectos de investigacin cientfica y tecnolgica. Direccin
de Investigacin. Colombia.
University of Michigan at Urbana-Champaign (2014). Writing o Research

Proposal. University Library.
http://www.librarv.illinois.edu/learn/research/proposal.html
Varas, Marinka (2006). Indicadores para la Gestin de Proyectos de: Una

Aplicacin o Grupos Universitarios. X Congreso de Ingeniera de Organizacin,
Valencia Espaa.
181
CAPTULO 9
MODELOS MATEMATICOS
En este captulo se presentan los siguientes conceptos:
Concepto de sistema
Bases sobre modelos matemticos
Modelos fsicos
Criterios de similitud
Teorema de Pl-Buckinham
Modelos matemticos
Tipos de modelos matemticos
Desarrollo de los modelos
Ejemplos varios
9.1. SISTEMAS
El primer paso para desarrollar un modelo matemtico es definir a qu sistema

se aplica y qu procesos representa.
Se llama sistema a una porcin del universo definida arbitrariamente para su

estudio. El sistema contiene un conjunto de componentes interrelacionados. Por
ejemplo, un sistema fsico-qumico comprende a un conjunto de procesos fsicos
y qumicos que interactan entre si y a equipos, instrumentos y materiales que
los hacen posibles.
Como un ejemplo sencillo se tiene el proceso de transferencia de calor de un

bloque metlico que tiene una temperatura de 300 C, con otro bloque metlico
que tiene temperatura ambiente. Si el propsito es estudiar la transferencia de
calor entre ambos bloques, entonces se deber seleccionar como sistema uno
slo de los bloques, de modo que en el borde del sistema se registre la
transferencia de calor. Si se selecciona como sistema a ambos bloques,
entonces no se aprecia la transferencia de calor en el borde del mismo; es decir,
esta seleccin es incorrecta Por ello, anteriormente se ha establecido que la
definicin del sistema es arbitraria en funcin de los objetivos del estudio.
182
Como se ilustra en la figura 9.1, todo sistema tiene informacin de entrada y de

salida as como perturbaciones. La informacin de entrada puede ser la
temperatura, presin y composicin de materias primas; la salida, en cambio,
puede ser la temperatura, presin y composicin de productos. Adicionalmente,
existe informacin no deseada que ingresa al sistema denominada
perturbaciones. Como ejemplo de perturbaciones se tienen cambios en la
composicin de los materiales, afectada por la presencia de materias extraas
txicas, o cambios no previstos en las condiciones ambientales que afectan al
sistema.
Figuro 9. 7 Vanantes en un sistemo
Para compensar las perturbaciones usualmente los procesos son controlados

mediante la manipulacin de ciertas variables.
Los sistemas pueden ser de pequea o gran escala. Un sistema de pequea

escala se limita a un slo proceso. Un sistema de gran escala est conformado
por un conjunto de sistemas de pequea escala. Sus principales caractersticas
son: (1) integralidad, es decir, que deben satisfacer varios objetivos
simultneamente; (2) gran escala y multiplicidad de funciones; (3)
comportamiento complejo; y, (4) aspectos conflictivos que tienden a reducir la
eficiencia del sistema (Kafarov, 1976, p. 10). Un ejemplo de sistema de pequea
escala sera un caldero de una instalacin industrial; en cambio, un sistema de
gran escala sera una planta industrial para la produccin de metil iso butil
cetona.
183
Las propiedades de un sistema no es la suma de las propiedades de sus

componentes; sin embargo, las propiedades de los componentes afectan al
sistema en su conjunto. En un sistema de ingeniera de procesos, las
propiedades del sistema son usualmente el resultado de interacciones altamente
no lineales entre sus componentes.
Un sistema tiene un borde o frontera que lo distingue del ambiente. La interaccin

entre el sistema y su entorno determina el tipo de sistema y sus principales
caractersticas.
Existen tres aspectos bsicos que definen un sistema (Ehlnashaie 8 Uhlig, 2007,
p. 57):
El estado del sistema

Las variables de entrada al sistema
Las condiciones iniciales
El estado del sistema
El estado del sistema se define rigurosamente por las variables de estado del
sistema. Dichas variables de estado del sistema se seleccionan en concordancia
con su naturaleza. Como ejemplo, el estado de un caldero se define mediante la
temperatura y la presin; el estado de un reactor no isotrmico, se caracteriza
por la concentracin y la temperatura de sus componentes; y, el estado de un
bioreactor se define por la concentracin del sustrato y el pH.
Variables de Entrada
Estas variables son externas al sistema (por lo que no son variables de estado),
pero afectan al sistema, influyen sobre l. Por ejemplo, la temperatura de
alimentacin y la composicin de la corriente de entrada a una columna de
destilacin
Condiciones Iniciales
Para los sistemas que no han alcanzado el estado estacionario o el equilibrio

termodinmico, no se puede determinar el comportamiento en funcin del tiempo
sin conocer las condiciones iniciales, o los valores de las variables de estado al
inicio del proceso cuando el tiempo es igual a cero. En cambio, cuando se
184
conocen las condiciones iniciales, el comportamiento del sistema es determinado

unvocamente.
Clasificacin de los Sistemas
En Ingeniera de Procesos los sistemas se pueden clasificar por las siguientes

caractersticas (Ehlnashaie & Uhlig, 2007, p. 61):
a. Variacin con respecto al tiempo Modelos en estado estacionario

Modelos en estado no estacionario
b. Variacin espacial de las variables de estado Modelos conglomerados
c. Modelos distribuidos: variables de estado se encuentran distribuidas
espacialmente
d. Dependencia funcional de las expresiones cinticas Modelos lineales
e. Modelos no lineales
f. Tipo de procesos en la frontera del sistema Transferencia de masa (Ej.:
absorcin isotrmica)
g. Transferencia de calor (Ej.: intercambiador de calor)
h. Transferencia de momento (Ej.: bombas o compresores)
i. Reacciones qumicas (Ej.: reactor homogneo)
j. Combinacin de alguno de los anteriores (Ej.: reactores heterogneos)
k. Nmero de fases en el sistema Modelos homogneos
l. Modelos heterogneos (varias fases)
m. Nmero de etapas en el sistema Una etapa (Ej.: vaporizador flash)
n. Varias etapas (Ej.: columna de destilacin)
o. Modalidad de operacin Discontinuo
p. Semi-continuo %...
q. Continuo
r. h Relacin trmica con el entorno Adiabtico
s. No adiabtico (intercambio de calor con el medio)
t. Caractersticas trmicas del sistema Isotrmico No isotrmico
185
9.2. BASES SOBRE MODELOS
Un modelo es una representacin de un sistema dado. Generalmente el modelo

contiene slo los aspectos ms importantes del sistema, por lo que se constituye
en una representacin simplificada. Por ejemplo, las maquetas que construyen
los arquitectos son modelos fsicos que representan sus proyectos.
En trminos generales los modelos se pueden clasificar en fsicos y en

matemticos. Por ejemplo, si se estudia el tratamiento de un agua residual en un
espesador, se puede construir un pequeo tanque agitado para evaluar en
pequea escala la tecnologa propuesta. Este tanque agitado constituye un
modelo fsico de un espesador comercial, que regularmente tiene grandes
dimensiones. Pero, tambin sobre este problema se puede formular un modelo
matemtico que permita conocer el comportamiento de la floculacin de
elementos indeseables en el espesador.
En muchos casos los modelos fsicos son construidos para generar informacin
que permita comprender los procesos involucrados en el sistema bajo estudio y,
a su vez, proveer informacin para la formulacin de modelos matemticos y su
evaluacin.
Los modelos en la etapa de investigacin pueden inicialmente ser sencillos y

gradualmente se les va detallando. Para iniciar el modelamiento se descompone
el proceso en unidades elementales. En el caso de la ingeniera de procesos,
dichas unidades estn conformadas por los balances de materia, energa y
entropa, as como los fenmenos del equilibrio de fases, equilibrio qumico,
propiedades fsico-qumicas de los materiales, cintica qumica y cintica de
transferencia de calor y masa (Dobre & Snchez, 2007, p.12).
9.3. MODELOS FSICOS
Cuando se desarrollan descubrimientos de inters a nivel de laboratorio,

conviene explorar su posibilidad de implementar la tecnologa de produccin
correspondiente a nivel industrial. Entonces la investigacin pasa por varias
fases: nivel laboratorio, banco de pruebas, planta piloto y planta industrial. A este
proceso de ir incrementando la escala, para afinar la tecnologa oe produccin
186
se le llama escalado (scale up, en ingls). Para cambiar de escala se recurre al

modelamiento fsico.
En el modelamiento fsico el proceso de inters es reproducido en diferentes

escalas y se analizan los efectos del cambio de escala sobre el comportamiento
del sistema. Como su nombre lo indica, los modelos fsicos son prototipos reales
del proceso investigado. Por ejemplo, cuando se cambia de escala de un tanque
reactor agitado con chaqueta de vapor, para la reaccin qumica interesa el
volumen del reactor; en cambio, para la transferencia de calor a travs de la
chaqueta importa el rea de la misma Entonces existen aspectos contradictorios
que es necesario afinar Cuando se trabaja con procesos complejos, donde
existen varias fases, resulta prcticamente impredecible ei efecto del cambio de
escala.
En el proceso de escalado, los datos experimentales obtenidos se arreglan

involucrando grupos adimensionales que resultan de combinar propiedades de
los fluidos, factores geomtricos del sistema y coeficientes de transporte. Esta
representacin mediante grupos adimensionales posibilita la generalizacin de
los modelos a procesos que guarden determinados criterios de similitud, es decir,
que mantengan constantes los valores de los grupos adimensionales. Los
grupos adimensionales pueden ser derivados a partir de modelos
fenomenolgicos (Dickey y Fenic, 1976) o mediante el anlisis dimensional,
aplicando el mtodo de Rayleigh o Teorema de Buckingham (Perry -Green -
Maloney, p.2-113).
Figura 9.2.- Similitud geomtrica de un sistema
187
El modelamiento fsico consiste en encontrar los mismos criterios de similitud

para el modelo y el proceso real. Usualmente se parte de un modelo fsico
pequeo a escala laboratorio y gradualmente se va aumentando su tamao, de
modo que se mantengan los criterios de similitud. Como ya se indic, a este
procedimiento se le llama escalado, es decir, cambiar la escala de
experimentacin.
El modelamiento fsico ha mostrado su utilidad para el anlisis de procesos

determinsticos relativamente sencillos donde se tienen pocos factores
adimensionales, como por ejemplo en el flujo de fluidos o el transporte de calor
por conveccin en una sola fase. Para procesos ms complejos, el anlisis
dimensional es impracticable debido a las contradicciones que se generan entre
los criterios de similitud.
Como resultado del modelamiento fsico se obtienen ecuaciones semi-empricas,

que luego pueden ser incorporadas a modelos matemticos.
9.4. CRITERIOS DE SIMILITUD
Los criterios de similitud se refieren a las relaciones existentes entre sistemas

fsicos de diferente tamao. Se pueden identificar los siguientes tipos de
similitudes:
geomtrica
mecnica
trmica
qumica.
Se dice que dos cuerpos son geomtricamente similares cuando a cada punto
de uno de los cuerpos le corresponde uno equivalente en el otro cuerpo. Por
ejemplo si se tienen dos tanques verticales, el primero tiene un dimetro de 30
cm y una altura de 60 cm; el segundo tiene un dimetro de 2 m y una altura de
4 m. En ambos tanques la relacin altura versus dimetro (L/D) es igual a dos,
lo que indica que los tanques son geomtricamente similares
La similitud mecnica puede ser esttica, cinemtica o dinmica. La similitud

esttica se aplica a slidos y se dice que dos cuerpos son estticamente
similares si, siendo geomtricamente similares, cuando son sometidos a
188
esfuerzos constantes, su deformacin relativa es tal que permanecen

geomtricamente similares.
Figura 9.3.- Escala de los criterios de similitud
La similitud cinemtica se refiere a sistemas en movimiento. Sistemas

geomtricamente similares son tambin cinemtica mente similares cuando
partculas correspondientes trazan rutas geomtricamente similares en tiempos
correspondientes similares. Es decir, dos sistemas son cinemtica mente
similares si sus patrones de flujo son iguales. El patrn de flujo se evala con el
Nmero Adimensional de Reynolds:
NRe = d u p / (9.1)
Siendo
d El dimetro del ducto o alguna longitud caracterstica, en m
u Velocidad lineal en m/s
p Densidad del fluido, en kg/m3
Viscosidad, en Pa.s
La similitud dinmica se refiere a las fuerzas actuantes sobre un sistema

conformado por partculas slidas o fluidos. Dos sistemas que presentan
similitud geomtrica y cinemtica son dinmicamente semejantes cuando las
razones de las fuerzas que actan sobre ellos son iguales. Es decir, las razones
de fuerzas que ocurren en el modelo fsico y el equipo son constantes:
189
Siendo las F' correspondientes al modelo y las F al equipo.
En sistemas de flujo de fluidos, la similitud dinmica es de importancia directa

cuando se desea predecir cadas de presin o consumo de energa.
La similitud trmica ocurre cuando dos sistemas geomtricamente similares,

presentan relaciones de gradientes de temperatura correspondientes y, si estos
se encuentran en movimiento, son cinemtica mente similares.
9.5. TEOREMA DE PI -BUCKINGHAM
El teorema de pi-Buckingham establece que:
Si un proceso es caracterizado por una ecuacin que comprende m variables,

entonces esta ecuacin se puede reducir a m-n grupos adimensionales, donde
n representa el nmero de dimensiones empleadas para describir las variables.
Tales grupos adimensionales son llamados "trminos Pi". En sntesis esta

metodologa plantea que una ecuacin que representa un sistema fsico, tal
como:
Puede ser transformada en una nueva funcin de grupos adimensionales:
Las etapas para desarrollar el presente mtodo de similitud son las siguientes:
1. Determinacin de los grupos Pi. Se deben seleccionar las variables de

inters que incluyen: factores geomtricos, tal como dimetro y longitud;
propiedades fsicas de los fluidos, como densidad, viscosidad, capacidad
calorfica, conductividad trmica; y, efectos del proceso, como cada de
presin unitaria. Un aspecto importante es que las variables deben ser
independientes, por ejemplo no es posible seleccionar el dimetro de la
190
tubera y el rea de la seccin transversal al flujo, porque el segundo

depende del primero.
2. Establecimiento de la frmula dimensional para cada variable. Para un
problema tpico de ingeniera de procesos se consideran las siguientes
dimensiones bsicas: masa (M), longitud (L), tiempo (T) y temperatura (0).
Todas las variables se deben poder expresar en trminos de estas
dimensiones. Por ejemplo, la cada de presin por unidad de longitud ser
igual a: presin/longitud; fuerza/rea/longitud, masa,
aceleracin/rea/longitud, terminando en M L2 T2
3. Determinacin del nmero de trminos Pi requeridos. Recurdese que
el nmero de trminos Pi es m-n, siendo m el nmero de variables y n el
nmero de dimensiones (por ejemplo, M, L, T y 0).
4. Seleccin de un grupo no completo conteniendo el mismo nmero de
variables que de dimensiones bsicas. Se selecciona un grupo de
variables, de modo que se combinen con otras variables para formar un
trmino Pi. Las variables contenidas en el grupo Pi no completo no cambian
durante el desarrollo del mtodo. De otro lado, todas las dimensiones deben
estar contenidas en el grupo no completo. Cada variable repetida debe ser
dimensionalmente independiente de las otras. Una variable repetida no se
puede combinar con otras variables repetidas para conformar grupos
adimensionales. Es recomendable no seleccionar la variable dependiente
como una variable repetida, dado que esta variable aparecera en ms de un
grupo adimensional y entonces la separacin de la variable dependiente
seria dificultosa.
5. Desarrollo de los trminos Pi, uno a la vez, multiplicando una variable
no repetida con un grupo no completo, que contiene la variable repetida
necesaria para lograr los exponentes diferentes. Cada grupo
adimensional Pi tendr la siguiente estructura: x ,xa .XP .x? (pg. 201),
donde x1 es una variable que no se repite y x., x;, x, son variables que se
repiten de un grupo no completo. Los exponentes a* P- Y se determinan para
lograr una combinacin adimensional. Se tendrn tantos exponentes como
dimensiones existan en el problema. Los valores de los exponentes se
calculan mediante un sistema algebraico de ecuaciones lineales que
permitan obtener un grupo adimensional Pi.
191
6. Verificacin del carcter adimensional de los grupos Pi obtenidos Para

esta verificacin se reemplazan las variables por sus correspondientes
dimensiones, por ejemplo, M, L, T y 0.
7. Formulacin de la forma final de la funcin en trminos de los grupos
Pi En principio se debe obtener una funcin de la forma (9.4). Las variables
dependientes se debern encontrar en el numerador del grupo n1. Si el
mtodo ha sido aplicado acertadamente, entonces se podr contar con un
modelo que representa al sistema. Experimentalmente se deber establecer
la relacin entre los grupos adimensionales.
Ejemplo.- Transporte de un fluido a travs de una tubera que est siendo

calentada. Se trata de un fluido newtoniano incompresible que fluye por una
tubera horizontal de forma circular que tiene paredes lisas. Esta tubera est
siendo calentada desde el exterior. En este caso interesan dos caractersticas
muy importantes para el diseo:
a. La cada de presin por unidad de longitud de tubera como resultado de

la friccin
b. El coeficiente de transferencia de calor que describe la cintica de la
transferencia de calor desde la tubera hasta el seno del fluido.
Caso 1.- Cada de Presin
La cada de presin por unidad de longitud (Ap/l) al interior de una tubera

horizontal, se supone que es dependiente de: (a) factor geomtrico, como el
dimetro {d); (b) propiedades del fluido, vale decir, densidad (P) y viscosidad (H);
(c) condiciones de operacin, tal como la velocidad del fluido (u). Expresando
cada una de estas variables en trminos de sus dimensiones bsicas, se tiene:
Para determinar el nmero de grupos Pi se contabilizan las variables m - 5 y las

dimensiones n = 3 (M, L, Ti, implica que se obtendrn m-n - 2 grupos
adimensionales. Para conformar el grupo adimensional incompleto con variables
repetidas se seleccionan tres variables de las cuatro variables independientes
192
existentes (d. p. r. u). Es necesario recordar que la variable dependiente no debe

ser una variable repetida. En general, se seleccionan las variables
dimensionalmente ms sencillas. Este grupo adimensional incompleto debe
contener todas las dimensiones del problema; en este caso se emplearn como
variables repetidas d.uyp . El primer grupo adimensional debe contener adems
de las variables repetidas a la variable dependiente, en este caso, A p/l,
quedando:
Es preciso verificar que el grupo sea efectivamente adimensional. Las

dimensiones presentes son M, L y T. Para ello cada una de las variables
involucradas debe ser expresada en trminos de dichas dimensiones. Entonces,
reemplazando las expresiones (9.5) en la ecuacin (9.6) se obtiene:
Generando el siguiente sistema de ecuaciones:
Resolviendo el sistema (9.8) se encuentran los valores de los exponentes, 0= *1-

3= -1 y Y= -2 , resultando:
Este procedimiento se repite para las variables no repetidas, que en este ejemplo
se reduce a la viscosidad H. Entonces el nuevo grupo adimensional constar de:
Reemplazando en cada variable las dimensiones correspondientes se obtiene:
193
Igualando los exponentes para cada dimensin bsica, se formula un sistema de

ecuaciones anlogo al (9.8):
Resolviendo el sistema los resultados son: = -1; = -1; =-1 entonces el

segundo grupo adimensional es:
De acuerdo al sexto paso de la metodologa establecida anteriormente, se

verifica que los grupos Pi sean efectivamente adimensionales, lo que si ocurre
en este ejemplo. Es decir, que 1 = (2):
Finalmente se establece la forma de la funcin en trminos de los grupos Pi.

Esto se realiza experimentalmente:
Sustituyendo la definicin del Nmero Adimensional de ReynoldsRe - dup/n se

obtiene:
Siendo f = c(Re)r el factor de friccin de Fanning.
Caso 2.- Coeficiente de Transferencia de Calor
194
Ahora se tratar el problema de la transferencia de calor hacia el interior de la

tubera, para lo cual se desea determinar una expresin para el coeficiente de
transferencia de calor por conveccin. Para este propsito las variables a
considerar son las siguientes:
Siendo h el coeficiente de transferencia de calor por conveccin, k la

conductividad trmica del fluido, Cp, la capacidad calorfica del fluido. Las dems
variables ya han sido definidas anteriormente. El segundo paso del algoritmo
consiste en expresar las variables en trminos de sus dimensiones:
En el paso 3 se determina el nmero de grupos adimensionales. En este caso

se tienen cuatro dimensiones (M, L, T, ) y siete variables, resultando m-n = 7-4
= 3. En el paso 4 se deben identificar las variables (en nmero igual a las
dimensiones, n=4) que conformarn un grupo incompleto. Las variables de este
grupo incompleto luego sern asociadas con cada una de las variables no
repetidas para conformar los tres grupos adimensionales. Como se destac en
el caso 1, la variable dependiente no puede ser una variable del grupo
incompleto. Entonces el grupo incompleto se conforma a partir de las siguientes
variables: d, p, n, k, pues contienen todas las dimensiones del problema. El
primer grupo adimensional se estructura multiplicando estas variables repetidas
con la variable dependiente h:
Reemplazando por las respectivas dimensiones y aplicando la condicin de

adimensional, se tiene:
195
De donde se obtiene un sistema de ecuaciones para determinar los valores de

los exponentes:
Resultando: = 1, = 0, Y = 0, = -1. En consecuencia, el primer grupo resulta:
Que corresponde al Nmero de Nusselt, ampliamente empleado en la

transferencia de calor. Se debe iniciar nuevamente el paso 5 para encontrar los
otros dos nmeros adimensionales. Esta vez se configura con la velocidad como
variable no repetida:
Una vez que se plantea el sistema de ecuaciones dimensionales y se determinan

los valores de los coeficientes se logra el Nmero Adimensional de Reynolds:
Aplicando una vez ms el paso 5 se obtiene el tercer grupo adimensional,

considerando como variable no repetida CP:
Despus de plantear y resolver el sistema de ecuaciones correspondiente se

obtiene el Nmero de Prandtl:
El siguiente paso consiste en verificar que efectivamente los trminos Pi no sean

dimensionales. Luego se debe encontrar la forma definitiva de la funcin de
modo experimental.
196
9.6. EJEMPLO DE MODELAMIENTO FSICO
Formulacin del Problema
Se trata de determinar por va experimental la curva caracterstica de un sistema

agitado. La geometra del sistema es la siguiente: se tiene un tanque en el que
la altura del fluido es 1,5 veces el dimetro del tanque (L/Dt = 1,5). El tanque
tiene cuatro deflectores igualmente espaciados con un espesor de 1/12 del
dimetro del tanque. El impulsor es de tipo turbina de disco con 6 paletas rectas
inclinadas en 30 . El dimetro del impulsor es 0,40 veces el dimetro del tanque
(D/Dt = 0,40). La altura de cada paleta es de 1/6 del dimetro del impulsor. El
impulsor se coloca a una altura del fondo equivalente a un dimetro del impulsor.
Fundamentos
A partir de un balance de cantidad de movimiento en un sistema agitado se

determina que el Nmero de Potencia es funcin del Nmero de Reynolds y del
Nmero de Froude (Dickie - Fenic, 1976). Cuando las fuerzas gravitacionales no
son significativas, como cuando se rompe el vrtice por efecto de deflectores, el
Nmero de Froude se puede ignorar. En sistemas agitados se tienen las
siguientes definiciones:
Nmero de Reynolds: D: N p /m
Nmero de Potencia: P / (p N2D5)
Siendo:
D: dimetro del tanque, m
N: velocidad de rotacin del impulsor, S-1
P: Potencia del motor del impulsor, W
p: densidad del fluido agitado, kg/m2
p: viscosidad del fluido agitado, Pa.s
Estrategia Experimental
Se dispone de un equipo de laboratorio con las caractersticas geomtricas

indicadas anteriormente. Se experimenta con cuatro fluidos para obtener valores
197
diferentes del Nmero de Reynolds. A la temperatura de operacin se evalan

la densidad y viscosidad de los fluidos. Durante la operacin del equipo agitado
se mide la velocidad de rotacin del eje con un tacmetro ptico. La potencia
consumida por el motor del impulsor se evala con un vatmetro.
Resultados Experimentales
Los resultados experimentales reportados son los siguientes:
Tabla 9.1.- Resultados experimentales de Sistema Agitado
DENSIDAD VISCOSIDAD VELOCIDAD POTENCIA

FLUIDO
Kg/m3 Pa.s S-1 w
919.00 84.00 8.00 1.00

Aceite de
919.00 84.00 30.00 10.00
Oliva
919.00 84.00 38.00 20.00
Aceite de 919.00 40.00 21.00 3.00

Soya 919.00 40.00 41.00 23.00
1030.00 2.12 12.00 1.00

Leche
1030.00 2.12 12.00 1.00
1000.00 1.02 13.00 1.00
Agua 1000.00 1.02 21.00 4.00
1000.00 1.02 33.00 12.00
Clculos
En funcin de los resultados experimentales del acpite anterior se calculan los

nmeros de Reynolds y de Potencia. Asimismo, se ajusta un polinomio
cuadrtico y otro cbico. En la tabla adjunta se aprecia que el polinomio cbico
es mucho ms preciso que el cuadrtico. Realizando una evaluacin estadstica
de la significancia del modelo cbico se encuentra que el modelo es aceptado
con probabilidad superior al 99%, de acuerdo a la prueba de Fisher. Las
198
columnas POL2 y POL3 contienen los valores calculados del In(Np), con los
polinomios cuadrtico y cbico, respectivamente. La columna que indica DESV3
CUADR contiene el valor de las desviaciones entre los valores experimentales y
los calculados con el polinomio cbico elevadas al cuadrado.
Tabla 9.2.- Correlacin entre el Nmero de Reynolds y el Nmero de Potencia
NUM. NUM.
REYNOLD POTENCI LN(RE) LN(NP) PDL2 POL3 DESV3CUADR
S A
219 6.80 5.39 1.92 1.51 1.90 0.00
820 1.29 6.71 0.25 0.59 0.32 0.00
1039 1.27 6.95 0.24 0.47 0.21 0.00
1207 1.13 7.10 0.12 0.40 0.16 0.00
2354 1 16 7.76 0.15 0.15 0.10 0.00
14575 1.80 9.59 0.59 -0.02 0.50 0.01
31862 1.46 10.37 0.38 0.14 0.50 0.01
51470 1.38 10.85 0.32 0.31 0.33 0.00
80880 1.07 11.30 0.07 0.51 0.01 0.00
SUMSO
VAR Y = 0.29 0.04
R=
Conclusin
La ecuacin cbica que representa este sistema, calculada con auxilio de

MATLAB, es (9.28).
Esta ecuacin servir para escalar o extrapolar los resultados del laboratorio a
nivel comercial, permitiendo calcular la potencia de la instalacin
correspondiente.
199
Apreciaciones sobre el Ejemplo
Existen otras mltiples formas de ajustar funciones a los datos experimentales

generados. Por ejemplo se podran ajustar funciones doble logartmicas lineales
por segmentos, pudiendo lograrse un ajuste igualmente bueno.
Figura 5 A.- Curva de Potencio para el Sistema Agitado
9.7. MODELOS MATEMTICOS
Los modelos matemticos estn conformados por un conjunto de ecuaciones, ya

sean algebraicas, diferenciales o de diferencias finitas, que describen el sistema
bajo estudio.
En el desarrollo de la Ingeniera se ha demostrado la gran utilidad de los modelos

matemticos para el estudio de los fenmenos fisicoqumicos. Dado que en
muchos casos los modelos pueden resultar sumamente complejos en su
resolucin, es frecuente simplificarlos, Es decir, los modelos caricaturizan al
objeto, destacando sus rasgos ms importantes. El xito de un modelo
matemtico consiste precisamente en la seleccin adecuada de los aspectos
bsicos del proceso, de modo que sin pecar de detallista el modelo represente
con precisin aceptable el comportamiento del sistema. Durante el
modelamiento se toman un conjunto de decisiones, por ejemplo, sobre la
seleccin de las variables importantes, de las simplificaciones a realizar, de los
mtodos de clculo a emplear, etc. Cada una de estas decisiones debe ser
posteriormente revisada para evitar contradicciones y alcanzar la representacin
adecuada del sistema.
200
Lamentablemente para muchos fenmenos estudiados por los ingenieros no

existen modelos genricos apropiados, como por ejemplo en las reacciones
catalticas heterogneas. Entonces, se requiere experimentar en el laboratorio
cada caso e interpretar los resultados obtenidos para formular modelos
matemticos empricos o semi-empricos.
Cuando a partir de la teora sobre un sistema no se pueden generar modelos

matemticos adecuados, es necesario recurrir al trabajo en laboratorio. Los
experimentos pueden ser usados para proveer informacin para la construccin
del modelo o tambin para verificar la validez del mismo. Por ejemplo se pueden
hacer pruebas experimentales para medir la viscosidad de una mezcla de fluidos
bajo diversas condiciones de concentracin, temperatura y velocidad,
proveyendo informacin necesaria para determinar sus caractersticas de flujo.
A partir de los resultados obtenidos se formularn ecuaciones que correlacionen
las variables de composicin de la mezcla con aquellas referidas al flujo de la
misma. Otro ejemplo, consistira en la formulacin de una ecuacin semi-
emprica que describa la cintica de extraccin de los glico-alcaloides del tarwi a
partir de ensayos en laboratorio. Al estudiar la dispersin de contaminantes
gaseosos en la atmsfera se cuentan con modelos tericos que describen este
fenmeno. Sin embargo, el ingeniero deber verificar la validez de dichos
modelos tomando muestras segn normas y contrastando los resultados
predichos por el modelo con aquellos obtenidos mediante el muestreo.
Un modelo es vlido cuando' existe una discrepancia aceptable entre los datos
generados por el mismo y aquellos medidos a partir del sistema fsico que
representa. Si no se logra congruencia entre estos resultados, hay que reiniciar
la investigacin, para encontrar las causas de tal discrepancia y, reajustar el
modelo o emplear un modelo alternativo.
Para formular un modelo matemtico es requisito dominar los fundamentos de

ingeniera; para resolver el modelo hay que conocer tcnicas matemticas y
estadsticas y, en muchos casos, donde los modelos matemticos son complejos
se deben aplicar mtodos numricos empleando software especializado o
creando software a la medida.
201
En la ingeniera de procesos existe inters en las siguientes reas (Dobre &

Snchez, 2007, p 23):
a. Modelamiento y simulacin en estado estacionario de procesos

b. Modelamiento y simulacin en estado no estacionario de procesos
c. Modelamiento molecular y qumica computacional
d. Dinmica de fluidos computacional
e. Optimizacin
f. Inteligencia artificial y redes neuronales
g. Modelos ambientales, de seguridad y de calidad
h. Modelos y programas del diseo detallado de unidades
i. Control de procesos
j. Estimacin de coeficientes de modelos
k. Diseo experimental
l. Integracin de procesos
m. Reconciliacin de datos
n. Desarrollo de software para cmputo matemtico
o. Quimimetrica
9.8. TIPOS DE MODELOS MATEMTICOS
Desde el punto de vista de su origen los modelos matemticos se clasifican en:
empricos,
semi-empricos, y
fenomenolgicos.
202
Figuro 9.5 Tipos de modelos por so origen
Los modelos empricos son generados usualmente ajustando datos

experimentales a funciones matemticas arbitrarias, como en regresin, en la
que se aplican principios estadsticos. Los diseos factoriales de experimentos
tambin generan modelos empricos. Los modelos semi-empricos toman como
referencia los fundamentos fsico-qumicos pero son corregidos para concordar
con pruebas experimentales. La gran mayora de modelos ingenieriles caen en
esta categora. Existen mltiples ejemplos, como las funciones para determinar
los coeficientes de transferencia de calor o de transporte de masa o para calcular
la cada de presin debida al flujo en un lecho poroso. Los modelos
fenomenolgicos se infieren a partir de los principios cientficos que sustentan
un determinado proceso. Como ejemplo se puede citar a la ecuacin de estado
virial (Van Ness 6 Abbott. 1982, p.114).
Si se considera el aspecto temporal los modelos pueden ser: en estado

estacionario y en estado dinmico. Los modelos en estado estacionario no toman
en cuenta las variaciones con el tiempo y se aplican a sistemas de
203
procesamiento continuo. Los modelos dinmicos, en cambio, tienen como

variable fundamental el tiempo y se aplican a procesos discontinuos y a modelos
para el control de procesos.
9.9. DESARROLLO DE MODELOS MATEMTICOS
En el desarrollo de los modelos matemticos se presentan las siguientes etapas:
Formulacin
Resolucin
Validacin, y
Uso para predicciones, es decir, simulacin.
El detalle de los pasos a seguir se presenta en la siguiente tabla.
Tabla 9.3.- Etapas en el Desarrollo de modelos matemticos
PASOS EN EL DESARROLLO DE MODELOS ETAPAS
Definicin del sistema. En lo posible hacer un diagrama

1. del mismo, indicando las variables independientes y
dependientes.
Aplicacin de balances de masa, momento, energa,

2.
entropa, energa mecnica, etc.
Simplificacin de balances segn asunciones,
3.
determinando qu variables son importantes.
Verificacin de consistencia dimensional de ecuaciones, FORMULACIN
4. para detectar errores en modelos o en unidades
empleadas.
Transformacin a variables adimensionales (si se ve por

5.
conveniente), para simplificar la resolucin del modelo
Desarrollo de ecuaciones complementarias: modelos
6.
cinticos, correlaciones de equilibrio, etc.
Determinacin de algoritmo, que establece una secuencia
7.
especfica de pasos a tomar para resolver el modelo.
Seleccin de mtodos para resolucin, en lo posible
8. analticos; caso contrario, 1 usar mtodos numricos
apropiados.
RESOLUCIN
Resolucin del modelo, siguiendo el algoritmo y aplicando
9.
los mtodos de clculo seleccionados.
Anlisis de resultados, comparando los valores calculados
VALIDACIN
10. con los experimentales y estableciendo bajo qu
condiciones existen discrepancias.
204
1 Evaluacin del modelo, haciendo un anlisis de

11. consistencia de las asunciones | y ajustando parmetros si
no hay concordancia en paso 10. hasta lograrla
Simulacin con el modelo, aplicndolo a nuevas
12. situaciones. En el caso de modelos empricos la
extrapolacin es muy incierta
9.10. PROCESOS BSICOS
Los procesos se pueden clasificar en determinsticos y estocsticos. En un

proceso determinstico las variables de salida ms representativas dependen
unvocamente y mediante funciones claramente identificables de las variables de
entrada, como por ejemplo, la transferencia de calor por conduccin.
Figura 9.6.- Modelos Fundamentales en Ingeniera de Procesos por frecuencia

de uso.
Un proceso estocstico o aleatorio se caracteriza porque las variables de salida

no dependen directa ni ntidamente de las variables de entrada. Los modelos
estocsticos se basan en la teora de las probabilidades y la estadstica. Como
ejemplos se pueden citar el flujo turbulento de mezclas de fluidos o la
desactivacin de catalizadores heterogneos por efecto de envejecimiento.
Existe la tendencia a dar importancia creciente a los procesos estocsticos,
como en la termodinmica molecular.
En Ingeniera de Procesos se identifican procesos fsico-qumicos

fundamentales que ocurren en equipos especficos. Se pueden distinguir las
205
siguientes clases de procesos bsicos: hidrodinmicos, trmicos, difusionales,

mecnicos y qumicos. Por ejemplo, los procesos difusionales son: absorcin,
destilacin, extraccin, adsorcin y desorcin, disolucin y cristalizacin, secado,
intercambio inico, etc.
9.11. MODELOS MATEMTICOS EN INGENIERA DE PROCESOS
Para formular modelos matemticos en Ingeniera de Procesos se deben aplicar

los siguientes fundamentos:
1. El concepto de balance, ya sea de masa, de energa, de momento, de

poblacin, etc. Los balances pueden ser macroscpicos o diferenciales,
pueden referirse al estado estacionario o al transitorio, a sistemas
abiertos o cerrados.
2. Los fenmenos de transporte de calor, de masa y cantidad de
movimiento.
3. El concepto de equilibrio y su aplicacin a procesos por etapas como
destilacin, extraccin y absorcin.
4. La cintica de reacciones qumicas y de procesos de transporte.
5. Propiedades fsico-qumicas de los materiales involucrados en funcin
de las variables del proceso, como presin, temperatura, concentracin,
etc.
6. El concepto de estabilidad y su aplicacin en control de procesos.
7. Las tcnicas de optimizacin.
Conociendo los fundamentos de Ingeniera se pueden formular modelos

matemticos. Luego, con aplicacin de la matemtica, se re arregla el modelo
hasta una forma en que pueda ser resuelto ya sea analtica o numricamente
(con auxilio del computador). Hay que corroborar los resultados que ofrece el
modelo matemtico para asegurar consistencia con la realidad. "La belleza de la
matemtica est en la consistencia y la lgica'' (Gilbert, 1990). Para ello es
frecuente la aplicacin de lgebra, clculo, y ecuaciones diferenciales
Es frecuente que los modelos matemticos resulten complejos, en cuyo caso su

resolucin es imposible o muy engorrosa. En tal situacin se recurre a los
mtodos numricos que deben ser adecuadamente programados en
computador. Hoy en da se tienen diversos utilitarios con libreras de mtodos
206
numricos, facilitando el trabajo. Sin embargo, para modelos complejos en los

que se aplican diversos mtodos numricos enlazados entre s puede resultar
ms conveniente la programacin especfica para el problema en cuestin.
9.12. EJEMPLO: RESPUESTA DINMICA DE UN TERMMETRO
Formulacin del Problema
Este ejemplo es muy sencillo y presenta dos conceptos bsicos: la aplicacin de

un- balance de calor y el concepto de la transferencia de calor por conveccin.
Asimismo, el ejemplo es reformulado en trminos de variables adimensionales
para mostrar la ventaja de su uso.
Se trata de elaborar un modelo matemtico que describa el cambio de

temperatura en el bulbo de un termmetro, hasta que la temperatura del mercurio
contenido en el mismo sea igual a la temperatura del medio exterior (por ejemplo,
un vaso con agua hirviente) (Gilbert, 1989, p. 11). Davis (1984, p. 14) presenta
un desarrollo semejante para el caso de una termocupla.
Sistema y Proceso
Entonces el sistema estara definido por el bulbo del termmetro. El proceso que
tiene lugar es la transferencia de calor por conveccin desde el medio exterior
(por ejemplo, agua hirviente) hacia el bulbo del termmetro.
Suposiciones
a. El coeficiente de transferencia de calor entre el bulbo y el fluido es

constante.
b. La transferencia de calor entre el fluido (agua caliente) y el bulbo es ms
lenta que entre el bulbo y el resto de mercurio que hay en el termmetro.
c. No existe disipacin de calor por las paredes del termmetro
d. Las dems propiedades del sistema son constantes, tal como la
capacidad calorfica.
Balance de Calor
Aplicando un balance trmico sobre el bulbo se determina:
ENTRADA + PRODUCCIN = SALIDA + ACUMULACIN (9.29)
207
El calor no se produce y, por la suposicin (b) y la (c), tampoco hay salida de

calor, por lo que el balance se simplifica a:
ENTRADA = ACUMULACIN
Donde:
Ta Temperatura inicial del fluido exterior.

T Temperatura del mercurio en un tiempo cualquiera.
Tref Temperatura de referencia, fijada segn conveniencia
h Coeficiente de transferencia de calor entre fluido y bulbo
Cp Calor especfico del mercurio
A rea de transferencia de calor en el bulbo
m Masa de mercurio contenida en el bulbo
t Tiempo
El trmino de la izquierda representa la entrada de calor al bulbo por conveccin.
El trmino de la derecha-es la acumulacin de calor en el mercurio contenido en
el bulbo. Reordenando trminos se obtiene la ecuacin diferencial (9.31):
Siendo k = m Cp/ (hA) se denomina constante de tiempo y determina la dinmica

del proceso.
208
Resolucin del Modelo
La solucin de la ecuacin diferencial es:
Mediante este modelo matemtico sencillo se determina la variacin de la

temperatura en el bulbo del termmetro en funcin del tiempo. Si se trabaja con
agua como fluido, entonces el valor de k es aproximadamente 8,5 segundos.
Modelo con Variables Adimensionales
Este mismo modelo matemtico se puede representar en trminos de variables

adimensionales. Las ventajas de trabajar con modelos adimensionales son las
siguientes:
a. Se conoce el rango de variacin de las variables adimensionales

b. Se verifica que las ecuaciones sean dimensionalmente correctas
c. Se generan nmeros adimensionales, que agrupan a los parmetros del
proceso
d. Se simplifica la solucin de las ecuaciones diferenciales.
Para el presente ejemplo se definen las siguientes variables adimensionales:
Donde tf se selecciona como un tiempo mximo que puede durar el proceso. Al

inicio del proceso cuando t=0, entonces z=0. Al final del proceso, cuando t=t,
z=1. Para el caso de u, al inicio del proceso T podra ser T ref. entonces u=1; en
cambio al finalizar el mismo T=Ta, por lo que u=0.
De las definiciones (9.33) y (9.34) se debe despejar la variable original y luego

encontrar la correspondiente derivada; en consecuencia:
Reemplazando las expresiones (9.35) y (9.36) en la ecuacin (9.30) se obtiene

el siguiente modelo:
209
La expresin t/k- hAt/(M.Cf) es un parmetro adimensional. Sustituyendo los

lmites apropiados en la ecuacin (9.37) se obtiene la solucin (9.32), pero la
solucin de la ecuacin en este caso es ms sencilla, pues se pueden separar
las variables. Para problemas ms complicados recurrir a variables
adimensionales puede aliviar mucho la resolucin y evaluacin del modelo.
El ejemplo planteado es muy simple y requiere solamente la resolucin de una

ecuacin diferencial, generada a partir de un balance de calor en estado no
estacionario. Sin embargo, es til para demostrar la conveniencia de emplear
variables adimensionales.
9.13. EJEMPLO: DETERMINACIN DE CINTICA QUMICA
Desarrollo de un modelo semi-emprico a partir de datos experimentales
Se trata de determinar la velocidad de la reaccin entre la Penicilina G y la

Hidroxilamina (NH;OH) para formar el cido Hidroxmico, el que produce un
complejo coloreado con el hierro (+3). Se debe calcular el orden global de la
reaccin. Este ejemplo corresponde al problema 5-10 propuesto en el texto de
Fogler (1985) y resuelto por los autores.
En el desarrollo del modelo matemtico se combinan las relaciones

estequiomtricas, para expresar la concentracin de los componentes en
trminos de la conversin, el modelo cintico y el balance molar aplicado a un
reactor discontinuo. Luego se debe estimar los valores de las derivadas de la
conversin respecto al tiempo para encontrar el orden global de la reaccin.
Procedimiento Experimental y Resultados
El procedimiento experimental seguido fue el siguiente: se mezclaron

concentraciones iguales de Penicilina G e Hidroxilamina en un vaso de 250 ml.
Dicho vaso contaba con un agitador magntico para garantizar composicin
uniforme. Se retiraron muestras cada 10 min y se aadieron a una solucin de
Cloruro Frrico. Con un espectrofotmetro se evalu la concentracin del
210
complejo y, por consiguiente, del cido hidroxmico, como funcin del tiempo.
La absorbancia mostrada en la tabla siguiente es directamente proporcional a la
concentracin del cido hidroxmico.
Tabla 9.4 - Absorbancia en la reaccin entre Penicilina G e Hidroxilamina
Tiempo
0 10 20 30 40 50 Infinito
(minutos)
Absorbancia o 0,337 0,433 0,495 0,540 0,561 0,685 j
Formulacin del Modelo RELACIONES
ESTEQUIOMTRICAS
Para determinar el orden global de la reaccin conociendo slo la concentracin

del cido hidroxmico, es necesario que las concentraciones de penicilina G e
hidroxilamina sean iguales. De hecho el enunciado establece que las
concentraciones iniciales si lo son. Dado que la reaccin se produce en fase
liquida se asume que el volumen de reaccin es constante. Si se denota por A a
la Penicilina G, por B a la hidroxilamina y por C al cido hidroxmico, la reaccin
sera:
A + B -> cC
Las concentraciones para cada componente se expresan por:
Siendo X la fraccin de reactante convertida, CA0 la concentracin inicial de

Penicilina y c el coeficiente estequiomtrico del cido hidroxmico.
CINTICA
Los datos experimentales muestran que la reaccin es irreversible. Luego, el

modelo que describe la velocidad de reaccin es:
Donde:
211
n orden global de reaccin

k constante cintica dependiente de la temperatura
-rA velocidad de reaccin (desaparicin) de la Penicilina G, en
moles/(litro.min)
orden de reaccin de la Penicilina G
orden de reaccin de la hidroxilamina
BALANCE MOLAR
En este caso el sistema est comprendido por el vaso que contiene los
reactantes, que viene a ser ' el reactor, y su contenido que tiene composicin
uniforme debido a la agitacin. Dicho reactor es abierto por lo que la presin es
atmosfrica. La modalidad de operacin es discontinua, pues no ingresan
reactivos ni salen productos del reactor, es decir, no hay flujo de materiales.
Realizando un balance molar para el componente A (Penicilina G):
Entrada de A + Produccin de A=Salida de A + Acumulacin de A
Como la reaccin ocurre en un vaso de volumen constante, no hay flujo de

entrada ni de salida. Entonces el balance se reduce a: Produccin de A-
Acumulacin de A
V representa el volumen del reactor y NA el nmero de moles de A acumulados

en el mismo, que se van reduciendo dado que A es un reactante. Sustituyendo
la ec. (9.39) en la ec. (9.40) se tiene:
Si la ecuacin anterior se desea expresar en trminos de la conversin, es

preciso sustituir la ecuacin (9.38) para CA y la definicin NA-NJ)-X),
obtenindose:
212
Para resolver la ecuacin (9.42) por regresin se toman logaritmos a ambos

miembros, para obtener una expresin equivalente a una recta. Este es el
llamado mtodo diferencial:
Ahora deben determinarse las constantes n y k de la ec. (9.42). La expresin u

de la ecuacin (9.43) resulta ser kCAOn1. Entonces la pendiente de esta recta
corresponde al valor de n
An quedan dos problemas por superar. El primero consiste en encontrar una

ecuacin que correlacione la conversin (X) con la Absorbancia (A), dado que
los datos experimentales indican la relacin entre la Absorbancia y el tiempo. El
segundo problema reside en encontrar los valores de las derivadas de la
conversin respecto al tiempo.
RELACIN ABSORBANCIA - CONCENTRACIN
Puesto que en el enunciado se indica que la concentracin del cido hidroxmico

(componente C) es .proporcional a la absorbancia se tiene la igualdad:
Donde A es la absorbancia y z un factor de proporcionalidad. Aplicando

condiciones lmite, resulta que a tiempo infinito la conversin es total, es decir,
uno. Sustituyendo los valores correspondientes en la ec. (9.44) se tiene: Cc = z
(0,685) = CA. (c) (1,0), despejando resulta: CA0 = 0,685 z/c. Reemplazando esta
relacin en la ec. (9.44) y resolviendo para X resulta la ec (9.45), con la cual se
calcula el valor de la conversin correspondiente a cada tiempo.
DETERMINACIN DE LAS DERIVADAS
La ltima dificultad por vencer consiste en calcular las derivadas de X respecto

a t. Para ello se tienen varias opciones. En el presente desarrollo se trabajarn
dos de ellas: aplicar las frmulas de tres puntos y correlacionar una funcin a los
datos de tiempo - conversin para luego derivarla.
213
En la primera opcin, se emplean las llamadas frmulas de 3 puntos, que

requieren que los valores de tiempo sean equidistantes (lo que ocurre con los
valores experimentales dados). Evidentemente, no se trabaja con el valor de
tiempo infinito dado que no es equidistante. Al incremento en los valores de t se
le llama h, que para el presente ejemplo vale diez minutos. Estas frmulas son
(Pachner 1984, p. 2-27):
Tabla 9.5. Estimacin de las derivadas de la conversin respecto al

tiempo
TIEMPO ABSORBANCIA CONVERSIN DERIVADA
min % fraccin dX/dt
0 0 0 0,0668
10 0,337 0,492 0,0164
20 0,433 0,632 0,0115
30 0,495 0,723 0,008
40 0,539 0,787 0,0048
50 0,561 0,819 0,0016
Modelo Resultante
Sustituyendo los valores de las derivadas en el modelo (9.43) y aplicando

regresin lineal se obtienen los siguientes resultados: orden de reaccin (n) =
1,93; aproximadamente 2.0. kCAC = 0,071. Coeficiente de correlacin de 94 %.
En consecuencia el modelo cintico resultante es el (9.47):
Una segunda opcin para determinar las derivadas de la conversin respecto al

tiempo, consiste en determinar una funcin por regresin. Para el presente caso
la funcin X = 0,2371 t 0.323 es la que mejor ajuste alcanza, correlacionando los
datos experimentales comprendidos entre los tiempos de 10 min y 50 min y sus
correspondientes conversiones; al derivar dicha funcin dX/dt = 0,07658 t -0.677
se calculan las derivadas para los tiempos comprendidos entre 10 y 50 minutos,

obteniendo resultados muy semejantes a los calculados por las frmulas de tres
puntos.
214
El modelo matemtico obtenido es sencillo, pero el proceso de su formulacin

es algo tedioso. Su resolucin demanda la aplicacin de mtodos numricos
como diferenciacin por diferencias finitas y regresin por mnimos cuadrados.
Este modelo matemtico se complejiza fcilmente si se quiere encontrar el orden
de reaccin para cada uno de los reactantes involucrados, en cuyo caso se
trabajara con un problema de regresin de dos variables independientes.
9.14. EJEMPLO: DESCARGA DE UN TANQUE CILINDRICO
Planteamiento del Problema
En este ejemplo se formulan varios modelos matemticos fenomenolgicos

alternativos, requiriendo algunos de ellos resolucin numrica. Sea el sistema
sealado en la Figura 9.7 (Miranda et al., 1997). Un tanque cilndrico drenara a
travs de una tubera dispuesta verticalmente en el fondo del mismo. La
descarga del tanque se produce slo por efecto de la gravedad. El lquido en el
tanque es de viscosidad y densidad constante (es decir, incompresible,
Newtoniano y operado en condiciones isotrmicas).
Formulacin de Modelo Bsico
En este ejemplo se trata de encontrar una ecuacin que relacione el tiempo (t)
con la altura del fluido en el tanque (h). El sistema est comprendido por el
tanque, la tubera de descarga y el fluido que contienen. El proceso es el
transporte del fluido fuera del tanque.
215
Figuro 9.7.- Geometra de tanque y tubera
A este sistema no ingresa fluido, pero si hay salida del mismo. El tiempo es una
variable importante, entonces existe (des) acumulacin del fluido en el tanque.
La presin tanto en la superficie del tanque como por el extremo libre de la
tubera es atmosfrica. La velocidad del fluido en la superficie del tanque se
considera nula; y a la velocidad de descarga por la tubera se le denominar u.
El volumen del tanque est dado por la ec. (9.48)
Siendo R el radio del tanque y A la altura del fluido.
El flujo volumtrico de salida del tanque se representa en la ec. (9.49), siendo t

el tiempo transcurrido.0
En cambio, el flujo volumtrico en la tubera de descarga del tanque est dado

por la ec. (9.50):
Donde R0 es el radio de la tubera de descarga y u0 la velocidad del fluido al

interior de sta
Para obtener el tiempo de descarga del tanque, se igualan las ecuaciones (9.49)
y (9.50), dado que el flujo de descarga del tanque es igual al que circula por la
tubera asociada.
Esta ecuacin diferencial se puede integrar fcilmente para obtener:
216
En las ecuaciones (9.51) y (9.52) se tienen tres variables: t, h y u. Para poder

resolver dichas ecuaciones es necesario encontrar una relacin entre h y u, de
modo que se reduzca a dos variables. Para ello se aplica el balance de energa
mecnica. Sin embargo, es preciso recordar que el balance de energa mecnica
supone la condicin del estado estacionario. Dado que en este problema no
existe el estado estacionario se asumir un estado pseudo-estacionario.
Definitivamente al resolver el modelo se deber contrastar con datos
experimentales para verificar su pertinencia.
Entonces se plantea un balance de energa mecnica entre la superficie del

fluido contenido en el tanque y el punto inferior de la tubera de descarga,
asumiendo estado pseudo-estacionario para un fluido incompresible y
newtoniano:
Donde:
LW Trabajo perdido por friccin en la tubera y accesorios.

W Trabajo en el eje, generado por una mquina
u Velocidad del fluido
P Presin del fluido
p Densidad del fluido
g Aceleracin, gravitacional
z Altura esttica del fluido
Las simplificaciones que se introducen al modelo son:
La presin del fluido en la superficie del tanque y en la tubera de

descarga es atmosfrica, luego no hay gradiente de presin.
No hay trabajo en el eje, pues no existe bomba o compresor en el
sistema.
La velocidad en la superficie del fluido es despreciable.
Se considera Z;=0 el final de la tubera de descarga y Z = L+h, el nivel de la

superficie del fluido en el tanque.
217
Las prdidas por friccin se calculan por la conocida ecuacin de Fanning (9.54):
Siendo:
f factor de friccin de Fanning

Leq longitud equivalente, que incluye la contraccin a la salida del
tanque y accesorios en la tubera
Sustituyendo la ec. (9.54) en la ec. (9.53), considerando las simplificaciones
indicadas y resolviendo para la velocidad, se obtiene la ec. (9.55):
Esta ecuacin se puede simplificar an ms si se asume que el trmino (2}LJR

pag 222 del libro) es mucho mayor que uno, entonces el coeficiente 1 del
denominador se elimina, resultando la ec. (9.56):
Ya se tiene una ecuacin que relaciona la velocidad del fluido en la tubera de

descarga con la altura del fluido en el tanque. Entonces combinando la ecuacin
(9.56) con la (9.51) se logra a ansiada relacin entre la altura del fluido en el
tanque y el tiempo de descarga sin embargo, hay que advertir que el factor de
friccin es una funcin de! Nmero de Reynolds, y en consecuencia de la
velocidad de circulacin del fluido por la tubera. Por ello, existen varias
soluciones para este problema dependiendo del rgimen de flujo, vale decir, del
valor del Nmero de Reynolds. Se tratarn los siguientes casos:
a. Rgimen laminar
b. Rgimen turbulento con tubera lisa
c. Rgimen turbulento con tubera rugosa
Modelamiento para Rgimen Laminar
Para flujo laminar, el factor de friccin se calcula por la ecuacin (9.57)

218
Donde, el Nmero Adimensional de Reynolds NRt se define mediante la ec.

(9.58).
Si se fusionan las ecs. (9.57) y (9.58) se obtiene una expresin para el factor de
friccin en funcin de la velocidad del fluido, la ecuacin (9.59):
Ahora la ecuacin que combina el factor de friccin con el nmero de Reynolds.

(9.59) debe reemplazarse en la expresin para la velocidad del fluido, vale decir
la ec. (9.56), resultando:
Finalmente la ecuacin (9.60) se sustituye en la ec. (9.52) y despus de integrar

se obtiene el modelo:
Donde:
Lfc longitud equivalente de tubera, que incluye accesorios h. altura inicial del
fluido en el tanque h. altura final del fluido en el tanque.
Modelamiento para Rgimen Turbulento con Ecuacin de Blasius
El factor de friccin para Rgimen Turbulento y tuberas lisas fue correlacionado

por Blasius, mediante la ec. (9.62):
219
Si esta ecuacin se sustituye en la ec. (9.56) que representa la velocidad, se

obtiene la ec. (9.63):
Reemplazando esta ltima expresin para la velocidad (9.63), en la ecuacin

(9.52) y despus de integrar resulta la ec. (9.64):
Modelamiento para Rgimen Turbulento con Ecuacin de Shacham
Shacham correlaciona los datos del factor de friccin mediante una ecuacion
explcita para tuberas rugosas y rgimen turbulento (Darby 19861), que se
presenta en la ecuacin (9.65):
Dada la complejidad de esta ecuacin la resolucin del modelo de descarga de

tanques debe ser iterativa, siguiendo los siguientes flacos:
1. Asumir un valor para la velocidad u en- la tubera

2. Calcular el Nmero de Reynolds, ecuacin (9.58)
3. Calcular el factor de friccin con la ecuacin (9.65)
4. Reemplazar el valor de/ en la ecuacin (9.56) para calcular el valor
de u.
5. Verificar la convergencia entre el valor asumido y el calculado para
u.
Una vez que se alcanza la convergencia se aceptan como vlidos los valores
para u y f. Es necesario destacar que la velocidad es funcin de la altura del
fluido en el tanque por lo que el problema se complejiza.
a) Integracin Simplificada
220
La estrategia ms simple es calcular el valor de u y el / correspondiente para la

altura inicial en el tanque y tambin para la final. Entonces se promedian los
valores de/obtenidos. En la integracin este valor promedio se considera
constante y se reemplaza en la ecuacin (9.56). Combinando (9.56) con (9.52)
e integrando se obtiene la ec. (9.66):
b) Integracin Rigurosa
En este caso no se simplifica el proceso de integracin; sino que se asume que

el valor de / vara en cada punto de la integracin. Para resolver el modelo se
puede trabajar como ecuacin diferencial, en cuyo caso se recomienda aplicar
el mtodo de Runge-Kutta-Gill para la resolucin. En caso de optar por una
ecuacin integral el mtodo de Simpson de cinco puntos dara suficiente
precisin dado que /vara monotnicamente.
El procedimiento iterativo propuesto es semejante al anterior: asumir un valor de

velocidad, calcular el Nmero de Reynolds, calcular el factor de friccin y calcular
u, hasta la convergencia. Para integrar se propone el mtodo de Simpson de
cinco puntos aplicable a la ecuacin (9.67):
Recordando la integral de Simpson de cinco puntos se presenta en la ec. (9.68):
Aqu z representa el ancho de paso o la distancia entre dos puntos sucesivos y

f(h) se refiere a la ecuacin (9.67).
Validacin del Modelo Matemtico
A modo de ejemplo para la validacin del modelo matemtico de la descarga de

un tanque provisto de tubera de drenaje y accesorios a la salida, se contrastan
datos experimentales con los valores predichos por la ecuacin (9.64). Mejores
221
resultados se obtienen con los otros modelos correspondientes al rgimen

turbulento, vale decir, las ecuaciones (9.66) y (9.67).
Tabla 9.6.- Nivel del Lquido en Tanque en funcin del Tiempo
Tiempo
Altura Tiempo Terico Error
Experimental
cm segundos %
segundos
450 95 87 9,20
400 1982 1813 9,32
350 2874 2548 12,79
300 4360 3822 14,08
250 5714 5086 12,35
200 7252 6631 9,37
150 8971 8225 9,07
100 10223 9572 6,80
PROMEDIO 10,37
En la figura 9.8 se representan los datos experimentales de la Tabla 9.6. Se

aprecia que el modelo predice los valores ligeramente inferiores a los
experimentales.
Este ejemplo, aunque an sencillo, muestra una gran gama de posibilidades para
su resolucin. La comparacin con los datos experimentales demuestra que el
modelo ms simple para el rgimen turbulento presenta una desviacin del 10
% aproximadamente. La misma se puede reducir con un ajuste de parmetros o
empleando los otros modelos formulados.
Este caso tiene mltiples posibilidades de complementacin para tanques de

geometras diferentes al cilndrico y para fluidos no newtonianos o suspensiones
de slidos en lquidos.
9.15. PROBLEMAS PROPUESTOS
Problema 1
222
Se dispone de un tanque rectangular de concreto que contiene glicerina caliente.

La base del tanque es cuadrada de lado A y la altura del fluido en el mismo se
representa por h. A la salida del tanque existe una tubera que conecta a un
intercambiador de calor de doble tubo. La descarga gravitacional de la glicerina
calienta un solvente que circula por el otro lado del intercambiador de calor.
a. Construya un diagrama del sistema que comprende al tanque, la tubera

de descarga, el lado interior del intercambiador de calor y la glicerina que
circula por ellos.
b. Aplique un balance de materiales a tal sistema.
c. Formule el balance de energa mecnica para este sistema y simplifique
los trminos que no correspondan.
d. Establezca una relacin entre la velocidad de circulacin del fluido por la
tubera de descarga y la altura del fluido en el tanque.
e. Determine la variacin del Nmero de Reynolds con el tiempo,
suponiendo que el factor de friccin es constante.
f. Determine la variacin del nmero de Nusselt (hD/k) con el tiempo. Este
nmero es proporcional al Nmero de Reynolds elevado al exponente
0,8. h es el coeficiente de transferencia de calor por conveccin, D es el
dimetro de la tubera y k es la conductividad trmica del fluido.
g. Determine el calor transferido por la glicerina al solvente, sabiendo que
la ecuacin de transporte de calor es Q=hA(T2-T), en funcin del tiempo.
Siendo A, el rea de transferencia de calor.
Problema 2
Se tiene un hot dog en uno de cuyos extremos se tiene una resistencia elctrica
tipo alfiler.
a. Formule un balance calrico bsico para este sistema sabiendo que

opera en estado transitorio.
b. Formule el trmino de ingreso de calor por radiacin en una sola cara
del hot dog.
c. Formule la ecuacin de transporte de calor por conduccin a lo largo del
hot dog, sabiendo que las gradientes radiales de temperatura son
despreciables.
223
d. Indique el trmino de prdida de calor por las paredes laterales del hot
dog hacia el aire ambiental, que se encuentra a una temperatura Ta.
e. Incorpore todos estos trminos al balance de calor para determinar los
cambios de temperatura al interior del hot dog en funcin de la longitud
del mismo.
f. Exprese este modelo en trminos de variables adimensionales e
identifique los grupos adimensionales que se encuentran en la ecuacin
resultante.
Problema 3
Se tiene un cilindro metlico de longitud infinita que es calentado slo por el

extremo izquierdo mediante una fuente de calor radiante. Se asumen las
siguientes suposiciones:
a. Estado estacionario
b. La radiacin de calor obedece a la ley de Beer-Lambert: I = lo exp
(-.x), donde x es la coordenada axial.
c. Las prdidas de calor por conveccin de la superficie del cilindro al
ambiente se describen por: hA(T-Ta).
d. La temperatura slo es funcin de la coordenada axial y no de la radial.
Se debe:
1. Formular el balance de calor para un elemento diferencial de volumen

sabiendo que el calor se transfiere por conveccin, conduccin (k A
dT/dx) y radiacin
2. Particularizar esta ecuacin cuando x=0.
3. Expresar esta funcin en trminos de variables adimensionales de
Temperatura ((T-Ta)/T*) y longitud (x/L*).
Problema 4
Se trata de modelar el comportamiento de una partcula de un catalizador slido.

Para ello se considera que esta partcula tiene poros cilndricos en forma de
tubos muy pequeos En la pared interior de dichos poros cilndricos ocurre la
reaccin. El anlisis se hace al estado estacionario sobre un volumen diferencial
de un poro cilndrico de catalizador. El fluido reactante ingresa al elemento
224
diferencial de volumen por efecto de la difusin; asimismo, tanto el reactante no

reaccionado como los productos de la reaccin se difunden fuera del volumen
diferencial. Se asume que la cintica de la reaccin qumica es de primer orden,
vale decir -rA = ks CA. Lo que indica que la base de clculo para la cintica es la
superficie de reaccin S.
a. Formular el balance molar diferencial que representa el flujo del

reactante A hacia el poro cilndrico de catalizador y la salida del reactante
no reaccionado de ste hacia el exterior del poro. Deber obtener una
ecuacin diferencial de segundo orden dado que la difusin se modela
por la ley de Fick, = -D A (dCA/dX).
b. Determine dos condiciones de frontera que posibiliten resolver la
ecuacin diferencial de segundo orden.
c. Exprese el modelo matemtico generado en funcin de variables
adimensionales.
Problema 5
Un proceso fermentativo se puede describir por el modelo cintico bsico:
U = umax * S / (K + S). Siendo U la velocidad de reaccin, u max la constante de

velocidad de reaccin, S la concentracin de sustrato y K es una constante que
es la concentracin de sustrato cuando u=umax/2. Si se dispone de un
termentador de tanque agitado continuo de 6 litros de capacidad y se conocen
los siguientes valores de flujos y concentraciones, determine las constantes del
modelo cintico.
Eo, mol/lit So, mol/lit S, mol/lit V, lit/hr

0.01 1.0 0.1 0.2
0.01 1.5 0.5 1.0
0.01 2.5 2.0 4.0
Siendo Eo la concentracin de enzima en la entrada del termentador, So y S las

concentraciones respectivas de sustrato en la entrada y salida y V el flujo
volumtrico de la alimentacin.
Problema 6
225
Determine el procedimiento detallado para encontrar el siguiente modelo cintico

por el mtodo diferencial: -rA = k1CACt - A-Cc- pag 229 Suponga que se dispone
de datos experimentales absorbancia-tiempo, como en el ejemplo de la
descomposicin de la Penicilina G, y que las concentraciones estn descritas
por:
Se conoce que los experimentos se realizan en un reactor tipo tanque que opera
por lotes.
Problema 7
La hidrogenlisis del etano sobre un catalizador de nquel fue estudiada en un

reactor tipo tanque agitado provisto de 4 canastillas rotantes, conteniendo cada
una de ellas 10 g de catalizador. Slo se alimenta etano e hidrgeno al reactor a
300 C. La reaccin qumica tiene la siguiente estequiometria: C2H6+H2 2CH4
Determine una expresin cintica que satisfaga los resultados experimentales:
Flujo Molar de Presin Parcial en la Alimentacin Fraccin Molar

Alimentacin Total (atm) de Metano en la
Al Reactor corriente de salida
Etano Hidrgeno
1.7 0.5 0,5 0,05
1,2 0.5 0,5 0,07
0,6 0,5 0,5 0,16
0,3 0,4 0,6 0,16
0,75 0,6 0,6 0,10
2,75 0,6 0,4 0.06
Problema 8
Se tiene un sistema de extraccin slido-lquido de tres etapas. Ingresando al

sistema un solvente puro y una carga de slido ton 35 % de soluto.
226
a. Plantee los balances de materiales en estado estacionario para cada

una de las etapas de extraccin
b. Plantee una ecuacin que represente el equilibrio de fases del soluto
c. Formule el balance de materiales en estado no estacionario, para el
arranque de la instalacin
d. Establezca el cambio de la constante del equilibrio de fases en trminos
de la temperatura.
e. Si la segunda y la tercera etapa de extraccin se calientan, encuentre
los balances necesarios para expresar el efecto del calentamiento.
Darby, Ron (1981) Chemical Engineering. Diciembre 28.
Davis, Mark E. (1984) Numerical Methods and Modelling jor Chemical

Engineers. Wilev,
USA.
Dickey, David S & John C. Fenic (1976) Dimensional analysis jor fluid agitation
Systems. Chemical Engineering, 5 de enero, p. 139.
Dobre, Tanaso & Jos Snchez Marcano (2007). Chemical Engineering

Modelling Simulation and Similitude. WILEY-VCH Verlag GmbH & Co. KGaA,
Weinheim. ISBN 978-3-527-30607-7
Ehlnashaie, Said & Frank Uhlig (2007). Numerical Techniques for Chemical and
Biological Engineers Using MATLAB. Springer Science +Business Media, LLC.
ISBN-10: 0-387-34433-0.
Fogler, Scott (1985) Elements of Chemical Reactor Engineering. Prentice Hall,

USA.
Gilbert, Richard (1989) Fundamentos de Dinmica y Control de Procesos

Qumico- Industriales. Arequipa.
Gilbert, Richard (1990) Investigaciones en una Universidad Estadounidense.

Ponencia en el Seminario de Investigacin Tecnolgica y Desarrollo Regional,
Arequipa.
227
Johnstone, Robert & Meredith Thring (1957) Pilot Plas, Models and Scale-up
Methods in Chemical Engineering. Me Graw Hill, New York.
Kafarov, V. (1976) Cybernetic Methods in Chemistry and Chemical Engineering,

MIR, Mosc.
Miranda - Medina - Llerena - Mendvil (1997) Modelamiento Matemtico del

tiempo de descarga de un Tanque. Programa Nacional de Fenmenos de
Transferencia. Primer Concurso de Modelamiento Matemtico de Procesos de
Transformacin. Arequipa.
Pachner, Jaroslav (1984) Handbook of Numerical Analysis Applications. Me

Graw Hill. USA.
Perry, Robert, Don W. Green & James O. Maloney (1984) Perry's Chemical
Engineers Handbook. Me Graw Hill.
Van Ness, Hendrick & Michael Abbott (1982) Classical Thermodynamics of Non
Electrolyte Solutions. Me Graw Hill.
228
CAPTULO 10
ANALISIS DE REGRESIN
El tratamiento apropiado y la interpretacin certera de los datos generados

durante la experimentacin son necesarios para el investigador. En este captulo
se desarrollan los siguientes tpicos:
Tratamiento de datos experimentales

Linearizacin de funciones
Regresin lineal
Regresin lineal mltiple
Regresin usando matrices
Bondad del modelo de regresin
Regresin Parablica
Problemas propuestos
10.1. TRATAMIENTO DE DATOS EXPERIMENTALES
Como producto del trabajo experimental se obtienen datos que es preciso

sistematizar rigurosamente para obtener el mayor provecho de los mismos. En
el proceso de refinamiento de la informacin experimental se cumplen las
siguientes etapas:
a. Tabulacin ordenada de los datos

b. Construccin de grficas que permitan definir tendencias entre las
variables independientes y dependientes ms importantes
c. Generacin de modelos matemticos empricos.
d. Evaluacin de los modelos y su validacin
Adicionalmente, como parte de la interpretacin de resultados, se pueden

considerar dos etapas:
e. Prediccin del comportamiento del sistema con los modelos generados

f. Optimizacin del sistema.
Los modelos matemticos formulados a partir de datos experimentales

generalmente se construyen en base a las tcnicas de regresin o de mnimos
cuadrados.
229
La regresin es una tcnica usada para ajustar una determinada funcin a un

conjunto de datos experimentales dados y posteriormente verificar si este ajuste
es apropiado. Se entiende por ajustar una funcin a encontrar los coeficientes
de una determinada ecuacin que mejor satisfaga determinados datos
experimentales, es decir, que los valores calculados con esta ecuacin
reproduzcan con la mayor precisin posible dichos datos experimentales.
En el anlisis de regresin, la variable independiente x se considera medida sin

un error significativo, mientras que la variable dependiente y es una variable
aleatoria.
La tcnica de los mnimos cuadrados consiste en encontrar una funcin,

denominada la funcin de regresin y = y(x), para la cual la suma de los
cuadrados de las desviaciones de los valores experimentales yi (respecto de los
predichos por la funcin de regresin y(xj), es un mnimo.
Vale decir, se debe cumplir la ecuacin (10.1)
Los coeficientes de la funcin de regresin son llamados los coeficientes de

regresin.
El anlisis de regresin se aplica a sistemas sobre determinados, que son

aquellos en los que el nmero de ecuaciones es mayor al nmero de incgnitas.
Esta condicin se presenta cuando el nmero de datos experimentales es
superior al nmero de los coeficientes de regresin. Por ejemplo, si como
resultado de un experimento se tienen 5 pares ordenados de datos, es posible
encontrar una funcin de regresin con 4 o menos coeficientes. En realidad,
conviene tener un nmero elevado de datos experimentales, para que as los
resultados sean ms confiables.
10.2. LINEARIZACION DE FUNCIONES
Existe una gran variedad de funciones de regresin, la ms simple de ellas es la

de una lnea recta, vale decir la funcin lineal. Por ello, en la medida de lo posible
230
es conveniente expresar las funciones no lineales como funciones lineales

equivalentes.
Cuando se tiene una sola variable independiente x y una sola variable

dependiente y, la funcin lineal se define como:
y = a + bx (10.2)
Por ejemplo, sea la funcin
y = a xn
Tomando logaritmos a ambos miembros resulta:
log y = log a + n log x
Si se grfica log y vs. log x, se obtiene una recta, donde la pendiente es igual a
n y el intercepto con el eje de ordenadas corresponde a log a.
Sea la funcin:
y = x/(ax + b)
Dividiendo por x e invirtiendo ambos miembros: x/y = a x + b
Graficando (x/y) vs x, se tiene la pendiente a y el intercepto b. En la tabla

siguiente se presentan algunas transformaciones para obtener expresiones
lineales de funciones no lineales equivalentes:
Tabla 10.1.- Opciones para la Linearizacin de Funciones
INTERCEPTO
ECUACIN ORDENADAS ABCIZAS PENDIENTE
CON Y
y = ax + b y X a b
y=aebx ln y X b ln a
y=x(ax+b) x/y X a b
y=a/x+b y 1/x a b
y=axt+c ln (y-c) ln x b ln a
(*) Primero es necesario determinar c como el intercepto en las ordenadas de
lo grfico de y vs x.
231
Para establecer como transformar la funcin originaria conviene graficar los

resultados experimentales y, de la evaluacin de la tendencia resultante, se
realizan las modificaciones pertinentes a los ejes coordenados respectivos.
EJEMPLO DE LINERIZACIN DE FUNCIONES
Se tienen los siguientes datos experimentales correspondientes a la cintica de

descomposicin del pentxido de nitrgeno (N2O5) en solucin de tetracloruro de
carbono (Spiridinov - Lopatkin, 1973, p. 133). Se desea encontrar un modelo
matemtico por regresin lineal que represente estos datos experimentales
adecuadamente.
Tabla 10.2.- Datos de la Cintica de Descomposicin del N2O5
TIEMPO CONCENTRACION
segundos mol/Iitro
0 2,33
184 2,08
319 1,91
526 1,67
867 1,36
1198 1,11
1877 0,72
2315 0,55
3144 0,34
En primer lugar, se generan grficas con objeto de identificar las formas que
adquieren las relaciones entre estas dos variables. En las figuras 10.1 se
presentan las relaciones: (a) tiempo versus concentracin; (b) tiempo versus
logaritmo de concentracin; y, (c) tiempo versus inversa de la concentracin.
Como se aprecia la grfica del logaritmo de la concentracin versus el tiempo
guarda linearidad. Cuando se realizan los ajustes por regresin lineal tanto el
grfico 1 como el 3 presentan coeficientes de correlacin de 94 %; en cambio, el
ajuste semi-logartmico es del orden de 99,98 %, es decir, casi perfecto.
232
Figura 10.1.a
Figura 10.1.b
Figura 10.1.c
En la Tabla 10.3 se presentan los resultados de concentracin experimentales,

los calculados con el modelo semi-logaritmico y la magnitud del error relativo. El
error relativo se calcula computando la diferencia entre el valor experimental del
terico y dividiendo este resultado entre el valor experimental.
El modelo emprico generado por regresin lineal tiene la forma:
233
In Concentracin = 0,841 - 0,00062 * tiempo
Es decir, este modelo es aquel que mejor representa los datos experimentales.
Tabla 10.3.- Resultados para el Modelo Semi-logartmico
CONCENTRACIN CONCENTRACIN ERROR

TIEMPO
EXPERIMENTAL CALCULADA RELATIVO
Segundos
mol/1 mol/1 %
0 2,33 2.32 0,469
184 2,08 2,07 0.527
319 1.91 1,90 0.371
526 1.67 1.67 - 0,223
867 1,36 1,36 0,385
1198 1,11 1,10 0,593
1877 0,72 0,72 - 0,595
2315 0,55 0,55 - 0,371
3144 0,34 0,33 2,887
Fuente.* Elaboracin propia
10.3. REGRESION LINEAL
La regresin lineal es el caso ms simple de regresin y, por esto, se le emplear

para ilustrar los pasos fundamentales a seguir en el anlisis de regresin. Estos
mismos pasos pueden ser aplicados luego a funciones ms complejas.
Como se indic anteriormente, la medida de bondad de ajuste ms comn es la

suma de los cuadrados de los errores entre los datos experimentales y los
valores predichos por la aproximacin lineal.
Considerar un conjunto de pares ordenados:
Que se aproximan por la funcin lineal:
234
Entonces, la suma de cuadrados de los errores entre los datos experimentales y

la aproximacin lineal ser:
Donde y(x) es el valor calculado por la funcin de regresin para la abscisa x. En

esta formulacin se consideran slo variaciones entre y(x) y yj; es decir, en la
variable dependiente. Se asume que la variable independiente x es medida con
precisin aceptable. Tambin se asume que los valores de yj son independientes
entre s.
Se desean encontrar valores de a y b de modo que minimicen . Usando la

condicin del mnimo, es decir, derivando e igualando el valor de la derivada a
cero, se obtienen las siguientes ecuaciones:
Notar que 3y/3a=1 y 3y/3b=xi pag 238
Al sistema de ecuaciones (10.5) se le conoce como las ecuaciones normales.

Usando la propiedad conmutativa de las sumatorias se tiene:
Puesto que a = N a. Resolviendo simultneamente para b:
235
Donde:
La aproximacin lineal para un punto dado se representa por
y(x) = a + b x1 + 1 (10.9)
Donde 1 es el error entre el valor calculado y (x1) y el dato experimental yi. Si

los valores de 1 se asumen normalmente distribuidos alrededor de la
aproximacin lineal, se define un error estndar para la funcin de regresin,
dado por:
Siendo k el nmero de coeficientes de la ecuacin de regresin y N el nmero

total de puntos experimentales. Sy/x es el estimado de la desviacin estndar de
y(x) respecto a y para todos los datos. Por ello, Sy/x constituye una medida de la
dispersin de los datos en torno a la recta de regresin.
La Figura 10.2 ilustra dos series de datos con diferente grado de dispersin:
236
Figura 10.2 - Senes de datos con diverso grado de dispersin.
La serie representada por los tringulos tiene una dispersin mayor que aquella
representada por los crculos, pero ambas series son ajustadas por la misma
funcin lineal.
Una buena medida del ajuste lineal es Sy/x normalizado para el rango de y (Riggs,
1988, p 365),
Por ejemplo, para los datos presentados en la Figura 10.2, la serie ilustrada con
iconos triangulares tiene un valor de Sy/x igual a 1,134; en cambio la serie con
menor dispersin representada por los iconos circulares tiene el valor
correspondiente de 0,340. Si estos valores se normalizan para el rango de
valores de y se tienen los correspondientes Sy/x /y: serie de menor dispersin
0,043; serie de mayor dispersin 0,143. Cuando Sy/x /y es prximo a 0,01 se
obtiene un ajuste estricto de los datos para la recta de regresin.
Otro parmetro usado para evaluar la bondad de ajuste es el coeficiente de

correlacin, r, que se define por:
237
Siendo SE una medida de la dispersin de los datos y, en torno a su valor

promedio.
Figuro 10.3 - Efecto de lo pendiente en el coeficiente de correlacin
La Figura 10.3 muestra dos casos con el mismo grado de dispersin pero con
distinta pendiente: la serie representada por crculos tiene una pendiente de 1,0;
en cambio, la otra serie representada por tringulos tiene una pendiente de 0,1.
El valor de la sumatoria de las desviaciones cuadrticas para ambas series es
el mismo: 0,80. Sin embargo, SE es muy diferente: la serie con mayor pendiente
tiene un valor de 60,80; en cambio, la serie con pendiente 0,1 presenta un S E de
0,80. En consecuencia el valor de R; para la serie de mayor pendiente es de 98,7
%; el valor para la serie de menor pendiente es de 42,9 %. Entonces, se concluye
que el coeficiente de correlacin puede llevar a interpretaciones errneas,
porque su valor depende directamente de la pendiente de la funcin.
EJEMPLO DE REGRESIN LINEAL
Se disponen de datos que correlacionan la presin de vapor del heptano con la

variacin de temperatura. Se desea encontrar una funcin de regresin que
ajuste adecuadamente estos datos (Ocn - Tojo, p.284).
238
En la tabla 10.4 la primera columna presenta los datos de temperatura; la

segunda, la presin de vapor experimental correspondiente; la tercera, la presin
de vapor calculada con un modelo lineal; y, la cuarta, la presin de vapor
calculada con un modelo semi-logartmico.
Tabla 10.4 - Presin de Vapor del Heptano
TEMPER
PVAP mm Hg PVAP UN PVAP LOG 1
C
98,4 760 721 743
100 795 769 784
I 102 841 830 838
104 890 891 892
106 941 951 948
108 993 1012 1005
110 1049 1072 1063
112 1104 1133 1123
114 1165 1193 1183
116 1228 1254 1245
118 1296 1315 1307
120 1368 1375 1370
122 1442 1436 1434
124 1528 1496 1499
126 1593 1545 1552
Se aprecia que el modelo semi-logartmico predice mejor que el modelo lineal.
El modelo lineal es:
Pvap = - 2260,1 + 30,29 * Temp
Siendo el coeficiente de correlacin de 0,9908, garantizando muy buen ajuste de

los datos. Sin embargo, el modelo semi-logaritmico:
In Pvap = 10,01 - (334,7/ Temp)
Tiene un coeficiente de correlacin an mayor, de 0,9963. En la Figura 10 4 se

grafican los resultados con los dos modelos evaluados. Se aprecia claramente
que se obtiene una excelente reproduccin de los datos experimentales. Dado
239
que el ajuste de ambas funciones es fiel a los datos experimentales es difcil

distinguirlas, pues se encuentran muy prximas entre s.
Figura 10.4 - Ajuste de la Presin de Vapor del Heptano
10.4. REGRESION LINEAL MULTIPLE
La regresin lineal mltiple permite realizar el ajuste de una funcin con dos
ms variable: independientes.
Considerar el caso de una funcin lineal de dos variables
El problema consiste en seleccionar el plano definido por aa a1 y a2 que mejor

ajusta los datos en el espacio (x1, x2 y (x1, x2)).Usando la suma de los cuadrados
de los errores como el criterio de ajuste:
El objetivo consiste en calcular los valores de aa a1 y a2 que minimicen . Para

ello se deriva la funcin respecto a cada uno de estos coeficientes y se iguala
a cero esta derivada, ya que este es el mtodo patrn para encontrar el mnimo
de una funcin. Es decir, se replica el mtodo seguido para la regresin lineal.
En consecuencia:
240
Re arreglando estas ecuaciones
Que constituye un sistema de 3 ecuaciones con 3 incgnitas aa a1 y a2. La

varianza residual se calcula por la expresin:
A partir de la ecuacin anterior se aproxima el error estndar.
Siendo N el nmero de datos y k corresponde al nmero de ecuaciones normales

(que es igual al nmero de coeficientes en la funcin de regresin).
EJEMPLO DE REGRESIN LINEAL MULTIPLE
Se presentan los siguientes datos experimentales de la cintica de extraccin

del aceite de girasol empleando hexano como solvente (Escobedo, 1988, p. 90).
Las variables independientes consideradas son: tiempo de extraccin (t),
temperatura de extraccin (T) y, espesor de las hojuelas de semilla de girasol
(E). La variable dependiente es la fraccin de aceite residual en las hojuelas de
semilla de girasol (Z). Se debe determinar:
a) Un modelo matemtico que represente los datos experimentales

b) Indicadores sobre la bondad de ajuste del modelo matemtico
c) La variacin del error de los valores calculados con el modelo.
241
Tabla 10.5.- Datos de la Cintica de Extraccin del Aceite de Girasol
ACEITE
ESPESOR TEMPER TIEMPO
RESID. ZCALC DESV2
mm C min
%
0,25 24 5 13,15 12,38 0,60
0,25 24 10 7,70 7,61 0,01
0,25 24 15 5,94 5,73 0,04
0,25 24 20 4,73 4,68 0,00
0,25 24 30 3.45 3,52 0,00
0,25 24 55 2,06 2,30 0,06
0,25 52 5 7,92 7,87 0,00
0.25 52 10 4,88 4,84 0,00
0,25 52 15 3,66 3,64 0,00
0,25 52 20 2,86 2,98 0,01
0,25 52 30 2,38 2.24 0,02
0,25 52 55 1,40 1.47 0,00
0,33 24 5 21,78 22,54 0,57
0,33 24 10 13,47 13,86 0.15
0,33 24 15 10,62 10,43 0.03
0,33 24 20 8,01 8,53 0.27
0,33 24 30 7.52 6,42 1.23
0.33 24 55 4,25 4,19 0,00
0,40 24 5 33,01 34.14 1,29
0,40 24 10 19,64 21,00 1'86
0.40 24 15 15,81 15,80 o.oo
0,40 24 20 14.29 12,92 1.87
0,40 24 30 8,81 9.72 0,82
0,40 24 55 6,69 6,35 0.11
0,40 52 5 22.58 21,72 0,75
0,40 52 10 13,21 13,36 0.02
0.40 52 15 9,73 10,05 0,10
0,40 52 20 7,99 8,22 0,05
0.40 52 30 6,13 6,18 0,00
0,40 52 55 4,26 4,04 0,05
Se supone que un modelo matemtico adecuado se encuentra por regresin

lineal mltiple. Para resolver este problema se plantean, en primer lugar, las
ecuaciones normales, que son:
242
Debido al conocimiento de la naturaleza del problema se sabe que es ms

adecuado un modelo doble-logartmico que un modelo lineal. En consecuencia,
se definen las siguientes variables:
X1 = In (espesor)
X2 = In (temperatura)
X3 = In (tiempo)
Z = In (aceite residual)
Realizando las operaciones del caso, el sistema de ecuaciones normales, en
forma matricial, queda como:
Resolviendo este sistema se obtienen los valores de los coeficientes de la

ecuacin de regresin, resultando el siguiente modelo matemtico:
Si se expresa este modelo en trminos de las variables originales se obtiene:
Para la validacin del modelo se calcula el error estndar para la funcin de

regresin, mediante una ecuacin anloga a la (10.19) que da por resultado:
SZ/ET1 = 0,6184 y SZ/ET1 /Z = 0.0200. Dado que = 9,9400 y SE = 1516, si se
aplica la ec. (10.12), el coeficiente de correlacin obtenido es r= 0,9967. En
conclusin, el modelo generado reproduce con mucha precisin los resultados
experimentales de la cintica de extraccin del aceite de girasol. Asimismo, al
correlacionar el error entre el valor del aceite residual experimental y el calculado,
respecto al aceite residual, se observa una tendencia aleatoria, lo cual confirma
la bondad del modelo generado.
En la Figura 10.5 se presenta un grfico con cuatro corridas que muestran la

tendencia entre el aceite residual que contienen las hojuelas de girasol y el
243
tiempo de extraccin. En dos series vecinas (1 y 2), el espesor de las hojuelas

es 0,25 mm pero la temperatura varia de 52 C a 24 C. La serie con mayor
temperatura, como era de esperarse logra mayor remocin de aceite. Al
comparar las series (2) y (3), que tienen la misma temperatura de 52 C, pero el
espesor varia de 0,25 mm a 0,40 mm, se aprecia claramente que la muestra con
mayor espesor logra una remocin ms limitada del aceite. Al comparar las
series (1) y (4), en las que tienen la temperatura de 24 C, pero el espesor de las
hojuelas vara de 0,25 mm a 0,33 mm, la serie (4) muestra una separacin menos
completa del aceite, corroborando la importancia del espesor de las hojuelas.
Figura 10.5.- Senes de dalos de extraccin
10.5. REGRESION USANDO MATRICES
Es ms prctico trabajar la regresin lineal mltiple usando matrices. Estos

clculos es conveniente hacerlos en computador. Existen rutinas y utilitarios para
la manipulacin de matrices, inclusive las hojas de clculo electrnicas traen
funciones para operar con matrices.
Para un conjunto de N observaciones y k-1 variables independientes (k

coeficientes de regresin) se tendran:
vector y de observaciones
vector b de coeficientes de la ecuacin de regresin
matriz de diseo X
244
De tal modo que con los datos experimentales se configura un sistema de

ecuaciones representado por:
Xb=y (10.22)
Multiplicando el sistema anterior por la matriz transpuesta de X (que se tiene

intercambiando las filas por las columnas), se obtendr el sistema:
X1 X b = X1 y
Si A = X1 X y g = X1 y el sistema anterior se reduce a:
Ab=g (10.23)
Que corresponde al sistema de ecuaciones normales. Siendo
Para encontrar el vector de coeficientes b se multiplica el sistema por la matriz

inversa de A
La matriz A1 representa la matriz varianza-covarianza de los coeficientes de

regresin estimados. Es decir, los elementos diagonales de A 1, S2 representan
a las varianzas de b0, b1, bj y, los no diagonales a las covarianzas respectivas.
Por ejemplo:
245
La varianza de la poblacin se aproxima por la varianza muestral, siendo:
Para calcular , que es la suma de cuadrados de los errores- con N-k grados de
libertad-, se calcula previamente la suma total de cuadrados STC -con N-1
grados de libertad-, y la suma de cuadrados de regresin SCR -con k-1 grados
de libertad-. Recordando, N es el nmero de datos experimentales y k-1 el
nmero de variables independientes.
Se rechaza H ( y el coeficiente b puede ser eliminado de la funcin de regresin,

pues no sera significativo. El trmino (&-K) es el estadstico de Student con una
probabilidad a y grados de libertad.
Para determinar el aporte a la regresin de cada uno de los trminos de la funcin

de regresin se puede calcular:
Donde R (b0, b1, bj) es la suma de los cuadrados sin considerar en la funcin
al trmino b1X1 La prueba de hiptesis sera:
H0 : B1 = 0
H1 : B1 0
Para verificarla se calcula el estadstico:
El que se compara con el estadstico de Fisher para una probabilidad a y (1, N-

k) grados de libertad.
246
Si F (1, N-k) se acepta H0 y el coeficiente es estadsticamente significativo9.
EJEMPLO DE REGRESION MULTIPLE USANDO MATRICES
La fraccin de ciertos micro-organismos que sobreviven depende de las

concentraciones de 3 nutrientes. Los datos experimentales son los siguientes
(Walpole - Myers, 1978, p. 359):
Tabla 10.6.- Desarrollo de Microorganismos en funcin de sus Nutrientes
y(% vive) x1(% Nut.1) x2(% Nut. 2) x3(% Nut.3)

25.5 1.74 5,30 10,80
31.2 6,32 5,42 9,40
25,9 6.22 8,41 7.20 j
38.4 10,52 4.63 8,50 |
18,4 1,19 11,60 9,40
| 26,7 1,22 5,85 9,90
9 Esta prueba es equivalente al procedimiento anterior en tanto
26.4 4.10 6,62 8,00

25,9 6.32 8.72 9,10
32,0 4,08 4.42 8,70
25,2 4,15 7.60 9,20
39,7 10,15 4,83 9,40
35.7 1.72 3.12 7,60
26,5 1.70 5.30 8,20
Aplicando la regresin lineal mltiple en forma matricial:
a) Definir el modelo de regresin

b) Calcular la varianza muestral
c) Determinar la bondad de ajuste
d) Estimar la significancia del ltimo coeficiente
247
Resolucin
De los datos experimentales se calculan los siguientes valores:
Todas las sumatorias van desde 1 hasta 13
El sistema de ecuaciones normales A b = g est dado por:
Invirtiendo la matriz A se obtiene:
Los coeficientes de la ecuacin de regresin se calculan por la relacin: b = A-1

g.
De donde: b0 = 39,1574. b1 = 1,0161, b2 = -1,8616, b3 = -0,3433
Por esto, la ecuacin de regresin estimada ser:
y = 39,1574 + 1,0161 x1 - 1,8616 x2 - 0,3433 x3
Para el clculo de la varianza muestral se calcula primero la suma total de

cuadrados, mediante la ec. (10.26):
STC = Syy = 1 1400,15 - (377,5)2/13 = 438,13
Mediante la ecuacin (10.27) se calcula la suma de cuadrados de regresin:
248
Con 3 grados de libertad. Luego, el estimado de la varianza ser:
2: = (438,13 - 399,45)/9 = 4,298
Para establecer la bondad del ajuste se calcula el estadstico F mediante la ec.

(10.30):
F = {399,45/3}/4,298 = 30,98
De tablas se encuentra el valor correspondiente de la distribucin de Fisher para

una probabilidad a = 0,01, con 3 y 9 grados de libertad respectivamente,
resultando 6,99. Luego, esto indica que el modelo propuesto es adecuado. Sin
embargo, existe la posibilidad de mejorarlo.
Por ejemplo, si se quiere evaluar la significancia del coeficiente b3, se aplica la

ec. (10.32)
Este valor es cercano a cero, lo cual indica que el coeficiente b 3 podra ser
eliminado de la funcin de regresin.
Si se trabaja slo con las variables X1 y X2, el sistema de ecuaciones normales

se reduce a:
Los coeficientes de regresin correspondientes son:
b0 = 36,094, b1 = 1,031, b2 = -1,870.
Luego, la suma de los cuadrados de regresin para 2 grados de libertad ser,

por la ecuacin 10.28:
249
La nueva suma de cuadrados de los errores ser:
= STC - R(b1, b2) = 438,13 * 398,12 = 40,01
Y el correspondiente error medio cuadrtico con 10 grados de libertad ser:
S2: = 40,01/10 = 4,001
La variacin en la respuesta, atribuible a X es dada por:
Lo que representa una proporcin mnima de la variacin total. Evaluando su

significacin estadstica, se tiene:
Comparando con el valor de tablas F001 (1,13-3)= 10.04, se determina que el

coeficiente b3 es despreciable.
Concluyendo, en este ejemplo se formula un modelo de regresin mltiple para

tres variables y, luego, se evala la significancia estadstica del cuarto
coeficiente, resultando que el modelo es apropiado an si se trabaja con slo
dos variables independientes.
10.6. REGRESION PARABOLICA
La regresin polinomial se puede considerar un caso especial de la regresin

lineal mltiple, en la que cada uno de los trminos de la serie polinomial x
equivale a una nueva variable independiente x.
Regresin lineal mltiple:
250
Es decir, la regresin polinomial puede ser tratada de modo anlogo a la

regresin lineal mltiple. A continuacin se presenta el caso de la regresin
parablica en tanto ste es muy frecuente. Si se define una parbola de segundo
orden:
y = a + bx + ex2
Por el mtodo de mnimos cuadrados:
Luego, el sistema normal de ecuaciones resulta ser:
Resolviendo estas ecuaciones y simplificando la nomenclatura se obtiene

(Pachner 1984 p 9-9).
251
La suma de cuadrados de los residuos es:
EJEMPLO DE REGRESIN PARABLICA
Se disponen de datos experimentales para la variacin del calor especfico del

benzoato de metilo en funcin de la temperatura. Se ajustar un modelo
parablico para correlacionar esta tendencia y, posteriormente se evaluar la
bondad del ajuste.
Tabla 10.7.- Variacin del Calor Especifico del Benzoato de Metilo
TEMP Cp Cp ERROR
DESV2
K Cal/gmol.K calculado %
273 27.82 27,96 0.51
280 28.59 28,69 0,36 0,01
290 29.68 29,73 0,17 0.00
300 30,77 30,78 0,02 0,00
310 31.85 31.,82 -0,10 0,00
320 32.93 32,86 -0,19 0,00
330 34,00 33,91 -0,26 0.01
350 36,11 35,99 -0.33 0,01
370 38,20 38,08 -0,32 0,02
400 41,29 41,21 -0,20 0.01
415 42,82 42,78 -0,10 0,00
430 44.33 44,34 0,03 0,00
445 45.83 45,91 0,17 0,01
460 47,31 47,47 0,34 0.03
252
Resolucin
En la tabla anterior se presentan los datos experimentales de Cp asi como el

valor calculado con el modelo parablico. La tercera y cuarta columna
representan los errores en porcentaje y las desviaciones cuadrticas,
respectivamente.
Realizando los clculos correspondientes se obtienen los siguientes resultados:
x = 4973 a= -0,52565
x: = 1,82 E+06 b= 0,104347
Los indicadores de la bondad de ajuste tienen los siguientes valores:
En consecuencia, el modelo matemtico resultante es:
C0 = -0,5256 + 0,1044Temp -1,5e-08Temp2
A partir de los indicadores de regresin se aprecia que el modelo matemtico

formulado tiene un muy buen ajuste y permite calcular los datos con mucha
precisin.
253
En la Figura 10.6 se presentan los datos experimentales comparados con los

valores calculados. Existe muy buena concordancia entre ambos. Si se graficase
el error cometido en la estimacin con respecto a la temperatura se observa una
ntida tendencia parablica, lo cual es un indicativo de que se puede ajustar un
modelo an mejor que permita reducir gran parte del error.
Figura W .6 - Calor Especifico del Benzoato de Sodio
10.8 PROBLEMAS PROPUESTOS
Problema 1
Si se cuenta con los datos experimentales presentados en tabla adjunta:
X1 X2 X3
0 1 13,8
1 0 2,7
1 1 8,4
1 2 12,5
2 1 3,6
3 2 4,2
2 3 14,1
3 3 12,5
a. Calcule el parmetro F de Fisher para una probabilidad del 95 % para

evaluar el modelo matemtico:
Y = 9-6X.+4X.+X.*X-
254
b. Determine si dicho modelo es estadsticamente significativo.

c. Discuta si es posible modificar este modelo matemtico para mejorar el
ajuste.
Problema 2
Determine las ecuaciones normales para el siguiente modelo matemtico:
Problema 3
a) Encuentre las ecuaciones normales para el siguiente modelo:

b) Exprese dichas ecuaciones como un sistema matricial
Problema 4
Dados los siguientes datos experimentales:
X 0,1 0,5 1,0 1,4 2.0 2.5 3,0 3,5 4,0
Y -3,57 -1,00 -1,00 -3,57 0,50 0,20 0,11 0,07 0,06
a) Grafique dichos datos

b) Identifique posibles funciones de ajuste para los mismos
c) Selecciona una funcin que le parezca adecuada y justifique su eleccin
d) Calcule los valores de los coeficientes del modelo seleccionado
e) Determine la bondad de ajuste
Clave - Evale la conveniencia de usar funciones hiperblicas
Problema 5
Si se cuenta con la siguiente informacin experimental:
X
0,0 0.2 0,4 0,6 0,8 1,2 1,6 2,0
Y
-0,21 0,00 0,21 0,43 0,65 1,02 1,26 1,34
255
X
2,5 3,0 3,5 4,5 5,5 6,0 6.5 7,0
Y
1,18 0,74 0,09 -1.47 -3.21 -4,49 -6,62 -10,39
a) Grafique los datos

b) Identifique una funcin polinmica para ajustar los datos experimentales
o Calcule los coeficientes de la funcin
c) Determine la bondad de ajuste
d) Repita el mismo procedimiento (pasos b, c y d) para una serie de Fourier.
e) Analice los resultados del ajuste de ambas senes.
Problema 6
En el presente ejemplo se desarrolla un modelo cintico de segundo orden para

representar Jos datos de velocidad de extraccin de aceites vegetales por medio
de solventes (Sedipar et al. 2009).
Desarrollo de Modelo cintico de segundo orden de la extraccin de aceites
La velocidad de disolucin de un aceite contenido en un slido mediante un

solvente puede ser descrita mediante un modelo cintico de segundo orden:
Siendo:
k constante de velocidad de extraccin de segundo orden, Lg-1 min-1
Cs capacidad de extraccin, concentracin de aceite en saturacin, gL-1
C concentracin del aceite en solucin al tiempo t (min), gL-1
Considerando la condicin inicial de que a t=0 C=0, la expresin cintica de

segundo orden integrado, resulta ser:
Expresando esta ltima ecuacin en forma lineal se obtiene:
256
La velocidad de extraccin puede ser expresada del siguiente modo:
Cuando t se aproxima a cero, la velocidad de extraccin inicial h resulta:
Ordenando la ecuacin (10.d) se obtiene:
La velocidad de extraccin inicial h, la capacidad de extraccin Cs y la constante

de velocidad de extraccin de segundo orden k, pueden ser determinadas a partir
de los ciatos experimentales graficando t/C versus t.
El efecto de la temperatura sobre la constante de velocidad de extraccin puede

ser representado por la ecuacin de Arrhenius, que en forma lineal resulta ser:
257
258

CAPITULOS

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

CAPITULOS

Caricato da

Copyright:

Formati disponibili

Miranda Medina Investigando en ingeniera

Como se indic en la Tabla 1.1 del primer captulo, el proyecto de

Fundamentar la investigacin consiste en culminar el aspecto conceptual de

La justificacin es el conjunto de razones que motivan al investigador a

En la justificacin, el investigador demuestra que el problema planteado merece

La importancia puede ser de naturaleza cientfica debido a que la investigacin

La justificacin es el conjunto de razones que motivan al investigador a

La investigacin podra contribuir con el descubrimiento de algn mtodo de

Las investigaciones tecnolgicas demuestran su importancia por el grado de

Por ejemplo, si se quiere desarrollar un proyecto de investigacin sobre aditivos

La justificacin econmica podra sealar que con estos aditivos

Relevancia Social o Econmica

En la relevancia social es preciso destacar qu grupos sociales resultan

entonces se tiene un gran mercado potencial. Se trata de un proyecto que tendra

Para que una determinada industria se embarque en un proceso de renovacin

El autor o autores de la investigacin deben demostrar que su propuesta de

Es necesario demostrar que la investigacin propuesta puede culminarse con

La experiencia del autor o del equipo de investigacin en trabajos similares.

La existencia de informacin cientfica y tcnica que constituye un soporte

La disponibilidad de recursos materiales necesarios, tales como instrumentos o

Los contactos con investigadores de otras instituciones que conocen el campo

La existencia de instituciones interesadas en los resultados de la investigacin y

En las ciencias naturales y aplicaciones ingenieriles el modo de verificar una

Confundir la justificacin de la investigacin con los objetivos de la misma es un

Cuando se fundamente la importancia de una investigacin, es conveniente

1. Valor Terico: La investigacin tiene un valor terico sustantivo? Se

2. Utilidad Metodolgica: La investigacin permitir descubrir algn

algn instrumento metodolgico hasta ahora desconocido? Se

Ejemplo de Innovaciones Tecnolgicas en la Industria de Plsticos

Se investigan las innovaciones tecnolgicas deja pequea industria de plsticos

Sectores de la pequea industria de plsticos que han demostrado mayor

La informacin anterior podra ser muy til para instituciones interesadas en

Para formular la justificacin de la investigacin se propone revisar y responder

1. La presente investigacin no tiene un valor terico sustantivo. Se trata

de innovacin tecnolgica en este sector que podrn ser cubiertos ms

El Objetivo es un propsito cualitativo que define "el qu" se pretende

El Objetivo emana del Problema, est articulado a l. De ninguna manera se

Un objetivo debe indicar si se va a investigar las causas del problema, sus

Pueden ser generales y especficos. En la investigacin no conviene tener

Durante la formulacin del proyecto de investigacin es conveniente' enunciar

Para el cumplimiento de cada objetivo especfico hay que plantear y

Los objetivos tienen las siguientes caractersticas:

Determinan de modo especfico los logros que se esperan de la investigacin

Expresan relaciones entre las variables del problema.

Las Metas, en cambio, expresan cuantitativamente los logros del proyecto; a

Los objetivos se redactan empezando con un verbo en infinitivo, y como se

Las interrogantes que se presentan en la formulacin de objetivos son las

Interrogantes sobre el Objeto de la Investigacin

Cul es la ubicacin temporal del tema? Por qu se selecciona sta y no

Interrogantes sobre el Anlisis de Variables

Con qu variables se describe el estado del sistema seleccionado?

A modo de ilustracin se proponen los siguientes ejemplos de objetivos de

1. Determinar el nivel de contaminacin en cromo, de las aguas efluentes de

En el primer objetivo se precisa qu contaminante se va a evaluar (cromo), el

En el segundo objetivo propuesto se busca una relacin entre la radiacin ultra-

Como ejemplo algo ms completo, se presenta el siguiente caso, que considera

Ejemplo sobre la Extraccin de un Aceite Esencial de una Planta Nativa.

Se podra formular el siguiente objetive general:

Establecer la cintica de extraccin del aceite esencial de las hojas de

Como objetivos especficos se proponen los siguientes:

1. Seleccionar el solvente ms adecuado para la extraccin del aceite

2. Formular una ecuacin que describa la cintica de extraccin en trminos

Anlisis preliminar de variables implicadas:

Si un solvente es adecuado o no para extraer un determinado soluto,