AADECA 2008 – Semana del Control Automático – XXIº Congreso Argentino de Control Automático 1 al 3 de Septiembre de 2008 – Buenos Aires, Argentina. ESTUDIO COMPARATIVO DE TÉCNICAS PARA ESTIMACIÓN DE BIOMASA EN BIOPROCESO TIPO BATCH Adriana N. Amicarelli, Olga L. Quintero, Fernando A. di Sciascio, Hernán D. Álvarez ++ Instituto de Automática (INAUT). Universidad Nacional de San Juan. Av. Libertador San Martín 1109 (oeste). J5400ARL. San Juan, Argentina. ++ Escuela de Procesos y Energía. Facultad de Minas. Grupo de Automática. Universidad Nacional de Colombia. E-mail: amicarelli@inaut.unsj.edu.ar, olquinte@inaut.unsj.edu.ar, fernando@inaut.unsj.edu.ar, hdalvare@unalmed.edu.co Resumen. Este trabajo presenta un estudio comparativo entre estimadores de biomasa para procesos batch. En particular, este trabajo investiga la importancia de la inclusión de la dinámica del oxígeno disuelto para el proceso de producción de δ- endotoxinas de Bacillus thuringiensis. A tal fin, se diseñan dos observadores: un observador de biomasa clásico basado en la teoría de filtro de Kalman extendido y un observador fenomenológico. Ambos diseños son comparados con un modelo conocido y disponible de este proceso. El estimador fenomenológico está basado en el modelo de la dinámica del oxígeno disuelto y el vector de observación para el filtro de Kalman extendido (FKE) fue construido con datos experimentales de concentración oxígeno disuelto y sustrato. Palabras Claves - Bacillus thuringiensis; Bioprocesos; Estimación de Biomasa; Filtro de Kalman Extendido. 1. INTRODUCCION La biomasa es una variable clave para los procesos biotecnológicos; de hecho muchas veces constituye el producto del proceso. Este es precisamente el caso para el proceso de producción de δ – endotoxinas de Bacillus thuringiensis (Bt), el cual motiva esta investigación. Particularmente, algunos estados pueden ser medidos en línea, pero usualmente la biomasa no puede ser medida de esta forma o tal medición no es económicamente viable. A menudo, en fermentaciones o en otros sistemas biológicos, el conocimiento de mediciones en línea de biomasa es una tarea difícil y el diseño y/o aplicación de estimadores de biomasa han sido un área activa de investigación durante las cuatro décadas pasadas. En el transcurso de este tiempo, han sido propuestas en la literatura numerosas técnicas de estimación involucrando modelos no lineales de bioprocesos. Un resumen de las técnicas comúnmente usadas puede encontrarse en (Bastin y Dochain, 1990; Dochain, 2003, di Sciascio y Amicarelli, 2008) y referencias asociadas. De acuerdo con Bovin, (1998); el problema de determinar las entradas o acciones de control para un modelo de proceso dado, no se realiza de manera apropiada en la práctica, generalmente debido a que no se considera la gran incertidumbre y variabilidad de los procesos batch. Además al operar con reactores discontinuos, la productividad efectiva no es frecuentemente medida debido a que se considera más importante la performance del proceso batch por completo. El proceso de producción de δ – endotoxinas de Bacillus thuringiensis posee fuertes no linealidades originadas a partir de varias fuentes: las concentraciones involucradas dependen de otras variables y generalmente existen relaciones no lineales entre los estados del proceso, entre otras. Debido a esta naturaleza altamente no lineal, no es posible usar, con propósitos de control y estimación, modelos aproximados que han sido obtenidos por linealización alrededor de un único punto de operación. El desarrollo de modelos realizables para bioprocesos lleva implícito un gran consumo de tiempo (Dorsey y Lee, 2003). La toma de mediciones y el modelado, son a menudo más importantes que aspectos relacionados con el costo computacional, el control y/o la optimización del proceso. Afortunadamente, hoy en día, existe un modelo fenomenológico completo que describe adecuadamente el proceso de producción de δ – endotoxinas de Bacillus thuringiensis. El hecho de que exista un modelo con un grado de detalle adecuado, supone un beneficio no sólo para la estimación de estados del proceso sino también para el control y la optimización de este proceso. Obviamente, como en todo bioproceso, existen perturbaciones que desafortunadamente no pueden ser totalmente dejadas de lado. Tal es así, que existen perturbaciones no medidas ingresando al proceso, como por ejemplo la adición de antiespumante para evadir la formación de espuma en el reactor, o el agregado de acido/base para el control del nivel