UNIVERSIDADE FEDERAL DO PARANÁ …meleiro/orientacoes/ic/Mod_Sim_Contr... · Desta forma, todos os...
Transcript of UNIVERSIDADE FEDERAL DO PARANÁ …meleiro/orientacoes/ic/Mod_Sim_Contr... · Desta forma, todos os...
1
UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ENGENHARIA QUÍMICA
MODELAGEM, SIMULAÇÃO E CONTROLE DE BIOPROCESSOS UMA ABORDAGEM INTRODUTÓRIA
CURITIBA, FEVEREIRO DE 2006
2
UNIVERSIDADE FEDERAL DO PARANÁ DEPARTAMENTO DE ENGENHARIA QUÍMICA
MODELAGEM, SIMULAÇÃO E CONTROLE DE BIOPROCESSOS UMA ABORDAGEM INTRODUTÓRIA
Número do BANPESQ/THALES: 2004014247 Orientador: Prof. Dr. Luiz Augusto da Cruz Meleiro – DEQ/UFPR Bolsista: Tarcila Bueno – Curso de Engenharia de Bioprocessos e Biotecnologia
3
MODELAGEM, SIMULAÇÃO E CONTROLE DE BIOPROCESSOS UMA ABORDAGEM INTRODUTÓRIA
1. RESUMO
O presente relatório apresenta os resultados finais do projeto de pesquisa em modelagem
e simulação de bioprocessos. De acordo com o cronograma proposto para este projeto de
pesquisa, as atividades realizadas até o momento consistiram da revisão bibliográfica referente à
fase inicial do projeto, estudo das principais características, formulação e seleção de modelos
matemáticos adequados para descrever o comportamento de bioprocessos e o estudo da
linguagem de programação científica FORTRAN. Além disso, foram realizadas algumas
simulações computacionais de operação industrial para avaliação da dinâmica de processos
fermentativos considerando alguns dos tipos de reatores industriais mais utilizados para este fim,
sendo também proposta uma estratégia de controle automático para o bioprocesso A-B-E
operando em regime de batelada alimentada e contínuo.
2. OBJETIVOS
O principal objetivo deste projeto é realizar um estudo sobre a modelagem matemática, a
simulação computacional e o controle automático de bioprocessos. Este trabalho serviu de base
para futuros projetos de pesquisa visando o desenvolvimento de modelos matemáticos mais
sofisticados, de técnicas de identificação de parâmetros “on-line” e “off-line” e de estratégias de
controle avançado para bioprocessos.
3. INTRODUÇÃO
A pesquisa em modelagem matemática reportada na literatura técnica especializada refere-
se basicamente às reações que ocorrem no interior da célula. Dessa forma, a modelagem
matemática de processos fermentativos pode ser definida como a tentativa de representar,
através de equações matemáticas, os balanços de massa para cada componente do biorreator
associados às complexas transformações bioquímicas que ocorrem nos processos e às
velocidades com que estas reações se processam. A formulação de um modelo matemático deve,
segundo alguns autores, possuir um comprometimento entre o grau de complexidade razoável e
solução (esforço computacional) economicamente desejável. Por sua vez, a simulação do
processo corresponde a sua análise (por exemplo, sua otimização), através do modelo
matemático proposto (BORZANI et al., 2001).
A exigência básica para se avaliar o comportamento dinâmico de um processo químico é a
disponibilidade de um modelo matemático que descreva como os estados (variáveis de interesse)
do processo variam com o tempo. Dado um conjunto de dados de entrada, um modelo pode ser
utilizado para predizer a saída (ou “resposta”) de um processo. O desenvolvimento da modelagem
4
matemática dos processos fermentativos permite atingir entre outros, os seguintes objetivos:
organizar informações desconexas a respeito dos fenômenos biológicos num conjunto coerente;
pensar (e calcular) logicamente a respeito de quais componentes e interações são importantes
num sistema complexo; descobrir novas estratégias para explicar o comportamento das células
submetidas a determinados ambientes; corrigir falhas eventualmente existentes no entendimento
convencionadas de determinados fenômenos e, finalmente, entender as características
qualitativamente essenciais de determinados processos (BORZANI et al., 2001).
Um dos objetivos da modelagem matemática e simulação, como ferramenta do
desenvolvimento tecnológico de processos fermentativos, é prever o comportamento dinâmico e
estacionário do processo, inclusive em condições não testadas empiricamente, possibilitando a
determinação das condições operacionais economicamente ótimas do sistema, auxiliando no
projeto e ajuste de algoritmos de controle, no qual o modelo matemático formulado passa a ser
parte integrante do mesmo (BORZANI et al., 2001).
Na formulação de modelos matemáticos que representem adequadamente os processos
fermentativos, muitas dificuldades são encontradas devido à necessidade de incorporar uma série
de características que os diferenciam dos processos químicos convencionais. Entre estas
características, podem ser citadas as seguintes: baixas concentrações e baixas velocidades de
reação, como resultado da utilização de um meio diluído; complexidade da mistura reagente e
capacidade do sistema (células microbianas) de sintetizar seu próprio catalisador; conhecimento
insuficiente de vários fenômenos limitantes da velocidade de produção e falta de sensores para
automação on line; problemas de esterilidade, segurança e eventualmente da toxicidade dos
processos fermentativos (BORZANI et al., 2001).
No controle de bioprocessos, observa-se que há diferenças no controle comparado à
indústria de sínteses químicas em muitos aspectos que afetam a sua instrumentação, tanto
negativa quanto positivamente. Um aspecto em que os bioprocessos são considerados mais
fáceis de controlar é que eles são mais estáveis, e a maioria das variáveis mais importantes tende
a sofrer alterações lentamente com o tempo na ausência de falhas nos equipamentos. Um
problema significante com os bioprocessos, entretanto, é que uma vez que a população de células
tenha morrido, o processo está perdido sem possibilidade de recuperação, e o rendimento do
produto até aquele ponto pode ser inaceitável. Isso pode significar uma perda substancial de
tempo e dinheiro. Um outro aspecto em que os bioprocessos apresentam problemas em relação à
instrumentação, é que eles devem ser absolutamente estéreis, e o ambiente estabelecido para a
produção de uma desejada linhagem celular pode também permitir o crescimento de células
indesejáveis. Desta forma, todos os sensores de medida das variáveis do bioprocesso devem ser
instalados e mantidos de modo a permitir a esterilidade do processo.
5
4. REVISÃO BIBLIOGRÁFICA
4.1 Estudo e Formulação dos Modelos Matemáticos de Processos Fermentativos Inicialmente deve-se reconhecer que num processo fermentativo, estão envolvidos dois
sistemas que interagem continuamente: a fase biológica composta pela população microbiana ou
pela cultura de células animais ou vegetais e a fase ambiental ou o meio de cultura, como é
comumente conhecido e que contém substratos e produtos do processo (BORZANI et al., 2001).
Idealmente a modelagem de uma fermentação deveria predizer o resultado de milhares de
transformações químicas que ocorrem pela ação de uma população microbiana, ou de uma
cultura de células animais ou vegetais. Sem dúvida, uma descrição completa de todas as vias e
interações metabólicas pertinentes ao desenvolvimento microbiano seria extremamente complexa,
ou mesmo impossível. Felizmente, sabe-se que, ao menos na área de ciências exatas, muitos
problemas podem ser estudados usando uma medida das várias propriedades das diversas
entidades em questão. Nesse sentido é importante lembrar que o modelo ainda pode ser válido se
somente um número limitado de mecanismos governantes são considerados em detalhe. Portanto
na elaboração da modelagem de processos fermentativos, geralmente são introduzidas
simplificações de maneira a se obter modelos possíveis de serem manuseados e generalizados
(BORZANI et al., 2001).
• Classificação dos Modelos Matemáticos Utilizados em Processos Fermentativos
Modelos Fenomenológicos: baseiam-se na formulação de hipóteses e correlações
teóricas ou empíricas para explicar os fenômenos e o comportamento das variáveis do processo
observados experimentalmente. Os modelos fenomenológicos são baseados nas leis de
conservação de massa e energia, nos fenômenos de transporte e nas relações físico-químicas,
cinéticas e termodinâmicas (BORZANI et al., 2001).
Modelos Entrada e Saída (ou empíricos): estabelecem relações empíricas para
correlacionar o efeito de variações nas variáveis de entrada ou manipuláveis: (caso, por exemplo,
das concentrações iniciais em sistemas operados em batelada ou das concentrações de vazões
de alimentação dos sistemas operados em forma contínua) nos valores das variáveis de saída ou
medidas do processo (caso do perfil de concentrações possíveis de serem medidas no interior do
biorreator, ou no seu efluente ao longo do tempo), (BORZANI et al., 2001).
• Equações de Balanço
As equações de balanço do processo devem ser formuladas para cada variável de estado e
para o volume de controle do sistema em estudo. Para os processos fermentativos realizados em
biorreatores homogêneos, o volume de controle corresponde ao próprio volume útil do biorreator.
A equação geral de balanço apresenta-se como:
6
Termos de entrada:
Fluxo global através das fronteiras geométricas do sistema
Difusão através da fronteiras geométricas do sistema (importante apenas para biorreatores
heterogêneos, onde os volumes de controle são infinitesimais);
Transporte através das fronteiras entre as fases (caso do transporte de oxigênio da fase
gasosa para a fase líquida);
Geração dentro do volume de controle (geralmente crescimento celular e produção de
produtos metabólicos).
Termos de saída :
Fluxo global através das fronteiras geométricas do sistema;
Difusão através das fronteiras geométricas do sistema;
Transporte através das fronteiras entre as fases;
Consumo dentro do volume de controle (geralmente morte celular ou consumo de substratos)
• Estudo da Cinética de um Processo Simples O processo de criação de um modelo matemático de fermentação começa usualmente de
um esquema simplificado de reações derivadas do conhecimento das vias metabólicas
envolvidas. Quando se compõe o modelo matemático, taxas de reação são usualmente
aproximadas pelo uso de uma das relações derivadas da teoria das reações químicas ou
enzimáticas. A tabela abaixo resume as relações empregadas utilizadas com mais freqüência para
a descrição apropriada da dinâmica de sub-sistemas metabólicos individuais (VOLESKI e
VOTRUBA ,1992).
Tabela 1: Sumário das taxas mais freqüentes usadas para expressar uma cinética simples
no modelo de simulação de processos fermentativos.
kSr =1
nkSr =2
SKkSr+
=3
7
n
n
SKkSr+
=4
( )[ ]KSkr /exp15 −−=
( )KSkr /exp6 −=
SKkKr+
=7
nSKkKr+
=8
O esclarecimento da função e o significado físico-químico dos modelos das taxas de
reações matemáticas individuais listados na Tabela 1 são apresentados a seguir (VOLESKI e
VOTRUBA, 1992):
Taxa de reação do tipo r1: É caracterizada pela relação linear entre a taxa de fenômeno e a
concentração do substrato de reação. A reação caracterizada por este tipo de taxa de reação é
basicamente controlada por difusão. A relação linear entre as taxas de sub-processos e a
concentração de substrato não é típica para os processos biológicos porque todas as taxas de
reação catalisadas enzimaticamente são usualmente baixadas do que a taxa de difusão a qual
deste modo não se tornaria a taxa de controle dos parâmetros. Relações lineares entre a taxa de
reação e a concentração de substrato, entretanto são típicas pelo declínio de processos dentro da
célula, e pela influência de substâncias atípicas na célula.
Taxa de reação do tipo r2: É derivada da adsorção isotérmica de Freundlich e é típica para
processos controlados por adsorção física sobre superfícies sólidas ou sobre estruturas. Este
fenômeno é caracterizado em sua maioria por reações hidrolíticas. A cinética deste tipo pode ser
aplicada na modelagem de processos envolvendo a utilização de substratos sólidos como
celulose, amido, entre outros.
Taxa de reação do tipo r3: É uma das muitas fórmulas típicas utilizadas para a modelagem de
processos fermentativos porque representa a taxa de mudança de fenômenos controlados por
quimiosorção do substrato sobre o sítio ativo assim como sobre a molécula da enzima. O valor da
constante k representa a velocidade máxima com a qual o subsistema pode participar em todo o
processo.
Taxa de reação do tipo r4: É a modificação dos casos anteriores de quimiosorção onde há mais
de um sítio ativo presente em cada molécula biocatalítica. A cinética deste tipo é útil para
descrever as dinâmicas de mecanismos de reações em complexos multienzimáticos, em
8
organelas especializadas ou, assim como a revisão de Harder and Roels, quando se modela a
síntese de enzimas catabólicas, as quais são controladas pela taxa da síntese de RNAm em torna
da dependência da quimiosorção da proteína CA e da cAMP no sítio do promotor do DNA
cromossomal. O uso deste método para descrever as taxas de reação de um subprocesso,
entretanto, não é muito freqüente na modelagem prática porque a equação resultante contém
parâmetros difíceis de identificar e também porque o comportamento sigmoidal dos sub-sistemas
chave na biossíntese não é muito usual. Os cálculos da simulação dos processos subseqüentes
podem ser significativamente diminuídos quando este tipo de modelo com parâmetros de números
não integrais n são usados, porque a expressão numérica da quantificação Sn é finalizada pelo
uso dobrado de séries que expressam numericamente o exponencial e o logaritmo.
Taxa de reação do tipo r5: É um tipo um tanto incomum de taxa de reação sugerida para
descrever o processo dinâmico. Esta taxa é baseada na pura interpretação física derivada das
equações de movimento num ponto de massa cercado caracterizado pela dissipação de forças. A
força exercida pelo ponto da unidade de massa contra a resistência aos seus arredores é
expressa pela equação básica ν = κ . ν2
Substitui-se a velocidade ν definida no espaço de estado pela concentração onde:
dtdP
dtdDrv =−== (1)
e seguindo o rearranjo da equação original onde o tempo é eliminado, a equação modificada pode
ser resolvida pelas condições vinculadas a trajetória onde: ( ) ( k; rS e ,rS =>>== 000 )
)
O uso da cinética tipo r5 não é tão freqüente na composição de um modelo matemático
para simulação de processos. Isto poderia ser usado, entretanto, para a descrição de taxas de
sub-processos com consideração limites internos de reação do sistema, assim como neste caso,
por exemplo, na reação de modelagem concernente a incorporação de elementos ou fosfatos em
várias estruturas celulares ou na parede celular.
Taxa de reação do tipo r6: É derivado de uma hipótese física similar assim como o modelo
cinético acima. A substância com concentração S, entretanto, é considerada diretamente
participante na dissipação da energia cinética durante o curso da reação. A relação para
dissipação de energia cinética, entretanto, é resolvida por diferentes condições vinculadas na
trajetória metabólica ( . O uso prático desta equação é na simulação da reação de
redução de atividade (slow-down - reação de ordem zero) e, conseqüentemente, para expressar
alguma realimentação no processo. Este tipo particular de cinética, similarmente r
krS == ;0
5, não é
extensivamente usado na prática. A interpretação física pode ser, quando comparada ao modelo
de inibição derivada da cinética enzimática, um tanto quanto incerta.
9
Taxa de reação do tipo r7: Este tipo é baseado no princípio do impedimento reversível hipotético
do sítio ativo de reação por quimiosorção da substância de concentração S. Esta substância
bloqueia a atividade enzimática e causa um efeito demonstrado por inibição negativa. Modelos
deste tipo de taxa podem ser usados em modelos de simulação de processos em termos capazes
de realizar um realimentação negativa no esquema metabólico do processo.
Taxa de reação do tipo r8: É uma variação da taxa acima (r6) derivada da inibição de um grande
número de sítios ativos de reação de um processo bioquímico. Uma vantagem desta abordagem,
que usa altos valores para o expoente n, é a possibilidade da simulação de um sub-sistema
metabólico quando a concentração da substância S excede um certo valor final. Isto é feito
através de uma função do tipo sigmoidal. A identificação e os problemas computacionais
associados a este tipo de cinética são similares àqueles com a taxa tipo r4 descrita acima. Quando se constrói um modelo matemático de processos fermentativos, o uso de uma
simples relação de taxa listada na Tabela 1 pode cobrir o necessário para muitos casos
relacionados ao primeiro e segundo nível do sistema hierárquico. Freqüentemente, usa-se
combinações destas relações de taxa baseados na superposição de vários fenômenos simples
fornecidos no sub-sistema. O método da superposição depende de relações recíprocas entre os
sub-sistemas. Freqüentemente, a adição ou multiplicação do produto é usada dependendo se
existe um efeito seqüencial ou alternativo de acordo com as seguintes relações:
(2) ∑=
=n
iirr
1
(3) ∏=
=n
iirr
1
4.2 Identificação de Modelos Matemáticos
A formulação de um modelo matemático de processos fermentativos, do ponto de vista da
análise dos sistemas, é usualmente realizada em três estágios (VOLESKI e VOTRUBA, 1992):
1. Análise qualitativa da estrutura do sistema, usualmente baseada no conhecimento das vias
metabólicas e da “biogênese” do produto desejado;
2. Formulação do modelo em uma forma matemática geral. Este estágio às vezes é chamado
de síntese da estrutura do operacional do processo.
3. Identificação e determinação dos valores das constantes do modelo e/ou parâmetros que são
baseados em experimentos ou dados de outras operações de um processo real.
10
4.3 Controle operacional do processo
No controle de um bioprocesso, sensores (temperatura, pressão, pH, oxigênio dissolvido,
nível) acoplados ao biorrreator transmitem um sinal pneumático ou elétrico calibrado de acordo
com uma escala da variável para um indicador, registrador ou controlador. Estes indicadores,
registradores e controladores podem ser constituídos de unidades individuais, unidades
combinadas que realizam estas três funções para uma ou mais variáveis ou sistemas complexos
de controle distribuído com capacidade praticamente ilimitada. Como o próprio termo implica, os
indicadores simplesmente medem as variáveis ou um valor em escala definidas, os registradores
realizam uma cópia dos valores, além de indicá-los, e os controladores comparam o valor da
variável medida com o valor desejado, o set point, computam o erro, e calculam uma resposta
baseada no algoritmo do controlador. A resposta do controlador geralmente é transmitida a um
elemento controlador final: o sinal geralmente atua sobre uma válvula de controle, mas ele pode
ser uma entrada para um controlador de velocidade ou o set point de outro controlador ou ser
usado de outras formas para controlar o processo. O elemento final de controle age sobre a
variável manipulada para produzir os resultados desejados. A combinação de um sensor, um
indicador, registrador ou controlador, e um elemento final de controle (quando um controlador é
usado) constitui um loop de controle.
O algoritmo de controle mais comum na indústria de bioprocessos é o algoritmo de
controle proporcional integral (PI). O erro é fornecido ao algoritmo PI e uma saída é calculada, a
qual depende das constantes do controlador. A combinação dos dois componentes do algoritmo
de controle (proporcional e integral) é apresentada na seguinte equação:
( ) ( )
∆++= ∑
=
n
KICR KEtKEKFKF
1)(
τ
onde “F(K)” é a saída, Kc é o ganho proporcional, “E” é o erro, τi é o tempo integral e t é o
tempo. A resposta devido ao componente proporcional do algoritmo de controle é baseada no
tamanho do erro. O ganho pode ser qualquer valor em uma faixa que o controlador aceite. Se uma
saída para a válvula de controle é maior do que 1 ou menor do que 0, a válvula é completamente
aberta ou fechada (dependendo da ação). O ganho proporcional determina, portanto, o quanto o
loop de controle é sensível. O elemento integral do controlador PI calcula uma saída baseada no
tempo em que o erro está presente.
11
5. MATERIAIS E MÉTODOS:
5.1 Estudo da Linguagem Fortran e de Métodos Numéricos para Resolução de Equações Diferenciais
Como este projeto é de cunho teórico-computacional, iniciou-se nesta etapa o estudo da
linguagem de programação FORTRAN, a qual inclui recursos de programação estruturada, de
operações sobre caracteres, de manipulação e de uso de arquivos, entre outros (HEHL, 1986).
Uma vez que a simulação dinâmica de um processo envolve a resolução de equações
diferenciais, um estudo inicial realizado nesta etapa mostrou que o método de Runge-Kutta de 4ª
ordem é um método numérico adequado para integrar o tipo de equações diferenciais
normalmente utilizadas para representar o comportamento dinâmico de bioprocessos. A idéia
básica deste método é aproveitar as qualidades dos métodos da série de Taylor
computacionalmente aceitáveis (RIGGIERO e LOPES, 1996).
De forma resumida, podemos dizer que os métodos de Runge-Kutta se caracterizam por
certas prioridades, tais como: são de passo igual a um, não exigem cálculo de qualquer derivada
de f(x,y), porém, é preciso calcular f(x,y) em vários pontos; após expandir f(x,y) pelo método de
Taylor para função de duas variáveis em torno de (xn, yn) e agrupar os termos semelhantes, sua
expressão coincide coma do método de série de Taylor de mesma ordem (RIGGIERO e LOPES,
1996).
5.2 Descrição dos processos
Modelagem de processos alternativos da fermentação A-B-E (Acetona, Butanol e Etanol) O processo fermentativo proposto trata da conversão fermentativa da matéria prima
(açúcares) em uma mistura de solventes orgânicos – acetona, butanol e etanol – como produtos
finais acumulados no caldo fermentativo. Este processo fermentativo anaeróbio representa uma
complexa formação de produto não associado ao crescimento através de dois intermediários
associados ao crescimento celular, o ácido butírico e o ácido acético. Além disso, ocorre a
formação de hidrogênio e dióxido de carbono durante a bioconversão catalisada por uma bactéria
estritamente anaeróbia, Clostridium acetobutylicum, a qual é dotada de um comportamento
fisiológico bastante interessante.
O modelo matemático deste processo pode auxiliar no estudo deste tipo de fermentação de
várias formas (VOLESKI e VOTRUBA, 1992):
- Direcionar o trabalho experimental através de simulações computacionais de formas
alternativas de operação do processo (usando biorreatores do tipo tanque agitado ou do tipo
tubular, operação em regime contínuo ou batelada, com células livres ou imobilizadas, etc.).
12
- Fornecer a base teórica para o desenvolvimento de estratégias de controle automático e
otimização do sistema fermentativo.
Diferentes modos de operação da fermentação A-B-E foram considerados neste estudo,
desde a linha de operação da fermentação em batelada até os típicos modos de operação em
regime contínuo, considerando também as operações com retenção de microrganismos e
batelada alimentada. A modelagem fenomenológica tem a grande vantagem de que os termos
matemáticos individuais usados nas equações dos modelos têm um significado físico real na
interpretação do processo (VOLESKI e VOTRUBA, 1992).
Os experimentos originais da cultura em batelada, realizados por VOLESKI e VOTRUBA
(1992) e utilizados neste trabalho, foram realizados usando a bactéria Clostridium acetobutilicum.
A cepa produziu pouco resíduo de ácido butírico no fim da fermentação e uma boa produção dos
solventes orgânicos. A cultura sofreu um processo de seleção da cepa usando um meio
enriquecido com ácido butírico. O meio “Clostridium reforçado semi-sólido” (RCM) foi usado para
manutenção da cultura e ativação dos esporos. O meio RCM contém (em g/L): extrato de levedura
3,0; Lab-Lemco powder, 10,0; Amido solúvel, 1,0; Dextrose 5,0; Cisteína hidroclorida 0,5; NaCl
5,0; acetato de sódio, 3,0; Agar 0,5. Seguido de esterilização, pH foi de aproximadamente 6,8. Os
esporos foram armazenados em tubos teste “screw-cap”de 15 cm. Cada tubo foi usado para o
início de uma fermentação. Os esporos foram aquecidos e agitados (shocked) colocando os tubos
testes na água de banho (70° a 75°C) por 20 a 25 minutos. Transferiu-se 3% do inóculo para
garrafas de soro de 100ml contendo 30ml da mesma solução RCM. Depois de 24 horas de
ativação dos esporos, 3% do inóculo foi passado para um meio de cultura em glicose líquida
contendo em (g/l): Glucose, 50; Extrato de levedura, 11; (NH4)SO4 ,9; K2HPO4, 0,8; KH2PO4, 0,8;
(MgSO4 . 7H2O), 0,3;(FeSO4.7H2O), 0,02; (MnSO4.H2O), 0,02; NaCl 0,02. Depois de 16 a 20
horas, 3% do inóculo foi usado para experimentos em cultura em batelada conduzidos em um
fermentador modificado de capacidade igual a 14 litros (Microferm), contendo 10 litros de caldo de
fermentação em pH inicial de 6,4. Antes da inoculação, o fermentador foi pulverizado com gás
nitrogênio altamente puro para asseguar a anaerobiose. Os solventes e os ácidos do caldo
fermentativo foram analisados em cromatografia gasosa (Carle gás chromatograph) (VOLESKI e
VOTRUBA, 1992).
Processo em batelada (descontínuo) de fermentação A-B-E A fermentação em batelada é a mais usada, principalmente na área alimentícia. Seu modo
de operação pode ser descrito assim: no instante inicial, a solução nutriente esterilizada no
fermentador é inoculada com microrganismos e incubada, de modo a permitir que a fermentação
ocorra sob condições ótimas (BORZANI et al., 2001).
A fermentação descontínua (batelada) pode levar a baixos rendimentos e/ou produtividades,
quando o substrato é adicionado de uma só vez no início da fermentação, pois este pode exercer
13
efeitos de inibição, repressão ou desviar o metabolismo celular a produtos que não interessam.
Além disso, este tipo de operação apresenta “tempos mortos”, ou seja, tempos em que o
fermentador não está sendo usado para o processo fermentativo propriamente dito, tais como
tempo de carga e descarga da dorna e período correspondente a lavagem e esterilização do
fermentador. Por outro lado, a operação em batelada apresenta menores riscos de contaminação
(comparados aos processos contínuos de fermentação) e grande flexibilidade de operação
(BORZANI et al., 2001).
• Balanço de massa para o crescimento celular:
BXkXydtdX
2)1(56,0 −−=
yyBK
KSkdtdy
I
I )]1(56,0[ 1 −−+
=
• Balanço material para o substrato:
XKS
SkSXkdtdS
S+−−= 43
• Balanço material para o ácido butírico
XBAK
BAkXKB
KSkdt
dBABAI
I
+−
+= 65
• Balanço material para o ácido acético
XSK
SKAA
AAkXBK
KKS
Skdt
dAA
SAAI
I
S ++−
++= 98
• Balanço material para o butanol
dtBAd
SXkdtdB )(
841,07 −=
14
• Balanço material para a acetona
dtAAd
XKS
SkdtdA
S
)(484,010 −
+=
• Balanço material para o etanol
XKS
SkdtdE
S+= 11
O modelo matemático para o processo de fermentação em batelada apresentado neste
trabalho consiste em uma série de equações diferenciais ordinárias representando os balanços de
massa do biorreator para o substrato, a biomassa, metabólitos intermediários e produtos chave
finais. O modelo matemático foi capaz de refletir bem todas as fases da cultura em batelada. O
comportamento do processo pode ser visto na Figura 1.
0 5 10 15 20 25 30 350,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
Biom
assa
(g/l)
Tempo (h)
Biomassa
0
1
2
3
4
5
6
7
8
9
10
Prod
utos
inte
rmed
iário
s (g
/l)
Ácido Butírico Ácido Acético
0 5 10 15 20 25 30 350
10
20
30
40
50
60
Subs
trato
(g/l)
Tempo (h)
Substrato
0
1
2
3
4
5
6
7
8
9
10
11
12
Prod
utos
(g/l)
Butanol Acetona Etanol
Figura 1 – Processo fermentativo A-B-E em reator de mistura operando em regime de batelada.
Processo em batelada alimentada A-B-E O processo em batelada alimentada é definido como uma técnica onde um ou mais
nutrientes são adicionados ao fermentador durante o cultivo e em que os produtos aí permanecem
até o final da fermentação. A vazão de alimentação pode ser constante ou variar com o tempo, a
mudança de volume pode ou não ocorrer, dependendo da concentração de substrato e da taxa de
evaporação do sistema. O processo em batelada alimentada é útil para o estudo da cinética de
processos fermentativos, pois permite a manutenção de baixos níveis de substrato por longos
períodos de tempo, que é favorável a estimação de parâmetros cinéticos, também permite manter
15
a concentração celular constante e controlar velocidades de crescimento em condições
transientes. Além disso, há evidências que as máximas velocidades de alguns processos podem
ser encontradas somente nestas circunstâncias (BORZANI et al., 2001).
• Balanço de massa para o crescimento celular:
XdtdV
VBXkXy
dtdX 1)1(56,0 2 −−−=
yyBK
KSkdtdy
I
I )]1(56,0[ 1 −−+
=
• Balanço material para o substrato:
)(1043 SS
dtdV
VX
KSSkSXk
dtdS
S
−++
−−=
• Balanço material para o ácido butírico
)(165 BA
dtdV
VX
BAKBAkX
KBKSk
dtdBA
BAI
I −+
−+
=
• Balanço material para o ácido acético
)(8 AADXBK
KKS
Skdt
dAAI
I
S
−++
=
• Balanço material para o butanol
BdtdV
VBA
dtdV
VdtBAd
SXkdtdB 1)].(1)(
[831,07 −+−=
• Balanço material para a acetona
AdtdV
VAA
dtdV
VdtAAd
XKS
SkdtdA
S
1].1)([5,010 −+−
+=
16
• Balanço material para o etanol
EdtdV
VX
KSSk
dtdE
S
111 −
+=
O modelo matemático foi capaz de refletir bem o comportamento do processo operando em
regime de batelada alimentada, como pode ser visto na Figura 2.
0 5 10 15 20 25 30 35 400,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
Biom
assa
(g/l)
Tempo (h)
Biomassa
0,0
0,5
1,0
1,5
2,0
2,5
3,0
Prod
utos
inte
rmed
iário
s (g
/l)
Ácido Butírico Ácido Acético
0 5 10 15 20 25 30 35 400
10
20
30
40
50
60
Subs
trato
(g/l)
Tempo (h)
Substrato
0
1
2
3
4
5
6
7
8
9
10
Prod
utos
(g/l)
Butanol Acetona Etanol
Figura 2 – Processo fermentativo A-B-E em reator de mistura operando em regime de batelada
alimentada.
Processo contínuo de fermentação A-B-E
O processo de fermentação contínua caracteriza-se por possuir uma alimentação contínua
no meio de cultura a uma determinada vazão constante através da retirada contínua de caldo
fermentado. A manutenção do volume constante no reator é de primordial importância, afim de
que o sistema atinja a condição de estado estacionário, condição na qual as variáveis de estado
(concentração de células, de substrato limitante e de produto) permanecem constantes ao longo
do tempo de operação do sistema (BORZANI et al., 2001).
• Balanço de massa para o crescimento celular:
DXBXkXydtdX
−−−= 2)1(56,0
yyBK
KKS
Skdtdy
I
I
S
)]1(56,0[ 1 −−++
=
17
• Balanço material para o substrato:
)( 043 SSDKS
SkSXkdtdS
S
−++
−−=
• Balanço material para o ácido butírico
)('5 BADXBK
KKS
Skdt
dBAIBA
IBA
S
−++
=
• Balanço material para o ácido acético
)(8 AADXBK
KKS
Skdt
dAAI
I
S
−++
=
• Balanço material para o butanol
DBBADdtBAD
XKS
SkdtdB
S
−+−+
= )].()(
[831,0'7
• Balanço material para a acetona
DAAADdtAAd
XKS
SkdtdA
S
−+−+
= )].()(
[5,010
• Balanço material para o etanol
DEXKS
SkdtdE
S
−+
= 11
O modelo matemático foi capaz de refletir bem o comportamento do processo operando em
regime contínuo, como pode ser visto na Figura 3.
18
0 20 40 60 80 100 120 1400
1
2
3
4
5
6
7
8
9
10
11
12
13Pr
odut
os
Tempo (h)
Substrato Butanol Acetona Etanol
0 20 40 60 80 100 120 1401
2
3
4
5
6
7
8
Prod
utos
Inte
rmed
iário
s
Tempo (h)
Ácido Butírico Biomassa Ácido Acético
Figura 3 – Processo fermentativo A-B-E em reator de mistura operando em modo contínuo.
Processo contínuo com retenção de células A operação de fermentação contínua com retenção de células tem como objetivo a obtenção
da alta densidade celular no reator, aumentando-se assim consideravelmente as velocidades, e,
portanto em última análise, a produtividade do processo. O reciclo de células pode ser interno ou
externo, ao reator (BORZANI et al., 2001).
• Balanço de massa para o crescimento celular:
BXkXydtdX
2)1(56,0 −−=
yyBSdtdy )]1(56,0),([ −−= µ
• Balanço material para o substrato:
)( 043 SSDXKS
SkSXkdtdS
S
−++
−−=
• Balanço material para o ácido butírico
)(65 BADXBAK
BAkXKB
KSkdt
dBABAI
I −+
−+
=
19
• Balanço material para o ácido acético
)(98 AADXAAK
AAkXBK
KKS
Skdt
dAAAAI
I
S
−+
−++
=
• Balanço material para o butanol
DBBADdtBAD
SXkdtdB
−+−= )].()(
[831,07
• Balanço material para a acetona
DAAADdtAAd
XKS
SkdtdA
S
−+−+
= )].()(
[5,010
• Balanço material para o etanol
DEXKS
SkdtdE
S
−+
= 11
O modelo matemático foi capaz de refletir bem o comportamento do processo operando em
regime contínuo com retenção de células, como pode ser visto na Figura 4.
0 20 40 60 80
1
2
3
4
5
6
0
Prod
utos
Tempo (h)
Substrato Butanol Acetona Etanol
0 20 40 60 80
2
4
6
8
10
0
Prod
utos
Inte
rmed
iário
s
Tempo (h)
Ácido Butírico Biomassa Ácido Acético
Figura 4 – Processo fermentativo A-B-E em reator de mistura operando em modo contínuo com
retenção de células.
20
5.3 CONTROLE DIGITAL REALIZADO NOS REGIMES EM BATELADA ALIMENTADA E CONTÍNUO.
Foram propostas estratégias de controle operacional para regimes de operação em batelada
alimentada e contínuo. Pôde-se observar graficamente, que o microrganismo sofre uma inibição
devido ao acúmulo de ácido butírico no meio de cultura. Devido a este metabólito tóxico, propôs-
se que o controle funcionasse de forma a manter a concentração de ácido butírico constante no
meio de cultura através do aumento da taxa de diluição do caldo feito com a adição de substrato
ao meio. Quando o sensor detectar concentrações de ácido butírico maiores que 5g/l, um sinal é
enviado ao controlador, e, comparado ao set point, gera-se um erro. A resposta é proporcional ao
erro e à integral do erro. O sinal do controlador atua na válvula de alimentação fazendo com que o
meio nutriente seja adicionado (à uma vazão constante) ao caldo fermentativo e
conseqüentemente haja redução da concentração do metabólito inibidor. A simulação proposta
com o algoritmo do controlador PI, gerou os seguintes gráficos de controle.
0 5 10 15 20 25 30 35 400
1
2
3
4
5
6
Prod
utos
(g/l)
Tempo (h)
Butanol Acetona Etanol Set-point
0 20 40 60 80 100 120 140 1600
1
2
3
4
5
6
7
8
9
10
Prod
utos
(g/l)
Tempo (h)
Butanol Acetona Etanol Set-point
Figura 5 – Controle do processo fermentativo A-B-E em reator de mistura operando: a) em regime
de batelada alimentada com set point igual a 5g/l, e b) em regime contínuo variando o set point.
6. RESULTADOS E DISCUSSÃO
Ao longo do período de trabalho, realizaram-se as seguintes etapas:
1. Revisão bibliográfica introdutória referente à modelagem matemática de processos
biotecnológicos e estudo do processo fermentativo A-B-E;
2. Estudo da linguagem de programação FORTRAN;
21
3. Realização de simulações computacionais, utilizando o FORTRAN, do processo
fermentativo A-B-E em diferentes modos de operação (batelada, batelada alimentada,
contínuo, contínuo com retenção de células).
4. Realização do controle operacional do processo A-B-E operando em regime de batelada
alimentada.
Os principais objetivos deste trabalho foram estudar as técnicas de modelagem
matemática aplicada a processos fermentativos, implementar a simulação computacional e
controle operacional de um processo fermentativo de importância significativa para a indústria de
biotecnologia, além da avaliação de alguns métodos numéricos para a integração de equações
diferenciais.
De acordo com os resultados apresentados nos gráficos acima, pode-se perceber que os
objetivos foram alcançados plenamente, pois os resultados obtidos através da simulação
computacional foram totalmente coerentes com aqueles obtidos experimentalmente, ou seja, os
gráficos reproduzem com fidelidade o comportamento do microrganismo nas condições
apresentadas (dados obtidos na literatura – VOLESKI e VOTRUBA, 1992).
Pode-se ainda, observar através dos gráficos gerados que o controle operacional proposto
(o controlador PI atuou de forma a controlar a concentração de ácido butírico, por manipulação da
vazão de alimentação), teve seus parâmetros bem ajustados e controlou de forma estável todas
as perturbações hipotéticas geradas tanto no regime de batelada alimentada, quanto no regime
contínuo de operação.
No regime contínuo de operação observou-se que nas variações geradas por diversos set
points, o controlador agiu de maneira otimizada, gerando poucas oscilações.
Observando os gráficos de simulação do processo fermentativo, percebe-se que no decorrer
do processo, após algumas horas, quando a concentração de ácido butírico excedesse o limite
celular, o processo estaria caminhando para a morte celular e para a perda de produtividade. A
partir da avaliação da modelagem, e com a proposta de controle apresentada, foi fornecido às
células um ambiente “encorajante” ao desempenho fermentativo. Com a concentração do
composto inibidor controlado, foi possível obter o produto de interesse em uma concentração
ótima e evitar a queda de biomassa durante o processo fermentativo.
7. CONCLUSÕES
Os estudos realizados até o momento, proporcionaram o embasamento teórico fundamental
para o desenvolvimento e o aperfeiçoamento adequados nas áreas de modelagem matemática e
simulação e controle de bioprocessos. Devido ao caráter computacional do projeto, pôde-se
explorar certas habilidades na área de programação científica.
22
Utilizou-se com estudo de caso a modelagem matemática e a simulação do processo
fermentativo para a produção de acetona, butanol e etanol (A-B-E). Nesta etapa foram
investigados alguns tipos alternativos de processos de produção (produção em batelada,
produção em batelada alimentada, produção contínua, produção contínua com retenção de
células).
Os modelos matemáticos do processo foram capazes de descrever adequadamente o
comportamento do processo, reproduzindo fielmente os dados de literatura.
Verificou-se que a estratégia de controle proposta foi capaz de controlar o processos
adequadamente, tanto na operação em batelada alimentada quanto em modo contínuo.
8. REFERÊNCIAS
BORZANI, W.; AQUARONE, E.; LIMA, U.A. e SCHIMIDELL, W.; Biotecnologia Industrial; Volume 2; Editora Edgard Blucher LTDA, 2001; 522p
HEHL, M. E., Linguagem de programação estruturada FORTRAN 77, Ed Mc Graw- Hill,
São Paulo, 1986, 511p.
RUGGIERO, M.A.G. e LOPES, V.L.R.; Cálculo Numérico: Aspectos teóricos e computacionais, São Paulo: Pearson Education do Brasil, 2ª Edição,1996, 406p.
VOLESKI B. e VOTRUBA J.; ; Elsevier Science Publishers B. V.; London – New York –
Tokio; 1992; 266p.
23
APÊNDICE
Tabela 1 - Constantes cinéticas utilizadas
Constantes
Cinéticas
Batelada Contínuo Retenção de células Batelada Alimentada
K1 0,0090 (l/g.h) 0,44 (h-1) 0,38 (l/g.h) 0,0090 (l/g.h)
K2 0,0008 (l/g.h) 0,0008 0,014 (l/g.h) 0,0008 (l/g.h)
K3 0,0255 (l/g.h) 0,005 (l/g.h) 0,03 (l/g.h) 0,0255 (l/g.h)
K4 0,6764 (h-1) 1,25 (h-1) 0,85 (h-1) 0,6764 (h-1)
K5 0,0136 (l/g.h) 0,6 (l/g.h) 0,270 (l/g.h) 0,0136 (l/g.h)
K6 0,1170 (h-1) 0,0 0,050(h-1) 0,1170 (h-1)
K7 0,0113 (l/g.h) 0,367 (l/g.h) 0,090 (l/g.h) 0,0113 (l/g.h)
K8 0,7150 (h-1) 0,225 (h-1) 0,660 (h-1) 0,7150 (h-1)
K9 0,1350 (h-1) 0,0 0,01 (h-1) 0,1350 (h-1)
K10 0,1558 (h-1) 0,187 (h-1) 0,132 (h-1) 0,1558 (h-1)
K11 0,0258 (h-1) 0,033 (h-1) 0,019 (h-1) 0,0258 (h-1)
K12 0,6139 (h-1) - 0,6 (h-1) 0,6139 (h-1)
K13 0,0185 (h-1) - 0,019 (h-1) 0,0185 (h-1)
K14 0,00013 (l/g.h) - - 0,00013 (l/g.h)
KI (g/l) 0,833 6,0 0,42 0,833
KS (g/l) 2,0 1,0 1,0 2,0
KBA (g/l) 0,5 0,0 0,5 0,5
KAA (g/l) - 0,0 0,5 0,5
KIBA (g/l) - 0,97 -
D hr1 - - 0,113 -
24
Tabela 2 - Nomenclatura utilizada
X Biomassa
P Produto
S Substrato
E Etanol
AA Ácido Acético
BA Ácido Butírico
B Butanol
A Acetona
y RNA- marcador
D Taxa de Diluição
V Volume
Tabela 3 – Condições Iniciais para a resolução numérica das EDOs.
Condições Iniciais
em g/l X
Batelada Contínuo Retenção
de células
Batelada
Alimentada
X 0,03 4,2 4,24 0,03
S 52,0 5,0 3,3 50,0
AA 0,0 1,8 3,27 0,0
AB 0,0 0,81 5,88 0,0
E 0,0 0,24 0,24 0,0
A 0,0 5,88 0,81 0,0
B 0,0 3,9 1,84 0,0
y 1,0 1,2 1,2 1,0