Draft Master's Thesis, Borrador de La Tesis de Maestria

INSTITUTO TECNOLÓGICO DE CELAYA
DEPARTAMENTO DE INGENIERÍA QUÍMICA
“SIMULACIÓN HIDRODINÁMICA DE LA PRODUCCIÓN DE

ÁCIDO GIBERÉLICO EN UN BIORREACTOR DE
TANQUE AGITADO GAS-LÍQUIDO”
POR
EDGAR HONORATO SÁNCHEZ
TESIS
PRESENTADA AL DEPARTAMENTO DE INGENIERÍA QUÍMICA
COMO REQUISITO PARCIAL PARA OBTENER EL GRADO DE:
MAESTRO EN CIENCIAS
EN INGENIERÍA QUÍMICA
Celaya, Guanajuato. September 8, 2008

CONTENIDO
Contenido ii
Lista de figuras vi
Lista de tablas viii
Nomenclatura x
Resumen xii
1 Introducción 1
1.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Motivación de la tesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Objetivo de la tesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4 Estructura de la tesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2 Marco teórico 5
2.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Dinámica de fluidos computacional . . . . . . . . . . . . . . . . . . . . . 6
2.2.1 Dinámica de fluidos computacional multifásica . . . . . . . . . . 7
2.2.2 Turbulencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3 Revisión de simulaciones de tanques agitados con CFD . . . . . . . . . . 9
2.4 Biorreactor de tanque agitado gas-líquido . . . . . . . . . . . . . . . . . . 11
2.4.1 Tipos de BTA-G/L . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
ii
2.4.2 Diseño estándar de un BTA-G/L . . . . . . . . . . . . . . . . . . . 13
2.4.3 Aeración y agitación . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3 Modelos matemáticos 19
3.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2 Ecuaciones Navier-Stokes para flujo turbulento . . . . . . . . . . . . . . . 20
3.2.1 Aproximación RANS . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2.2 Aproximación de Boussinesq . . . . . . . . . . . . . . . . . . . . . 21
3.3 Modelo Euleriano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.1 Fracción volumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.2 Ecuaciones de transporte gobernantes . . . . . . . . . . . . . . . . 23
3.4 Fuerzas interfaciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.4.1 Intercambio de momentum entre la fase continua y dispersa . . . 26
3.5 Modelo de turbulencia κ − . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.5.1 Modelo de turbulencia κ − de mezclado . . . . . . . . . . . . . . 29
3.6 Modelación del diámetro y distribución de burbujas . . . . . . . . . . . . 30
3.6.1 Modelo de balance de población . . . . . . . . . . . . . . . . . . . 31
3.7 Modelos de cinéticas bioquímicas . . . . . . . . . . . . . . . . . . . . . . . 35
3.7.1 Cinética de crecimiento microbiano . . . . . . . . . . . . . . . . . 35
3.7.2 Cinética de producción del ácido giberélico . . . . . . . . . . . . . 37
3.8 Modelo reológico microbiano . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.8.1 Modelo tipo parabólico . . . . . . . . . . . . . . . . . . . . . . . . 38
3.8.2 Modelo tipo ley de la potencia . . . . . . . . . . . . . . . . . . . . 38
3.9 Velocidad de transferencia de O2 . . . . . . . . . . . . . . . . . . . . . . . 39
3.10 Modelación del tiempo de mezclado . . . . . . . . . . . . . . . . . . . . . 40
3.11 Modelación del impulsor . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.11.1 Ecuaciones para marcos de referencia en rotación . . . . . . . . . 42
3.11.2 Flujo en marcos de rotación . . . . . . . . . . . . . . . . . . . . . . 44
3.11.3 Flujo en múltiples marcos de referencia en rotación . . . . . . . . 45
4 Esquemas numéricos 48
4.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.2 Algoritmos basados en la presión . . . . . . . . . . . . . . . . . . . . . . . 49
4.2.1 Algoritmo segregado basado en la presión . . . . . . . . . . . . . 49
iii
4.2.2 Algoritmo acoplado basado en la presión . . . . . . . . . . . . . . 51
4.3 Transporte escalar: Discretización y solución . . . . . . . . . . . . . . . . 52
4.3.1 Terminología de una malla computacional . . . . . . . . . . . . . 52
4.3.2 Discretización de la ecuación de transporte escalar . . . . . . . . . 52
4.3.3 Solución del sistema lineal . . . . . . . . . . . . . . . . . . . . . . . 53
4.3.4 Esquemas de discretización . . . . . . . . . . . . . . . . . . . . . . 54
4.4 Solución del algoritmo basado en la presión . . . . . . . . . . . . . . . . . 59
4.4.1 Discretización de la ecuación de momentum . . . . . . . . . . . . 59
4.4.2 Discretización de la ecuación de continuidad . . . . . . . . . . . . 61
4.4.3 Acoplamiento presión-velocidad . . . . . . . . . . . . . . . . . . . 62
4.5 Convergencia de la solución . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.6 Condiciones frontera . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.6.1 Fronteras de entrada y salida . . . . . . . . . . . . . . . . . . . . . 66
4.6.2 Fronteras en las paredes . . . . . . . . . . . . . . . . . . . . . . . . 67
4.6.3 Frontera de simetría . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.6.4 Frontera de superficie libre . . . . . . . . . . . . . . . . . . . . . . 67
5 Metodología numérica 69
5.1 Generación de la geometría del biorreactor . . . . . . . . . . . . . . . . . 69
5.2 Mallado del dominio computacional . . . . . . . . . . . . . . . . . . . . . 70
5.3 Especificaciones de las ecuaciones gobernantes . . . . . . . . . . . . . . . 71
TM
5.3.1 Especificación de las ecuaciones gobernantes en Fluent . . . . 71
5.3.2 Especificación de las propiedades del material . . . . . . . . . . . 72
5.3.3 Especificación de las fases y su interacción . . . . . . . . . . . . . 72
5.3.4 Especificación de condiciones de operación y de referencia . . . . 74
5.3.5 Especificación de las condiciones frontera . . . . . . . . . . . . . . 75
5.3.6 Especificación de los controles de solución . . . . . . . . . . . . . 81
5.3.7 Especificación de las condiciones iniciales . . . . . . . . . . . . . . 81
5.3.8 Especificación del criterio de convergencia . . . . . . . . . . . . . 81
5.4 Parámetros de mezclado . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.4.1 Número de potencia . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.4.2 Número de flujo o bombeo . . . . . . . . . . . . . . . . . . . . . . 85
5.4.3 Tiempo de mezclado . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.5 Distribución del diámetro de burbuja . . . . . . . . . . . . . . . . . . . . . 87
iv
6 Resultados y discusión 90
6.1 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
6.2 Parámetros de mezclado . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
6.2.1 Número de potencia . . . . . . . . . . . . . . . . . . . . . . . . . . 90
6.2.2 Número de flujo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
6.2.3 Tiempo de mezclado . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.3 Biorreactor de tanque agitado gas-líquido . . . . . . . . . . . . . . . . . . 95
6.3.1 Dinámica de fluidos . . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.3.2 Turbulencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
6.3.3 Distribución del diámetro de burbujas . . . . . . . . . . . . . . . . 100
6.3.4 Coeficiente volumétrico de transferencia de masa, kL a . . . . . . 101
6.3.5 Reacción bioquímica . . . . . . . . . . . . . . . . . . . . . . . . . . 105
7 Conclusiones y recomendaciones 107

7.1 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
7.2 Recomendaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
Referencias 109
A Codificación de las cinéticas bioquímicas 116
v
LISTA DE FIGURAS
2.1 Biorreactor de tanque agitado gas-líquido, adaptado de Ertola et al. (1994). 14
3.1 PSD representado por el método discreto . . . . . . . . . . . . . . . . . . 35

3.2 Marcos de referencia estacionario y en rotación . . . . . . . . . . . . . . . 42
3.3 Geometría de la rotación de un impulsor . . . . . . . . . . . . . . . . . . 47
4.1 Métodos de solución basados en la presión. . . . . . . . . . . . . . . . . . 51

4.2 Componentes de una malla. . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.3 Volumen de control representado por una celda triangular . . . . . . . . 54
4.4 Evaluación del centroide de una celda. . . . . . . . . . . . . . . . . . . . . 59
5.1 Biorreactor de tanque agitado Applikon InstrumentsTM . . . . . . . . . . 70

5.2 Geometría en 3D del biorreactor de tanque agitado. . . . . . . . . . . . . 70
5.3 Mallado del dominio computación del biorreactor de tanque agitado. . . 71
5.4 Puntos de monitoreo dentro del Biorreactor. . . . . . . . . . . . . . . . . . 88
5.5 Fase continua (azul) y dispersada (rojo) en el tiempo t = 0seg. . . . . . . 88
6.1 Patrón de flujo paralelo para condiciones desgasificadas. . . . . . . . . . 92

6.2 Curvas características del trazador . . . . . . . . . . . . . . . . . . . . . . 94
6.3 Contornos de las fracciones volumen de ambas fases después de 71
segundos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
6.4 Distribución de la fracción gas . . . . . . . . . . . . . . . . . . . . . . . . . 96
6.5 Magnitud de la velocidad en la fase líquida . . . . . . . . . . . . . . . . . 97
6.6 Velocidades espaciales de la fase líquida . . . . . . . . . . . . . . . . . . . 97
vi
6.7 Magnitud de la velocidad en la fase gas . . . . . . . . . . . . . . . . . . . 98
6.8 Velocidades espaciales de la fase gas . . . . . . . . . . . . . . . . . . . . . 98
6.9 Energía cinética turbulenta (κ) . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.10 Tasa de disipación turbulenta () . . . . . . . . . . . . . . . . . . . . . . . 100
6.11 Viscosidad turbulenta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
6.12 Distribución del diámetro de burbujas . . . . . . . . . . . . . . . . . . . . 101
6.13 Histograma del diámetro Sauter de burbujas . . . . . . . . . . . . . . . . 102
6.14 Histogramas del diámetro de burbujas . . . . . . . . . . . . . . . . . . . . 102
6.15 Fracciones volumen de los diámetros de burbuja . . . . . . . . . . . . . . 103
6.16 Coeficiente de transferencia de masa, kL . . . . . . . . . . . . . . . . . . . 104
6.17 Área específica para la transferencia de masa, a . . . . . . . . . . . . . . . 104
6.18 Coeficiente volumétrico de transferencia de masa, kL a . . . . . . . . . . . 105
6.19 Simulación de la cinética de crecimiento del hongo G. fujikuroi . . . . . . 106
6.20 Simulación de la cinética de producción del ácido giberélico . . . . . . . 106
vii
LISTA DE TABLAS
3.1 Constantes del modelo de turbulencia κ − ε estándar. . . . . . . . . . . . 30

3.2 Parámetros reológicos del modelo parabólico de la ecuación 3.64 . . . . 38
3.3 Parámetros para las constantes de la ecuación 3.66 y la ecuación 3.67 . . 39
5.1 Especificación del algoritmo basado en la presión. . . . . . . . . . . . . . 72

5.2 Especificación del modelo de turbulencia para la mezcla gas-líquido. . . 72
5.3 Especificación del modelo de balance de población para la fase gas. . . . 73
5.4 Especificación de los materiales para la mezcla gas-líquido. . . . . . . . . 73
5.5 Especificación de las fases y su interacción. . . . . . . . . . . . . . . . . . 74
5.6 Especificación de las condiciones de operación. . . . . . . . . . . . . . . . 74
5.7 Especificación de los valores de referencia. . . . . . . . . . . . . . . . . . 75
5.8 Especificación de las condiciones frontera en el fluido (a). . . . . . . . . . 76
5.9 Especificación de las condiciones frontera en el fluido (b). . . . . . . . . . 77
5.10 Especificación de las condiciones frontera en las paredes (flecha). . . . . 78
5.11 Especificación de las condiciones frontera en las paredes (impulsores). . 78
5.12 Especificación de las condición frontera de entrada de gas por el dispersor. 79
5.13 Especificación de la condición frontera de desgasificación. . . . . . . . . 80
5.14 Esquemas de discretización para las ecuaciones gobernantes. . . . . . . . 81
5.15 Factores de relajación para la estimación de residuales . . . . . . . . . . . 82
5.16 Especificación de las condiciones iniciales las ecuaciones gobernantes . . 83
5.17 Especificación de los residuales para la simulación de la fase líquida . . 83
5.18 Coordenadas de los puntos de monitoreo dentro del biorreactor . . . . . 87
viii
5.19 Diámetro de las burbujas de gas simuladas . . . . . . . . . . . . . . . . . 89
6.1 Número de potencia para condiciones sin gasificar y gasificadas. . . . . 91

6.2 Número de flujo para condiciones sin gasificar y gasificadas. . . . . . . . 93
ix
NOMENCLATURA
Acronimos
2D Dos dimensiones.
3D Tres dimensiones.
AMG Algebraic MultiGrid.
BTA Biorreactores de Tanque Agitado.
CFD Computational Fluid Dynamics.
DNS Direct Numerical Simulation.
DO Dissolved Oxygen.
FSM Fractional-Step Method.
IPSA InterPhase-Slip Algorithm.
LES Large Eddy Simulations.
MP Mixing Plane.
MRF Multiple Reference Frame.
NITA Non-Iterative Time-Advancement.
OTR Oxygen Transfer Rate.
x
OUR Oxygen Up-take Rate.
PBE Population Balance Equation.
PDF Probabilidad Density Function.
PISO Pressure-Implicit with Splitting of Operators.
PRESTO PREssure STaggering Option.
PSD Particle Size Distribution.
RANS Reynolds-Averaged Navier-Stokes.
RF Rotating Frame.
RPM Revoluciones Por Minuto.
RSM Reynolds Stress Models.
SM Sliding Mesh.
SIMPLE Semi-Implicit method for Pressure-Linked.
SIMPLEC SIMPLE-Consistent.
TDMA TriDiagonal Matrix Algorithmo.
UDF User Defined Functions.
UDM User Defined Memory.
UDS User Defined Scalar.
VOF Volume Of Fluid.
vvm volumen de gas por volumen de líquido por minuto.
xi
RESUMEN
“SIMULACIÓN HIDRODINÁMICA DE LA PRODUCCIÓN DE ÁCIDO

GIBERÉLICO EN UN BIORREACTOR DE TANQUE AGITADO GAS-LÍQUIDO”
Presenta: Edgar Honorato Sánchez
Una gran parte de los procesos en la industria de bioprocesos están relacionados

con flujos multifásicos y para tener una buena operación de contacto gas-líquido
es vital entender el fenómeno de flujo en dichos sistemas. La dinámica de fluidos
computacional es una herramienta que se utiliza cada vez más en el diseño,
escalamiento y optimización de reactores químicos.
El objetivo global de este trabajo fue simular y proponer un modelo matemático
conveniente, basado en la dinámica de fluidos computacional, para predecir la
hidrodinámica del flujo gas-líquido así como la producción de ácido giberélico en un
biorreactor de tanque agitado escala laboratorio de 7.0l. En este trabajo, la simulación
de los modelos matemáticos está basada en la descripción Euleriana-Euleriana y en
un modelo de turbulencia κ − extendido para dos fases. La velocidad de rotación
de los impulsores, a 600 rpm, se modeló con la técnica MRF en estado transitorio. El
balance de masa para la producción de biomasa y ácido giberélico es simulada con
el modelo cinético de Gompertz de dos parámetros y el modelo Luedeking-Piret por
medio de ecuaciones de transporte escalar, respectivamente. La viscosidad de la fase
continua se consideró contante y se utilizó un modelo de balance de población para la
simulación de la rotura y coalescencia de las burbujas de aire a un flujo de 1.0vvm. Para
estimar el coeficiente volumétrico de transferencia de oxígeno (kL a) se usó el teorema
xii
de penetración de Higbie’s para determinar coeficiente de transferencia de masa (kL )
en la fase líquida y una relación para la estimación del área interfacial de las burbujas
por unidad de volumen.
Se utilizó el software comercial FluentTM , basado en la técnica de volumen finito,
para simular los modelos matemáticos propuesto, y para generar la geometría y
malla del dominio computacional se utilizó el software MixSimTM , respectivamente.
Los resultados obtenidos, muestran la hidrodinámica de flujo radial tipo paralelo
característico en sistemas de agitación con múltiples turbinas Rushton, así como
también muestran la función principal que tiene la turbina inferior, dispersar el gas y
generar las burbujas, en dichos sistemas de agitación; y de acuerdo con los resultados
del número de potencia y número de bombeo en cada impulsor, el espaciamiento
entre los impulsores es el correcto ya que los tres impulsores están consumiendo la
misma potencia y generando la misma cantidad de flujo, respectivamente. En cuanto a
las simulaciones bioquímicas (crecimiento y producción), los resultados muestran un
buen acoplamiento de las ecuaciones de transporte escalar al modelo Euleriano.
Dirigido por: Dr. Eleazar M. Escamilla Silva
xiii
CAPÍTULO 1
INTRODUCCIÓN
1.1 Introducción
Hoy en día los reactores gas-líquido en la forma de columna de burbujas y los de
tanque agitado mecánicamente son de uso frecuente en la industria petroquímica
y bioquímica (Tatterson, 1994). Por razones económicas, así como de seguridad y
ambientales, ha llegado a ser cada vez más importante desarrollar buenos modelos
para el escalamiento y el diseño de tales reactores. La manera tradicional de hacer
ésto es realizar experimentos a escala laboratorio, después el escalamiento a nivel
piloto antes de construir el fermentador real. Ésta es una manera costosa y se lleva
tiempo para comenzar a producir a nivel industrial un producto nuevo. Por lo tanto
las herramientas que predicen el flujo gas-líquido a gran escala se necesitan hoy en día
cada vez más (Kasat et al., 2008).
Los procesos biológicos tienen a menudo demandas contradictorias; por un lado,
las burbujas tienen que ser bien dispersadas para asegurar una suficiente transferencia
de oxígeno al microorganismo; por otra parte se debe tener cuidado para no dañar a los
microorganismos sensibles a la deformación o degradación inducida por la agitación.
En vista de las condiciones complejas en los reactores, tales relaciones empíricas son
claramente inadecuadas. El diseño de los reactores de tanque agitado gas-líquido se
ha realizado hasta ahora principalmente por medio de correlaciones empíricas y semi-
empíricas que se han obtenido de datos experimentales, es decir, de transferencia de
masa de reactores de diversas escalas. Así, en muchos casos los esquemas de prueba-
1
1 Introducción 1.2 Motivación de la tesis
y-error o tiempo-perdido en los experimentos de escalamiento son necesarios para

alcanzar el funcionamiento satisfactorio del reactor a escala mayor.
1.2 Motivación de la tesis

El punto de partida del proyecto presentado en esta tesis era la pregunta ¿cómo
escalar la producción de Ácido giberélico desde un biorreactor experimental de tanque
agitado gas-líquido a un biorreactor de planta piloto?. Las giberelinas, especialmente
el ácido giberélico (GA3 ) un metabolito secundario del hongo Gibberella fujikuroi,
constituye sin duda, el ejemplo más importante de reguladores de crecimiento
en plantas producidos por microorganismos, no solamente por los volúmenes de
producción mundial, sino por su amplio espectro de aplicación en la agricultura
(Galindo, 1996) y su alto valor industrial dentro de los bioquímicos importantes
vendiéndose en $27-36U SA/g en el mercado internacional (Karakoc y Aksöz, 2006).
El empleo de reguladores de crecimiento estimula la germinación de las semillas;
estimula la inducción y prendimiento de hojas y flores; actúa en el amarre del fruto;
aumenta el peso y tamaño del fruto, intensifica el crecimiento de forrajes y pastos;
mejora la calidad y rendimiento de la producción y es efectivo en cualquier tipo de
clima; pueden utilizar en una amplia gama de cultivos tales como: hortalizas, frutales,
ornamentales, granos y forrajes (Karakoc y Aksöz, 2006; Chavez-Parga, 2005; Negrete-
Rodríguez, 2002; Galindo, 2001).
Es por todo lo anterior que en ésta tesis se continúa el trabajo de investigación
iniciado por el Dr. Escamilla-Silva para producir ácido giberélico en biorreactores de
tanque agitado y biorreactores airlift por medio del hongo G. fujikuroi. Considerando
el continuo aumento en el poder de cómputo, los avances en los algoritmos numéricos
y el desarrollo comercial de software de CFD han generado un gran potencial
para simulaciones tridimensionales más exactas y eficientes, la continuación en la
investigación de la producción de ácido giberélico está enfocada en las simulaciones
numéricas, específicamente en CFD, ya que se ha encontrado que pueden ayudar a
conseguir un mayor conocimiento y entendimiento de un proceso de fermentación
donde el ahorro de costos de experimentación, la optimización y diseño del biorreactor
son de suma importancia.
2
1 Introducción 1.3 Objetivo de la tesis
1.3 Objetivo de la tesis

Teniendo en cuenta que la modelación matemática ha sido a menudo realizada
conforme a modelos empíricos estadísticos y estructurales y raramente conforme a
los modelos teóricos basados en las ecuaciones de flujo real. Hasta la década pasada,
la mayoría de los modelos comunes se confiaron sobre la información empírica
obtenida de los experimentos a escala piloto. Para este propósito se utiliza FluentTM
(2006c)(software comercial de CFD basado en la técnica de volumen finito) para
simular en 3D, la hidrodinámica y producción de ácido giberélico del biorreactor de
laboratorio basado en los resultados experimentales disponibles de cinética, reología y
transferencia de masa.
El objetivo particular del proyecto es simular, a partir de la solución del campo de
velocidades del sistema de ecuaciones de Navier-Stokes modificadas para flujos mul-
tifásicos, la producción del ácido giberélico generado por el metabolismo secundario
del hongo G. fujikuroi en un biorreactor agitado gas-líquido, considerando los traba-
jos de Elqotbi et al. (2006) y Friberg (1998), así como también de otras investigaciones
realizadas en la ingeniería de las biorreacciones y de sistemas fluido-fluido en CFD
(Vlachakis, 2006; Zhu et al., 2006; Lu, 2004; Deen, 2001; Michele, 2001; Zhu y Stokes,
1997; Bakker, 1992).
El objetivo global de la tesis es desarrollar y proponer un modelo matemático
conveniente, basado en CFD, para predecir el flujo gas-líquido y producción de ácido
giberélico en un biorreactor de tanque agitado escala laboratorio; dicho modelo será
la base para el análisis, diseño y escalamiento de la producción de ácido giberélico en
biorreactores de tanque agitado.
1.4 Estructura de la tesis

En éste capítulo se exponen los motivos y objetivos del presente trabajo.
En el capítulo 2 se da una breve introducción de la modelación y simulación de
flujos gas-líquido en reactores de tanque agitados mecánicamente en general, y en
particular la simulación de biorreactores de tanque agitado con múltiples impulsores.
Los modelos matemáticos que se utilizan para la simulación del biorreactor se
muestran en el capítulo 3. Se describe un modelo matemático para el flujo gas-líquido
en reactores de tanque agitado mecánicamente, el cual está basado en el modelo
3
1 Introducción 1.4 Estructura de la tesis
Euleriano de dos-fluidos y en el modelo MRF para la rotación del impulsor.

Una breve descripción de los esquemas numéricos relacionados con las ecuaciones
de los modelos que se utilizan se da en el capítulo 4. También se presenta una
descripción de las condiciones frontera utilizadas en los modelos.
El capítulo 5 muestra la metodología seguida para la simulación hidrodinámica del
biorreactor de tanque agitado, tanto en una como en dos fases.
En el capítulo 6, se muestran los resultados obtenidos con los modelos matemáticos
presentados en el capítulo 3, tanto para la simulación del biorreactor en una y dos fases,
respectivamente.
El último capítulo, Capítulo 7, se dan las conclusiones y las recomendaciones para
trabajos futuros.
4
CAPÍTULO 2
MARCO TEÓRICO
2.1 Introducción
En muchos procesos industriales y biotecnológicos, la agitación es conseguida por
la rotación de un impulsor en un recipiente conteniendo un fluido. El recipiente es
generalmente un tanque cilíndrico equipado con un impulsor axial o radial. En la
mayoría de los casos, se colocan deflectores en la pared del tanque a lo largo de
su perímetro; su propósito es evitar que el flujo realice una rotación igual a la del
impulsor (es decir, destruir el patrón de flujo circular) e inhibir la formación superficial
del vórtice que se presenta dentro de los tanques sin deflectores y para mejorar el
mezclado. Sin embargo, su presencia hace que las simulaciones sean más difíciles y
demandantes ya que permanecen fijos mientras el impulsor rota. Existen dos tipos de
agitación, laminar y turbulenta. En la mayoría de las aplicaciones industriales donde
son utilizados a gran escala los tanques agitados, la turbulencia es la predominante.
Los flujos turbulentos son mucho más complicados y una tarea difícil de predecir
debido a su naturaleza caótica.
En el caso de tanques agitados, no sólo es un flujo completamente turbulento, sino
que también es fuertemente heterogéneo y anisotrópico debido a la enérgica agitación
inducida por el impulsor; además, el flujo es periódico debido a la interacción entre
las palas del impulsor y los deflectores. La estimación exacta de la distribución de la
tasa de disipación de energía turbulenta () y su valor máximo en tanques agitados,
especialmente en las cercanías del impulsor, es de gran importancia debido a que está
5
2 Marco teórico 2.2 Dinámica de fluidos computacional
relacionada directamente con el consumo de potencia del sistema de agitación. Hay

varios parámetros como el tipo y tamaño del impulsor, su ubicación en el tanque
(espacio libre), y la presencia de deflectores que afectan la naturaleza del campo
de flujo generado. Todos estos parámetros geométricos y otros más (por ejemplo la
velocidad de rotación del impulsor) hacen que el diseño óptimo de un tanque de
agitación sea una tarea difícil y lleva tiempo (Stitt, 2002).
El flujo bifásico en biorreactores de tanque agitado mecánicamente introduce de-
safíos adicionales para el diseño y escalamiento. Ahora, no sólo la transferencia de
masa gas-líquido es de interés sino que además, el intercambio de masa y calor incor-
poran una interacción compleja de campos de flujo turbulento, transferencia de masa y
reacción bioquímica dentro del biorreactor. Incluso las aproximaciones modernas para
el escalamiento de reactores consideran sobre todo sólo aspectos sencillos, es decir, se
restringen las interacciones fluidinámicas, problemas de transferencia de masa o de
reacción.
2.2 Dinámica de fluidos computacional

CFD es una herramienta de la ingeniería que ha ganado gran popularidad en los
últimos años. En comparación con los modelos semi-empíricos, CFD tiene como
objetivo solucionar (completo o simplificado) las ecuaciones físicas fundamentales que
describen un fenómeno de flujo. La forma más general de estas ecuaciones ha sido dada
por Navier y Stokes hace más de 150 años, por lo tanto el sistema de ecuaciones se
ha nombrado convenientemente ecuaciones Navier-Stokes. Estas ecuaciones abarcan
balances de masa, de momentum y de energía; las cuales tienen que ser adaptadas al
problema específico bajo consideración de leyes adicionales de cerradura.
En las aproximaciones con CFD se utilizan técnicas numéricas para solucionar las
ecuaciones de Navier-Stokes para las condiciones dadas de geometría y de límite del
flujo, de tal modo que los modelos se ejecutan para aspectos de flujo como turbulencia
o calor y transferencia de masa como parte relevante de una modelación específica.
Sin embargo, mientras que en estas aplicaciones de CFD los flujos monofásicos siguen
prevaleciendo, las aplicaciones de modelación en reactores químicos y bioquímicos en
la mayoría de los casos incluyen flujos multifásicos los cuales requieren un tratamiento
numérico adicional para poder modelarlos. Las aplicaciones polifásicas en CFD han
6
estado ganado una amplia atención a partir de la década pasada cuando el aumento
del poder de cómputo ha permitido cálculos previamente considerados imposibles.
2.2.1 Dinámica de fluidos computacional multifásica

Una gran cantidad de flujos encontrados en naturaleza y tecnología son una mezcla
de fases. Las fases físicas de la materia son gas, líquido, y sólido; pero el concepto de
fase en un sistema de flujo multifásico se aplica en un sentido más amplio. En flujo
multifásico, una fase se puede definir como una clase identificable del material a la
cual tenga una respuesta de inercia particular e interacción con el flujo y el campo
potencial en los cuales se sumerge. Para flujos multifásicos, solucionar un solo balance
de masa y tres balances de momentum no es suficiente para calcular los campos
de flujo para todas las fases implicadas. Mientras que todas las aproximaciones de
CFD multifásicas solucionan estos balances para la fase continua, diversas maneras
de tratar las fases dispersas han sido sugeridas. Sin embargo, todos los modelos son
herramientas confiables para la mejora de procesos existentes o para consideraciones
de escalamiento. Los regímenes de flujo multifásicos se pueden agrupar en: flujos gas-
líquido, líquido-líquido; flujos sólido-líquido y flujos trifásicos.
2.2.1.1 Flujo gas-líquido
El primer paso en solucionar cualquier problema multifásico es determinar cuáles de

los regímenes proporciona algunas pautas para determinar los modelos apropiados
para cada régimen, y cómo determinar el grado de acoplamiento interfacial para los
flujos que implican burbujas, gotas o partículas, y el modelo apropiado para diversas
cantidades de acoplamiento.
1. Flujo de burbujeo: Éste es un flujo gaseoso discreto o burbujas fluidas en un

líquido continuo.
2. Flujo de gotas: Éste es un flujo de gotas fluidas discretas en un gas continuo.
3. Flujo tipo pistón: Éste es un flujo de burbujas grandes en un líquido continuo.
El flujo multifásico con CFD, dos aproximaciones principales pueden ser clasifi-
cadas. Mientras que todos los modelos calculan el patrón de flujo de la fase continua
usando las ecuaciones de Navier-Stokes, las fases dispersas se puede calcular de una
7
manera Lagrangiana consistiendo de entidades discretas (burbujas, partículas o gru-

pos) o como fases semi-continuas donde todas las fases son consideras como series con-
tinuas de interpenetración (aproximación Euleriana-Euleriana o aproximación multi-
fluido).
Las aproximaciones Lagrangianas se pueden dividir según su tratamiento de las fases
dispersas como sigue:
1. Euleriana-Lagrangiana: Con éste enfoque, las burbujas se consideran que tienen

un tamaño fijo y una forma.
2. DNS: Con la aproximación estándar Lagrangiana, una burbuja es considerada

que ocupa sólo una celda en la malla a la vez que da solamente una velocidad
relevante actuando en ella.
3. VOF: En ésta, aún más refinada, aproximación para la modelación de flujo

bifásico gas-líquido, las burbujas se consideran como deformables; incluso las
superficies libres pueden ser modeladas.
2.2.2 Turbulencia
Los flujos turbulentos son caracterizados por la fluctuación de los campos de veloci-
dad. Estas fluctuaciones mezclan cantidades transportadas tales como momentum, en-
ergía, y concentración de especies, y causan que las cantidades transportadas fluctúen
también.
2.2.2.1 Clasificación de los modelos de turbulencia
Las formulaciones más básicas para la viscosidad turbulenta asumen que es constante
para todo el dominio de flujo y bajo esta consideración o de ésa (como por ejemplo
la hipótesis de Prandtl sobre la longitud de mezclado) depende sólo el gradiente de
velocidad local.
Para explicar efectos de corriente abajo, los modelos de turbulencia introducen
ecuaciones de transporte para cantidades de turbulencia que han sido formuladas y
agrupadas como sigue:
• Modelos de Una-Ecuación: Éstos modelos dan la idea de un factor de propor-

cionalidad constante entre la viscosidad turbulenta y el gradiente de velocidad
8
2 Marco teórico 2.3 Revisión de simulaciones de tanques agitados con CFD
como la introducida en la hipótesis de Prandtl para la longitud de mezclado e

invertida para la determinación del valor local de este factor de una ecuación
de transporte. La cantidad más razonable para determinar este factor es la en-
ergía cinética local (κ) del movimiento turbulento. Por lo tanto, se introduce una
ecuación de transporte para κ.
• Modelos de Dos-Ecuaciones: Con éstos modelos, la escala de longitud que

describe el tamaño de los remolinos más grandes también están sujetos a una
ecuación de transporte.
1. Modelo κ − : Aquí, la tasa de disipación de energía turbulenta es

transportada además de la energía cinética turbulenta κ. Esto es debido
al hecho de que el tamaño de los remolinos depende fuertemente de la
disipación la cual elimina los remolinos más pequeños y así incrementa
efectivamente el tamaño promedio del remolino. Puesto que modelo κ− ha
demostrado ser el más versátil especialmente con respecto a las extensiones
polifásicas, éste ha ganado gran popularidad.
2. Modelo κ − ω: Este modelo es implementado especialmente a bajos
números de Reynolds; todavía soluciona una ecuación de transporte
para la energía cinética turbulenta κ pero substituye la ecuación para la
disipación turbulenta con una ecuación de transporte para la frecuencia
de turbulencia ω = /κ.
2.3 Revisión de simulaciones de tanques agitados con

CFD
Hasta a mediados de los años 90 la mayoría de las publicaciones sobre simulaciones
de flujo para tanques agitados estaban basadas en análisis en estado estable, la
mayoría de estos investigadores trataron la rotación del impulsor como una caja
negra. En esta aproximación de caja negra, el impulsor requiere condiciones límite
de entrada las cuales deben determinarse experimentalmente. Para eliminar estas
limitaciones, recientemente se han hecho intentos de simular el flujo dentro y fuera
de la región impulsor ya sea con la combinación de movimiento y deformación
(SM) o métodos iterativos (llamado método interior-exterior) utilizando la rotación
9
2 Marco teórico 2.3 Revisión de simulaciones de tanques agitados con CFD
del sistema de coordenadas. En todos estos métodos, las paletas del impulsor son
modeladas como paredes sólidas. El desafío principal en la modelación de flujo gas-
líquido en tanques agitados es quizás la modelación de la turbulencia; los primeros
modelos que aparecieron en este campo, Drew y Lahey (1982), usaron la teoría de
longitud de mezclado para modelar el esfuerzo turbulento en la fase líquida. Modelos
más avanzados han sido propuestos, como los trabajos de Lopez-de Bertodano et al.
(1994) y Ellul y Issa (1987), estos últimos aplicaron un modelo κ − para la fase líquida.
Numerosas técnicas se han desarrollado para intentar superar estos problemas;
Pericleous y Patel (1987) propusieron un modelo en 2D donde los impulsores y
los deflectores se tratan como términos fuente en las ecuaciones de momentum;
este modelo fue utilizado con éxito por Morud (1994). El modelo también es
probado con éxito para un caso de 3D por Mathiesen y Solberg (1998). Algunos
investigadores han hecho simulaciones completamente en 3D, especificando todas las
variables dependientes en las superficies que rodean al impulsor. Ejemplos de tales
aproximaciones son dados por Harvey y Greaves (1982), Kresta y Wood (1991), Ranade
y Joshi (1990a,b) y Bakker y v.d. Akker (1993). Otra aproximación es el método Interno-
Externo dado por Brucato et al. (1994), ellos dividieron el dominio de cómputo en
una zona interna y externa; la zona interna se soluciona en el marco del impulsor,
la externa fuera de él; el patrón del flujo es entonces solucionado iterativamente
entre las dos zonas. Esta aproximación se relaciona con la aproximación Snapshop
propuesta por Ranade y v.d. Akker (1994); la técnica Snapshop (Instantánea) captura
las características del flujo de un tanque agitado en un instante de tiempo, cuando se
ha alcanzado la convergencia, el impulsor se mueve algunos grados y una nueva etapa
de cómputo comienza, los resultados son finalmente promediados. Ésta aproximación
ha sido aplicada para casos laminares por Harvey-III y Rogers (1996) y Ranade y v.d.
Akker (1994).
Aunque demanda más tiempo de computo, pero con predicciones exitosas, es
el método de SM dado por Murthy et al. (1994) y Harvey-III y Rogers (1996); este
método fue utilizado por Friberg (1998). Se han hecho algunos intentos para predecir
simulaciones de biorreactores usando CFD; Trägardh (1988) utilizó un modelo en 2D
para predecir el proceso de la levadura en un tanque agitado, donde la fase de gas fue
descrita por un modelo simplificado. Noorman (1993) simularon un reactor agitado
de 30 m3 con cuatro turbinas Rushton durante una fermentación de Saccharomyces
cerevisiae. Friberg y Hjertager (1998) simuló en 3D un fermentador industrial de
10
2 Marco teórico 2.4 Biorreactor de tanque agitado gas-líquido
30m3 con cuatro turbinas Rushton utilizando el modelo Euleriano y un modelo de

turbulencia κ− para la fase líquida modificado específicamente para tanques agitados.
Utilizando los softwares FluentTM y MixSimtTM , Schütze y Hengstler (2006) simularon
el escalamiento de un biorreactor de tanque agitado considerando la aproximación
MRF para el impulsor, el modelo de Mezclado para el flujo gas-líquido, el modelo de
turbulencia κ − ; realizable y para la distribución del tamaño de burbujas un modelo
de balance de población con la formulación del método de cuadratura de momentos.
Dhanasekharan et al. (2005) utilizaron FluentTM para simular un biorreactor airlift,
ellos usaron el modelo Euleriano para el flujo gas-líquido y el modelo de turbulencia
κ − ; mixture, así como también el modelo de balance de población con la formulación
del método discreto.
2.4 Biorreactor de tanque agitado gas-líquido

Por miles de años las capacidades fermentativas de los microorganismos han sido
utilizadas por el hombre. En épocas modernas el uso comercial de la fermentación
ha estado en rápido crecimiento, particularmente debido a la necesidad de productos
agrícolas y farmacéuticos. Un proceso de fermentación típico es esencialmente un
proceso que se lleva a cabo en un recipiente llamado fermentador o en general,
Biorreactor, mediante el cual determinados sustratos que componen el medio de
cultivo son transformados por acción microbiana en metabolitos y biomasa. El
microorganismo va aumentando en su concentración en el transcurso del proceso
al mismo tiempo que el medio se va modificando y se forman productos nuevos
como consecuencia de las actividades catabólicas y anabólicas (Ertola et al., 1994).
Recientemente, las columnas de burbujeo han llegado a ser cada vez más interesantes
en biotecnología debido a sus altas velocidades de transferencia de oxígeno y bajos
requerimientos de energía (Einsele y Karrer, 1980). Sin embargo, en el laboratorio y
a escala industrial, aún son numerosos los biorreactores en el cuál el movimiento del
líquido es inducido por la agitación mecánica; el proceso en tales recipientes agitados
generalmente es conocido como Biorreactor de Tanque Agitado gas-líquido (BTA-
G/L).
11
2.4.1 Tipos de BTA-G/L

El biorreactor moderno generalmente aceptado, o fermentador, es un tanque agitado
que opera bajo condiciones estériles desarrollado en los años 40. Esté desarrollo
fue acelerado debido a la gran demanda de antibióticos durante la Segunda Guerra
Mundial. Aunque no todos los biorreactores son tanques agitados estériles; de hecho
la mayoría de los reactores no son estériles, sin agitación y quizá también sin aireación.
Sin embargo, los productos de alto valor como los antibióticos y agroquímicos se
producen en reactores estériles, y tienen a menudo una necesidad de agitación. Existen
varios tipos de biorreactores agitados para cultivos microbianos entre los que se
incluyen:
1. Biorreactor por Lote,
2. Biorreactor por Lote alimentado, y
3. Biorreactor de Flujo continuo.
Las "tareas" que realiza el biorreactor pueden resumirse del siguiente modo:
a) Mantener al microorganismo uniformemente distribuido en todo el volumen de

cultivo a fin de prevenir la sedimentación o la flotación.
b) Mantener constante y homogénea la temperatura.
c) Minimizar los gradientes de concentración de nutrientes.
d) Suministrar oxígeno a una velocidad tal que satisfaga el consumo del microor-
ganismo.
e) El diseño debe ser tal que permita mantener el cultivo puro; una vez que todo el
sistema ha sido esterilizado y posteriormente sembrado con el microorganismo
deseado.
Para satisfacer los cuatro primeros puntos es necesario que el biorreactor esté
provisto de un sistema de agitación, a demás para el punto d) se requiere de un sistema
que inyecte aire en el cultivo.
En este proyecto el tipo de biorreactor a simular es el Biorreactor por Lote; en
esta clase de biorreactor al inicio de la operación se añade la solución esterilizada de
12
nutrientes y se inocula con el microorganismo permitiendo así que se lleve a cabo

la incubación con las condiciones óptimas de fermentación. A lo largo de toda la
fermentación sólo se adiciona oxígeno (en forma de aire), un agente anti-espumante
y ácidos o bases para mantener controlado el pH (Chavez-Parga, 2005).
2.4.2 Diseño estándar de un BTA-G/L

En un BTA-G/L, como se muestra en la Figura 2.1, la agitación se realiza mecánica-
mente mediante un eje provisto de turbinas accionado por un motor. El aire se inyecta
por la parte inferior del tanque y es distribuido por un difusor que posee pequeños ori-
ficios espaciados regularmente. El flujo de aire que sale de cada orificio es "golpeado"
por las paletas de la turbina inferior generándose de este modo miles de pequeñas
burbujas de aire, desde las cuales difunde el O2 hacia el seno del líquido. El sistema
de agitación se completa con cuatro o seis deflectores que tienen por finalidad cortar o
romper el movimiento circular que imprimen las turbinas al líquido, generando de este
modo mayor turbulencia y mejor mezclado. El tanque está rodeado por una camisa por
la que circula agua, lo que permite controlar la temperatura. Para tanques mayores que
1000 ó 2000 litros este sistema ya no es eficiente y es reemplazado por un serpentín que
circula adyacente a la pared interior del tanque. Debe tenerse en cuenta que a medida
que es mayor el volumen de cultivo también lo es la cantidad de calor generado, por lo
que se hace necesario una mayor área de refrigeración. Los tanque son de acero inox-
idable y están pulidos a fin de facilitar la limpieza y posterior esterilización. El aire que
ingresa al biorreactor debe estar estéril, lo que se consigue haciéndolo pasar por un fil-
tro cuyo diámetro de poro es de 0.45 micrones, que impide el paso de microorganismos
y esporas indeseadas para la fermentación (Ertola et al., 1994).
2.4.3 Aeración y agitación

La aeración y el mezclado son las operaciones fundamentales que lleva a cabo
un biorreactor para cumplir sus objetivos más importantes: proporcionar oxígeno
al cultivo y mantener cierta homogeneidad en los parámetros físico-químicos. Sin
embargo, las operaciones de mezclado en ocasiones son llevadas a cabo en un
nivel muy grande de empirismo. Desde el punto de vista de la dificultad para
mezclar y transferir oxígeno, las fermentaciones se pueden dividir en dos: de
13
Figura 2.1: Biorreactor de tanque agitado gas-líquido, adaptado de Ertola et al. (1994).
baja y de alta viscosidad. Las de baja viscosidad incluyen aquellas en las que se
encuentran involucradas bacterias y levaduras. Entre las de alta viscosidad destacan
las fermentaciones en las que se emplean hongos filamentosos y aquellas en las que se
producen polisacáridos microbianos (Galindo, 2001).
A nivel industrial, el uso de hongos filamentosos para la producción de una
amplia variedad de antibióticos, enzimas y metabolitos secundarios, genera caldos de
fermentación viscosos y con características reológicas no-Newtonianas. En este caso, el
cambio en las propiedades reológicas está determinado por la presencia y morfología
del micelio, o sea, que se trata de un sistema heterogéneo de tres fases: gas, líquido y
sólidos en suspensión.
2.4.3.1 Agitación
El éxito de muchas operaciones industriales depende de una agitación y mezclado

efectivo de los fluidos presentes. La agitación se refiere al movimiento inducido de
un material en una manera específica, normalmente en un patrón circulatorio dentro
de algún tipo de contenedor, mientras que el mezclado es una distribución aleatoria,
dentro y a través una de otra, de dos o más fases inicialmente separada. Éste es
uno de los parámetros más importantes, especialmente de fermentaciones aerobias,
puesto que asegura homogeneidad con respecto a la temperatura y proporciona el
área interfasial gas-líquido del gas al líquido así como la transferencia de oxígeno del
14
líquido al microorganismo. La agitación también promueve la transferencia superficial

de masa y calor y la distribución uniforme de los nutrientes agregados durante el curso
de la fermentación (Lonsane et al., 1992).
En el caso particular de los elementos de agitación, existen diferentes geometrías
de impulsores, las cuales se caracterizan por proporcionar ya sea flujo radial (con
altos gradientes de deformación) y que generan relativamente poco movimiento del
fluido (apropiados para las dispersiones gas-líquido), o bien los de flujo axial que
producen bajas velocidades de deformación (adecuados para generar flujo). El uso
de combinaciones de impulsores se basa en el hecho de que en el fermentador se
requieren idealmente dos tipos de impulsores: uno que disperse el aire y otro que
genere movimiento del fluido. Esto permitiría mejorar las características de mezclado y
de transferencia de oxígeno. La potencia aplicada por el impulsor en reactores agitados
mecánicamente también dependen de las condiciones de operación del sistema, tales
como el flujo de aire, la velocidad de agitación, la geometría del tanque y del impulsor,
además de las propiedades físicas y químicas de los fluidos a mezclar (Galindo, 2001).
Mezclado
El mezclado en un biorreactor es un tema importante de investigación, ya que la

agitación adecuada es esencial para el éxito del cultivo celular. Las configuraciones
del tanque y los impulsores pueden influir en la calidad del producto, rendimiento y
la pureza.
En general, el diseño de impulsores utilizados industrialmente, los biorreactores,
y el dispersor (sparger) están basados en la tasa de transferencia de oxígeno en el
caldo. La OTR es la tasa a la cual el oxígeno se transfiere desde la fase gaseosa a la fase
líquida. El medio más eficaz de aumentar la OTR es aumentar el grado de agitación,
sin embargo, esto es difícil por la línea muy sensible a la sensibilidad de cizallamiento.
El grado de agitación es fijado por la potencia de entrada por unidad de volumen y la
velocidad terminal en la punta de paleta del impulsor. Básicamente, cuanto mayor sea
el esfuerzo cortante producido en la interfaz gas-líquido, resultará en una mayor área
superficial (burbujas más pequeñas) y en un mayor oxígeno será transferido desde la
fase gaseosa a la fase líquida, cuanto mayor sea la superficie resultante (más pequeñas
burbujas) y cuanto mayor sea el O2 que serán transferidos de la fase gaseosa (burbujas
de aire) a la fase líquida, convirtiéndose en oxígeno disuelto. Con el fin de que un
15
biorreactor opere con eficiencia, la tasa de transferencia de O2 en el caldo (fase líquida)

debe cumplir con la tasa a la cual la biomasa consume el O2 . La cantidad de turbulencia
también tiene un enorme efecto en la concentración de oxígeno disuelto. La formación
de remolinos turbulentos da como resultado diferentes concentraciones de oxígeno en
el interior del tanque. Considerando que la exposición de la biomasa en las regiones
de turbulencia excesiva o de cizallamiento lleva a una alteración de la biomasa. Así, el
mezclado se convierte en un buen parámetro crítico en el funcionamiento eficaz de los
biorreactores.
Análisis del tiempo de mezclado
Hay una serie de técnicas para las mediciones de tiempo de mezclado en tanques
agitados a gran escala. Varios investigadores han han estudiado el tiempo de mezclado
de acuerdo con el trabajo reportado por Nienow et al. (1996), que presentó datos y
correlaciones para el tiempo de mezclado a muy baja potencia de entrada. La potencia
de entrada, la cual es importante tanto para el mezclado como para la transferencia
de masa en tanques agitados gas-líquido puede calcularse utilizando P = ρNP N 3 D5 .
Esto es sólo para el flujo de líquido; para las interacciones gas-líquido, la potencia es
probable que sea de aproximadamente igual a 0.35P del sistema sin gas (Nienow et
al., 1996). A muy baja potencia de entrada hay una baja tasa de disipación de energía
en reactores de tanque agitado a gran escala. En tal caso, el aire difundido debe actuar
como en una columna de burbuja donde el aire no se dispersa de manera eficaz.
Por lo tanto, el mezclado puede ser definido y medido por un gran número de
medios. Los tiempos de mezclado proporcionan información útil en términos del
tiempo requerido para alcanzar un grado de homogeneidad. Las mediciones del
tiempo de mezclado son generalmente realizados por la medición de la respuesta a
la inyección de una entidad mensurable (sal, ácido o base) en una adición de pulso o
escalón, y se registra el cambio en la conductividad, pH o concentración en función del
tiempo.
2.4.3.2 Aeración
La aeración no sólo proporciona el oxígeno al microorganismo sino que también

retira simultáneamente el bióxido de carbono, otros metabolitos volátiles y el calor
del fermentador. Puesto que el oxígeno es poco soluble en agua y un biorreactor con
16
una gran población microbiana requiere mayor suministro de oxígeno para obtener
resultados óptimos en la síntesis de un producto de fermentación deseado, se debe
mantener una concentración de saturación del oxígeno disuelto (concentración crítica)
en el medio fermentación (Negrete-Rodríguez, 2002). La taza de aeración por lo
tanto es determinada por factores tales como las necesidades de crecimiento del
microorganismo, la producción de metabolitos gaseosos y volátiles y de la evolución
del calor (Lonsane et al., 1992).
Varios parámetros de operación y características del medio pueden afectar la
velocidad de transferencia oxígeno al microorganismo, incluyendo la presión de aire y
la magnitud del flujo, la geometría del reactor y la velocidad de rotación del impulsor
y su geometría. La agitación del medio puede también promover la transferencia de
oxígeno dispersando el aire como burbujas pequeñas en el medio, aumentando el
tiempo de retención (Hold-up) del gas, previniendo la coalescencia de las burbujas
de aire y creando turbulencia en el medio. Esta bien establecido que la transferencia
de oxígeno desde la fase gaseosa a la fase líquida es dependiente de la rapidez de
disolución del oxigeno en el medio de fermentación, pero no así desde la fase líquida
a la célula. En general, la aeración forzada del medio es ventajosa pues alcanza una
eficiencia más alta combinándola con la agitación.
2.4.3.3 Transferencia de oxígeno
El oxígeno disuelto es el término comúnmente utilizado para medir la cantidad de O2

en un medio de cultivo sumergido. Hay un límite de cuanto O2 puede disolverse en
medio de cultivo antes de ser saturado, esta cantidad llamada solubilidad de oxígeno
o valor de saturación y depende de la presión de O2 en el aire, la temperatura y
composición del medio de cultivo.
Coeficiente volumétrico de transferencia masa
El Coeficiente volumétrico de transferencia masa kL a se emplea universalmente como

medida de eficiencia de la aireación en los procesos fermentación sumergida (Lonsane
et al., 1992) y es particular para un dado de cultivo a pesar de existir correlaciones que
pueden ser útiles en ciertos casos pero en la mayoría de ellos se tiene que determinar
experimentalmente.
Uno de los criterios de escalamiento de uso más general en las fermentaciones
17
aerobias es mantener constante el kL a. El razonamiento de esto es que el suministro

de oxígeno para el crecimiento celular es generalmente la operación limitante en los
bioprocesos industriales. Éste es el caso cuando la demanda de oxígeno es alta (rápido
crecimiento de los microorganismos, altas concentraciones de masa celular) o cuando
las características reológicas del caldo ofrecen una alta resistencia a la transferencia de
masa (fermentaciones miceliares, producción de polisacáridos extracelulares) (Diaz y
Acevedo, 1999). La razón del criterio de mantener constante el kL a es para asegurar una
cierta capacidad de transferencia de oxígeno la cual puede hacer frente a la demanda
de oxígeno del cultivo. Sin embargo, lo que realmente importa no es la capacidad
de transferencia de oxígeno, sino la velocidad de transferencia de oxígeno, que es
el producto del kL a y del potencial de la transferencia total de masa (CL∗ -CL )(Diaz y
Acevedo, 1999).
18
CAPÍTULO 3
MODELOS MATEMÁTICOS
3.1 Introducción
Las aproximaciones modernas para la modelación de equipos de procesos químicos
parten de dos fuentes distintas. Por un lado, aproximaciones empíricas y semi-
empíricas de la modelación del reactor esta basado en una larga historia del análisis
dimensional. Por otro lado; la aproximación moderna con CFD, que ha sido bastante
popular en otros campos de la ciencia como la ingeniería del aire y del espacio, está
llegando a ser cada vez más interesante para los ingenieros químicos. Ambos campos
todavía coexisten pero con los recursos de cómputo que llegan a ser más económicos y
disponibles, la aproximación con CFD pronto se convertirá en la herramienta principal
para la modelación detallada de un reactor.
Antes del advenimiento de las técnicas de CFD, la modelación del reactor para
propósitos químicos y biotecnológicos fue realizada principalmente por medios
altamente simplificados, modelos con parámetros fijos semi-empíricos. Esto era debido
al hecho de que con los recursos de cómputo disponibles hasta a penas un corto
tiempo, los cálculos con modelos más exactos habrían tomado una cantidad de tiempo
prohibitiva.
19
3 Modelos matemáticos 3.2 Ecuaciones Navier-Stokes para flujo turbulento
3.2 Ecuaciones Navier-Stokes para flujo turbulento

Los flujos turbulentos se caracterizan por la fluctuación de los patrones de velocidad,
estas fluctuaciones mezclan cantidades transportadas tales como momentum, energía
y concentración de especies; y causa que las cantidades transportadas también
fluctúen. Dado que estas fluctuaciones pueden ser de pequeña escala y de alta
frecuencia, son demasiado costosas computacionalmente para simular directamente
en los cálculos prácticos de ingeniería. En lugar de ello, las ecuaciones gobernantes
exactas (Navier-Stokes) pueden ser solucionadas en un tiempo promedio (conjunto-
promedio); o de otra forma, se manipulan para eliminar las escalas pequeñas, dando
lugar a una modificación del sistema de ecuaciones que son menos costosas de
solucionar computacionalmente. Sin embargo, las ecuaciones modificados contienen
más variables desconocidas, y modelos de turbulencia son necesarios para determinar
estas variables en términos de cantidades conocidas (Norton y Sun, 2006; FluentTM ,
2006c).
3.2.1 Aproximación RANS

En la aproximación RANS, la solución de las variables de las ecuaciones exactas
de Navier-Stokes se descomponen en un promedio (conjunto promedio o tiempo
promedio) y en la fluctuación de los componentes (Turnbull y Thompson, 2005;
FluentTM , 2006c). Para los componentes de velocidad:
vi = v i + vi0 (3.1)
donde v i y vi0 son los componentes de velocidad promedio y de fluctuación (i = 1, 2, 3).

Del mismo modo, para la presión y otras cantidades escalares:
φ = φ + φ0 (3.2)
donde φ denota un escalar tal como la presión, energía o concentración de especies.

Sustituyendo las expresiones de esta forma para las variables de flujo en las
ecuaciones exactas de continuidad y momentum y tomando un tiempo (o conjunto)
promedio, dan las ecuaciones de momentum de tiempo promedio. Pueden ser escritas
en forma tensorial como:
∂ρ ∂
+ (ρvi ) = 0 (3.3)
∂t ∂xi
20
3 Modelos matemáticos 3.2 Ecuaciones Navier-Stokes para flujo turbulento

∂ ∂ ∂p ∂ ∂vi ∂vj 2 ∂vl ∂
(ρvi ) + (ρvi vj ) = + µ + − δij + −ρvi0 vj0 (3.4)
∂t ∂xj ∂xi ∂xj ∂xj ∂xi 3 ∂xl ∂xj
las ecuaciones 3.3 y 3.4 son llamadas ecuaciones RANS. Tienen la misma forma general
como las ecuaciones exactas Navier-Stokes, con las velocidades y otras variables de
solución ahora representando valores de un conjunto promedio (o tiempo promedio).
Los otros términos que aparecen ahora representan los efectos de la turbulencia. Estos
esfuerzos de Reynolds, −ρvi0 vj0 , deben ser modelados con el fin de cerrar la ecuación
3.4.
3.2.2 Aproximación de Boussinesq

Una de las aproximaciones con más tiempo y más utilizada para la modelación del
término del esfuerzo de Reynolds −ρvi0 vj0 , ecuación 3.4, es el concepto de Boussinesq
de viscosidad de remolinos que empieza con la consideración de que al igual con los
esfuerzos viscosos en flujo laminar, los esfuerzos turbulentos son proporcionales a los
gradientes de velocidad media del flujo. Puesto que en el caso laminar la constante de
proporcionalidad entre el esfuerzo y el gradiente de velocidad es llamada viscosidad,
la hipótesis de Boussinesq introduce una viscosidad turbulenta. Sin embargo, ésta
no es una propiedad del fluido pero depende del estado de turbulencia local, así,
modelos adicionales son necesarios para el cálculo de la viscosidad turbulenta. Como
la viscosidad turbulenta se considera como un escalar, solamente la turbulencia
isotrópica puede ser modelada con la hipótesis de Boussinesq y los modelos basados
en ella.
La hipótesis de Boussinesq para relacionar el esfuerzo de Reynolds a los gradientes
de velocidad promedio está dada como (FluentTM , 2006c):

0 0 ∂vi ∂vj 2 ∂vi
− ρvi vj = µt + − ρk + µt δij (3.5)
∂xj ∂xi 3 ∂xi
La ventaja de ésta aproximación es el relativo bajo costo computacional asociado con
el cálculo de la viscosidad turbulenta, µt . La desventaja de la hipótesis de Boussinesq
como se presenta, es que considera a µt como una cantidad escalar isotrópica lo cual
no es estrictamente cierto.
En este trabajo, las ecuaciones del modelo matemático que rigen el flujo multifásico
consideran la hipótesis de Boussinesq para simular el esfuerzo de Reynolds.
21
3 Modelos matemáticos 3.3 Modelo Euleriano
3.3 Modelo Euleriano

Cambiar de un modelo monofásico, donde un sólo sistema de las ecuaciones de
conservación para el momentum, continuidad y (opcionalmente) energía se soluciona;
a un modelo multifásico, se deben introducir sistemas adicionales de ecuaciones
de conservación. En el proceso de introducir sistemas adicionales de ecuaciones de
conservación, el sistema original debe también ser modificado; las modificaciones
implican, entre otras cosas, la introducción de las fracciones volumen α1 , α2 , ... αn para
las múltiples fases, así como los mecanismos para el intercambio de momentum, de
calor y de masa entre las fases (FluentTM , 2006c).
En la aproximación Euleriana-Euleriana, las diversas fases se tratan matemática-
mente como series continuas de interpenetración. Puesto que el volumen de una fase
no puede ser ocupado por las otras fases, se introduce el concepto de fracción volumen
fásica. Estas fracciones volumen se consideran que son funciones continuas en el espa-
cio y el tiempo y su suma es igual a uno. Las ecuaciones de conservación para cada fase
se derivan para obtener un sistema de ecuaciones, que tienen estructura similar para
todas las fases (Kasat et al., 2008; Lu, 2004; Ranade, 2002; Marshall y Bakker, 2002).
El modelo Euleriano es el más complejo de los modelos multifásicos en FluentTM
(2006c). Soluciona un sistema de n ecuaciones de momentum y continuidad para cada
fase presente. El acoplamiento se alcanza a través de la presión y de los coeficientes
de intercambio interfacial. La manera en la cual se maneja este acoplamiento depende
del tipo de fases implicadas y el intercambio de momentum entre las fases es también
dependiente sobre el tipo de mezcla que se modela.
3.3.1 Fracción volumen

La descripción del flujo multifásico como una interpenetración continua, incorpora
el concepto de las fracciones volumen fásica, denotado aquí por αi . Las fracciones
volumen representa el espacio ocupado por cada fase, y las leyes de conservación de
masa y momentum se deben satisfacer para cada fase individualmente. El volumen de
la fase líquida (l), Vl , esta definida por
Z
Vl = αl dV (3.6)
V
22
donde n
X
αl = 1 (3.7)
p=1
La densidad efectiva de la fase l es

∧
ρ l = αl ρ l (3.8)
donde ρl es la densidad física de la fase l.
3.3.2 Ecuaciones de transporte gobernantes

3.3.2.1 Ecuación de continuidad
La ecuación de continuidad o conservación de masa para la fase líquida (l) es:

∂
(αl ρl ) + ∇ • (αl ρl →
−
v l) = 0 (3.9)
∂t
Para la fase gas (g) la ecuación de continuidad es:
∂
(αg ρg ) + ∇ • (αg ρg →
−
v g) = 0 (3.10)
∂t
donde →
−
vly→
−
v g son las velocidades de la fase l y g, respectivamente.
3.3.2.2 Ecuación de momentum
El balance de momentum para la fase l es:

∂ →
−
(αl ρl →
−
v l ) + ∇ • (αl ρl →
−
v l→
−
v l ) = −αl ∇p + ∇ • τ l + αl ρl →
−
g + Fl (3.11)
∂t
y para la fase g es:
∂ →
−
(αg ρg →
−
v g ) + ∇ • (αg ρg →
−
v g→
−
v g ) = −αg ∇p + ∇ • τ g + αg ρg →
−
g + Fg (3.12)
∂t
En las ecuaciones 3.11 y 3.12 dos términos tienen que ser modelados; el esfuerzo de
→
− →
−
deformación τ l y τ g y la transferencia de momentum de interfaz ( F l y F g ), veáse la
sección §3.4. Estos dos términos son de suma importancia para el cálculo correcto del
patrón de flujo y la retención de la fase gas.
El esfuerzo de deformación está relacionado con el patrón de flujo promedio a
través de la aproximación de Boussinesq, para la fase l es (Kasat et al., 2008):

→
− →
− T
2 →
−
τ l = αl µef f,l ∇ v l + ∇ v l − ∇ • v l I (3.13)
3
23
y para la fase g:
2
τ g = αg µg ∇→
−
v g + ∇→
−
v Tg − ∇ • →
−
v gI (3.14)
3
La viscosidad molecular tanto de la fase gas (µM,g ) como la fase líquida (µM,l )
están dadas por los valores reales válidos para las condiciones locales (temperatura
y presión) en el biorreactor. µef f,l es la viscosidad efectiva en la fase líquida y es la
suma de la viscosidad molecular y la viscosidad turbulenta, respectivamente.
µef f,l = µM,l + µt,l (3.15)
La viscosidad molecular para la fase líquida se determina utilizando un modelo

reológico descrito en la sección §3.8, mientras que la viscosidad turbulenta (µt,l ) se
estima usando un modelo de turbulencia descrito en la sección §3.5. p es la presión
compartida por ambas fases y →
−
g es la fuerza gravitacional.
Puesto que la expansión adiabática del gas incrementa con la posición vertical
en el biorreactor, es necesario medir los perfiles axiales de retención del gas, la fase
líquida es considerada incompresible. Un modelo de CFD tiene que considerar la
compresibilidad de la fase de gas también; esto significa que se tiene que determinar la
relación entre la densidad del gas y la presión estática, en este proyecto se utiliza la ley
de los gases ideales, donde la constante de los gases y la temperatura son consideradas
constantes a través de los cálculos:
pM g
ρg = (3.16)
RT
Aquí, la masa molar de la fase de gas esta dada por el valor del aire (M g =
28.8kg/kmol), la constante de los gases esta fija a R = 8.315kJ/(kmolK). Los efectos
de la gravedad se incluyen en la ecuación 3.12 (α ρ →−
g para la fase gas).
g g
3.3.2.3 Ecuación de transporte escalar
Para flujos multifásicos, las ecuaciones de transporte escalar pueden ser de dos tipos:
por fase y para mezcla (FluentTM , 2006b).
La ecuación de transporte escalar por fase es la siguiente: Para un escalar arbitrario
k en la f ase − l, denotada por φkl , se soluciona una ecuación de transporte dentro del
volumen ocupado por la f ase − l
∂
αl ρl φkl + ∇ • αl ρl →
−
v l φkl = ∇ • αl Γkl ∇φkl + Slk ;

k = 1, . . . , N (3.17)
∂t
24
3 Modelos matemáticos 3.4 Fuerzas interfaciales
donde αl , ρl y →
−
u l son la fracción volumen, densidad física y la velocidad de la f ase − l,
respectivamente. Γkl y Slk son el coeficiente de difusión turbulento y el término fuente,
respectivamente. En este caso, el escalar φkl esta asociado sólo con una fase (f ase − l)
y se considera una variable individual del patrón de flujo de la f ase − l. Al igual que
τl , Γkl está relacionado con el patrón de flujo promedio de acuerdo con la aproximación
de Boussinesq:
µef f c,l
Γkl = (3.18)
σφkl
Para las variables escalares, σφkl , el número de Prandtl/Schmidt, se considera constante
e igual a 0.7.
3.4 Fuerzas interfaciales

→
−
El término de acoplamiento interfacial ( F i ), indicado en las ecuaciones 3.11 y 3.12, es
una combinación lineal de varias fuerzas subyacentes. Ésta viene dada, para la fase l,
por la siguiente expresión (Kasat et al., 2008):
→
− →
− →
− →
− →
− →
− →
− WF →−
F l = F gl + F Pl + F Vl M + F Ll + F W
l + Fl + F Tl D (3.19)
donde:
→
−
• F gl = fuerza de interacción entre fases,
→
−
• F Pl = término de acoplamiento de la presión de interfaz que surge debido a las
diferencias de presión a través de la interfaz burbujas-líquido,
→
−
• F Vl M = fuerza virtual de masa (o masa agregada),
→
−
• F Ll = fuerzas de ascenso,
→
−
• FWl = fuerza de lubricación la cual es una ley de pared para el gas,
→
− F
• FWl = fuerza de arrastre que ejerce la pared sobre las burbujas, y
→
−
• F Tl D = corrección de los efectos de la no-linealidad en las otras fuerzas.
Al modelar flujos multifásicos en biorreactores, la mayor atención tiene que ser

puesta a la disposición correcta del intercambio de momentum entre las fases - estas
fuerzas son las más importantes para los resultados de las distribuciones de la fase
25
dispersa (gas) y los patrones de velocidad de flujo. En este proyecto sólo se considera
la fuerza de interacción entre fases (Kasat et al., 2008). .
3.4.1 Intercambio de momentum entre la fase continua y dispersa

→
−
En la ecuación 3.19, F gl es una fuerza de interfaz que funciona como una fuerza de
cerradura para ambas fases en las ecuaciones de momentum. Esta fuerza depende de la
fricción, de la presión, de la cohesión, y de otros efectos, y está sujeta a las condiciones
→
− →
− →
−
de que F gl = − F lg y F ll = 0.
FLUENT (FluentTM , 2006c) utiliza un término simple de interacción de la forma
siguiente:
→
− →
− −
F gl = K gl (→
vg−→
−
v l) (3.20)
→
− →
−
donde K gl (= K lg ) es el coeficiente de intercambio de momentum de interfaz.
Para el flujo gas-líquido, se considera que la fase gas (dispersa) formará gotas o
burbujas. Se supone esto porque en un flujo donde hay cantidades desiguales de dos
fluidos, el fluido más escaso es más probable de formar gotas o burbujas que el fluido
predominante. Es por lo que el fluido líquido se modela como la fase continua. El
coeficiente de intercambio de momentum de interfaz para este tipo flujo se puede
escribir en la forma general siguiente:
→
− αl αg ρl f
K gl = (3.21)
τg
donde f , la función de fricción, es definida como:

CD Re
f= (3.22)
24
aquí Re es el número de Reynolds relativo. El número de Reynolds relativo para la fase
continua l y la fase dispersa g es el siguiente, respectivamente:
ρg |→
−
vg−→ −
v l | db
Re = (3.23)
µg
el número de Reynolds relativo para la fase dispersa g y r se obtiene de
ρrg |→
−
vr−→ −
v g | drb
Re = (3.24)
µrg
donde µrg = αg µg + αr µr es la viscosidad de la mezcla de la fase g y r.
26
τg , el tiempo de relajación de las burbujas es definido como:
ρl d2b
τg = (3.25)
18µg
donde db es el diámetro de las burbujas de la fase g.
3.4.1.1 Coeficiente de fricción o arrastre
Casi todas las definiciones de f incluyen un coeficiente de fricción (CD ) que está basado
en el número de Reynolds (Re) relativo, definido en la ecuación 3.23; es este coeficiente
de intercambio de interfaz el que hace la diferencia entre los modelos de la función
de fricción. Para todas estas situaciones, Kgl debe tender a cero siempre que la fase
continua no esté presente dentro del dominio. Para hacer cumplir esto, la función de
fricción f es multiplicada siempre por la fracción volumen de la fase continua l, como
se muestra en la ecuación 3.21.
Para modelar el intercambio de momentum entre la fase continua (líquido) y la
fase dispersa (gas), varios modelos de coeficiente de fricción se han propuesto y su
formulación es una cuestión de debate. Algunos de los más comunes se muestran a
continuación.
Modelo A
Para el modelo de Schiller y Naumann, (FluentTM , 2006c):

(
24(1 + 0.15Re0.687 )/Re Re ≤ 1000
CD = (3.26)
0.44 Re > 1000
Modelo B
Tomiyama (1998) ha propuesto el siguiente conjunto de correlaciones para un sistema

puro, ligeramente contaminado y contaminado, respectivamente:

16 0.687
48 8 Eo
CD = max min 1 + 0.15Re , , (3.27)
Re Re 3 Eo + 4

24 0.687
72 8 Eo
CD = max min 1 + 0.15Re , , (3.28)
Re Re 3 Eo + 4

24 0.687
8 Eo
CD = max 1 + 0.15Re , (3.29)
Re 3 Eo + 4
27
3 Modelos matemáticos 3.5 Modelo de turbulencia κ −
Aquí, el número de Eötvös, Eö, se basa en la dimensión horizontal máxima de una

burbuja en una columna de burbujas, no en el diámetro medio Sauter. El modelo tiene
una validez reportada Tomiyama et al. (1995) de:
10−2 < Eo < 103 ; 10−14 < M o ≤ 107 ; 10−3 < Re < 105
Modelo C
La bien conocida correlación de Ishii y Zuber (1979) se divide en tres regímenes de

flujo: gotas, burbujas y flujo turbulento en remolino. Su correlación está dada por el
siguiente conjunto de expresiones:
P ara αg ≤ 0.3 y αg ≥ 0.7 :

r ( 6
)2
2 g∆ρ 1 + 17.67f (αg ) 7
C D = db (3.30)
3 σ 18.67f (αg )
αg ≤ 0.3 ... f (αg ) = (1 − αg )1.5 (3.31)
αg ≥ 0.7 ... f (αg ) = (αg )3.0 (3.32)
P ara 0.3 < αg < 0.7 :

8
CD = αl2 (3.33)
3
Este modelo es utilizado por Morud (1994) para estudios en columnas de burbujas y
fermentadores agitados.
3.5 Modelo de turbulencia κ −

Aún cuando sólo se puede modelar la turbulencia isotrópica, el modelo κ − es en
gran medida el modelo más extenso y más aceptado de turbulencia. Como modelo de
dos-ecuaciones, introduce dos ecuaciones de transporte adicionales en el cálculo, una
para el cómputo de la energía cinética turbulenta y otra para la disipación de energía
turbulenta. De estas dos variables adicionales, una tercera ecuación sirve para calcular
la viscosidad turbulenta local.
El modelo estándar de turbulencia κ − se ha convertido en el más utilizado en
los cálculos prácticos de flujo en la ingeniería desde que fue propuesto por Launder
28
3 Modelos matemáticos 3.5 Modelo de turbulencia κ −
y Spalding (FluentTM , 2006c). La robustez, economía y la exactitud razonable para

una amplia gama de flujos turbulentos explican su popularidad en simulaciones
industriales de flujo y de transferencia de calor. El modelo estándar κ − es un
modelo semi-empírico basado en consideraciones fenomenológicas y el empirismo,
la ecuación de transporte para κ se deriva de una ecuación exacta, mientras que la
ecuación de transporte para fue obtenida usando el razonamiento físico y lleva poca
semejanza matemáticamente a su contraparte exacta. En la derivación del modelo
κ − , la consideración es que el flujo es completamente turbulento, y los efectos de
la viscosidad molecular son insignificantes. El modelo estándar κ − es por lo tanto
válido solamente para flujos completamente turbulentos.
FluentTM (2006c) proporciona tres métodos para modelar la turbulencia en flujos
polifásicos dentro del contexto de los modelos κ − . Las opciones del modelo de
turbulencia κ − son:
• Modelo de turbulencia de mezclado.
• Modelo de turbulencia de fase dispersada.
• Modelo de turbulencia por fase.
En este trabajo se utiliza el modelo de turbulencia de mezcla el cual se describe a

continuación.
3.5.1 Modelo de turbulencia κ − de mezclado

El modelo de turbulencia de la mezcla es el modelo multifásico de turbulencia
estándar. Representa la primera extensión del modelo monofásico κ − , y es
aplicable cuando las fases se separan, para los flujos multifásicos estratificados (o casi
estratificados), y cuando la razón de la densidad entre las fases están cerca de 1. En
estos casos, utilizando las propiedades y velocidades de la mezcla es suficiente para
capturar características importante del flujo turbulento (Kasat et al., 2008; Ranade,
2002; Marshall y Bakker, 2002).
Las ecuaciones de κ y de que describen este modelo son como sigue:

∂ →
− µt,m
(ρm k) + ∇ • (ρm v m k) = ∇ • ∇k + Gk,m − ρm ε (3.34)
∂t σk
29
3 Modelos matemáticos 3.6 Modelación del diámetro y distribución de burbujas
y
∂ →
− µt,m ε
(ρm ε) + ∇ • (ρm v m ε) = ∇ • ∇ε + (C1ε Gk,m − C2ε ρm ε) (3.35)
∂t σε k
En estás ecuaciones, Gκ,m representa la generación de energía cinética turbulenta
de mezclado debido a los gradientes de la velocidad media. ρm y →−v m , la densidad y
velocidad de mezclado, son calculadas de:
ρm = αl ρl + αg ρg (3.36)
y
→
− αl ρ l →
−
v l + αg ρ g →
−
vg
vm= (3.37)
αl ρ l + αg ρ g
la viscosidad turbulenta, µt,m , es calculada de
k2
µt,m = ρm Cµ (3.38)
ε
y Gκ,m , la cual representa la generación de energía cinética de turbulencia debido a los
gradientes de velocidad media y es calculada de
Gk,m = µt,m ∇→ −
v m + (∇→
− v m ) : ∇→
−

T
vm (3.39)
Las constantes de éstas ecuaciones se muestran en la tabla 3.1, σκ y σε son el número

de Prandtl turbulento para κ y ε, respectivamente.
Tabla 3.1: Constantes del modelo de turbulencia κ − ε estándar.

Constante C1ε C2ε Cµ σκ σε
Valor 1.44 1.92 0.09 1.00 1.30
3.6 Modelación del diámetro y distribución de burbujas

Durante las últimas décadas una gran variedad de modelos han sido propuestos para
la modelación del diámetro de burbujas en el flujo gas-líquido para su uso en CFD.
Estos modelos se dividen principalmente en dos clases diferentes; modelos de rotura
de remolinos y modelos de coalescencia dependiendo del mecanismo de control del
diámetro (Friberg, 1998). Para modelar el diámetro y distribución de las burbujas se
utiliza el modelo de balance población, que soluciona simultáneamente la rotura y
coalescencia de la burbuja.
30
3.6.1 Modelo de balance de población

Los modelos de balance de población se utilizan para definir sistemas con variaciones
en el tiempo de números de población dentro del sistema; si el sistema tiene también
una variación de tamaño se incrementa más la complejidad del modelo. La distribución
del tamaño de partículas, incluyendo partículas sólidas, burbujas o gotas, pueden
evolucionar en conjunto con el transporte y reacción química en un sistema multifásico.
Los procesos evolutivos pueden ser una combinación de diferentes fenómenos como la
nucleación, crecimiento, dispersión, disolución, agregación y ruptura produciendo así
la dispersión. Así, en los flujos multifásicos que incluyan una distribución del tamaño
de partículas se requiere de una ecuación que describa los cambios en la población de
las partículas, esta ecuación generalmente es referida como Balance de población. Para
hacer uso de este concepto, se utiliza una función del número de densidad para tener
en cuenta la población de las partículas.
3.6.1.1 Vector de posición de las partículas
El vector de posición de las partículas se caracteriza por un conjunto de ’coordenadas

externas’ (→
−
x ), que indican la posición espacial de las partículas, y por ’coordenadas
internas’ (φ), que incluye el tamaño de las partículas, composición y temperatura. A
partir de estas coordenadas, una función del número de densidad es postulada donde
φ ∈ Ω , → −
x ∈ Ω−
φ → . Por lo tanto, el número promedio de partículas en el volumen
x
infinitesimal dV− →
−
→ x dVφ . Por el contrario, el vector de posición de
x dVφ es n ( x , φ, t) dV−
→
→
−
la fase continua está dado por Y ≡ [Y1 (→ −
x , t) , Y2 (→
−
x , t) , . . . , Yc (→
−
x , t)].
El número total de partículas en todo el sistema es entonces
Z Z
ndV− x dVφ
→ (3.40)
Ωφ Ω→
−
x
El promedio local del número de densidad en el espacio físico (es decir, el número
total de partículas por unidad de volumen) está dado por
Z
→
−
N ( x , t) = ndVφ (3.41)
Ωφ
La fracción volumen total de todas las partículas está dado por

Z
→
−
α ( x , t) = nV (φ) dVφ (3.42)
Ωφ
donde V (φ) es el volumen de una partícula en la posición φ.
31
3.6.1.2 Ecuación de balance de población
Considerando que φ es el volumen de una burbuja, la ecuación de transporte para la

función del número de densidad está dado como:
∂
[n (V, t)] + ∇ · [→
−
v n (V, t)] = Scoalescencia + Srotura (3.43)
∂t
Z ∞
1 V
Z
0 0 0 0 0
Scoalescencia = a (V − V , V ) n (V − V , t) n (V , t) dV − a (V, V 0 ) n (V, t) n (V 0 , t) dV 0
2 0
| {z } |0 {z }
Nacimiento−debido−a−la−coalescencia−de−la−burbuja Mortalidad−debido−a−la−coalescencia−de−la−burbuja
Z (3.44)
0 0 0 0
Srotura = νg (V ) β (V |V ) n (V , t) dV − g (V ) n (V, t)
ΩV | {z }
| {z } Mortalidad−debido−a−la−rotura−de−la−burbuja
Nacimiento−debido−a−la−rotura−de−la−burbuja
(3.45)
Las condiciones inicial y de frontera, respectivamente, están dadas por:
n (V, t = 0) = nV ; n (V = 0, t) = 0 (3.46)
Nacimiento y mortalidad de las burbujas debido a la rotura y coalescencia
Rotura
La expresión de la tasa de rotura o núcleo (Luo y Svendsen, 1996), está expresado como:
νg (V 0 ) β (V |V 0 ) (3.47)
donde:
g (V 0 ) =frecuencia de rotura; es decir, la fracción de burbujas de volumen V 0 rota por
unidad de tiempo (m3 s−1 ).
β (V |V 0 ) =probabilidad de la función densidad de las burbujas rotas desde el volumen
V 0 a una burbuja de volumen V .
La tasa de nacimiento de burbujas de volumen V debido a la rotura está dada por:
Z
Brotura = νg (V 0 ) β (V |V 0 ) n (V 0 ) dV 0 (3.48)
ΩV
donde g (V 0 ) β (V |V 0 ) n (V 0 ) dV 0 son las burbujas de volumen V 0 rotas por unidad

de tiempo, νg (V 0 ) n (V 0 ) dV 0 es la producción de burbujas de las cuales una fracción
β (V |V 0 ) dV representa las burbujas de volumen V . ν es el número de burbujas
32
descendientes producidas por sus antecesoras (por ejemplo, dos burbujas de rotura
binaria).
La tasa de mortalidad de las burbujas de volumen V debido a la rotura viene dada
por:
Drotura = g (V ) n (V ) (3.49)
La PDF β (V |V 0 ) también se conoce como función distribución de fragmentación de

burbujas o distribución de tamaños de descendientes. Varias formas de la función
distribución de fragmentación se han propuesto, aunque las siguientes limitaciones
físicas se deben cumplir: la masa de los fragmentos debe dar la suma original de la
masa de las burbujas y el número de fragmentos formados tiene que ser correctamente
representados.
Matemáticamente, estas limitaciones se pueden escribir como sigue:
Para la consevación de masa
Z V0
β (V |V 0 ) dV = 1 (3.50)
0
Para la rotura binaria, β es simétrica aproximadamente V /V 0 = 0.5; es decir,
β (V 0 − V |V 0 ) = β (V |V 0 ) (3.51)
Coalescencia
El núcleo de coalescencia (Luo y Svendsen, 1996) está expresado como:
a (V, V 0 ) (3.52)
Este núcleo tiene unidades de m3 /s y algunas veces es definido como un producto de

dos cantidades:
• la frecuencia de colisiones entre burbujas de volumen V y burbujas de volumen

V0
• la ”eficiencia de coalescencia” (es decir, la probabilidad de que burbujas de

volumen V coalescan con burbujas de volumen V 0 .
La tasa de nacimiento de burbujas de volumen V debido a la coalescencia viene

dado por
Z V
1
Bcoalescencia = a (V − V 0 , V 0 ) n (V − V 0 ) n (V 0 ) dV 0 (3.53)
2 0
33
donde las burbujas de volumen V − V 0 coalescen con burbujas de volumen V 0 para

formar burbujas de volumen V . El factor 1/2 se incluye para evitar tomar en cuenta
cada colisión dos veces.
La tasa de mortalidad de las burbujas de volumen V debido a la coalescencia está
dado por Z ∞
Dcoalescencia = a (V, V 0 ) n (V ) n (V 0 ) dV 0 (3.54)
0
NOTA: Los núcleos de rotura y coalescencia dependen de la naturaleza física de la

aplicación. Para la dispersión gas-líquido, los núcleos son funciones de la disipación
turbulenta local de la fase líquida. La rotura de la burbuja es analizada en términos
de las interacciones con los remolinos de turbulencia; los remolinos de turbulencia
incrementan la energía superficial de las burbujas a través de la deformación y la rotura
ocurre si el aumento en la energía superficial alcanza un valor crítico. La coalescencia
de la burbuja se basa en la consideración de que la burbuja colisiona debido a la
turbulencia, flotabilidad y deformación laminar; la tasa de coalescencia se da como
un producto de la frecuencia de colisión y la probabilidad de coalescencia.
3.6.1.3 Métodos de solución
FluentTM (2006a) cuenta con tres métodos de solución para modelar el balance de
población:
• Método discreto (Balance de población discretizado).
• Método estándar de momentos, y
• Métod de cuadratura de momentos
Método discreto
En el método discreto (también conocido como el método de clases o seccional)

(Hounslow et al., 1988; Litster et al., 1995; Ramkrishna, 2000), la población de burbujas
es discretizada en un número finito de intervalos de diámetros. Esta basado en la
representación continua de la PSD en términos de un sistema de clases de tamaño
discreto o ’bins’, como se muestra en la Figura 3.1. Ésta formulación tiene la ventaja de
calcular directamente la PSD y es particularmente útil cuando el intervalo de diámetros
de burbujas es conocido a priori y no abarcan más de dos o tres órdenes de magnitud.
34
3 Modelos matemáticos 3.7 Modelos de cinéticas bioquímicas
En este caso, la población puede ser discretizada con un intervalo relativamente

pequeño en el número de diámetros; la distribución del diámetro es calculada en forma
acoplada con la dinámica de fluidos. La desventaja del método discreto es su costo
computacional, si un gran número de intervalos de diámetros se simulan.
Figura 3.1: PSD representado por el método discreto
3.6.1.4 Acoplamiento a CFD
Para acoplar el modelo de balance de población de la fase dispersa con el modelo

general de la dinámica de fluidos se utiliza el diámetro Sauter promedio para
representar el diámetro de burbujas de la fase dispersa. Para el método discreto, se
define como:
Ni L3i
P
d32 =P (3.55)
Ni L2i
3.7 Modelos de cinéticas bioquímicas

Es importante entender y representar mediante un modelo matemático la cinética de
crecimiento microbiano para diseñar y operar un biorreactor. La cinética celular es re-
sultado de reacciones químicas y bioquímicas y de fenómenos de transporte los cuales
involucran en la mayoría de los casos fases múltiples y sistemas multicomponentes.
3.7.1 Cinética de crecimiento microbiano

Los modelos empleados para describir el comportamiento del microorganismo bajo
diferentes condiciones físicas y químicas como la temperatura, el pH y suministro de
oxígeno se dividen en no estructurados y estructurados. La cinética de crecimiento
35
3 Modelos matemáticos 3.7 Modelos de cinéticas bioquímicas
microbiano del hongo G. fujikuroi de acuerdo con lo reportado por Chavez-Parga

(2005) y Negrete-Rodríguez (2002, 2007) se ajusta a un modelo de crecimiento no
estructurado, dichos modelos son los más simples porque toman la biomasa como
una cantidad uniforme sin dinámica interna cuya velocidad de reacción depende
solamente en las condiciones de la fase líquida del biorreactor. Los modelos no
estructurados mayormente empleados para describir la cinética de crecimiento son los
modelos de Gompertz de 2 y 3 parámetros, el modelo de Monod (Shukla et al., 2005) y
el modelo logístico.
La cinética de crecimiento microbiano del hongo G. fujikuroi de acuerdo con lo
reportado por Negrete-Rodríguez (2007) se ajusta bien con un modelo de crecimiento
no estructurado, dicho modelo es el de Gompertz de dos parámetros.
dX
rX = = kXe−µt (3.56)
dt
donde rX es la tasa de crecimiento del hongo G. fujikuroi, X es la biomasa, k es una
constante cinética, µ es la tasa de crecimiento específica y t el tiempo.
Para poder modelar la ecuación 3.56 en CFD (ecuación de trasporte escalar 3.17
(FluentTM , 2006b)), primero tiene que reordenarse para expresar la cinética sin el
tiempo como variable independiente (evaluando la cinética de crecimiento con las
siguientes condicionas; para t = 0, X = Xo y t = t, X = X:

X k −µt
Ln = e (3.57)
X0 −µ
sustituyendo la ecuación 3.57 en la ecuación 3.56:

dX X
rX = = −µXLn (3.58)
dt X0
donde la ecuación 3.58 es el término fuente (SlX ) en la ecuación de trasporte escalar

3.59: !
∂ µM,l + µt,l
αl ρl φX + ∇ • αl ρ l →
−
v l φX ∇φX + SlX

l l =∇• αl l (3.59)
∂t σφXl
Aquí, µ = 3.76 × 10−2 h−1 y Xo = 4.375kgXl−1 , respectivamente.
36
3 Modelos matemáticos 3.8 Modelo reológico microbiano
3.7.2 Cinética de producción del ácido giberélico

De acuerdo con lo reportado por Negrete-Rodríguez (2007), la cinética de formación
del producto de interés se ajusta bien con el modelo Luedeking-Piret:
dP dX
=α + βX (3.60)
dt dt
dP
donde dt
es la tasa de producción del metabolito secundario (Ácido giberélico)
[mgl h ], α es la constante asociada al crecimiento [mgGAs g −1 X] y β es la constante
−1 −1
no asociada al crecimiento [mgGAs g −1 Xh−1 ]; puesto que el ácido giberélico se empieza

a producir a partir del metabolismo secundario del hongo G. fujikuroi, el parámetro β
es el que describe la productividad de GA3 con respecto a la biomasa generada:
dP
rP = = βX (3.61)
dt
En la ecuación 3.61, rP es el término fuente (SlP ) de la ecuación de trasporte escalar
3.62: !
∂ µM,l + µt,l
αl ρl φPl + ∇ • αl ρl →
−
v l φPl = ∇ • ∇φPl + SlP

αl (3.62)
∂t σφPl
donde β = 0.165mgGAs g −1 Xh−1 .
3.8 Modelo reológico microbiano

En la ecuación 3.15, µM,l se refiere a la viscosidad molecular del fluido. A diferencia
de los fluidos Newtonianos los fluidos no-Newtonianos no exhiben una relación lineal
entre el tensor de esfuerzo τij y la velocidad de deformación γij (Bird et al., 2002), para
estos fluidos no-Newtonianos existen funciones materiales que relacionan el tensor de
esfuerzo con la velocidad de deformación entre los que destaca la generalización de
los modelos Newtonianos dado como:
τ = η (γ, T, p) γij (3.63)
donde la viscosidad no-Newtoniana η depende de la velocidad de corte además de la

temperatura y presión, respectivamente.
En los procesos de fermentación con características no-Newtonianas se han prop-
uestos modelos que relacionan dichas funciones (siendo el modelo "Ley de la potencia"
de Ostwald-de Waele el más utilizado) y todos ellos contienen parámetros empíricos
37
3 Modelos matemáticos 3.8 Modelo reológico microbiano
positivos cuyo valor numérico se obtienen correlacionando datos experimentales del

tensor de esfuerzo versus velocidad de deformación. Para estimar η (también llamada
viscosidad aparente) se han propuesto los siguientes modelos reológicos para la fer-
mentación del hongo G. fujikuroi.
3.8.1 Modelo tipo parabólico

De acuerdo con Escamilla-Silva et al. (2007) el modelo que mejor describe el esfuerzo
de corte en función de la velocidad de corte del caldo de fermentación del G. fujikuroi
es una función parabólica.
τ = K + nγ + εγ 2 (3.64)
Tabla 3.2: Parámetros reológicos del modelo parabólico de la ecuación 3.64

Tiempo de fermentación (h) K nx10−3 ε x10−7
24 0.478 4.161 6.560
48 0.384 4.866 2.590
72 1.909 4.486 6.245
96 3.920 3.481 8.987
120 3.743 4.345 5.791
144 3.515 5.083 3.959
168 3.989 5.688 1.653
192 4.540 7.548 7.040
3.8.2 Modelo tipo ley de la potencia

Chavez-Parga (2005) encontró que la fermentación del hongo G. fujikuroi se comporta
como fluido no-Newtoniano y se ajusta al modelo de la Ley de la potencia de la forma
siguiente:
µapar = K γ ·n−1 (3.65)
donde K y n son el índice de consistencia del fluido y el índice de comportamiento del
fluido, respectivamente; y están definidas como sigue:
c1
K= 2 (3.66)
1 + cX2 + cX3
38
3 Modelos matemáticos 3.9 Velocidad de transferencia de O2
c1
n= 2 (3.67)
1 + cX2 + cX3

Tabla 3.3: Parámetros para las constantes de la ecuación 3.66 y la ecuación 3.67
Índice de consistencia (K)
c1 c2 c3
3.43 2.05 6.67
Índice de flujo (n)
c1 c2 c3
7.63 80.91 1.14
3.9 Velocidad de transferencia de O2

Para un biorreactor semi-continuo gas-líquido, donde sólo la fase gas entra y sale del
biorreactor el balance de masa es:
Fase gas
dCG1
= G0 CG0 − G1 CG1 − kL a CL∗ 1 − CL1 VL

VG (3.68)
dt
donde VG representa el volumen de gas en la fase dispersada, o la retención de gas.
Considerando que el flujo de gas G y la concentración CG se mantienen constantes, la
ecuación 3.68 se reduce a:

dCG VL 1 − αG
≈ −kL a (CL∗ − CL ) ≈ −kL a (CL∗ − CL ) (3.69)
dt VG αG
Aquí CL∗ = RT/H CG es la solubilidad en equilibrio de oxígeno correspondiente a la

concentración de la fase gas, por lo tanto, la ecuación 3.69 finalmente se puede expresar
de la siguiente manera:

dCG RT 1 − αG
≈ −kL a CG − C L (3.70)
dt H αG
39
3 Modelos matemáticos 3.10 Modelación del tiempo de mezclado
Fase líquida
dCL1
= L0 CL0 − L1 CL1 + kL a CL∗ 1 − CL1 VL

VL (3.71)
dt
puesto que no hay entrada ni salida de flujo de la fase líquida, la ecuación 3.71 se
simplifica a:
dCL RT
= kL a (CL∗ − CL ) = kL a CG − CL (3.72)
dt H
Tanto la ecuación 3.70 como la ecuación 3.72 son modeladas en CFD con una
ecuación de trasporte escalar (3.17), respectivamente.
3.9.0.1 Coeficiente volumétrico de transferencia masa
El kL a se emplea universalmente como medida de eficiencia de la aireación en los

procesos de fermentación sumergida (Lonsane et al., 1992) El kL a depende del diseño
del biorreactor, de las condiciones de operación (flujo de aire, agitación) y de la
viscosidad del cultivo. A mayor viscosidad menor kL a. El kL a es una medida de la
capacidad que posee un biorreactor para suministrar O2 y el intervalo de valores
usuales está comprendido entre 50h−1 y 1000h−1 . En los últimos años se han propuesto
muchas correlaciones para estimarlo, en este trabajo se estima a partir de la teoría de
Higbie para el coeficiente de transferencia de masa de la fase líquida (kL ) y el área de
interfaz de las burbujas por unidad de volumen (a) (Dhanasekharan et al., 2005).
r 0.25
D εL ρ L
kL = 2 (3.73)
π µL
y
6αG
a= (3.74)
d
multiplicando la ecuación 3.73 con la ecuación 3.74 se determina el kL a:
r 0.25
D εL ρ L 6αG
kL a = 2 (3.75)
π µL d
3.10 Modelación del tiempo de mezclado

El macro-mezclado denota la etapa de un proceso de mezclado que se refiere a los
cambios en la concentración de la mezcla para una escala de pruebas físicas utilizadas
40
3 Modelos matemáticos 3.11 Modelación del impulsor
para medir las concentraciones locales. La intensidad del proceso de macro-mezclado

en tanques agitados a menudo se ha caracterizado por el tiempo de mezclado,
es decir, el tiempo necesario para lograr un grado de homogeneidad mediante la
aplicación de un indice de mezclado. La simulación del proceso de macro-mezclado
es menos popular que la modelación del campo de flujo (Zhou et al., 2003), el principal
mecanismo de la transferencia de momentum y masa para el macro-mezclado es la
convección para los flujos promedios y flujos de remolino. La dinámica de distribución
del trazador en el interior del tanque agitado se estima solucionando una ecuación
de transporte escalar dependiente del tiempo, basada en la consideración de que el
trazador se distribuye en el tanque por convección y difusión (Montante et al., 2005):

∂ →
− µt,l
(ρcT ) + ∇ • (ρ v cT ) = ∇ • ρDm ∇cT − ∇cT (3.76)
∂t σt,l
donde cT es la fracción volumétrica del trazador, →

−
v es el vector de velocidad promedio
(RANS), ρ es la densidad del fluido, Dm es la difusividad molecular, µt,l es la viscosidad
turbulenta y σt,l es el número de Schmidt turbulento.
3.11 Modelación del impulsor

En un tanque agitado con deflectores, el fluido contenido se distribuye por la
rotación del impulsor con los deflectores colocados a lo largo de la periferia del
tanque para inhibir el vórtice generado por la superficie libre. El flujo alrededor de
las paletas en rotación del impulsor interactúa con los deflectores estacionarios y
genera la recirculación de un flujo turbulento complejo y de naturaleza inestable y
tridimensional, por lo que la simulación de tales tanques no se realiza directamente.
Obviamente, la forma y el tamaño de las paletas del impulsor tienen un gran impacto
en el flujo generado; los otros parámetros, como el espaciamiento del impulsor,
la proximidad de las paredes del tanque y los deflectores también pueden afectar
dramáticamente el flujo generado. El flujo generado por un impulsor de cualquier
forma, se rige principalmente por las fuerzas de presión y centrífugas generadas por la
rotación del impulsor y del correspondiente movimiento del flujo. La forma de las
paletas del impulsor principalmente controlan la dirección y las características del
flujo de descarga del impulsor a través de las fuerzas de presión generadas y por la
obstrucción del flujo. La velocidad de rotación del impulsor controla la magnitud de
41
Figura 3.2: Marcos de referencia estacionario y en rotación
las fuerzas centrífugas, mientras que las fuerzas de presión generada por la rotación
de la paleta causa la succión del fluido en la parte de atrás de las paletas de impulsor
y equivalentemente la eyección del fluido de la parte delantera de las paletas. Este
fenómeno de eyeccion y succión debe ser correctamente simulado por la rotación del
impulsor (Kasat et al., 2008; Lu, 2004; Ranade, 2002; Marshall y Bakker, 2002).
3.11.1 Ecuaciones para marcos de referencia en rotación

Considere un sistema de coordenadas que está rotando constantemente con velocidad
angular →
−
ω relativo a un marco de referencia estacionario (inercial), como se muestra
en la Figura 3.2. El origen del sistema de rotación se encuentra por un vector posición
→
−r 0.
El eje de rotación está definido por un vector de dirección unitario e
a tal que
→
−
ω = ωe
a (3.77)
El dominio computacional para CFD se define con respecto al marco de rotación tal
que un punto arbitrario en el dominio de CFD se encuentra por un vector de posición
→
−
r desde el origen del marco de rotación.
Las velocidades del fluido pueden transformarse a partir del marco estacionario
para el marco de rotación usando las siguientes relaciones:
→
−
vr=→
−
v −→
−
ur (3.78)
42
donde
→
−
ur =→
−
ω ×→
−
r (3.79)
En las ecuaciones anteriores, →

−
v r es la velocidad relativa (la velocidad vista desde
el marco rotatorio), →
−
v es la velocidad absoluta (la velocidad vista desde el marco
→
−
estacionario), y u es la velocidad de ’rotación’ (la velocidad debido al marco en
r
movimiento).
Cuando las ecuaciones de movimiento se resuelven en el marco de referencia en
rotación, la aceleración del fluido se ve aumentada por otros términos que aparecen en
las ecuaciones de momentum. Por otra parte, las ecuaciones pueden formularse de dos
maneras diferentes:
• Expresando la ecuación de momentum utilizando velocidades relativas como

variables dependientes (conocida como formulación de velocidad relativa).
• Expresando la ecuaciones de momentum utilizando velocidades absolutas como

variables dependientes (conocida como la formulación de velocidad absoluta).
3.11.1.1 Formulación de velocidad relativa
Para la formulación de velocidad relativa para un marco en rotación estacionario

puede ser escrito como sigue:
Conservación de masa
∂ρ
+ ∇ • ρ→
−
vr=0 (3.80)
∂t
Conservación de momentum
∂ → →
−
(ρ−v r ) + ∇ • (ρ→
−
v r→
−
v r ) + ρ (2→
−
ω ×→ −
vr+→ −
ω ×→ −
ω ×→ −r ) = −∇p + ∇τ r + F (3.81)
∂t
La ecuación de momentum contiene dos términos adicionales de aceleración: la
aceleración de Coriolis (2→−
ω ×→ −
rv ) y la aceleración centrípeta (→
−
ω ×→
−ω ×→
−r ). Además, el
esfuerzo viscoso (τ r ) es idéntico a la ecuación 3.13 excepto que se utiliza la velocidad
relativa.
43
3.11.1.2 Formulación de velocidad absoluta
Para la formulación de velocidad absoluta, las ecuaciones que rigen el flujo del fluido
para un marco de rotación puede ser escrito como sigue:
Conservación de masa
∂ρ
+ ∇ • ρ→
−
vr=0 (3.82)
∂t
Conservación de momentum
∂ → →
−
(ρ−v ) + ∇ • (ρ→
−
v r→
−
v ) + ρ (→
−
ω ×→
−v ) = −∇p + ∇τ + F (3.83)
∂t
En este formulación, las aceleraciones Coriolis y centrípeta se pueden agrupar en un
sólo término (→
−
ω ×→ −
v ).
3.11.2 Flujo en marcos de rotación

El modelo RF resuelve las ecuaciones de momentum para todo el dominio en un
marco de rotación. La fuerza Coriolis se incluye en el proceso. Los problemas que se
resuelven con marcos de rotación suelen utilizar la velocidad angular del componente
de rotación principal, Ω, como la velocidad angular del marco. En los tanques agitados,
el impulsor sirve a este propósito, por lo que el marco se supone que rota con el
impulsor. De este modo, el impulsor se encuentra en reposo en el marco de rotación.
El tanque, sin embargo, gira en sentido contrario, por lo que debe tener una condición
frontera de −Ω. Si existen deflectores, estos tendrían que girar en el fluido con la misma
velocidad angular, −Ω. Por desgracia, este sencillo modelo en estado estacionario no
está equipado para manejar el movimiento de elementos tales como deflectores en
o a través del fluido. La aproximación es, por lo tanto, sólo útil para tanques sin
deflectores con paredes lisas que sean geométricamente equivalentes a una superficie
de revolución perfecta. De este modo, un tanque cilíndrico sin deflectores con un fondo
axisimétrico y sin accesorios dependientes de la dirección angular se podrían simular
con este método; los tanques con deflectores o puertos de entrada y salida de flujo no
se podrían modelar.
44
3.11.3 Flujo en múltiples marcos de referencia en rotación

Muchos de los problemas involucran partes en movimiento múltiples o contienen
superficies estacionarias que no son superficies de revolución. Para estos problemas,
hay que separar el modelo en múltiples zonas de celdas fluido/sólido, con interfaces
de fronteras separando las zonas. Las zonas que contienen los componentes móviles
pueden ser solucionados mediante las ecuaciones de marco de referencia en rotación,
mientras que las zonas estacionarias se pueden resolver con las ecuaciones de marco
estacionario. La forma en que las ecuaciones son tratadas en la interface conducen a
dos aproximaciones, las cuales están incluidas en FluentTM (2006c):
a) Múltiples marcos de referencia en rotación
• Modelo MRF
• Modelo MP
b) Modelo SM
Tanto la aproximación MRF como el MP son aproximaciones para estado estable

y difieren principalmente en la forma en que las condiciones en la interfaz son
tratados. La aproximación SM es, por otra parte, intrínsecamente inestable debido al
movimiento de la malla con el tiempo.
3.11.3.1 Aproximación MRF
Una modificación del modelo RF es el modelo MRF (Luo et al., 1994). La modificación
es, que más de un marco de referencia en rotación (o sin rotación) se pueden utilizar
en una simulación. Esta aproximación en estado estacionario permite la modelación
de tanques agitados con deflectores y tanques con otros accesorios complejos (en
rotación o estáticos). Un marco de rotación se utiliza para la región que contiene
los componentes rotatorios mientras que un marco estacionario se utiliza para las
regiones que son estacionarias. En el marco de rotación que contiene un impulsor, el
impulsor esta en reposo; en el marco estacionario que contiene la pared del tanque y
los deflectores, la pared y los deflectores están en reposo. El hecho de que múltiples
marcos de referencia se pueden utilizar significa que múltiples impulsores en la flecha
de un tanque rectangular puede ser modelado con marcos de rotación separados (con
45
frecuencias de rotación distintas), mientras que el espacio restante se puede modelar

con un marco estacionario.
La malla utilizada para una solución MRF debe tener una superficie de revolución
perfecta alrededor de cada marco de rotación. Las ecuaciones de momentum dentro
del marco de rotación se solucionan en el marco de las cercanías del impulsor, mientras
que los que están fuera del marco de rotación se solucionan en el marco estacionario.
Una transferencia constante de información se realiza en la interfaz MRF conforme la
solución avanza. Si bien la solución del campo de flujo en el marco de rotación en la
región alrededor del impulsor imparte la rotación del impulsor a la región fuera de este
marco, el impulsor en sí mismo no se mueve durante este tipo de cálculo, su posición
es estático.
Si el impulsor está montado sobre una flecha central en un tanque con deflectores,
esto significa que la orientación de las palas del impulsor en relación con los deflectores
no cambia durante la solución. Si la interacción entre el impulsor y los deflectores
es débil, la orientación relativa del impulsor y los deflectores no es importante. Si la
interacción es fuerte, sin embargo, la solución con el impulsor en una posición relativa
a los deflectores será diferente a partir de la del impulsor en una posición diferente.
El modelo se recomienda para las simulaciones en las que la interacción impulsor-
deflector es débil, sin embargo, si la solución se va a utilizar para obtener un promedio
espacial de las propiedades macroscópicas del campo de flujo, tales como la potencia
de arrastre, la orientación del impulsor relativo al deflector puede no ser importante.
Si la interacción es alta, se puede realizar dos soluciones con el impulsor en dos lugares
diferentes y usar ambos resultados (por ejemplo, con un promedio de ellos) para
obtener una solución razonable.
El modelo MRF asume que el patrón del flujo es estable, con los efectos del
impulsor-deflector explicados por medios aproximados. En la aproximación MRF
la malla es dividida en dos o más marcos de referencia para considerar las partes
inmóviles y las rotatorias. Una desventaja de la aproximación MRF es que la
interacción entre el impulsor y los deflectores es débil.
Para un tanque de mezclado con múltiples impulsores, se definen múltiples marcos
de referencia en rotación que abarca cada impulsor y el flujo que lo rodea y utilizar un
marco estacionario para el flujo fuera de la región del impulsor. Un ejemplo de esta
configuración se muestra en la Figura 3.3 (los guiones denotan la interfaz entre los dos
marcos de referencia.) Las condiciones de flujo estable se suponen en la frontera entre
46
Zona en
Zona estacionaria movimiento
Figura 3.3: Geometría de la rotación de un impulsor
los dos marcos de referencia. Es decir, la velocidad a la interfaz debe ser la misma (en
términos absolutos) para cada marco de referencia.
Formulación de la interfaz en MRF
En la aproximación MRF la formulación que se aplica a las interfaces dependerá de

la formulación de velocidad que se utilice. Cabe señalar que el tratamiento de la
interfaz se aplica a la velocidad y los gradientes de velocidad, ya que estas cantidades
vectoriales cambian con un cambio en el marco de referencia. Cantidades escalares,
por ejemplo como la temperatura, presión, densidad, energía cinética turbulenta, etc.,
no requiere ningún tratamiento especial, y por lo tanto, son pasadas localmente sin
ningún cambio.
En éste proyecto se utiliza está aproximación para modelar la rotación de los
impulsores. En la geometría actual el acoplamiento de la malla consiste en cuatro
marcos, uno para el tanque lejos del impulsor y tres, uno para cada impulsor. Los
últimos tres marcos rotan con la velocidad rotacional del impulsor pero el impulsor
en sí mismo sigue permaneciendo inmóvil. El estado inestable de las ecuaciones de
continuidad y de momentum son solucionadas en el interior del marco rotatorio
mientras en el marco inmóvil exterior las mismas ecuaciones se solucionan en una
forma de estado estable.
47
CAPÍTULO 4
ESQUEMAS NUMÉRICOS
4.1 Introducción
Para resolver las ecuaciones presentadas en el capítulo §3 se necesitan de métodos
numéricos para poder solucionar dichas ecuaciones. FLUENT cuenta con dos algorit-
mos numéricos:
• Algoritmos basados en la presión.
• Algoritmos basados en la densidad.
Históricamente hablando, el algoritmo basado en la presión fue desarrollado para

flujos incompresibles a baja velocidad flujos, mientras que la aproximación basado
en la densidad se utiliza principalmente para flujos compresibles a alta velocidad.
Sin embargo, recientemente ambos métodos han sido ampliados y reformulados para
resolver y operar para un amplio intervalo de condiciones de flujo más allá de su
tradicional o intención original. En ambos métodos el patrón de velocidades se obtiene
a partir de las ecuaciones de momentum. En la aproximación basado en la densidad,
la ecuación de continuidad se utiliza para obtener el patrón de densidad, mientras el
patrón de presión se determina a partir de la ecuación de estado. Por otra parte, en
la aproximación basado en la presión, el patrón de presión se determina mediante la
solución de una ecuación de corrección de presión que se obtiene por la manipulación
de las ecuaciones de continuidad y momentum.
48
4 Esquemas numéricos 4.2 Algoritmos basados en la presión
El uso de cualquiera de los métodos, Fluent soluciona de forma integral las

ecuaciones de conservación de masa y momentum, y (cuando corresponda) la de
energía y otro escalares tales como la turbulencia y especies químicas. En ambos casos,
se utiliza la técnica basada en un volumen de control y consiste en lo siguiente:
• División del dominio en volúmenes de control discretos utilizando una malla
computacional.
• Integración de las ecuaciones gobernantes en volúmenes de control individuales

para construir ecuaciones algebraicas para las variables dependientes discretas
(”desconocidas”) tales como velocidades, presión, temperatura y escalares.
• Linealización de las ecuaciones discretizadas y solución del sistema de ecua-

ciones lineales resultantes para obtener valores actualizados de las variables de-
pendientes.
Los dos métodos numéricos emplean el mismo proceso de discretización (volumen
finito), pero la aproximación utilizada para linealizar y solucionar las ecuaciones
discretizadas es diferente.
4.2 Algoritmos basados en la presión

El algoritmo basado en la presión emplea un algoritmo que pertenece a una clase
general de los llamados métodos de proyección. En el método de proyección, el campo
de velocidad se logra mediante la solución de una ecuación de presión (o corrección
de presión). La ecuación de presión se deriva de las ecuaciones de continuidad y
momentum de tal manera que el campo de velocidad, corregida por la presión,
satisface la continuidad. Ya que las ecuaciones gobernantes son no lineales y acopladas
entre si, el proceso de solución implica iteraciones de todo el sistema de ecuaciones
gobernantes y se resuelven en varias ocasiones hasta que la solución converge.
FLUENT cuenta con dos algoritmos basados en la presión; un algoritmo "segregado" y
un algoritmo "acoplado".
4.2.1 Algoritmo segregado basado en la presión

El algoritmo basado en la presión utiliza un algoritmo de solución donde las
ecuaciones gobernantes se solucionan en forma secuencial (es decir, segregadas unas
49
de otras). Debido a que las ecuaciones gobernantes son no lineales y acopladas, un

lazo de solución debe llevarse acabo iterativamente con el fin de obtener una solución
numérica convergente (Ranade, 2002; Marshall y Bakker, 2002).
En el algoritmo segregado, las ecuaciones gobernantes se van resolviendo individ-
ualmente una tras otra para la solución de las variables (por ejemplo, u, v, w, p, T ,
κ, , etc). Cada ecuación gobernante, mientras se esta resolviendo, es "desacoplada"
o "segregada" de las otras ecuaciones, de ahí su nombre. El algoritmo segregado es
más eficiente computacionalmente, ya que las ecuaciones discretizadas sólo se alma-
cenan en la memoria de una en una. Sin embargo, la convergencia de la solución es
relativamente lenta, en la medida en que las ecuaciones se resuelven de una manera
desacoplada.
Con el algoritmo segregado, cada iteración consiste de las etapas indicadas en la
Figura 4.1 y se describen brevemente a continuación:
a) Actualizar las propiedades del fluido (por ejemplo, densidad, viscosidad, calor
específico), incluyendo la viscosidad turbulenta (difusividad) basado en la
solución actual.
b) Resolver las ecuaciones de momentum, una tras otra, utilizando los valores
actualizados de presión y fluxs de masa de las caras de la celda.
c) Resolver la ecuación de corrección de presión utilizando los campos de velocidad

y fluxs de masa obtenidos recientemente.
d) Corregir los fluxs de masa de las caras, presión y el campo de velocidad

utilizando la corrección de presión obtenida en la etapa 3.
e) Resolver las ecuaciones para escalares adicionales, tales como cantidades turbu-
lentas, energía, especies químicas utilizando los valores actuales de las variables
solucionadas.
f) Actualizar los términos fuente derivados de las interacciones entre las diferentes
fases.
g) Revisar la convergencia de las ecuaciones.
Estas etapas se continúan hasta que los criterios de convergencia se cumplan.
50
Actualizar propiedades Actualizar propiedades
Solucionar secuencialmente:
Uvel Vvel Wvel Solucionar simultanealmente:
sistema de ecuaciones de
momentum y continuidad
basada en la presión
Solucionar la ecuación
de corrección de presión
(continuidad)
Actualizar el flux de masa

Actualizar el flux de masa,
la presión y la velocidad
Solucionar las ecuaciones de

Solucionar las ecuaciones de energía, especies, turbulencia
energía, especies, turbulencia y otros escalares
y otros escalares
No Sí No Sí
¿Convergió? Termina ¿Convergió? Termina
(a) Algoritmo segregado (b) Algoritmo acoplado
Figura 4.1: Métodos de solución basados en la presión.
4.2.2 Algoritmo acoplado basado en la presión

A diferencia del algoritmo segregado descrito anteriormente, el algoritmo acoplado
basado en la presión resuelve un sistema acoplado de ecuaciones que comprende las
ecuaciones de momentum y la ecuación de continuidad basadas en la presión. Así, en el
algoritmo acoplado, las etapas 2 y 3 en el algoritmo de solución segregado se sustituyen
por una sola etapa en la que el sistema de ecuaciones acopladas se resuelven. El
resto de las ecuaciones se resuelven de una manera desacoplada como en el algoritmo
segregado.
Ya que las ecuaciones de momentum y continuidad se resuelven en una forma
acoplada, la tasa de convergencia de la solución mejora significativamente si se
compara con el algoritmo segregado. Sin embargo, incrementan los requerimientos
de memoria de 1.5-2 veces más que la del algoritmo segregado ya que el sistema
discreto de todas las ecuaciones de momentum y continuidad basada en la presión se
51
4 Esquemas numéricos 4.3 Transporte escalar: Discretización y solución
deben almacenar en la memoria cuando se están resolviendo los campos de velocidad

y presión.
4.3 Transporte escalar: Discretización y solución
4.3.1 Terminología de una malla computacional

Una malla se divide en volúmenes de control, o celdas. Cada celda está definida por
un conjunto de puntos (o nodos), un centro de celda y las caras que delimitan la celda
(Figura 4.2) (Ranade, 2002; Marshall y Bakker, 2002; Murthy y Mathur, 1998) . FLUENT
usa estructuras de datos internos para definir el dominio(s) de la malla y asignar un
orden a las celdas, a las caras de las celdas y a los puntos en la malla y así establecer la
conectividad entre las celdas adyacentes.
(a) Malla en 2D (b) Malla en 3D
Figura 4.2: Componentes de una malla.
4.3.2 Discretización de la ecuación de transporte escalar

FLUENT utiliza la técnica basada en el volumen de control para convertir una ecuación
de transporte escalar general en una ecuación algebraica que se pueda resolver
numéricamente. Esta técnica de volumen de control consiste en la integración de la
ecuación de transporte en cada volumen de control, dando una ecuación discreta que
satisface la ley de conservación en un volumen de control (Ranade, 2002; Marshall y
Bakker, 2002; Murthy y Mathur, 1998).
La discretización de las ecuaciones gobernantes se puede explicar más fácilmente
considerando la ecuación de conservación de manera transitoria para el transporte de
52
una cantidad escalar φ. Esto se demuestra por la siguiente ecuación escrita en forma
integral para un volumen de control arbitrario V de la siguiente manera:
→
− →
−
Z I I Z
∂ρφ →
−
dV + ρφ v · d A = Γφ ∇φ · d A + Sφ dV (4.1)
V ∂t V
donde
ρ = densidad
→
−
v = vector de velocidad (= ui + vj en 2D)
→
−
A = vector de superficie
Γφ = coeficiente de difusión para φ
∇φ = gradiente de φ (= (∂φ/∂x) i + (∂φ/∂y) j en 2D)
Sφ = fuente de φ por unidad de volumen
La ecuación 4.1 se aplica para cada volumen de control, o celda, en el dominio
computacional. La celda triangular, en 2D, mostrada en la Figura 4.3 es un ejemplo
de un volumen de control. La discretización de la ecuación 4.1 en una determinada
celda da:
Nf aces Nf aces
∂ρφ X
→
− →
− X →
−
V + ρf v f φf · A f = Γφ ∇φf · A f + Sφ V (4.2)
∂t f f
donde
Nf aces = número de caras cercas de la celda
φf = valor de φ convectivo a través de la cara f
→
−
ρf →
−
v f · A f = flux másico a través de la cara
→
−
A f = área de la cara f , |A| (= |Ax i + Ay j| en 2D)
∇φf = gradiente de φ en la cara f
V = volumen de la celda
∂ρφ
Donde ∂t
V se define en la sección §4.3.4.2. Las ecuaciones solucionadas por FLUENT
adoptan la misma forma general como las indicadas arriba y se aplican fácilmente para
múltiples dimensiones y mallas no estructuradas compuestas de poliedros arbitrarios.
4.3.3 Solución del sistema lineal

La ecuación de transporte escalar discretizada (ecuación 4.2) contiene la variable
escalar desconocida φ en el centro de la celda así como los valores desconocidos en los
alrededores de las celdas vecinas (Murthy y Mathur, 1998). Esta ecuación, en general,
es no-lineal con respecto a estas variables, una forma linealizada de la ecuación 4.2
53
Figura 4.3: Volumen de control utilizado para mostrar la discretización de una ecuación
de transporte escalar.
puede escribirse como:

X
aP φ = anb φnb + b (4.3)
nb
donde el subíndice nb se refiere a las celdas vecinas, aP y anb son los coeficientes
linealizados para φ y φnb . El número de celdas vecinas para cada celda depende de
la topología de la malla, pero normalmente es igual al número de caras cercas de la
celda (celdas frontera son la excepción).
Ecuaciones similares se pueden escribir para cada celda de la malla, dando como
resultado un conjunto de ecuaciones algebraicas con una matriz de coeficientes
dispersos. Para ecuaciones escalares, FLUENT soluciona este sistema lineal usando
una ecuación lineal de punto implícito (Gauss-Seidel) conjuntamente con un método
algebraico multimalla.
4.3.4 Esquemas de discretización

4.3.4.1 Discretización espacial
Por omisión, FLUENT almacena valores discretos del escalar φ en el centro de las
celdas (c0 y c1 en la Figura 4.3). Sin embargo, se necesitan valores de la cara φf para
los términos de convección en la ecuación 4.2 los cuales se deben interpolar a partir
de los valores del centro de la celda, esta interpolación se logra utilizando un esquema
descentralizado (Upwind) (Ranade, 2002; Murthy y Mathur, 1998).
Descentralizado significa que el valor de la cara φf se obtiene a partir de cantidades
en la celda vecina, o "upwind", relativo a la dirección de la velocidad normal vn en la
ecuación 4.2. FLUENT cuenta con los siguientes esquemas upwind:
• Upwind de primer orden
54
• Upwind de segundo orden
• Ley de potencia
• QUICK
El término de difusión en la ecuación 4.2 se discretiza por diferencias centrales y

siempre son de segundo orden.
Esquema Upwind de primer orden
Cuando se desea una precisión de primer orden, las cantidades en las caras de las
celdas se determinan considerando de que los valores en el centro de la celda de alguna
variable representa un valor promedio en la celda y se mantiene así en toda la celda;
Así, cuando se utiliza un esquema upwind de primer orden, el valor de la cara φf se fija
igual al valor del centro de la celda de φ en la celda vecina (Murthy y Mathur, 1998).
Esquema Upwind de segundo orden
Cuando se desea una presición de segundo orden, los valores en las caras de las celdas
se calculan utilizando una aproximación de reconstrucción lineal multidimensional. En
esta aproximación, la presición de orden superior de los valores en las caras de la celda
se logra a través de la solución, por medio de la expansión de las series de Taylor, del
centro de la celda sobre el centroide de la celda (Murthy y Mathur, 1998). Así, cuando
se utiliza un esquema de segundo orden, el valor de la cara φf se calcula utilizando la
siguiente expresión:
φf,SOU = φ + ∇φ · →
−
r (4.4)
donde φ y ∇φ es valor en el centro de la celda y su gradiente en la celda vecina,

respectivamente; →
−
r es el vector que conecta el centroide de la celda vecina a la cara
centroide. Esta formulación requiere la determinación del gradiente ∇φ en cada celda.
Finalmente, el gradiente ∇φ se restrinje a fin de que ningún máximo o mínimo sea
introducido.
4.3.4.2 Discretización temporal
Para simulaciones transitorias, las ecuaciones gobernantes se deben discretizar tanto

en el espacio como en el tiempo, la discretización espacial para las ecuaciones
55
dependientes del tiempo es idéntica para el caso estacionario. La discretización

temporal implica la integración de cada término en las ecuaciones diferenciales en
una etapa de tiempo ∆t (Ranade, 2002; Murthy y Mathur, 1998). La integración de
los términos transitorios es sencilla, como se indica a continuación.
Una expresión genérica para la evolución en el tiempo de una variable φ esta dada
por:
∂φ
= F (φ) (4.5)
∂t
donde la función F incorpora cualquier discretización espacial. Si la derivada de
tiempo es discretizada utilizando diferencias hacia atrás, la discretización temporal de
primer orden viene dada por:
φn+1 − φn
= F (φ) (4.6)
∆t
y la discretización de segundo orden esta dada por:
3φn+1 − 4φn + φn−1

= F (φ) (4.7)
2∆t
donde
φ = una cantidad escalar
n + 1 = valor en la etapa de tiempo siguiente, t + ∆t
n = valor en la etapa de tiempo actual, t
n − 1 = valor en la etapa de tiempo previa, t − ∆t
Una vez que la derivada de tiempo se ha discretizado, lo siguiente es como evaluar
F (φ): en particular, ¿cuáles valores de la etapa de tiempo φ se deben utilizar en la
evaluación de F ?
Integración del tiempo implícita
Un método consiste en evaluar F (φ) en la etapa de tiempo siguiente:
φn+1 − φn
= F φn+1

(4.8)
∆t
Esto se conoce como integración "implícita" ya que φn+1 en una celda dada está
relacionada con φn+1 en las celdas vecinas a través de F (φn+1 ):
φn+1 = φn + ∆tF φn+1

(4.9)
56
Esta ecuación implícita se puede resolver iterativamente en cada etapa de tiempo antes
de pasar a la siguiente etapa de tiempo. La ventaja del esquema totalmente implícito
es que es incondicionalmente estable con respecto a el tamaño de la etapa de tiempo.
Integración del tiempo explícita
Un segundo método es el de integración del tiempo explicita, disponible para cuando

se utiliza el algoritmo basado en la densidad. Este método evalúa F (φ) en la etapa de
tiempo actual:
φn+1 − φn
= F (φn ) (4.10)
∆t
y se conoce como integración "explícita" ya que φn+1 se puede expresar explícitamente
en términos de los valores de la solución existente, φn :
φn+1 = φn + ∆tF (φn ) (4.11)
4.3.4.3 Evaluación de los gradientes y derivadas
Los gradientes son necesarios no sólo para la generación de valores de un escalar

en las caras de la celda, sino también para el cálculo secundario de los términos de
difusión y las derivadas de velocidad. El gradiente ∆φ de una determinada variable
φ se utiliza para discretizar los términos de convección y difusión en las ecuaciones
de conservación de flujo. Los gradientes se calculan en FLUENT de acuerdo con los
siguientes métodos:
• Método Green-Gauss basado en celdas
• Método Green-Gauss basado en nodos
• Método Mínimos cuadrados basado en celdas
Teorema de Green-Gauss
Cuando se utiliza el teorema de Green-Gauss para calcular el gradiente del escalar φ

en el centro de la celda c0 , la siguiente forma discreta está escrita como:
1X → −
(∇φ)c0 = φf A f (4.12)
v f
donde φf es el valor de φ de un centroide en la cara de la celda, calculado como se

indica en las secciones siguientes. La suma es sobre todas las caras cercas de la celda.
57
Evaluación del gradiente por el método Green-Gauss basado en celdas
Por omisión, el valor de la cara, φf , en la ecuación 4.12 se toma como el promedio

aritmético de los valores en los centros de las celdas vecinas, es decir,
φc0 + φc1
φf = (4.13)
2
Evaluación del gradiente por el método Green-Gauss basado en nodos
Por otra parte, φf se puede calcular por la media aritmética de los valores nodales en
la cara.
Nf
1 X
φf = φ (4.14)
Nf n n
donde Nf es el número de nodos en la cara.
Los valores nodales, φn en la ecuación 4.14, se calcula a partir de la media
ponderada de los valores de la celda alrededor de los nodos.La aproximación basada
en nodos es conocida por ser más precisa para mallas no estructuradas que la
aproximación basada en celdas, sobre todo para mallas triangulares y tetraédricas.
Evaluación del gradiente por el método Mínimos cuadrado basado en celdas
En este método la solución se supone que varía linealmente. En la Figura 4.4, el cambio
en los valores de la celda entre la celda c0 y ci a lo largo del vector de δri desde el
centroide de la celda c0 a la celda ci , se puede expresar como:
(∇φ)c0 · ∆ri = (φci + φc0 ) (4.15)
Si escribimos ecuaciones similares para cada celda a los alrededores de la celda c0 ,

obtenemos el siguiente sistema escrito de forma compacta:
[J] (∇φ)c0 = ∆φ (4.16)
Donde [J] es la matriz de coeficientes que es puramente una función de la geometría.

Aquí, el objetivo es determinar el gradiente de la celda (∇φ0 = φx i + φy j + φz k) por
medio de la solución de minimización para el sistema de la matriz de coeficientes en
una forma de mínimos cuadrados.
58
4 Esquemas numéricos 4.4 Solución del algoritmo basado en la presión
Figura 4.4: Evaluación del centroide de una celda.
4.4 Solución del algoritmo basado en la presión

En esta sección, se describen prácticas especiales relacionadas con la discretización de
las ecuaciones de momentum y continuidad y su solución por medio del algoritmo
basado en la presión. Estas prácticas son más fáciles de describir considerando el
estado estacionario de las ecuaciones de continuidad y momentum en forma integral:
→
−
I
ρ→
−
v · dA = 0 (4.17)
→
− →
− →
− →
−
I I I Z
ρ→
−
v→−
v · dA = − pI · d A + τ · dA + F dV (4.18)
V
→
−
donde I es la matriz identidad, τ es el tensor de esfuerzo y F es el vector de fuerza.
4.4.1 Discretización de la ecuación de momentum

Los esquemas de discretización descritos en la sección §4.3.4 para una ecuación de
transporte escalar también se utiliza para discretizar las ecuaciones de momentum
(Ranade, 2002; Murthy y Mathur, 1998). Por ejemplo, la ecuación de momentum en
dirección x se puede obtener estableciendo φ = u:
X X
aP u = anb unb + pf A · i+S (4.19)
nb
Si el campo de presión y los fluxs másicos en la cara son conocidos, la ecuación 4.19
se puede resolver en la forma indicada en la sección §4.3.4 y así obtener el campo
de velocidad. Sin embargo, si el campo de presión y los fluxs másicos en la cara son
desconocidos a priori se deben de obtener como una parte de la solución.
59
FLUENT utiliza una aproximación de colocación, a través del cual la presión y

velocidad se guardan en el centro de la celda. Sin embargo, la ecuación 4.19 requiere el
valor de la presión en la cara entre las celdas c0 y c1 , como se muestra en la Figura 4.3.
Por lo tanto, es necesario un esquema de interpolación para calcular los valores de
presión en la cara a partir de los valores de las celdas.
4.4.1.1 Esquemas para la interpolación de presión
FLUENT, por omisión, interpola los valores de presión en las caras utilizando los
coeficientes de la ecuación de momentum:
Pc0 Pc1
aP,c0
+ aP,c1
Pf = 1 1 (4.20)
aP,c0
+ aP,c1
Este procedimiento funciona bien, siempre y cuando la variación de presión entre los
centros de las celdas sea es suave. Cuando hay saltos o grandes gradientes en los
términos fuente de las ecuaciones de momentum entre los volúmenes de control, el
perfil de presión tiene altos gradientes en la cara de la celda y no se puede interpolar
utilizando este esquema. Si este esquema se utiliza, aparecen discrepancias en la
velocidad.
Los flujos para los cuales el esquema de interpolación estándar tendrán problemas
incluye los flujos con grandes fuerza de cuerpo, tales como fuertes flujos de remolino.
En estos casos, es necesario refinar la malla en las regiones de altos gradientes para
resolver la variación de presión adecuadamente. Otra fuente de error es que FLUENT
considera que el gradiente de presión normal en la pared es cero, esto es válido para la
capa en las fronteras pero no en presencia de fuerzas de cuerpo o curvatura. Varios
métodos alternativos están disponibles para los casos en los cuales el esquema de
interpolación de presión estándar no es válido:
• El esquema lineal, calcula la presión en la cara como el promedio de los valores

de presión en las celdas adyacentes.
• El esquema de segundo orden, regenera la presión en la cara de la misma manera

como lo hace el esquema de segundo orden para los términos de convección
(véase sección §4.3.4). Este esquema puede proporcionar alguna mejora con
respecto a los esquemas estándar y lineal, pero puede tener algunos problemas si
se utiliza al inicio de la simulación y/o con una malla mala.
60
• El esquema ponderado de fuerzas de cuerpo, calcula la presión en la casa

considerando que el gradiente normal de la diferencia entre la presión y las
fuerzas de cuerpo son constantes. Esto funciona bien si las fuerzas de cuerpo
son conocidas a priori en las ecuaciones de momementum.
• El esquema PRESTO, utiliza el balance de continuidad discreto para un volumen

de control "escalonado" de presión.
4.4.2 Discretización de la ecuación de continuidad

La ecuación 4.17 se puede integrar sobre un volumen de control como el de la Figura 4.3
para dar la siguiente ecuación discreta:
Nf aces
X →
−
Jf A f = 0 (4.21)
f
donde Jf es el flux másico a través de la cara f , ρvn .

Con el fin de seguir, es necesario relacionar los valores de velocidad en la cara,
→
−
v n , a los valores de velocidad guardados en los centros de las celdas. Debido a
que una interpolación lineal de las velocidades del centro de la celda a la cara da
resultados irreales de presión (checker-boarding), FLUENT utiliza un procedimiento
donde el valor de velocidad en la cara no se promedia linealmente; sino que, se hace
un promedio ponderado de momentum utilizando factores de ponderación basados
en el coeficiente aP a partir de la ecuación 4.19. Usando este procedimiento, el flux en
la cara, Jf , se puede escribir como:
aP,c0 vn,c0 + aP,c1 vn,c1
Jf = ρf + df ((pc0 + (∇p)c0 · →
−
r0 ) − (pc1 + (∇p)c1 · →
−
r1 ))
aP,c0 + aP,c1
Jf = Jˆf + df (pc0 − pc1 ) (4.22)
donde pc0 , pc1 y vn,c0 , vn,c1 son las presiones y velocidades normales, respectivamente,
dentro de las dos celdas a ambos lados de la cara, y Jˆf contiene la influencia de las
velocidades en estas celdas (véase Figura 4.3). El término df es una función de aP , el
promedio de los coeficientes de la ecuación de momentum aP para las celdas en ambos
lados de la cara f .
61
4.4.2.1 Esquemas para la interpolación de densidad
Para flujos incompresibles, FLUENT utiliza utiliza una media aritmética para la
densidad; para los cálculos de flujos compresibles (es decir, los cálculos que utilizan
la ley de los gases ideales para la densidad), FLUENT aplica para la densidad una
interpolación upwind en las caras de la celda. Varios esquemas de interpolación están
disponibles para la estimación de la densidad en las caras de las celdas:
• Upwind de primer orden (por omisión)
• Upwind de segundo orden
• QUICK
• MUSCL
• Diferencias centrales (cuando aplica)
4.4.3 Acoplamiento presión-velocidad

El acoplamiento presión-velocidad se logra mediante la ecuación 4.22 para obtener
una condición adicional para la presión por el rearreglo de la ecuación de continuidad
(ecuación 4.21) (Ranade, 2002; Murthy y Mathur, 1998). FLUENT proporciona la opción
de elegir entre cinco algoritmos de acoplamiento presión-velocidad:
• SIMPLE - Algoritmo segregado basado en la presión
• SIMPLEC- Algoritmo segregado basado en la presión
• PISO -Algoritmo segregado basado en la presión
• Acoplado - Algoritmo acoplado basado en la presión
• FSM (para flujos transitorios utilizando el esquema NITA) - Algoritmo segregado

basado en la presión
Todos los esquemas antes mencionados, con excepción del esquema "acopaldo", se
basan en la aproximación "predictor-corrector".
62
4.4.3.1 Algoritmo segregado
Algoritmo SIMPLE
El algoritmo SIMPLE utiliza una relación entre la velocidad y correcciones de presión

para hacer cumplir la conservación de masa y para obtener el campo presión. Si la
ecuación de momentum se resuelve con un campo de presión al tanteo p∗ , el resultado
del flux en la cara, Jf∗ , calculado a partir de la ecuación 4.22
Jf∗ = Jˆf∗ + df p∗c0 − p∗c1

(4.23)
no satisface la ecuación de continuidad. Por consiguiente, una corrección Jf0 se agrega

al flux en la cara Jf∗ a fin de corregir el flux en la cara, Jf :
Jf = Jf∗ + Jf0 (4.24)
satisface la ecuación de continuidad. El algoritmo SIMPLE postula que Jf0 debe ser
escrito como:
Jf0 = df (p0c0 − p0c1 ) (4.25)
donde p0 es la corrección de presión en la celda.

El algoritmo SIMPLE sustituye las ecuaciones de corrección de flux (ecuaciones
4.27 y 4.25) en la ecuación de continuidad discreta (ecuación 4.21) para obtener una
ecuación discreta para la corrección de presión p0 en la celda:
X
aP p 0 = anb p0nb + b (4.26)
nb
donde el término fuente b es la tasa de flujo neto en la celda:

Nf aces
X →
−
b= Jf∗ A f (4.27)
f
La ecuación de corrección de presión (ecuación 4.27) se puede resolver utilizando el

método AMG. Una vez que se obtiene la solución, la presión en la celda y el flux en la
cara se corrigen utilizando:
p = p∗ + αp p0 (4.28)
Jf = Jf∗ + df (p0c0 − p0c1 ) (4.29)
Aquí alphap es el factor de relajación para la presión. El flux en la cara corregido, Jf ,

satisface la ecuación de continuidad discreta en cada iteración.
63
4 Esquemas numéricos 4.5 Convergencia de la solución
Algoritmo SIMPLEC
El procedimiento del algoritmo SIMPLEC es similar al procedimiento SIMPLE descrito

anteriormente, la única diferencia radica en la expresión utilizada para la corrección
del flux en la cara, Jf0 . Al igual que en el SIMPLE, la ecuación de corrección se puede
escribir como:
Jf = Jf∗ + df (p0c0 − p0c1 ) (4.30)
P
Sin embargo, el coeficiente df se redefine como una función de (aP − nb anb ). El
uso de esta ecuación de corrección modificada ha mostrado acelerar la convergencia
en problemas donde el acoplamiento presión-velocidad es el principal elemento de
disuasión para la obtención de una solución.
4.5 Convergencia de la solución

Al final de cada iteración solucionada, la suma residual para cada una de las variables
conservadas se calcula y se guarda, así se registra la historia de convergencia. La suma
residual se define a continuación:
Definición de residuales para el algoritmo basado en la presión
Después de la discretización, la ecuación de conservación para una variable general φ

en una celda P se puede escribir como:
X
aP φ P = anb φnb + b (4.31)
nb
Aquí aP es el coeficiente central, anb son los coeficientes de influencia para las celdas
vecinas y b es la contribución de la parte constante del término fuente Sc en S =
Sc + SP φ y de las condiciones frontera. En la ecuación 4.31,
X
aP = anb − SP (4.32)
nb
El residual Rφ calculado por Fluent para el algoritmo basado en la presión es el

desbalance en la ecuación 4.31 sumada sobre todas las celdas computacionales P . Esto
se conoce como el residual "no escalado". Esto se puede escribir como:

X X
Rφ = anb φnb + b − aP φP (4.33)

celda−P nb
64
4 Esquemas numéricos 4.6 Condiciones frontera
En general, es difícil juzgar la convergencia mediante la prueba de residuales definida

por la ecuación 4.33, ya que no se emplea el escalamiento. FLUENT escala los
residuales mediante un factor de escala representativo de la tasa de flujo de φ a través
del dominio. Este residual "escalado" se define como:

P P
anb φnb + b − a P φP

celda−P nb
Rφ = P (4.34)
|aP φP |
celda−P
Para las ecuaciones de momentum el término del denominador aP φP se remplaza por

aP vP , donde vP es la magnitud de la velocidad en la celda P . EL residual escalado es
un indicador más apropiado de convergencia para la mayoría de los problemas.
Para la ecuación de continuidad, el residual no escalado para el algoritmo basado
en la presión se define como:
X
Rc = |tasadecreacindemasaenlaceldaP| (4.35)
celda−P
El residual escalado, basado en la presión, para la ecuación de continuidad se define

como: c
Riteracin−N
c
(4.36)
Riteracin−5
El denominador es el valor absoluto mayor del residual de continuidad en las primeras
cinco iteraciones.
Los residuales escalados descritos anteriormente son indicadores útiles para juzgar
la convergencia de la solución.
4.6 Condiciones frontera

La simulación de una sola fase (flujo líquido) en un tanque agitado por lo general
tiene un dominio que esta contenido en su mayor parte por las paredes - paredes
estacionarias del tanque y deflectores, y paredes en movimiento en la superficie del
impulsor y la flecha. La superficie libre de líquido (si hay alguna) es una excepción:
Su forma se supone que es plana, y condiciones frontera de gradiente cero (von
Neumann) se aplican para todas las cantidades, incluidos los componentes de la
velocidad paralela al plano. Sólo para el componente de velocidad que es ortogonal
a la pared se aplica una condición frontera de valor fijo (Dirichlet) - nada fluye a través
65
de esta frontera (Lu, 2004; Ranade, 2002; Marshall y Bakker, 2002; Murthy y Mathur,
1998).
En el caso de aireación,se introduce un gas de entrada (o una fuente de flujo másico
de gas local). Además, el gas se supone que sale del dominio a través de la superficie
libre del líquido; para ello, una llamada "condición de frontera de desgasificación" se
tiene que implementar; se parte del supuesto de que el líquido tiene un componente
de velocidad normal cero en la parte superior de la frontera, la velocidad del gas es
calculada como relativa a los alrededores del líquido por lo que puede interpretarse
como la velocidad normal de gas en la parte superior de la frontera. A partir de esta
velocidad y de la fracción volumen local del gas, se plantea un flux de gas a través de
la frontera (Ranade, 2002).
Dos tipos de condiciones límite se utilizan normalmente en las simulaciones de flujo
de fluidos; un valor especificado para φ en la frontera, o se especifica el flux a través de
la frontera. Este no es el caso de condiciones límite periódicas, que han de tratarse de
una manera especial.
4.6.1 Fronteras de entrada y salida

Las fronteras de entrada para velocidades, fracciones volumen y especies bioquímicas
se dan prescritas por fluxs. La energía cinética turbulenta, κ, se calcula mediante la
teoría de Prandtl de longitud de mezcla. La entrada de energía cinética turbulenta es
entonces dada por:
3 2 ∆r2 vin
2

3 0 0 3 2 dvi dvi
κinlet = ui uj = l ≈ κ (4.37)
2 2 dxj dxj 2 4 ∆r2
3
κinlet ≈ κ2 vin
2
8
Aquí δr es el diámetro de los orificios de entrada, vin es la velocidad de entrada y κ es
la constante de von Karman.
La tasa de disipación de remolino, , se calcula utilizando la teoría de Prandtl de
longitud de mezcla, y está dada por:
3/ κ3/2 0.013 3
εinlet = Cµ 4 ≈ v (4.38)
l ∆r in
En la salida, fracciones volumen, presión, cantidades turbulentas y especies
bioquímicas son extrapolados de los valores ascendentes. Dado que la continuidad
66
global tiene que ser satisfecha, las velocidades son extrapoladas y luego corregidas de
los cálculos del balance de masa total.
4.6.2 Fronteras en las paredes

Porosidades de área y volumen se incluyen en las ecuaciones de transporte para
simplificar la modelación de las estructuras internas. Debido a la zona de porosidades,
superficies de control de volumen pueden ser tratadas como paredes porosas. Las
porosidades se igualarán a cero para paredes sólidas e igual a uno cuando las paredes
no están presentes. Paredes parcialmente abiertas también pueden ser modeladas, pero
los términos fuente adiciones deben introducirse a las ecuaciones de momentum y
turbulencia (Ranade, 2002; Murthy y Mathur, 1998).
La fase gas se considerará que no humedece las paredes. En consecuencia, la
fracción gas se fija a cero, mientras que la fracción líquida se fija a uno en las paredes
sólidas. Para la fase liquida la condición de no deslizamiento es impuesta, de modo
que todas las velocidades son iguales a cero en relación con el movimiento de la pared.
Los grandes gradientes encontrados cerca de las paredes en flujos turbulentos son
enlazados por las funciones de pared similar a las establecidas para el flujo en una
sola fase.
4.6.3 Frontera de simetría

Para una frontera de simetría plana así como axisimétrica, todos los fluxs perpendicu-
lares son iguales a cero (Ranade, 2002).
∂ϕ
=0 (4.39)
∂xi
También los componentes de la velocidad perpendicular al plano son iguales a cero.
4.6.4 Frontera de superficie libre

Una superficie libre puede provocar la inestabilidad numérica y la falsa difusión
debido a los grandes gradientes en las fracciones volumen. Con el fin de reducir la falsa
difusión, se utiliza un promedio armónico para el término gravitacional en la ecuación
de momentum axial. El error de redondeo causado por manejar grandes números en
el cálculo de la presión por debajo de la superficie libre se reduce poniendo la presión
67
estática de la fase más pesada. En consecuencia, es mejor aplicar una reducción de la

presión, P ∗ , en lugar de la presión total, donde la relación está dada por:
Z H
∗
P =P + ρl gdz (4.40)
z
En el caso de fermentadores la parte superior no es realmente libre. Habrá una

capa de espuma que actúa como una tapa. Los efectos de la capa de espuma
es prácticamente imposible de incluir en cualquier predicción; esta espuma es
dependiente del tiempo, al inicio de la fermentación la espuma es suave y se mueve
con facilidad, después de un día o posteriores, se vuelve más oscura y más rígida.
68
CAPÍTULO 5
METODOLOGÍA NUMÉRICA
Una simulación con CFD consta principalmente de 4 etapas: generación de la ge-

ometría del modelo, mallado del dominio computacional, resolución de las ecuaciones
y análisis de los resultados. En este capítulo se describirá de forma breve estas etapas
para la simulación del biorreactor de tanque agitado.
5.1 Generación de la geometría del biorreactor

El biorreactor utilizado, para la simulación en 3D, es un tanque cilíndrico agitado,
mostrado en la Figura 5.1 con las siguientes dimensiones: diámetro DT = 0.16m,
altura HT = 0.35m, equipado con tres deflectores espaciados en un ángulo de 120o
con una anchura wbf = 0.1DT y espesor thbf = DI /20 montados a 0.005 m de la pared
del tanque. El tanque es agitado por 3 turbinas Rushton (disco con 6 paletas rectas
y perpendiculares) con un diámetro DI = 0.06m, diámetro del disco DD = 0.04m,
ancho de la paleta wbl = DI /4, altura de la paleta hbl = 0.2DI , espesor de la paleta
thbl = 0.025DI . Las turbinas están montadas, desde la parte superior, en una flecha
de diámetro Dsh = 0.008m y longitud Lsh = 0.29m. El biorreactor también cuenta
con un dispersor de aire localizado debajo de la turbina inferior y será simulado
como dispersor tipo anillo. Dicho biorreactor es de escala semi-técnica y es el mismo
utilizado por Negrete-Rodríguez (2007) en sus experimentos, con una capacidad de 7.0
l y un volumen de trabajo es de 4 l sin aireación que equivale aproximadamente a una
altura HL = 0.21m.
69
5 Metodología numérica 5.2 Mallado del dominio computacional
Figura 5.1: Biorreactor de tanque agitado Applikon InstrumentsTM
La geometría del biorreactor se realizó con el software MixSimTM (software com-

ercial de CFD para la generación, mallado y simulación de tanques agitados). En la
Figura 5.2 se muestra la geometría del biorreactor hecha con dicho software.
Figura 5.2: Geometría en 3D del biorreactor de tanque agitado.
5.2 Mallado del dominio computacional

El dominio de integración fue mallado también con el software MixSimTM , dicha malla
es híbrida en 3D y esta constituida por 917,570 celdas (triangulares y tetraédricas),
158,803 nodos y 1,845,839 caras. La malla híbrida es en realidad una malla no-
estructurada que contiene diferentes tipos de celdas. La elección de contar con una
malla no-estructurada frente a una estructurada es debido al hecho de que en un flujo
complejo como el desarrollado en tanques agitados, detalles del patrón de flujo deben
70
5 Metodología numérica 5.3 Especificaciones de las ecuaciones gobernantes
ser capturados en todo el tanque y, en particular, en el área de descarga del impulsor

y detrás de los deflectores. El mallado del dominio computacional del biorreactor se
muestra en la Figura 5.3.
Figura 5.3: Mallado del dominio computación del biorreactor de tanque agitado.
5.3 Especificaciones de las ecuaciones gobernantes
5.3.1 Especificación de las ecuaciones gobernantes en FluentTM

Una vez mallada la geometría, el modelo del biorreactor se carga a Fluent para
especificar y resolver las ecuaciones gobernantes por medio de la simulación numérica.
Primeramente se especifica el tipo de algoritmo a utilizar de acuerdo con lo descrito en
la sección §4.2, en la tabla 5.1 se muestra la especificación y opciones para el algoritmo
utilizado. Al especificar el algoritmo de solución implícitamente se está especificando
las ecuaciones de continuidad y momentum.
Después de especificar la forma en que se van a resolver las ecuaciones con el
algoritmo especificado, el siguiente paso es especificar los modelos matemáticos a
simular en Fluent. Aún cuando en el paso anterior se especifican implícitamente las
ecuaciones de continuidad y momentum, en Fluent es necesario definir el modelo
multifásico que se va a utilizar, en este caso es el modelo Euleriano para dos fases.
El siguiente modelo a especificar es el de turbulencia. En la tabla 5.2 se muestra la
especificación del modelo de turbulencia κ − extendido para múltiples fases.
Posteriormente se define el modelo de balance de población para la simulación de
la rotura, coalescencia y distribución de las burbujas de gas. La definición del modelo
71
Tabla 5.1: Especificación del algoritmo basado en la presión.

Algoritmo Segregado
Formulación Implícito
Espacio 3D
Tiempo Transitorio
Formulación de tiempo Implícito de primer orden
Formulación de velocidad Absoluta
Estimación del gradiente Green-Gauss basado en celdas
Tabla 5.2: Especificación del modelo de turbulencia para la mezcla gas-líquido.

Modelo κ − (2 eqn)
Opción del modelo Estándar
Tratamiento en la pared Función de pared estándar
Opción para las fases Mezcla
de población en Fluent se muestra en la tabla 5.3.

Por último, se especifican las ecuaciones de transporte escalar a simular junto
con los modelos definidos previamente, en este caso las ecuaciones de transporte
para la cinética de crecimiento del hongo G. fujikuroi y la cinética de producción de
ácido giberélico. En el apéndice §A se muestra la codificación de las ecuaciones de
transporte escalar así como otras ecuaciones que también se utilizan relacionadas con
la simulación del biorreactor.
5.3.2 Especificación de las propiedades del material

La tabla 5.4 muestra las especificaciones de los materiales utilizados para la simulación
de la mezcla gas-líquido dentro del biorreactor de tanque agitado.
5.3.3 Especificación de las fases y su interacción

Una vez que se especificaron los materiales a simular, se tiene que definir cual fluido
representa la fase principal (continua) y cual la fase secundaria (dispersa) así como
72
Tabla 5.3: Especificación del modelo de balance de población para la fase gas.
Método de solución Discreto
Parámetros de las burbujas (Bins)
Estimación Relación geométrica
Número de diámetros 6
Relación del exponente 2
Diámetro mínimo (m) 0.0005
Diámetro máximo (m) 0.00503968
Coeficiente Kv 0.5235988
Fenómeno a simular Modelo
Coalescencia de burbuja Modelo de Luo
Rotura de burbuja Modelo de Luo
Tabla 5.4: Especificación de los materiales para la mezcla gas-líquido.

Nombre Aire Líquido
Tipo de material Fluido Fluido
Tipo de material en Fluent air water-liquid
Propiedades
Densidad (kg/m3 ) 1.225 995.673
Viscosidad (kg/m − s) 1.7894e-05 7.982e-04
Difusividad (kg/m − s) UDF; Difusividad (véase apéndice §A)
73
también se debe especificar la interacción que habrá entre dichas fases. En la tabla
siguiente (5.5) se muestran las especificaciones para cada fase y su interacción.
Tabla 5.5: Especificación de las fases y su interacción.

Fase Líquida Gas
Tipo de fase Principal Secundaria
Tipo de material en Fluent water-liquid air
Propiedades
Diámetro (m) Sauter promedio (véase sección §3.6)
Interacción de fases
Fuerzas interfaciales; UDF; Coeficiente de arrastre
(véase sección §3.4) (véase apéndice §A)
5.3.4 Especificación de condiciones de operación y de referencia

Las especificaciones de operación y los valores de referencia especificados para la
simulación del biorreactor se muestran en las tablas 5.6 y 5.7, respectivamente.
Tabla 5.6: Especificación de las condiciones de operación.

Presión de operación 101325 P a
Ubicación de la presión de referencia
X (m) 0
Y (m) 0
Z (m) 0.2151
Aceleración gravitacional
X (m/s2 ) 0
2
Y (m/s ) 0
Z (m/s2 ) -9.81
74
Tabla 5.7: Especificación de los valores de referencia.

Valores de referencia
Área (m2 ) 0.02011
Densidad (kg/m3 ) 995.673
Entalpía (J/kg) 0
Longitud (m) 0.16
Presión (P a) 101325
Temperatura (K) 302.15
Velocidad (m/s) 6
Viscosidad (kg/m − s) 7.982e-04
Relación de calor específico 1.4
Zona de referencia Fase continua
5.3.5 Especificación de las condiciones frontera

Las siguientes consideraciones y condiciones frontera (véase la sección §4.6) se han
considerado:
• El flujo en el biorreactor de tanque agitado es completamente turbulento.
• En las paredes (impulsores, deflectores y tanque) se han impuesto condiciones de

no-deslizamiento.
• La superficie del líquido se considera siempre como superficie plana, es decir,

que el fenómeno de vórtice se considera ausente.
• En el líquido, se considera un superficie libre, lo que corresponde a las siguientes

∂ur ∂uθ
condiciones: uz = 0; ∂z
= 0; ∂z
=0
• En el gas, se considera una superficie de desgasificación.
En Fluent, para flujos multifásicos, se tienen que especificar condiciones frontera

para cada fase (continua y dispersa) así como para la mezcla de dichas fases.
En la tabla 5.8 se muestran las condiciones frontera especificadas en el fluido
(mezcla, líquido y gas), parte de la simulación estacionaria de acuerdo con el modelo
para la rotación del impulsor. y en la tabla 5.9 se muestran las condiciones frontera
75
Tabla 5.8: Especificación de las condiciones frontera en el fluido (a).

Fase mezcla líquido gas
Zona Fluidos Fluidos Fluidos
Tipo Fluido Fluido Fluido
Origen del eje de rotación
X (m) 0
Y (m) 0
Z (m) 0
Dirección del eje de rotación
X 0
Y 0
Z 1
Tipo de movimiento Estacionario
Velocidad rotacional (rpm)
Términos fuente (UDS) UDF; conc-biom
(véase apéndice §A) UDF; conc-prod
76
especificadas en los impulsores (mezcla, líquido y gas), parte de la simulación

transitoria de acuerdo con el modelo para la rotación del impulsor.
Tabla 5.9: Especificación de las condiciones frontera en el fluido (b).

Zona Impulsores Impulsores Impulsores
Tipo Fluido Fluido Fluido
X (m) 0
Y (m) 0
Z (m) 0.35
X 0
Y 0
Z 1
Tipo de movimiento MRF
Velocidad rotacional (rpm) -600
Términos fuente (UDS) UDF; conc-biom
(véase apéndice §A) UDF; conc-prod
Las condiciones frontera especificadas en las paredes sólidas se muestran en las

tablas 5.10 y 5.11, respectivamente. Las condiciones frontera especificadas para las
paredes sólidas en los impulsores también aplican para los deflectores y la pared del
tanque.
Las condiciones frontera más críticas para la simulación del biorreactor son las
siguientes: condición frontera de entrada (alimentación) y salida (desgasificación) del
gas, respectivamente; ya que en estas fronteras se tiene que especificar la fracción
volumen del gas, el diámetro de las burbujas más probables de entrar y salir por dichas
fronteras (condiciones del balance de población) así como también la turbulencia. En
la tabla 5.12 se muestran las especificaciones para la condición frontera de entrada de
gas por el dispersor de anillo.
La especificación para la condición frontera de desgasificación se muestra en la
tabla 5.13
77
Tabla 5.10: Especificación de las condiciones frontera en las paredes (flecha).

Zona Flecha Flecha Flecha
Tipo Pared Pared Pared
Movimiento de la pared Pared en movimiento
Tipo de movimiento Rotacional (Absoluta)
Velocidad (rpm) -600
X (m) 0
Y (m) 0
Z (m) 0.35
X 0
Y 0
Z 1
Condición de deformación No deslizamiento No deslizamiento
Tabla 5.11: Especificación de las condiciones frontera en las paredes (impulsores).

Zona Impulsores Impulsores Impulsores
Tipo Pared Pared Pared
Movimiento de la pared Pared estática
Condición de deformación No deslizamiento No deslizamiento
78
Tabla 5.12: Especificación de las condición frontera de entrada de gas por el dispersor.

Zona Dispersor Dispersor Dispersor
Tipo Velocidad entrada Velocidad entrada Velocidad entrada
Momentum:
Método de Turbulencia Intensidad y
diámetro hidráulico
Intensidad turbulenta (%) 5
Diámetro hidráulico (m) 0.003
Método de velocidad Normal-frontera Normal-frontera
Marco de referencia Absoluta Absoluta
Magnitud de velocidad (m/s) 0 0.00332
Multi-fase
Fracción volumen 1
Balance de población
Valor en la frontera: Bin-3 1
79
Tabla 5.13: Especificación de la condición frontera de desgasificación.

Zona Superficie-líquido Superficie-líquido Superficie-líquido
Tipo Presión-salida Presión-salida Presión-salida
Momentum:
Método de Turbulencia Intensidad y
diámetro hidráulico
Intensidad turbulenta (%) 5
Diámetro hidráulico (m) 0.16
Presión manométrica (P a) 0
Dirección de contraflujo Normal-frontera
Multi-fase
Fracción volumen contraflujo 1
Balance de población
Valor en la frontera: Bin-3 1
80
5.3.6 Especificación de los controles de solución

Los esquemas de discretización definidos para solucionar las ecuaciones modeladas se
muestran en la tabla 5.14.
Tabla 5.14: Esquemas de discretización para las ecuaciones gobernantes.

Acoplamiento presión-velocidad SIMPLE-Acoplamiento de fase
Momentum Upwind de segundo orden
Fracción volumen Upwind de primer orden
Energía cinética turbulenta Upwind de segundo orden
Tasa de disipación turbulenta Upwind de segundo orden
Transporte escalar 1 Upwind de primer orden
Transporte escalar 2 Upwind de primer orden
Fracción gas Bin-0 Upwind de primer orden
En la tabla 5.15 se muestran los factores de relajación especificados para utilizarse

en la estimación de los residuales.
5.3.7 Especificación de las condiciones iniciales

Los valores iniciales especificados para las ecuaciones gobernantes se muestran en la
tabla 5.16
5.3.8 Especificación del criterio de convergencia

Puesto que la solución de las ecuaciones se obtiene por medio de un proceso iterativo,
es necesario definir un criterio de convergencia de la solución para dar por terminado
el proceso iterativo; en la tabla 5.17 se muestran las especificaciones del criterio de
convergencia.
81
Tabla 5.15: Factores de relajación para la estimación de residuales

Factores de relajación
Presión 0.2
Densidad 1.0
Fuerzas de cuerpo 1.0
Momentum 0.2
Fracción volumen 0.2
Energía cinética turbulenta 0.8
Tasa de disipación turbulenta 0.6
Viscosidad turbulenta 1.0
Transporte escalar 1 1.0
Transporte escalar 2 1.0
Fracción gas Bin-0 0.4
82
Tabla 5.16: Especificación de las condiciones iniciales las ecuaciones gobernantes

Marco de referencia Absoluta
Valores iniciales
Presión manométrica (P a) 0
Energía cinética turbulenta (m2 /s3 ) 0.1
Tasa de disipación turbulenta (m2 /s3 ) 0.01
Transporte escalar 1 0
Transporte escalar 2 0
Velocidad en X-líquido (m/s) 0
Velocidad en Y -líquido (m/s) 0
Velocidad en Z-líquido (m/s) 0
Velocidad en X-gas (m/s) 0
Velocidad en Y -gas (m/s) 0
Velocidad en Z-gas (m/s) 0
Fracción volumen-gas 0
Fracción gas Bin-0 0
Tabla 5.17: Especificación de los residuales para la simulación de la fase líquida

Normalización Escala
Residual Criterio de convergencia
Continuidad 1e-04
Velocidad en X 1e-04
Velocidad en Y 1e-04
Velocidad en Z 1e-04
Energía cinética turbulenta 1e-04
Tasa de disipación turbulenta 1e-04
83
5 Metodología numérica 5.4 Parámetros de mezclado
5.4 Parámetros de mezclado

Los parámetros que se utilizan para caracterizar el flujo en un tanque agitado y
procesos de mezclado, en general, se pueden calcular por correlaciones reportadas en
la literatura. En muchos casos, estos parámetros también se pueden calcular a partir
de los resultados de CFD (Marshall y Bakker, 2002). A continuación se presenta la
metodología para calcular algunos de los parámetros más relevantes en un tanque
agitado.
5.4.1 Número de potencia

El número potencia es un parámetro adimensional que proporciona una medida de las
necesidades de potencia (energía) para el funcionamiento de un impulsor. Se define
como:
P
NP = (5.1)
ρN 3 D5
En la expresión anterior, P es la potencia aplicada al impulsor de diámetro D, ρ es
la densidad y N es la velocidad de rotación del impulsor, en rev/s. Las correlaciones
disponibles proporcionan la dependencia de NP con el número de Reynolds, por lo
que las requerimientos de potencia pueden obtenerse generalmente de una de estas
correlaciones. Sin embargo, las correlaciones pueden fallar si no toman en cuenta las
relaciones D/T o C/T de un impulsor o la presencia y espaciamiento de múltiples
impulsores. En tales casos, los resultados de CFD se pueden utilizar para calcular NP ,
o simplemente, los requerimientos de potencia.
La potencia suministrada al fluido es el producto de la velocidad del impulsor,
2πN , en radianes/seg, y el torque (par), M , que se obtiene mediante la integración de
la presión en las paletas del impulsor:
P = 2πN M (5.2)
FLUENT calcula el torque M (N − m), llamado momento, de la siguiente manera.

El vector de momento total sobre un centro especificado A se calcula sumando los
productos cruz de los vectores de fuerza de presión y viscoso para cada cara con el
vector de momento →−
r AB , que es el vector del momento especificado desde el centro de
momento A a la fuerza de origen B. Los términos de esta suma representan los vectores
84
de momento de presión y viscoso:

−
→ →
− →
− →
−
Ma = r AB × F P + →
−r AB × F v (5.3)
|{z} | {z } | {z }
momento−total momento−de−presin momento−viscoso
donde
A = centro de momento especificado
B = origen de la fuerza
→
−
r AB = vector de momento
→
−
F P = vector de fuerza de presión
→
−
F v = vector de fuerza viscosa
Integración de la energía de disipación turbulenta
En principio, la potencia suministrada al mezclado es equivalente a la que se pierde o

disipada en el líquido. Una integración de la disipación viscosa y la turbulenta en todo
el volumen debería, por lo tanto, ser una forma aceptable para calcular la potencia de
arrastre: Z
P =2 ρεdV (5.4)
V
La tasa de disipación predicha por los distintos modelos de turbulencia puede

variar significativamente, sin embargo, no hay garantía de que el modelo de
turbulencia dé la mejor predicción del patrón de flujo y también la mejor predicción de
la tasa de disipación. Para flujos laminares, incluso con una malla refinada cerca de las
paletas del impulsor, CFD puede tener dificultad para predecir la disipación viscosa
de manera satisfactoria. Por esta razón, el mejor método para extraer la potencia de
arrastre por el impulsor es mediante el cálculo del torque en las superficies de las
paletas (Marshall y Bakker, 2002).
5.4.2 Número de flujo o bombeo

El número de flujo es una medida de la capacidad de bombeo de un impulsor. Existen
diferentes mediciones para la capacidad de bombeo, pero el número de flujo es el más
utilizado. Se define como:
Ql
NQ = (5.5)
N D3
85
En esta expresión, Ql es la tasa de flujo producido por el impulsor. El subíndice se

utiliza para garantizar que la tasa de flujo es de la fase líquida. Para calcular Ql en un
impulsor, una superficie tiene que ser creada para la región de descarga. Esta superficie
sería circular para un impulsor de flujo axial y una sección cilíndrica para un impulsor
de flujo radial. Mediante la integración total de salida a través de esta superficie, la tasa
de flujo Ql , y, posteriormente, el número de flujo, NQ , se pueden obtener (Marshall y
Bakker, 2002).
Z B/2 Z π
Ql = 2 rUr dθdz (5.6)
−B/2 0
donde B es la altura de la paleta, r es el radio del impulsor y Ur es la velocidad radial,

respectivamente.
5.4.3 Tiempo de mezclado

El tiempo de mezclado en el biorreactor es predicho a partir de la simulación transitoria
del modelo de CFD considerando dos fases (ambas líquidas) y monitoreando el tiempo
necesario para lograr una concentración homogénea en un punto del biorreactor
(Krishna-Bodla, 2007). Las concentraciones de las fases se monitorean en 12 puntos
diferentes dentro del biorreactor, la estrategia consiste en inyectar una cantidad
de trazador en el biorreactor desde la parte superior en la superficie del líquido
y monitorear en diferentes puntos dentro del biorreactor la fracción volumen del
trazador en función del tiempo necesario para alcanzar un nivel considerable de
homogeneidad dentro del biorreactor, que puede considerar como el tiempo de
mezclado. Esto se puede obtener mediante el monitoreo de la concentración o fracción
volumen (como el vértice, en la malla, promedio de las fracciones volumen) de una fase
en todos los puntos de monitoreo hasta que se alcance la convergencia a los valores
deseados; lo que se considera como un estado de homogeneidad.
La simulación consistió en la inyección de un volumen de 100 ml de trazador,
de acuerdo con lo reportado por Krishna-Bodla (2007). En la tabla 5.18 se muestran
las coordenadas de los puntos de monitoreo dentro del biorreactor junto con las
coordenadas del volumen del líquido inyectado y en la Figura 5.4 se muestran dichos
puntos en el interior del biorreactor. La Figura 5.5 muestra las dos fases (azul y rojo) en
el biorreactor antes del inicio de las simulaciones. La fase continua (azul) es el líquido
principal y la fase dispersada (rojo) es el líquido inyectado.
86
5 Metodología numérica 5.5 Distribución del diámetro de burbuja
Tabla 5.18: Coordenadas de los puntos de monitoreo y volumen del líquido inyectado
dentro del biorreactor
Coordenadas de los puntos de monitoreo
X Y Z
point − 1 0.045 0.045 0.015
point − 2 0.000 0.000 0.015
point − 3 -0.045 -0.045 0.015
point − 4 0.045 0.045 0.096
point − 5 0.015 0.015 0.096
point − 6 -0.045 -0.045 0.096
point − 7 0.045 0.045 0.156
point − 8 0.015 0.015 0.156
point − 9 -0.045 -0.045 0.156
point − 10 0.045 0.045 0.200
point − 11 0.015 0.015 0.200
point − 12 -0.045 -0.045 0.200
Coordenadas del volumen de trazador inyectado
X Y Z
Mínimo -0.04 -0.04 0.1800
Máximo -0.05 -0.05 0.2151
5.5 Distribución del diámetro de burbuja

En la fermentación aeróbica, el gas (oxígeno o aire) por lo general fluye de forma
continua a través del reactor. Tanto la distribución de tamaño de burbuja y la
consiguiente fracción volumen de gas ("hold-up") no se conocen a priori, sino que
resultan de la interacción de diversos mecanismos físicos; la distribución del tamaño de
burbuja está formada por (que dependen de la turbulencia) la ruptura y coalescencia de
la burbuja; y de esta interacción se desprende, por la velocidad de ascenso, una cierta
burbuja debido a la flotabilidad. Esto da un típico tiempo de residencia del gas, lo cual
hace que continuamente se formen nuevas burbujas para alcanzar la superficie libre
de líquido y, con el caudal de gas, da como resultado la fracción volumen de la fase
gas. Un método común para describir la evolución de las distribuciones de tamaño
87
point-12
point-11 point-10
point-9
point-8 point-7
point-6
point-5
point-4
Z point-3
Y point-2
X point-1
Figura 5.4: Puntos de monitoreo dentro del Biorreactor.
1.00
0.95
0.90
0.85
0.80
0.75
0.70
0.65
0.60
0.55
0.50
0.45
0.40
0.35
0.30
0.25
Z
0.20
X Y
0.15
0.10
0.05
0.00
Figura 5.5: Fase continua (azul) y dispersada (rojo) en el tiempo t = 0seg.
en la ingeniería de procesos es la familia de modelos de balance de población. En la

formulación más básica, la distribución del tamaño se resuelva en una serie de clases
de tamaño, y por cada clase el número de densidad de burbujas se calcula como una
cantidad conservada por una ecuación de transporte.
En este trabajo un modelo de balance de población (FluentTM , 2006a) con la
formulación del método discreto se utiliza para resolver el flujo de burbujas y la
distribución de tamaño para una población de seis diferentes tamaños de burbuja.
El aire es inyectado en el líquido a través de un dispersor de anillo (Sparger ring),
localizado debajo de la turbina inferior, con una velocidad constante de 0.00332 m/s
(1.0 vvm). El diámetro inicial de las burbujas de aire inyectadas es de 1.26 mm, en la
88
tabla 5.19 se muestran los seis diferentes tamaños de burbuja simulados.
Tabla 5.19: Diámetros de las burbujas de gas simuladas con el modelo de balance de
población.
Número Burbuja Bin − 0 Bin − 1 Bin − 2 Bin − 3 Bin − 4 Bin − 5
Diámetro (mm) 5.0396 3.1748 2.0000 1.2599 0.7937 0.5000
89
CAPÍTULO 6
RESULTADOS Y DISCUSIÓN
6.1 Introducción
En este capítulo se muestras los resultados de las simulaciones de flujo gas-líquido y
conversión bioquímica en un biorreactor de tanque agitado de 7.0l y tres deflectores.
Los resultados de las simulaciones que aquí se presentan, fueron realizadas con
una velocidad de rotación del impulsor y flujo de gas (aire) de 600RP M y 1.0vvm,
respectivamente, con un volumen de trabajo de 4l igual al utilizado por (Negrete-
Rodríguez, 2007). La biorreacción es una fermentación del hongo G. fujikuroi, modelada
como se describe en la sección §3.7; el valor inicial para la biomasa se basó en el inoculo
adicionado al biorreactor.
6.2 Parámetros de mezclado
6.2.1 Número de potencia

En la tabla 6.1 se muestra el torque estimado en la simulación tanto para condiciones
sin gasificar como gasificadas, así como también la potencia y el número de potencia
para cada impulsor, respectivamente. El número de potencia calculado con CFD es 25%
menor al reportado por Negrete-Rodríguez (2007) para condiciones sin gasificar, 13.47
en total (4.49 por impulsor), quien lo estimó con una correlación.
Un punto importante a destacar de los resultados obtenidos del número de potencia
90
6 Resultados y discusión 6.2 Parámetros de mezclado
Tabla 6.1: Número de potencia para condiciones sin gasificar y gasificadas.

Torque Potencia Número de potencia
Condiciones sin gasificar (N − m) (W /Hp) (NP )
Flecha 4.87e-06 3.06e-04/4.10e-07 3.95e-04
Turbina inferior 0.0401 2.5748/0.0035 3.3256
Turbina medio 0.0416 2.6131/0.0035 3.3751
Turbina superior 0.0411 2.5798/0.0035 3.3321
Total 0.1236 7.7680/0.0104 10.0332
Condiciones gasificadas
Flecha 7.82e-06 4.91e-04/4.10e-07 6.34e-04
Turbina inferior 0.0485 3.0465/0.0041 3.9348
Turbina medio 0.0498 3.1287/0.0042 4.0411
Turbina superior 0.0362 2.2747/0.0031 2.9380
Total 0.1345 8.4504/0.0113 10.9145
por impulsor sin gasificar, es su comportamiento casi constante, lo que nos indica
que cada impulsor está disipando la energía turbulenta al fluido de una manera
independiente y también nos esta indicando que el espaciamiento entre los impulsores
es el más apropiado ya que obedece al patrón de flujo paralelo caracterizado por dos
zonas de recirculación independiente entre cada impulsor (Kasat et al., 2008; Lu, 2004;
Ranade, 2002), como se muestra en la Figura 6.1, y ambos comportamientos son de
suma importancia tanto para un buen mezclado como para el ahorro de energía del
sistema de agitación (Galindo, 2001).
Los valores calculados del número de potencia para las condiciones gasificadas
muestran que el número de potencia total incrementó con la introducción del gas;
este comportamiento no es el esperado de acuerdo con lo reportado en la literatura
(Kasat et al., 2008; Lu, 2004; Ranade, 2002). Lo esperado es que el número de potencia
total disminuya y que la turbina inferior muestre el menor número de potencia, esto
se debe a que la turbina inferior tiene la función principal de dispersar el gas y generar
las burbujas además de que se sabe que la caída de potencia debida a la aeración se
debe a las cavidades de aire que se forman detrás de las paletas del impulsor (Galindo,
2001).
91
2.5377
2.4110
2.2843
2.1575
2.0308
1.9041
1.7774
1.6507
1.5240
1.3973
1.2706
1.1439
1.0172
0.8905
0.7638
0.6371
Z
0.5104
0.3837 X Y
0.2570
0.1303
0.0036
Figura 6.1: Patrón de flujo paralelo para condiciones desgasificadas.
Una de las razones de este comportamiento puede ser al tiempo de simulación

insuficiente para gasificar completamente el biorreactor o a la condición frontera de
superficie plana supuesta dentro del biorreactor, lo cual no se esta cumpliendo de
acuerdo con el número de potencia de la turbina superior y a lo mostrado en la
Figura 6.4.
6.2.2 Número de flujo

La tasa de flujo calculada por la integración del flujo a través de la descarga radial del
impulsor se muestra en la tabla 6.2, así como también el número de flujo. Los resultados
mostrados en dicha tabla presentan el mismo comportamiento del número de potencia,
pero en este caso la diferencia entre las condiciones sin gasificar y las gasificadas son
más similares.
92
Tabla 6.2: Número de flujo para condiciones sin gasificar y gasificadas.

Flujo másico Flujo volumétrico Número de flujo
Condiciones sin gasificar (kg/s) (m3 /s) (NQ )
Turbina inferior 1.1692 0.0012 0.0020
Turbina medio 1.1676 0.0012 0.0020
Turbina superior 1.1267 0.0011 0.0019
Total 3.4635 0.0035 0.0058
Condiciones gasificadas
Turbina inferior 1.2598 0.0013 0.0021
Turbina medio 1.3356 0.0013 0.0022
Turbina superior 1.0883 0.0011 0.0018
Total 3.6837 0.0037 0.0062
6.2.3 Tiempo de mezclado

Para estimar el tiempo de mezclado en el biorreactor, se siguió la estrategia utilizada
por Krishna-Bodla (2007) y descrita brevemente en la sección §5.4.3. En la Figura 6.2 se
muestran las curvas características de las fracciones volumen para la fase del trazador;
en dicha figura se puede ver que después de 71.0 segundos de simulación, las curvas en
los 12 puntos de monitoreo se mantienen constantes. Pero, de acuerdo con lo mostrado
en la Figura 6.3, se vé que las fracciones volumen tanto de la fase continua (líquido)
como de la fase dispersa (trazador) dentro del biorreactor después de 71.0 segundos
no están completamente homogeneizadas; lo cual para que se pueda considerar como
tiempo de mezclado se tiene que alcanzar la homogeneidad en un 95% dentro del
biorreactor (Montante et al., 2005; Nienow, 1997). El tiempo de simulación corresponde
alrededor de 71.0 segundos, lo cual es parecido al tiempo de mezclado obtenido por
Krishna-Bodla (2007) (66.7 segundos) para el mismo biorreactor pero con 2 impulsores
de turbina Marina; pero es mucho mayor al tiempo de mezclado estimado con una
correlación por Negrete-Rodríguez (2007) que fue de 5.0 segundos.
Hasta que no se tengan resultados experimentales del tiempo de mezclado para este
biorreactor específicamente, la estrategia seguida para predecir el tiempo de mezclado
no se puede asegurar de que sea útil para la estimación de dicho tiempo. Otra estrategia
alternativa para estimar el tiempo de mezclado es la reportada por Montante et al.
93
point-12
point-11
point-10 1.0000
point-9
point-8
0.9000
point-7
point-6
point-5 0.8000
point-4
point-3 0.7000
point-2
point-1 0.6000
Average 0.5000
of
Surface 0.4000
Vertex 0.3000
Values
0.2000
0.1000
Z
X 0.0000
Y
0.000010.000020.000030.000040.000050.000060.000070.000080.0000
Flow Time
Figura 6.2: Curvas características de las fracciones volumen del trazador después de
71 segundos.
1.0000 0.0625
0.9969 0.0594
0.9938 0.0562
0.9906 0.0531
0.9875 0.0500
0.9844 0.0469
0.9813 0.0437
0.9781 0.0406
0.9750 0.0375
0.9719 0.0344
0.9688 0.0312
0.9656 0.0281
0.9625 0.0250
0.9594 0.0219
0.9563 0.0187
0.9531 0.0156
Z Z
0.9500 0.0125
0.9469 XY 0.0094 XY
0.9438 0.0062
0.9406 0.0031
0.9375 0.0000
(a) Fracción volumen de la fase continua (b) Fracción volumen de la fase dispersada
Figura 6.3: Contornos de las fracciones volumen de ambas fases después de 71

segundos.
(2005), con la cual reportaron una buena predicción del tiempo de mezclado en un
tanque agitado utilizando FLUENT.
94
6 Resultados y discusión 6.3 Biorreactor de tanque agitado gas-líquido
6.3 Biorreactor de tanque agitado gas-líquido
6.3.1 Dinámica de fluidos

De acuerdo con Friberg (1998), quien simulo la fermentación de E. coli en un biorreactor
de tanque agitado para producir ácido acético, para simular una biorreacción primero
se tiene que alcanzar un patrón de flujo cuasi-estacionario y una vez alcanzado dicho
estado, solucionar únicamente las ecuaciones de transporte escalar que simularán la
reacción bioquímica. Esto se hace con la finalidad ahorrar tiempo de computo y simular
la biorreacción en unos pocas horas, ya que si se trata de resolver todas las ecuaciones
simultáneamente se llevará varios meses de tiempo de computo real. El uso del patrón
de flujo cuasi-estacionario es necesario y razonable para las reacciones bioquímicas
porque la escala de tiempo para el conjunto de las biorreacciones es mucho mayor que
las escalas de tiempo para alcanzar el estado estacionario del patrón de flujo.
Así, para poder aplicar esta estrategia de solución, primero es necesario saber el
tiempo en que se alcanza el estado cuasi-estacionario del patrón de flujo, lo cual se
logra por medio de la simulación de la respuesta de un trazador (tiempo de mezclado).
Puesto que en este trabajo no se hicieron pruebas experimentales para saber el tiempo
de mezclado en el biorreactor, se tiene la incertidumbre del tiempo en que se alcanza
el estado cuasi-estacionario. Por tal motivo, todos los resultados presentados son para
un tiempo de simulación de 24.0 segundos en escala de computo.
6.3.1.1 Fracción gas
En la Figura 6.4 se muestra los resultados que se obtuvieron para la distribución de la

fracción gas, para el tiempo inicial (a) y después de 24 s (b); en está figura se puede ver
que al inicio únicamente hay gas en la superficie plana del líquido y después de 24 s
empezó a fluir el gas por el dispersor de anillo localizado debajo del impulsor inferior
(Turbina Rushton estándar). En esta figura, (b), también se puede ver que en la parte
superior central se forma un vórtice, lo cual nos indica que unas de las consideraciones
de frontera no se está cumpliendo del todo; superficie plana del líquido (libre de
vórtice) o condición frontera de desgasificación (acumulación de gas) o el modelo
Euleriano multifásico no se ajusta al fenómeno de flujo dentro del biorreactor.
95
1.0000 0.1500
0.9500 0.1425
0.9000 0.1350
0.8500 0.1275
0.8000 0.1200
0.7500 0.1125
0.7000 0.1050
0.6500 0.0975
0.6000 0.0900
0.5500 0.0825
0.5000 0.0750
0.4500 0.0675
0.4000 0.0600
0.3500 0.0525
0.3000 0.0450
0.2500 0.0375
Z Z
0.2000 0.0300
0.1500 X
Y
0.0225 XY
0.1000 0.0150
0.0500 0.0075
0.0000 0.0000
(a) T iempo = 0s (b) T iempo = 24s
Figura 6.4: Distribución de la fracción gas después de 24 s.
6.3.1.2 Velocidades
Velocidades en la fase líquida
Una de las características principales de los impulsores de Turbina Rushton son

las de proporcionar un flujo radial (con altos gradientes de deformación) y generar
relativamente poco movimiento del fluido, por lo que son apropiados para las
dispersiones gas-líquido (Galindo, 2001). La Figura 6.5 muestra la magnitud de la
velocidad para la fase líquida después de 24 s; en la figura (a) se muestra la velocidad
en forma de contorno y en la figura (b) en forma vectorial, y en ambas se puede ver el
campo de flujo radial de las turbinas y los altos gradientes de velocidad en las paletas
de las turbinas.
En la Figura 6.6 se muestran las velocidades que se obtuvieron para la fase líquida
en cada una de las direcciones espaciales, siendo la más relevante la velocidad en la
dirección radial. La figura de la velocidad radial nos muestra un campo de flujo ideal
para tanques agitados con impulsores múltiples; puesto que se vé claramente el patrón
de flujo radial característico de la turbina Rushton y el trabajo de agitación realizado
por cada una de las turbinas independientes de las otras (Galindo, 2001).
Velocidades en la fase gas
La magnitud de la velocidad en la fase gas se muestra en la Figura 6.7; en está figura

se puede ver la dispersión de gas que está llevando acabo la turbina superior, lo cual
96
2.2552 2.65
2.1424 2.52
2.0297 2.38
1.9169 2.25
1.8042 2.12
1.6914 1.99
1.5786 1.85
1.4659 1.72
1.3531 1.59
1.2404 1.46
1.1276 1.32
1.0148 1.19
0.9021 1.06
0.7893 0.93
0.6766 0.79
0.5638 0.66
Z Z
0.4510 0.53
Y Y
0.3383 X 0.40 X
0.2255 0.26
0.1128 0.13
0.0000 0.00
(a) Contorno (b) Vector
Figura 6.5: Magnitud de velocidad en la fase líquida después de 24 segundos.
1.3541 0.1622 0.7321

1.2694 0.0580 0.6574
1.1847 -0.0463 0.5827
1.1000 -0.1505 0.5080
1.0153 -0.2548 0.4334
0.9306 -0.3590 0.3587
0.8460 -0.4633 0.2840
0.7613 -0.5675 0.2094
0.6766 -0.6718 0.1347
0.5919 -0.7760 0.0600
0.5072 -0.8802 -0.0146
0.4226 -0.9845 -0.0893
0.3379 -1.0887 -0.1640
0.2532 -1.1930 -0.2386
0.1685 -1.2972 -0.3133
0.0838 -1.4015 -0.3880
Z Z Z
-0.0008 -1.5057 -0.4627
Y Y Y
-0.0855 X -1.6100 X -0.5373 X
-0.1702 -1.7142 -0.6120
-0.2549 -1.8185 -0.6867
-0.3396 -1.9227 -0.7613
(a) Velocidad radial (b) Velocidad tangencial (c) Velocidad axial
Figura 6.6: Contornos de las velocidades espaciales de la fase líquida después de 24

segundos.
se esperaría que dicha acción la realizará la turbina inferior y en menor medida la

turbina superior porque de acuerdo con lo reportado por Galindo (2001) para un
tanque agitado con múltiples impulsores en un sistema gas-líquido, la turbina inferior
tiene la función principal de dispersar el gas que se está suministrando por el dispersor
y generar las burbujas mientras que las turbinas intermedias tienen la función de llevar
acabo el mezclado del líquido y realzar la transferencia de oxígeno a la fase líquida.
Las velocidades de la fase gas en cada una de las direcciones espaciales se muestran
en la Figura 6.8; de estas velocidades, las de mayor interés de análisis son las
velocidades radial y axial, respectivamente. La velocidad en la dirección axial es de
interés para verificar que no se presenten canalizaciones del flujo de gas dentro del
97
2.0000
1.9000
1.8000
1.7000
1.6000
1.5000
1.4000
1.3000
1.2000
1.1000
1.0000
0.9000
0.8000
0.7000
0.6000
0.5000
Z
0.4000
Y
0.3000 X
0.2000
0.1000
0.0000
Figura 6.7: Magnitud de velocidad en la fase gas después de 24 segundos.
biorreactor o la inundación de las turbinas (Friberg, 1998). La velocidad radial es aún

más importante porque a partir de su análisis se determina que impulsor está llevando
acabo la dispersión del gas y generación de las burbujas, como se podrá ver en la
sección §6.3.3.
1.7724 1.1757 1.5309

1.6394 0.9775 1.3692
1.5064 0.7794 1.2075
1.3733 0.5812 1.0458
1.2403 0.3831 0.8842
1.1073 0.1850 0.7225
0.9743 -0.0132 0.5608
0.8412 -0.2113 0.3991
0.7082 -0.4095 0.2374
0.5752 -0.6076 0.0758
0.4422 -0.8058 -0.0859
0.3091 -1.0039 -0.2476
0.1761 -1.2021 -0.4093
0.0431 -1.4002 -0.5710
-0.0899 -1.5983 -0.7326
-0.2229 -1.7965 -0.8943
Z Z Z
-0.3560 -1.9946 -1.0560
Y Y Y
-0.4890 X -2.1928 X -1.2177 X
-0.6220 -2.3909 -1.3794
-0.7550 -2.5891 -1.5410
-0.8881 -2.7872 -1.7027
(a) Velocidad radial (b) Velocidad tangencial (c) Velocidad axial
Figura 6.8: Contornos de las velocidades espaciales de la fase gas después de 24

segundos.
6.3.2 Turbulencia
La energía mecánica suministrada por los impulsores ha disiparse en tres maneras; una
parte de la energía desaparecerá en forma de calor, otra parte se va a ir en las burbujas
como energía cinética extra y luego disipada, pero la mayor parte de la energía se
98
supone que es entregada al líquido como energía cinética extra. Puesto que nada de
líquido entra o sale del tanque, ésta energía extra debe ser proporcional a disipación
de la energía cinética turbulenta, es decir, igual a αl ρl V l . Suponiendo que la totalidad
de la energía mecánica va estrictamente a este último tipo, las mediciones de energía
mecánica se pueden utilizar para verificar la turbulencia global en las simulaciones.
Una consideración es que la energía cinética turbulenta en la proximidad con el gas es
despreciable. En la Figura 6.9 se muestra la energía cinética turbulenta, y como era de
esperarse la mayor energía se encuentra en la zona de barrido de las turbinas. La tasa
de disipación de energía turbulenta se muestra en la Figura 6.10.
1.1334
1.0768
1.0201
0.9634
0.9067
0.8501
0.7934
0.7367
0.6801
0.6234
0.5667
0.5100
0.4534
0.3967
0.3400
0.2834
Z
0.2267
Y
0.1700 X
0.1133
0.0567
0.0000
Figura 6.9: Energía cinética turbulenta (κ) después de 24 segundos.
La viscosidad turbulenta se muestra en la Figura 6.11, en dicha figura se puede

ver que el orden de magnitud es, por mucho, mayor a la viscosidad molecular
que se utilizó para la simulación (0.0007982 kg/m − s). Aún cuando se sabe que la
biorreacción tiene un comportamiento reológico del tipo pseudoplástico (Escamilla-
Silva et al., 2007; Chavez-Parga et al., 2006), en este trabajo se consideró una
viscosidad molecular constante ya que los modelos reológicos propuestos para
simular la viscosidad molecular no están diseñados para utilizarse en CFD. Un punto
importante a considerarse es que para la estimación del consumo de potencia en flujos
completamente turbulentos, como es el caso que se simuló, la propiedad del fluido que
tiene más importancia es la densidad (Tatterson, 1994).
99
100.0000
95.0000
90.0000
85.0000
80.0000
75.0000
70.0000
65.0000
60.0000
55.0000
50.0000
45.0000
40.0000
35.0000
30.0000
25.0000
Z
20.0000
Y
15.0000 X
10.0000
5.0000
0.0000
Figura 6.10: Tasa de disipación turbulenta () después de 24 segundos.
4.8489
4.6065
4.3640
4.1216
3.8791
3.6367
3.3942
3.1518
2.9094
2.6669
2.4245
2.1820
1.9396
1.6971
1.4547
1.2122
Z
0.9698
Y
0.7274 X
0.4849
0.2425
0.0000
Figura 6.11: Viscosidad turbulenta después de 24 segundos.
6.3.3 Distribución del diámetro de burbujas

En la Figura 6.12 se muestra la distribución, en todo el biorreactor, del diámetro de las
burbujas simuladas con el modelo de balance de población, en esta figura se ve más
claramente la función que realiza la turbina inferior (dispersar y generar burbujas).
Para el tiempo que se simuló, la distribución del diámetro está en el intervalo de
0.5-4.8 mm siendo el intervalo especificado de 0.5-5.0396 mm. Esta distribución de
diámetro está en el intervalo ideal para la transferencia de oxígeno desde la fase gas
a la fase líquida (Kasat et al., 2008), por que entre más pequeño sea el diámetro de
100
la burbuja habrá una mayor área de interfaz gas-líquido (Negrete-Rodríguez, 2007)

dando como resultado un mayor coeficiente volumétrico de transferencia de masa
(kL a), un parámetro de suma importancia en las biorreacciones aerobias.
0.0048
0.0046
0.0044
0.0042
0.0040
0.0037
0.0035
0.0033
0.0031
0.0029
0.0027
0.0024
0.0022
0.0020
0.0018
0.0016
Z
0.0014
0.0011 X Y
0.0009
0.0007
0.0005
Figura 6.12: Distribución del diámetro Sauter de burbujas después de 24 segundos.
Una forma más clara de ver la distribución del diámetro de burbujas es por
medio de un histograma, en la Figura 6.13 se muestra el histograma de distribución
del diámetro de burbujas versus la densidad de burbujas por volumen en todo el
biorreactor; como se puede ver en dicha figura, la mayor densidad de burbujas está
en el intervalo de 0.5-1.5 mm.
En la Figura 6.14 se muestran los histogramas de distribución del diámetro de
burbujas versus número de densidad por volumen pero ahora considerando las zonas
más importantes dentro del biorreactor. En está figura se vé que la turbina del medio
no genera ninguna burbuja para el tiempo de simulación, mientras que las turbinas
superior e inferior están generando la mayor cantidad de burbujas.
Las fracciones volumen de los diámetros de burbuja especificados en la tabla 5.19
se muestran en la Figura 6.15, donde los diámetros de burbuja menores a 0.7937 mm
no están presentes para el tiempo simulado.
6.3.4 Coeficiente volumétrico de transferencia de masa, kL a

La transferencia de oxígeno gas-líquido en los sistemas de fermentación esta gober-
nada por la solubilidad del gas (oxígeno) en el medio de cultivo. El kL a es el parámetro
101
70
60
50
40
Number
Density 30
(#/m3)
20
10
Z
Y 0
X
0.0000.0010.0010.0020.0020.0030.0030.0040.0040.0050.005
Diameter (gas) (m)
Figura 6.13: Histograma del diámetro Sauter de burbujas en función del número de
densidad de las burbujas después de 24 segundos.
4e+06 1.5e+05
1e+05
Number 2e+06 Number

Density Density
(#/m3) (#/m3)
5e+04
0 0
Y 0 0.002 0.004 0.006 Y 0 0.002 0.004 0.006
Z X Particle Diameter (m) Z X Particle Diameter (m)
(a) Tanque (b) Turbina superior
5e-16 7.5e+04
5e+04
Number 0 Number
Density Density
(#/m3) (#/m3)
2.5e+04
Y Y
Z -5e-16
X Z X 0
0 0.002 0.004 0.006 0 0.002 0.004 0.006
Particle Diameter (m) Particle Diameter (m)
(c) Turbina medio (d) Turbina inferior
Figura 6.14: Histogramas del diámetro de burbujas después de 24 segundos.
102
0.9497 0.6068
0.9022 0.5765
0.8548 0.5461
0.8073 0.5158
0.7598 0.4854
0.7123 0.4551
0.6648 0.4248
0.6173 0.3944
0.5698 0.3641
0.5224 0.3337
0.4749 0.3034
0.4274 0.2731
0.3799 0.2427
0.3324 0.2124
0.2849 0.1820
0.2374 0.1517
Z Z
0.1899 0.1214
0.1425 X Y 0.0910 X Y
0.0950 0.0607
0.0475 0.0303
0.0000 0.0000
(a) Bin-0 (b) Bin-1
0.5305 1.0000
0.5040 0.9500
0.4774 0.9000
0.4509 0.8500
0.4244 0.8000
0.3979 0.7500
0.3713 0.7000
0.3448 0.6500
0.3183 0.6000
0.2918 0.5500
0.2652 0.5000
0.2387 0.4500
0.2122 0.4000
0.1857 0.3500
0.1591 0.3000
0.1326 0.2500
Z Z
0.1061 0.2000
0.0796 X Y 0.1500 X Y
0.0530 0.1000
0.0265 0.0500
0.0000 0.0000
(c) Bin-2 (d) Bin-3
0.7126 0.9320
0.6770 0.8854
0.6414 0.8388
0.6057 0.7922
0.5701 0.7456
0.5345 0.6990
0.4988 0.6524
0.4632 0.6058
0.4276 0.5592
0.3919 0.5126
0.3563 0.4660
0.3207 0.4194
0.2851 0.3728
0.2494 0.3262
0.2138 0.2796
0.1782 0.2330
Z Z
0.1425 0.1864
0.1069 X Y 0.1398 X Y
0.0713 0.0932
0.0356 0.0466
0.0000 0.0000
(e) Bin-4 (f) Bin-5
Figura 6.15: Fracciones volumen de los diámetros de burbuja después de 24 segundos.
que se usa comúnmente para describir la eficiencia del sistema de aireación (Negrete-
Rodríguez, 2007), el kL a obtenido se estimo a partir del cálculo por separado del kL y
a, respectivamente. Un punto importante en la transferencia de oxígeno es el diámetro
de las burbujas, el cual depende de las condiciones hidrodinámicas, características del
medio de cultivo y del sistema de agitación (tipo de impulsores, espaciamiento en-
tre ellos y el tipo y ubicación del dispersor de aire). En la Figura 6.16, Figura 6.17 y
103
Figura 6.18 se muestra la estimación del kL , a y kL a, respectivamente; puesto que el

tiempo de simulación es pequeño no se puede dar una discusión más amplia sobre la
estimación del kL a ya que depende fuertemente de la área específica a y esta a su vez
de la fracción volumen y del diámetro de la burbuja de gas, respectivamente.
0.0086
0.0082
0.0078
0.0074
0.0069
0.0065
0.0061
0.0057
0.0052
0.0048
0.0044
0.0040
0.0035
0.0031
0.0027
0.0023
Z
0.0019
Y
0.0014 X
0.0010
0.0006
0.0002
Figura 6.16: Coeficiente de transferencia de masa (kL ) de la fase líquida después de 24

segundos.
100.0000
95.0000
90.0000
85.0000
80.0000
75.0000
70.0000
65.0000
60.0000
55.0000
50.0000
45.0000
40.0000
35.0000
30.0000
25.0000
Z
20.0000
Y
15.0000 X
10.0000
5.0000
0.0000
Figura 6.17: Área específica para la transferencia de masa (a) de la fase gas después de
24 segundos.
104
0.6359
0.6041
0.5723
0.5405
0.5087
0.4769
0.4451
0.4133
0.3815
0.3497
0.3180
0.2862
0.2544
0.2226
0.1908
0.1590
Z
0.1272
Y
0.0954 X
0.0636
0.0318
0.0000
Figura 6.18: Coeficiente volumétrico de transferencia de masa (kL a) después de 24

segundos.
6.3.5 Reacción bioquímica

La Figura 6.19 muestra la iso-superficie de la cinética de crecimiento del hongo G.
fujikuroi (Biomasa) simulada con el modelo de Gompertz de dos parámetros (Negrete-
Rodríguez, 2007) por medio de la ecuación de transporte escalar dada en la ecuación
3.59 (FluentTM , 2006b). Considerando que el tiempo de simulación es corto comparado
con el tiempo real de la biorreacción que va de 24-360 h de fermentación, se puede
decir que la cinética de crecimiento simulada con la ecuación de transporte escalar esta
bien acoplada a FLUENT, ya que en dicha figura se están mostrando valores positivos
y en el intervalo de la biomasa inicial (inoculo) especificada (X0 = 4.375gX/l).
La cinética de producción de ácido giberélico (GA3 )simulada con el modelo
Luedeking-Piret (Negrete-Rodríguez, 2007) por medio de la ecuación de transporte
escalar (ecuación 3.62) se muestra en la Figura 6.20. En esta figura prácticamente no
se observa nada deformación de producto, esto es debido a que la producción del
metabolito secundario (ácido giberélico) se empieza a generar a partir de las 96 horas
de fermentación en adelante y alcanza su máxima concentración entre 216-336 horas
de fermentación real y en una escala de concentración de mgGA3 /l. Al igual que con la
cinética de crecimiento, se puede decir que la simulación de la cinética de producción
con la ecuación de transporte escalar esta bien acoplada a FLUENT, ya que en dicha
figura se están mostrando valores positivos.
105
8.5746
8.1458
7.7171
7.2884
6.8596
6.4309
6.0022
5.5735
5.1447
4.7160
4.2873
3.8586
3.4298
3.0011
2.5724
2.1436
Z
1.7149
1.2862 Y
X
0.8575
0.4287
0.0000
Figura 6.19: Simulación de la cinética de crecimiento del hongo G. fujikuroi después de

24 segundos.
0.0016
0.0015
0.0015
0.0014
0.0013
0.0012
0.0011
0.0011
0.0010
0.0009
0.0008
0.0007
0.0007
0.0006
0.0005
0.0004
Z
0.0003
0.0002 Y
X
0.0002
0.0001
0.0000
Figura 6.20: Simulación de la cinética de producción del ácido giberélico después de 24

segundos.
106
CAPÍTULO 7
CONCLUSIONES Y RECOMENDACIONES
7.1 Conclusiones
• El objetivo de este trabajo fue implementar un modelo matemático en CFD para
su utilización en el análisis y escalamiento de un biorreactor de tanque agitado
gas-líquido.
• Se encontró que el número de potencia calculado con CFD es 25% menor al

número de potencia estimado con una correlación, y tanto el número de potencia
como el número de flujo para condiciones gasificadas son mayores que para las
condiciones sin gasificar; siendo este un comportamiento anormal para el flujo
gas-líquido en un tanque agitado con múltiples turbinas.
• De la dinámica de flujo para las condiciones sin gasificación se encontró que

el espaciamiento utilizado entre los impulsores y el fondo del biorreactor es
el más apropiado por que el patrón de flujo generado por los impulsores
mostró un comportamiento paralelo, siendo este comportamiento el óptimo
para el aprovechamiento de la potencia del sistema de agitación con impulsores
múltiples.
• El tiempo de mezclado predicho con CFD fue mucho mayor al estimado con una
correlación, lo cual hace que la forma en que se calculó el tiempo de mezclado no
es la correcta.
107
7 Conclusiones y recomendaciones 7.2 Recomendaciones
• Se verificó que la turbina inferior es la responsable de dispersar y generar las

burbujas de gas, así como también se observó que la superficie del líquido no es
completamente plana sino que se forma un vórtice alrededor de la flecha.
• En cuanto a la distribución y diámetro de las burbujas, se encontró que la

distribución está dentro del intervalo experimental reportado en la literatura.
• Y puesto que no se hicieron pruebas experimentales y sólo se simularon

24 segundos, únicamente se observó que las cinéticas de crecimiento del
microorganismo y producción de ácido giberélico, respectivamente, se acoplaron
bien al modelo Euleriano por medio de las ecuaciones de transporte escalar.
7.2 Recomendaciones
• La recomendación más importantes es la de realizar un trabajo experimental para
validar los resultados predichos con los modelos matemáticos y CFD, así como
también es necesario hacer pruebas experimentales para desarrollar modelos
basados en parámetros específicos de operación.
• El modelo que se utilizó se basa en una viscosidad laminar constante. Para un

biorreactor real, la reología es de suma importancia para la transferencia de
masa y mezclado, y aún cuando ya se han reportado modelos reológicos para el
sistema de biorreacción que se simuló, dichos modelos no fueron desarrollados
para aplicarse en CFD ya que la viscosidad laminar estimada con estos modelos
no se ajusta a la realidad del comportamiento reológico; por lo que se tiene la
necesidad de proponer un nuevo modelo que este diseñado específicamente para
ser utilizado en CFD.
• En cuanto a los modelos teóricos, es necesario probar otros modelos de

turbulencia, el modelo utilizado en este proyecto a pesar de ser uno de los más
populares para simular flujos turbulentos no toma en cuenta el flujo de remolino
ni la anisotropía; ambas condiciones presentes en un tanque agitado.
• Por último, es necesario un análisis más robusto de la independencia y

refinamiento de la malla computacional, ya que este punto es uno de los más
importantes en las simulaciones con CFD.
108
REFERENCIAS
Bakker, A. (1992). Hydrodynamic of Stirred Gas-Liquid Dispersions. Tesis doctoral, Delft

University of Technology, The Netherlands.
http://www.bakker.org/cfm 3
Bakker, A. y v.d. Akker, H.A.E. (1993). «Single-plase flow in stirred reactors». Chem.
Eng. Research and Design, 72, pp. 583–593. 10
Bird, R.B.; Stewart, W.E. y Lightfoot, E.N. (2002). Transport Phenomena. John Wiley and
Sons, Inc., second editiona edición. 37
Brucato, A.; Ciofalo, M.; Grisafi, F. y Micale, G. (1994). «Complete simulation of flow
fields in baffled stirred vessels: The inner-outer approach». En: ICHEME Symposium
Series, 136. 10
Chavez-Parga, M. del C. (2005). Producción de ácido giberélico en un biorreactor Airlift.

Tesis de doctorado en ciencias en ingeniería química, Instituto Tecnológico de
Celaya, Celaya, Guanajuato, México. 2, 13, 36, 38
Chavez-Parga, M.C.; González-Ortega, O.; Negrete-Rodriguez, M.L.X.; Medina-Torres,

L. y Escamilla-Silva, E.M. (2006). «Hydrodynamics, mass transfer and rheological
studies of gibberellic acid production in an airlift bioreactor». World J Microbiol
Biotechnol, -, pp. 1–9. doi: 10.1007/s11274-006-9270-x. 99
Deen, Niels (2001). An Experimental and Computational Study of Fluid Dynamics in

Gas-Liquid Chemical Reactors. Tesis doctoral, Aalborg University Esbjerg, Esbjerg,
Denmark. 3
109
REFERENCIAS
Dhanasekharan, K.M.; Sanyal, J.; Jain, A. y Haidari, A. (2005). «A generalized

approach to model oxygen transfer in bioreactors using population balances and
computational fluid dynamics.» Chemical Engineering Science, 60, pp. 213–218. 11, 40
Diaz, A. y Acevedo, F. (1999). «Scale-up strategy for bioreactors with Newtonian and
non-Newtonian broths». Bioprocess Engineering. 18
Drew, D.A. y Lahey, R.T. (1982). «Phase-distribution mechanisms in turbulent low-

quality two-phase flow in a circular pipe». J. Fluid Mech., 117, pp. 91–106. 10
Einsele, A. y Karrer, D. (1980). «Design and Characterization of a Completely Filled

Stirred Bioreactor». European J. Appl. Microbiol. Biotechnol.. 11
Ellul, I.R. y Issa, R.I. (1987). «Prediction of the flow of interspersed gas and liquid
phases through pipe bends». Chem. Eng. Res., 65, pp. 84–96. 10
Elqotbi, M.; Montastruc, L.; Vlaev, S.D. y Nikov, I. (2006). «CFD Simulation of Gluconic
Acid Production in a Stirred Gas-Liquid Fermenter». En: 12th European Conference on
Mixing, . 3
Ertola, R.; Yantorno, O. y Mignone, C. (1994). «Microbiología Industrial». Informe

técnico, Organización de los Estados Americanos, Programa Regional de Desarrollo
Científico y Tecnológico.
http://www.science.oas.org/Simbio/mbio_ind/mbio_ind.htm vi, 11,
13, 14
Escamilla-Silva, E.M.; Dendooven, L.; de-la Torre-Martinez, M.; Gutierrez, G.F.;

Marquez, M. y Salazar-M., A. (2007). «Rheological changes in the broth of Gibberella
fujikuroi during gibberellin production». En publicación. 38, 99
FluentTM (2006a). FLUENT 6.3 Population Balance Module Manual .

R Fluent-Inc.,
Lebanon, New Hampshire, USA. 34, 88
FluentTM (2006b). FLUENT 6.3 UDF Manual .

R Fluent-Inc., Lebanon, New Hampshire,
USA. 24, 36, 105
FluentTM (2006c). Fluent 6.3 User’s Guide .

R Fluent-Inc., Lebanon, New Hampshire,
USA. 3, 20, 21, 22, 26, 27, 29, 45
110
REFERENCIAS
Friberg, P.C. (1998). Three-dimensional modelling and simulations of gas-liquid flow processes
in bioreactors. Tesis doctoral, Telemark Technological Research and Development
Centre (Tel-Tek) and Telemark College, Porsgrunn, Norway. 3, 10, 30, 95, 98
Friberg, P.C. y Hjertager, B.H. (1998). «Simulation of a 3-Dimensional Large-Scale

Fermenter with Four Rushton Turbines Using a Two-Fluid Model». Informe técnico,
Telemark Technological Research and Development Centre (Tel-Tek) and Telemark
College. 10
Galindo, E. (1996). Fronteras en Biotecnlogía y Bioingeniería. Sociedad Mexicana de

Biotecnología y Bioingeniería A. C.. 2
Galindo, E. (Ed.) (2001). Notas del curso: Mezclado de biorreactores. XX Seminario de

Ingeniería Química, Celaya, Guanajuato. 2, 14, 15, 91, 96, 97
Harvey, P.S. y Greaves, M. (1982). «Turbulent flow in agited vessel, Parts I and II».
Chem. Eng. Research and Design, 60, pp. 195–210. 10
Harvey-III, A.D. y Rogers, S.E. (1996). «Steady and unsteady computation of impeller-
stirred reactors». AIChE Journal, 42(10), pp. 2701–2712. 10
Hounslow, M.J.; Ryall, R.L. y Marschall, V.R. (1988). «A Discretized Population Balance
for Nucleation, Growth and Aggregation». AIChE Journal, 34(11), pp. 1821–1832. 34
Ishii, M. y Zuber, N. (1979). «Drag coefficient and relative velocity in bubbly, droplet
or particulate flows». AIChE Jouernal, 25(5), pp. 843–855. 28
Karakoc, S. y Aksöz, N. (2006). «Some Optimal Cultural Parameters for Gibberellic

Acid Biosynthesis by Pseudomonassp.» Turk. J. Biol., 30, pp. 81–85. 2
Kasat, G.R.; Pandit, A.B. y Ranade, V.V. (2008). «CFD Simulation of Gas-Liquid Flows
in a Reactor Stirred by Dual Rushton Turbines». International Journal of Chemical
Reactor Engineering, 6, pp. 1–28. 1, 22, 23, 25, 26, 29, 42, 91, 100
Kresta, S.M. y Wood, P.E. (1991). «Prediction of the three-dimensional turbulent flow
in stirred tanks». AIChE Journal, 37(3), pp. 448–460. 10
Krishna-Bodla, V. (2007). Evaluation of the Scale-Up potential of the mamalian cell

fermentors within NovoNordisk. Tesina o Proyecto, Denmarks Technical University,
Copenhagen, Denmark. 86, 93
111
REFERENCIAS
Litster, J.D.; Smit, D.J. y Hounslow, M.J. (1995). «Adjustable Discretization Population
Balance for Growth and Aggregation». AIChE Journal, 41(3), pp. 591–603. 34
Lonsane, B.K.; Saucedo-Castañeda, G.; Raimbault, M.; Roussos, S.; Viniegra-González,

G.; Ghildyal, N.P.; Ramakrishna, M. y Krishnaiah, M.M. (1992). «Scale-up Strategies
for Solid State Fermentation Systems». Process Biochemistry. 15, 17, 40
Lopez-de Bertodano, M.; Lahey-Jr., R.T. y Jones-Jr., O.C. (1994). «Development of a κ−
model for bubbly two-phase flow». Transactions of the ASME, 116, pp. 128–134. 10
Lu, Wei-Ming (2004). «Multiple Impeller Gas-Liquid Contactors». Informe técnico,

National Taiwan University. ISBN: 957-564-947-7. 3, 22, 42, 66, 91
Luo, H. y Svendsen, H.F. (1996). «Theoretical Model for Drop and Bubble Breakup in
Turbulent Dispersions». AIChE Journal, 42(5), pp. 1225–1233. 32, 33
Luo, J.Y.; Issa, R.I. y Gosman, A.D. (1994). «Prediction of Impeller-Induced Flows in
Mixing Vessels Using Multiple Frames of Reference». En: IChemE Symposium Series,
136, pp. 549–556. 45
Marshall, E.M. y Bakker, A. (2002). «Computational fluid mixing». Informe técnico,

Fluent-Inc.. 22, 29, 42, 50, 52, 66, 84, 85, 86
Mathiesen, V. y Solberg, T. (1998). «CFD modelling of a stirred tank reactor». Informe

técnico 500177-2, Tel-Tek, Porsgrunn, Norway. 10
Michele, V. (2001). CFD Modeling and Measurement of Liquid Flow Structure and
Phase Holdup in Two- and Three-Phase Bubble Columns. Tesis doctoral, Technischen
Universit¨at Carolo-Wilhelmina zu Braunschweig. 3
Montante, G.; Mostek, M.; Jahoda, M. y Magelli, F. (2005). «CFD simulations and
experimental validation of homogenisation curves and mixing time in stirred
Newtonian and pseudoplastic liquids». Chemical Engineering Science, 60, pp. 2427–
2437. 41, 93
Morud, K.E. (1994). Turbulent Two-Phase Flow in Bubble Columns and Stirred Fermenters.
Tesis doctoral, Telemark Institute of Technology, Porsgrunn, Norway. 10, 28
112
REFERENCIAS
Murthy, J.Y. y Mathur, S.R. (1998). «Numerical Methods in Heat, Mass, and Momentum
Transfer». Informe técnico, School of Mechanical Engineering; Purdue University. 52,
53, 54, 55, 56, 59, 62, 66, 67
Murthy, J.Y.; Mathur, S.R. y Choudury, D. (1994). «Complete simulation of flow fields
in baffled stirred vessels: The inner-outer approach». En: ICHEME Symposium Series,
136. 10
Negrete-Rodríguez, M. de L. X. (2002). Producción de ácido giberélico GA3 en biorreactor

de tanque agitado con Gibberella fujikuroi empleando aceite de maíz como fuente de carbono.
Tesis de maestría en cienciencias en ingeniería química, Instituto Tecnológico de
Celaya, Celaya, Guanajuato, México. 2, 17, 36
Negrete-Rodríguez, M. de L. X. (2007). Producción de giberelinas por G. fujikuroi: Efecto de

las condiciones de agitación y aireación en la productividad de un cultivo tetrafásico micelar.
Tesis de doctorado en cienciencias en ingeniería química, Instituto Tecnológico de
Celaya, Celaya, Guanajuato, México. 36, 37, 69, 90, 93, 101, 103, 105
Nienow, A.W. (1997). «On impeller circulation and mixing effectiveness in the
turbulent flow regime». Chemical Engineering Science, 52(15), pp. 2557–2567. 93
Nienow, A.W.; Langheinrich, C.; Stevenson, N.C.; Emery, A.N.; Clayton, T.M. y Slater,
N.K.H. (1996). «Homogenization and oxygen transfer rates in large agitated and
sparged animal cell bioreactors: some implications for growth and production».
Cytotechnology, 22, pp. 87–94. 16
Noorman, H. (1993). «Bioreactor perfomance on 30m3 scale: Verification of a scale-

down/CFD approach.» Informe técnico, Instituttet for Bioteknologi, Danmarks
Tekniske Höjskole. 10
Norton, T. y Sun, D.W. (2006). «Computational fluid dynamics (CFD) - an effective

and efficient desing and analysis tool for the food industry: A review». Trends in
Food Science & Technology, 17, pp. 600–620. 20
Pericleous, K.A. y Patel, M.K. (1987). «The modelling of tangential and axial agitators
in chemical reactors». Physico Chemical Hydrodynamics, 8(2), pp. 105–123. 10
Ramkrishna, D. (2000). Population Balances: Theory and Applications to Particulate Systems

in Engineering. Academic Press, San Diego, CA. 34
113
REFERENCIAS
Ranade, V.V. (2002). Computational Flow Modeling for Chemical Reactor Engineering.
volumen 5 de Process Systems Engineering Series. Academic Press. 22, 29, 42, 50,
52, 54, 56, 59, 62, 66, 67, 91
Ranade, V.V. y Joshi, J.B. (1990a). «Flow generated by a disc turbine: Part I.
Experimental». Trans. IChemE, 68, pp. Part A:19–33. 10
Ranade, V.V. y Joshi, J.B. (1990b). «Flow generated by a disc turbine: Part II.
Mathematical Modelling and Comparison with Experimental Datal». Trans. IChemE,
68, pp. Part A:34–50. 10
Ranade, V.V. y v.d. Akker, H.A.E. (1994). «A computational snapshot of gas-liquid flow
in baffled stirred reactors». Chem. Eng. Sci., 49(24B), pp. 5175–5192. 10
Schütze, J. y Hengstler, J. (2006). «Assessing Aerated Bioreactor Performance Using

CFD». En: 12th European Conference on Mixing, . 11
Shukla, R.; Chand, S. y Srivastava, A.K. (2005). «Batch kinetics and modeling of
gibberellic acid production by Gibberella fujikuroi». Enzyme and Microbial Technology,
36, pp. 492–497. 36
Stitt, E.H. (2002). «Alternative multiphase reactors for fine chemicals, A world beyond
stirred tanks?» Chemical Engineering Journal, 90, pp. 47–60. 6
Tatterson, G. B. (1994). Scale-up and Design of Industrial Mixing Process. McGraw-Hill.

1, 99
Tomiyama, A. (1998). «Struggle with computational bubble dynamics». En: The 3rd
International Conference on Multiphase Flow, Lyon. 27
Tomiyama, A.; Sou, A.; Zun, I.; Kanami, N. y Sakaguch, T. (1995). «Effects of Eötvös
number and dimensionless liquid volumetric flux on lateral motion of a bubble in a
laminar duct flow». En: The 2nd International Conference on Multiphase Flow, Kyoto.
28
Trägardh, C. (1988). «A hydrodynamic model for the simulation of an aerated agitated

fed-batch fermentor». En: 2nd Int. Conf. on Bioreactor Fluid Dynamics, pp. 117–134. 10
114
REFERENCIAS
Turnbull, J. y Thompson, C.P. (2005). «Transient averaging to combine large eddy

simulation with Renolds averaged Navier-Stokes simulations». Computers and
Chemical Engineering, 29, pp. 379–392. 20
Vlachakis, V.N. (2006). Turbulent Characteristics in Stirring Vessels: A Numerical

Investigation. Tesina o Proyecto, Virginia Polytechnic Institute and State University,
Blacksburg, Virginia. 3
Zhou, G.; Shi, L. y Yu, P. (2003). «CFD Study of Mixing Process in Rushton Turbine
Stirred Tanks». En: Third International Conference on CFD in the Minerals and Process
Industries, . 41
Zhu, H.; Bujalski, W.; Hewitt, C.J.; Nienow, A.W. y Simmons, J.H. (2006). «Mixing
in Bioreactors using Agitators with a Large Swept Volume». En: 12th European
Conference on Mixing, . 3
Zhu, Z. y Stokes, N. (1997). «Simulation of Two-Phases in a Stirred Mixing Tank». En:

Inter. Conf. on CFD in Mineral & Metal Proccessing and Power Generation, . 3
115
APÉNDICE A
CODIFICACIÓN DE LAS CINÉTICAS BIOQUÍMICAS
#include "udf.h"
#include "sg_mphase.h"
#include "turb.h"
#define X_INICIAL 4.375 /*Concentración inicial de biomasa [kgX/m3] */

#define U_ESPEC 1.044e-5 /*Velocidad de crecimiento específica [1/s] */
#define BETA 4.583e-8 /*Constante no asociada al crecimiento [kgP/kgX-s] */
#define SC_T 0.7 /*Número de Schmidt turbulento */
#define MU_AGUA 7.982e-4 /*Viscosidad del agua a 30o C [kg/m-s] */

#define N 60.0 /*Agitation rate [rev/s] */
#define C1 3.43 /* */
#define C2 2.05 /* */
#define C3 6.67 /* */
#define C11 7.63 /* */
#define C22 80.91 /* */
#define C33 1.14 /* */
#define W_OXYGEN 32.0 /*Oxygen molecular weight [kg/kg-mol] */

#define W_AIR 28.84 /*Air molecular weight [kg/kg-mol] */
#define OXYGEN_AIR 0.21 /*Molar relation Oxygen/Air [Air = 0.21-O2 + 0.79-N2] */
#define R_GAS 8.314 /*Universal constant of the gas [kJ/kg-mol K = kPa-m3/kg-mol K] */
#define TEMP_OP 302.15 /*Temperature of operation [29o C = 302.15K] */
#define PRES_OP 101.325 /*Pressure of operation [1 atm = 101.325 kPa] */
#define H_O_W 0.4813 /*Henry coefficient (Oxygen-Water a 30o C y 1 atm) [kPa-m3/kg-mol] */
o
#define D_O_W 2.5e-9 /*Molecular diffusion coefficient Oxygen/Water to 25 C [m2/s] */
#define PI 3.14159 /* */
#define SC_T 0.7 /*Schmidt number turbulent */
#define SIGMA 0.07197 /*Superficial tension [kg/s2] */
#define G_C 9.81 /*Gravitational constant [m/s2] */
#define sup_vel 0.00332 /*Superficial velocity [m/s] */
DEFINE_ADJUST ( kla_coeff , mix_domain )

{
Thread * mix_thread ; /* mix_thread is a mixture thread */
Thread ** pt ;
116
A Codificación de las cinéticas bioquímicas
mp_thread_loop_c ( mix_thread , mix_domain , pt )

if ( FLUID_THREAD_P ( mix_thread ))
{
cell_t c ;
Thread * tp = pt [ 0 ]; /* tp is a primary phase thread */
Thread * ts = pt [ 1 ]; /* ts is a secondary phase thread */
begin_c_loop ( c , mix_thread )
{
/* Liquid-phase mass transfer coefficient (KL)[m/s]*/
C_UDMI ( c , mix_thread , 0 ) = 2. * sqrt ( D_O_W / PI )* pow (( C_D ( c ,
mix_thread )* C_R ( c , tp )/ C_MU_L ( c , tp )), 0.25 ); Ecuación 3.73
/*Interfacial area of the bubbles per unit volume (a)[1/m]*/

C_UDMI ( c , mix_thread , 1 ) = 6. * C_VOF ( c , ts )/ C_PHASE_DIAMETER ( c , ts );
Ecuación 3.74
/*Volumetric mass transfer coefficient (kL_a)[1/s]*/

C_UDMI ( c , mix_thread , 2 ) = C_UDMI ( c , mix_thread , 0 )* C_UDMI ( c , mix_thread
, 1 ); Ecuación 3.75
/* Consistency index (k)[(kg/m-s2)sn] */

C_UDMI ( c , mix_thread , 3 ) = C1 /(( 1. +( C2 / C_UDSI ( c , tp , 0 )))+( C_UDSI
( c , tp , 0 )/ C3 )*( C_UDSI ( c , tp , 0 )/ C3 )); Ecuación 3.66
/* Flow index (n)*/

C_UDMI ( c , mix_thread , 4 ) = C11 /(( 1. +( C22 / C_UDSI ( c , tp , 0 )))+( C_UDSI
( c , tp , 0 )/ C33 )*( C_UDSI ( c , tp , 0 )/ C33 )); Ecuación 3.67
/*Mixing time (q)[s]*/

C_UDMI ( c , mix_thread , 5 ) = 107.5 * pow ( 2. ,(- 2. *( 1. + C_UDMI ( c ,
mix_thread , 4 )))/ 3. * C_UDMI ( c , mix_thread , 4 ))* 1. / N ;
/*Bubble diameter (db)[m]*/

C_UDMI ( c , mix_thread , 6 ) = 1.4 * pow ( SIGMA / C_R ( c , tp ), 0.6 )* pow (
C_D ( c , mix_thread ),- 0.4 );
/*Interfacial area of the bubbles per unit volume (a)[1/m] with bubble diameter variable*/
C_UDMI ( c , mix_thread , 7 ) = 6. * C_VOF ( c , ts )/ C_UDMI ( c , mix_thread , 6
);
/*Volumetric mass transfer coefficient (KL_a)[1/s] with Apparent viscosity variable*/

C_UDMI ( c , mix_thread , 8 ) = C_UDMI ( c , mix_thread , 0 )* C_UDMI ( c , mix_thread
, 7 );
}
end_c_loop ( c , mix_thread )
}
}
/*UDS’s (Ecuaciones de transporte escalar) a utilizar en la modelación */

DEFINE_SOURCE ( conc_biom , cell , thread , dS , eqn ) /*Biomass concentration */
{
real source ;
if ( C_UDSI ( cell , thread , 0 ) < X_INICIAL )
{
C_UDSI ( cell , thread , 0 ) = 4.376 ;
dS [ eqn ] = - U_ESPEC * C_R ( cell , thread )*( log ( C_UDSI ( cell , thread ,
0 )/ X_INICIAL ) + 1. );
117
source = - U_ESPEC * C_R ( cell , thread )* C_UDSI ( cell , thread , 0 )* log (

C_UDSI ( cell , thread , 0 )/ X_INICIAL ); Ecuación 3.59
}
else
{
dS [ eqn ] = - U_ESPEC * C_R ( cell , thread )*( log ( C_UDSI ( cell , thread ,
0 )/ X_INICIAL ) + 1. );
source = - U_ESPEC * C_R ( cell , thread )* C_UDSI ( cell , thread , 0 )* log (
C_UDSI ( cell , thread , 0 )/ X_INICIAL );
}
return source ;
}
DEFINE_SOURCE ( conc_prod , cell , thread , dS , eqn ) /* Product concetration */

{
real source ;
dS [ eqn ] = 0. ;
source = BETA * C_R ( cell , thread )* C_UDSI ( cell , thread , 0 ); Ecuación 3.62
return source ;
}
DEFINE_DIFFUSIVITY ( diff_cinet , cell , thread , i )

{
return C_MU_EFF ( cell , thread )/ SC_T ; Ecuación 3.59 y 3.62
}
DEFINE_PROPERTY ( viscosity_custom , cell , thread )

{
real mu_apar ; /* viscosidad aparente [kg/m-s] */
real gamma ; /* magnitud de la velocidad de corte (1/s) */
real k ; /* indice de consistencia [(kg/m-s2)sn] */
real n ; /* indice de comportamiento de flujo */
int iter = N_TIME ;

gamma = C_STRAIN_RATE_MAG ( cell , thread );
if ( iter < 1 )
{
mu_apar = MU_AGUA ; /* Inicializa mu_apar al valor de MU_AGUA */
}
else if ( iter >= 1 )
{
if ( C_UDSI ( cell , thread , 0 ) < 0.0001 )
{
k = C1 /(( 1. + ( C2 / X_INICIAL )) + ( X_INICIAL / C3 )*( X_INICIAL /
C3 ));
n = C11 /(( 1. + ( C22 / X_INICIAL ))+ ( X_INICIAL / C33 )*( X_INICIAL / C33
));
mu_apar = k * pow ( gamma , n - 1 ); Ecuación 3.65

}
else if ( C_UDSI ( cell , thread , 0 ) > 0.0001 )
{
k = C1 /(( 1. +( C2 / C_UDSI ( cell , thread , 0 )))+( C_UDSI ( cell , thread , 0
)/ C3 )*( C_UDSI ( cell , thread , 0 )/ C3 ));
n = C11 /(( 1. +( C22 / C_UDSI ( cell , thread , 0 )))+( C_UDSI ( cell , thread , 0
118
)/ C33 )*( C_UDSI ( cell , thread , 0 )/ C33 ));
mu_apar = k * pow ( gamma , n - 1 );

}
}
return mu_apar ;
}
DEFINE_EXCHANGE_PROPERTY ( custom_drag , cell , mix_thread , s_col , f_col )

{
real x_vel_g , y_vel_g , z_vel_g , x_vel_l , y_vel_l , z_vel_l , slip_x ,
slip_y , slip_z , abs_slip , void_g , void_l ;
real d_b , rho_g , rho_l , mu_g , mu_l , alpha_g , alpha_l , Reyp , Eop
, f_alpha_g , C_d , tau_g , drag_f , K_g_l ;
Thread * thread_g = THREAD_SUB_THREAD ( mix_thread , f_col ); /* Gas-phase */

Thread * thread_l = THREAD_SUB_THREAD ( mix_thread , s_col ); /* Liquid-phase */
/* Compute of gas-liquid velocities */

x_vel_g = C_U ( cell , thread_g ); /* X-Velocity Gas-phase */
y_vel_g = C_V ( cell , thread_g ); /* Y-Velocity Gas-phase */
z_vel_g = C_W ( cell , thread_g ); /* Z-Velocity Gas-phase */
x_vel_l = C_U ( cell , thread_l ); /* X-Velocity Liquid-phase */
y_vel_l = C_V ( cell , thread_l ); /* Y-Velocity Liquid-phase */
z_vel_l = C_W ( cell , thread_l ); /* Z-Velocity Liquid-phase */
slip_x = x_vel_g - x_vel_l ; /* X-Velocity Slip */
slip_y = y_vel_g - y_vel_l ; /* Y-Velocity Slip */
slip_z = z_vel_g - z_vel_l ; /* Z-Velocity Slip */
/* Compute absolute slip velocity */

abs_slip = sqrt ( slip_x * slip_x + slip_y * slip_y + slip_z * slip_z );
/* Getting properties gas-liquid */

rho_g = C_R ( cell , thread_g ); /* Gas-phase Density */
rho_l = C_R ( cell , thread_l ); /* Liquid-phase Density */
mu_g = C_MU_L ( cell , thread_g ); /* Gas-phase Viscosity */
mu_l = C_MU_L ( cell , thread_l ); /* Liquid-phase Viscosity */
void_g = C_VOF ( cell , thread_g ); /* Gas-phase volume fraction */
void_l = 1.0 - void_g ; /* Liquid-phase volume fraction */
d_b = C_PHASE_DIAMETER ( cell , thread_g ); /* Gas-phase Bubble diameter */
Reyp = rho_l * abs_slip * d_b / mu_l ; /* Compute relative Reynolds number*/

Eop = G_C * d_b * d_b *( rho_l - rho_g )/ SIGMA ; /* Compute Eötvös number*/
C_d = MAX ( 24.0 * pow ( Reyp ,- 1.0 ) + 3.6 * pow ( Reyp ,- 0.313 ), 8.0 * Eop
/( 3.0 * Eop + 12.0 )); /* Compute Cd */ Ecuación 3.29
tau_g = rho_g * d_b * d_b /( 18.0 * mu_l ); /* Compute particulate relaxation time */
drag_f = C_d * Reyp / 24.0 ; /* Compute drag function */
K_g_l = void_l * void_g * rho_g * drag_f / tau_g ; /* Compute K_g_l */
return K_g_l ;
}
119

Draft Master's Thesis, Borrador de La Tesis de Maestria

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Draft Master's Thesis, Borrador de La Tesis de Maestria

Diunggah oleh

Hak Cipta:

INSTITUTO TECNOLÓGICO DE CELAYA

DEPARTAMENTO DE INGENIERÍA QUÍMICA

“SIMULACIÓN HIDRODINÁMICA DE LA PRODUCCIÓN DE

Celaya, Guanajuato. September 8, 2008

Lista de tablas viii

7 Conclusiones y recomendaciones 107

A Codificación de las cinéticas bioquímicas 116

2.1 Biorreactor de tanque agitado gas-líquido, adaptado de Ertola et al. (1994). 14

3.1 PSD representado por el método discreto . . . . . . . . . . . . . . . . . . 35

4.1 Métodos de solución basados en la presión. . . . . . . . . . . . . . . . . . 51

5.1 Biorreactor de tanque agitado Applikon InstrumentsTM . . . . . . . . . . 70

6.1 Patrón de flujo paralelo para condiciones desgasificadas. . . . . . . . . . 92

3.1 Constantes del modelo de turbulencia κ − ε estándar. . . . . . . . . . . . 30

5.1 Especificación del algoritmo basado en la presión. . . . . . . . . . . . . . 72

6.1 Número de potencia para condiciones sin gasificar y gasificadas. . . . . 91

AMG Algebraic MultiGrid.

BTA Biorreactores de Tanque Agitado.

CFD Computational Fluid Dynamics.

DNS Direct Numerical Simulation.

FSM Fractional-Step Method.

IPSA InterPhase-Slip Algorithm.

LES Large Eddy Simulations.

MRF Multiple Reference Frame.

NITA Non-Iterative Time-Advancement.

OTR Oxygen Transfer Rate.

PBE Population Balance Equation.

PDF Probabilidad Density Function.

PISO Pressure-Implicit with Splitting of Operators.

PRESTO PREssure STaggering Option.

PSD Particle Size Distribution.

RANS Reynolds-Averaged Navier-Stokes.

RPM Revoluciones Por Minuto.

RSM Reynolds Stress Models.

SIMPLE Semi-Implicit method for Pressure-Linked.

TDMA TriDiagonal Matrix Algorithmo.

UDF User Defined Functions.

UDM User Defined Memory.

UDS User Defined Scalar.

VOF Volume Of Fluid.

vvm volumen de gas por volumen de líquido por minuto.

“SIMULACIÓN HIDRODINÁMICA DE LA PRODUCCIÓN DE ÁCIDO

Presenta: Edgar Honorato Sánchez

Una gran parte de los procesos en la industria de bioprocesos están relacionados

Dirigido por: Dr. Eleazar M. Escamilla Silva

y-error o tiempo-perdido en los experimentos de escalamiento son necesarios para

1.2 Motivación de la tesis

1.3 Objetivo de la tesis

1.4 Estructura de la tesis

Euleriano de dos-fluidos y en el modelo MRF para la rotación del impulsor.

relacionada directamente con el consumo de potencia del sistema de agitación. Hay

2.2 Dinámica de fluidos computacional

2.2.1 Dinámica de fluidos computacional multifásica

2.2.1.1 Flujo gas-líquido

El primer paso en solucionar cualquier problema multifásico es determinar cuáles de

1. Flujo de burbujeo: Éste es un flujo gaseoso discreto o burbujas fluidas en un

2. Flujo de gotas: Éste es un flujo de gotas fluidas discretas en un gas continuo.

3. Flujo tipo pistón: Éste es un flujo de burbujas grandes en un líquido continuo.

manera Lagrangiana consistiendo de entidades discretas (burbujas, partículas o gru-

1. Euleriana-Lagrangiana: Con éste enfoque, las burbujas se consideran que tienen

2. DNS: Con la aproximación estándar Lagrangiana, una burbuja es considerada

3. VOF: En ésta, aún más refinada, aproximación para la modelación de flujo

2.2.2.1 Clasificación de los modelos de turbulencia

• Modelos de Una-Ecuación: Éstos modelos dan la idea de un factor de propor-

como la introducida en la hipótesis de Prandtl para la longitud de mezclado e

• Modelos de Dos-Ecuaciones: Con éstos modelos, la escala de longitud que

1. Modelo κ − : Aquí, la tasa de disipación de energía turbulenta  es

1. Modelo κ − : Aquí, la tasa de disipación de energía turbulenta es

3.5 Modelo de turbulencia κ −

3.5.1 Modelo de turbulencia κ − de mezclado