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
Contenido ii
Lista de figuras vi
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
Referencias 109
v
LISTA DE FIGURAS
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
viii
5.19 Diámetro de las burbujas de gas simuladas . . . . . . . . . . . . . . . . . 89
ix
NOMENCLATURA
Acronimos
2D Dos dimensiones.
3D Tres dimensiones.
DO Dissolved Oxygen.
MP Mixing Plane.
x
OUR Oxygen Up-take Rate.
RF Rotating Frame.
SM Sliding Mesh.
SIMPLEC SIMPLE-Consistent.
xi
RESUMEN
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.
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
2
1 Introducción 1.3 Objetivo de la tesis
3
1 Introducción 1.4 Estructura de la tesis
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
6
2 Marco teórico 2.2 Dinámica de fluidos computacional
estado ganado una amplia atención a partir de la década pasada cuando el aumento
del poder de cómputo ha permitido cálculos previamente considerados imposibles.
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
2 Marco teórico 2.2 Dinámica de fluidos computacional
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.
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:
8
2 Marco teórico 2.3 Revisión de simulaciones de tanques agitados con CFD
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
11
2 Marco teórico 2.4 Biorreactor de tanque agitado gas-líquido
Las "tareas" que realiza el biorreactor pueden resumirse del siguiente modo:
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
2 Marco teórico 2.4 Biorreactor de tanque agitado gas-líquido
13
2 Marco teórico 2.4 Biorreactor de tanque agitado gas-líquido
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
14
2 Marco teórico 2.4 Biorreactor de tanque agitado gas-líquido
Mezclado
15
2 Marco teórico 2.4 Biorreactor de tanque agitado gas-líquido
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
16
2 Marco teórico 2.4 Biorreactor de tanque agitado gas-líquido
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.
17
2 Marco teórico 2.4 Biorreactor de tanque agitado gas-líquido
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
vi = v i + vi0 (3.1)
φ = φ + φ0 (3.2)
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.
21
3 Modelos matemáticos 3.3 Modelo Euleriano
22
3 Modelos matemáticos 3.3 Modelo Euleriano
donde n
X
αl = 1 (3.7)
p=1
23
3 Modelos matemáticos 3.3 Modelo Euleriano
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.
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.
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.
25
3 Modelos matemáticos 3.4 Fuerzas interfaciales
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). .
→
− αl αg ρl f
K gl = (3.21)
τg
ρg |→
−
vg−→ −
v l | db
Re = (3.23)
µg
ρrg |→
−
vr−→ −
v g | drb
Re = (3.24)
µrg
26
3 Modelos matemáticos 3.4 Fuerzas interfaciales
ρl d2b
τg = (3.25)
18µg
donde db es el diámetro de las burbujas de la fase g.
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
Modelo B
27
3 Modelos matemáticos 3.5 Modelo de turbulencia κ −
10−2 < Eo < 103 ; 10−14 < M o ≤ 107 ; 10−3 < Re < 105
Modelo C
28
3 Modelos matemáticos 3.5 Modelo de turbulencia κ −
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)
30
3 Modelos matemáticos 3.6 Modelación del diámetro y distribución de burbujas
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
31
3 Modelos matemáticos 3.6 Modelación del diámetro y distribución de burbujas
n (V, t = 0) = nV ; n (V = 0, t) = 0 (3.46)
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
32
3 Modelos matemáticos 3.6 Modelación del diámetro y distribución de burbujas
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)
β (V 0 − V |V 0 ) = β (V |V 0 ) (3.51)
Coalescencia
a (V, V 0 ) (3.52)
33
3 Modelos matemáticos 3.6 Modelación del diámetro y distribución de burbujas
FluentTM (2006a) cuenta con tres métodos de solución para modelar el balance de
población:
Método discreto
34
3 Modelos matemáticos 3.7 Modelos de cinéticas bioquímicas
35
3 Modelos matemáticos 3.7 Modelos de cinéticas bioquímicas
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
36
3 Modelos matemáticos 3.8 Modelo reológico microbiano
37
3 Modelos matemáticos 3.8 Modelo reológico microbiano
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
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
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.
40
3 Modelos matemáticos 3.11 Modelación del impulsor
41
3 Modelos matemáticos 3.11 Modelación del impulsor
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).
→
−
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
3 Modelos matemáticos 3.11 Modelación del impulsor
donde
→
−
ur =→
−
ω ×→
−
r (3.79)
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:
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 Modelos matemáticos 3.11 Modelación del impulsor
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 ).
44
3 Modelos matemáticos 3.11 Modelación del impulsor
• Modelo MRF
• Modelo MP
b) Modelo SM
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
3 Modelos matemáticos 3.11 Modelación del impulsor
46
3 Modelos matemáticos 3.11 Modelación del impulsor
Zona en
Zona estacionaria movimiento
los dos marcos de referencia. Es decir, la velocidad a la interfaz debe ser la misma (en
términos absolutos) para cada marco de referencia.
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:
48
4 Esquemas numéricos 4.2 Algoritmos basados en la presión
49
4 Esquemas numéricos 4.2 Algoritmos basados en la presión
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.
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.
50
4 Esquemas numéricos 4.2 Algoritmos basados en la presión
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)
No Sí No Sí
¿Convergió? Termina ¿Convergió? Termina
51
4 Esquemas numéricos 4.3 Transporte escalar: Discretización y solución
52
4 Esquemas numéricos 4.3 Transporte escalar: Discretización y solución
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.
53
4 Esquemas numéricos 4.3 Transporte escalar: Discretización y solución
Figura 4.3: Volumen de control utilizado para mostrar la discretización de una ecuación
de transporte escalar.
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.
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:
54
4 Esquemas numéricos 4.3 Transporte escalar: Discretización y solución
• Ley de potencia
• QUICK
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).
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)
55
4 Esquemas numéricos 4.3 Transporte escalar: Discretización y solución
φn+1 − φn
= F (φ) (4.6)
∆t
y la discretización de segundo orden esta dada por:
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 ):
56
4 Esquemas numéricos 4.3 Transporte escalar: Discretización y solución
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.
Teorema de Green-Gauss
57
4 Esquemas numéricos 4.3 Transporte escalar: Discretización y solución
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.
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:
58
4 Esquemas numéricos 4.4 Solución del algoritmo basado en la presión
→
− →
− →
− →
−
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.
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
4 Esquemas numéricos 4.4 Solución del algoritmo basado en la 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:
60
4 Esquemas numéricos 4.4 Solución del algoritmo basado en la presión
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 Esquemas numéricos 4.4 Solución del algoritmo basado en la presión
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:
• QUICK
• MUSCL
Todos los esquemas antes mencionados, con excepción del esquema "acopaldo", se
basan en la aproximación "predictor-corrector".
62
4 Esquemas numéricos 4.4 Solución del algoritmo basado en la presión
Algoritmo SIMPLE
satisface la ecuación de continuidad. El algoritmo SIMPLE postula que Jf0 debe ser
escrito como:
Jf0 = df (p0c0 − p0c1 ) (4.25)
63
4 Esquemas numéricos 4.5 Convergencia de la solución
Algoritmo SIMPLEC
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
64
4 Esquemas numéricos 4.6 Condiciones frontera
65
4 Esquemas numéricos 4.6 Condiciones frontera
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.
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
4 Esquemas numéricos 4.6 Condiciones frontera
global tiene que ser satisfecha, las velocidades son extrapoladas y luego corregidas de
los cálculos del balance de masa total.
67
4 Esquemas numéricos 4.6 Condiciones frontera
68
CAPÍTULO 5
METODOLOGÍA NUMÉRICA
69
5 Metodología numérica 5.2 Mallado del dominio computacional
70
5 Metodología numérica 5.3 Especificaciones de las ecuaciones gobernantes
Figura 5.3: Mallado del dominio computación del biorreactor de tanque agitado.
71
5 Metodología numérica 5.3 Especificaciones de las ecuaciones gobernantes
72
5 Metodología numérica 5.3 Especificaciones de las ecuaciones gobernantes
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
73
5 Metodología numérica 5.3 Especificaciones de las ecuaciones gobernantes
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.
74
5 Metodología numérica 5.3 Especificaciones de las ecuaciones gobernantes
75
5 Metodología numérica 5.3 Especificaciones de las ecuaciones gobernantes
76
5 Metodología numérica 5.3 Especificaciones de las ecuaciones gobernantes
77
5 Metodología numérica 5.3 Especificaciones de las ecuaciones gobernantes
78
5 Metodología numérica 5.3 Especificaciones de las ecuaciones gobernantes
Tabla 5.12: Especificación de las condición frontera de entrada de gas por el dispersor.
79
5 Metodología numérica 5.3 Especificaciones de las ecuaciones gobernantes
80
5 Metodología numérica 5.3 Especificaciones de las ecuaciones gobernantes
81
5 Metodología numérica 5.3 Especificaciones de las ecuaciones gobernantes
82
5 Metodología numérica 5.3 Especificaciones de las ecuaciones gobernantes
83
5 Metodología numérica 5.4 Parámetros de mezclado
P = 2πN M (5.2)
84
5 Metodología numérica 5.4 Parámetros de mezclado
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
85
5 Metodología numérica 5.4 Parámetros de mezclado
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
87
5 Metodología numérica 5.5 Distribución del diámetro de burbuja
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
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
88
5 Metodología numérica 5.5 Distribución del diámetro de burbuja
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.
90
6 Resultados y discusión 6.2 Parámetros de mezclado
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
6 Resultados y discusión 6.2 Parámetros de mezclado
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
92
6 Resultados y discusión 6.2 Parámetros de mezclado
93
6 Resultados y discusión 6.2 Parámetros de mezclado
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
(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
95
6 Resultados y discusión 6.3 Biorreactor de tanque agitado gas-líquido
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
6.3.1.2 Velocidades
96
6 Resultados y discusión 6.3 Biorreactor de tanque agitado gas-líquido
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
97
6 Resultados y discusión 6.3 Biorreactor de tanque agitado gas-líquido
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
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
6 Resultados y discusión 6.3 Biorreactor de tanque agitado gas-líquido
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
99
6 Resultados y discusión 6.3 Biorreactor de tanque agitado gas-líquido
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
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
100
6 Resultados y discusión 6.3 Biorreactor de tanque agitado gas-líquido
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
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.
101
6 Resultados y discusión 6.3 Biorreactor de tanque agitado gas-líquido
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
0 0
Y 0 0.002 0.004 0.006 Y 0 0.002 0.004 0.006
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)
102
6 Resultados y discusión 6.3 Biorreactor de tanque agitado gas-líquido
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
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
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
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
6 Resultados y discusión 6.3 Biorreactor de tanque agitado gas-líquido
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
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
6 Resultados y discusión 6.3 Biorreactor de tanque agitado gas-líquido
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
105
6 Resultados y discusión 6.3 Biorreactor de tanque agitado gas-líquido
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
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
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.
• 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
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.
108
REFERENCIAS
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
109
REFERENCIAS
Diaz, A. y Acevedo, F. (1999). «Scale-up strategy for bioreactors with Newtonian and
non-Newtonian broths». Bioprocess Engineering. 18
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
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
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
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
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
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
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
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
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
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
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
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
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
114
REFERENCIAS
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
115
APÉNDICE A
#include "udf.h"
#include "sg_mphase.h"
#include "turb.h"
116
A Codificación de las cinéticas bioquímicas
/*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
);
117
A Codificación de las cinéticas bioquímicas
dS [ eqn ] = 0. ;
source = BETA * C_R ( cell , thread )* C_UDSI ( cell , thread , 0 ); Ecuación 3.62
return source ;
}
118
A Codificación de las cinéticas bioquímicas
119