I+i Investigación aplicada e innovación. Volumen 5 - Nº 1 / Primer Semestre 2011

89

Invest Apl Innov 3(2), 2009

VERA, Rafael. “Modelo de gestión del conocimiento”

Investigaciónaplicada einnovación

Volumen 5, N.o 1Primer semestre, 2011 Lima, Perú

Editorial......................................................................................................................................................................

La.Tabla.Periódica.desde.Mendeleiev....................................................................Fathi Habashi

Modelado.no.Lineal.y.Lineal.del.Proceso.de.la.Estación.de.Estudio.TE37.para.Control.e.Instrumentación....................................................................................Arturo Rojas

Representación.en.Diferencias.Finitas.de.la.Transferencia.de.Calor.en.la.Templabilidad.del.Acero.SAE.1045.......................................................................................................................................................................Jaime A. Spim / Carlos Alexandre dos Santos / César Nunura

Arquitectura.ODP.para.la.Gestión.de.Instalaciones:.caso.en.el.Centro.Industrial.de.Manaos-Brasil....................................Miguel Ángel Orellana / Jorge Luis Risco

Uso.de.Imágenes.Termográficas.en.la.Detección.de.Daños.en.Semiconductores.......................................................................................................................José Lazarte

Fotodegradación.de.Bolsas.de.Polietileno.de.baja.Densidad................................................................................................................................................................. Liset Mendoza / Hernán Zapata

Extracción.de.Macronutrientes.en.el.Cultivo.de.Alcachofa.(Cynamara.Scolymus.I.).Variedad.Imprerial.Star.en.La.Libertad.(Perú)......Lourdes Gutiérrez

Monitoreo.Inalámbrico.de.Equipo.Pesado.con.Diagnóstico.Digital.en.Entorno.LabView.......................................................................................................................Danny Meza

Modelo.de.Predicción.de.Contaminantes.en.Motores.Diesel.–.Gas.Natural.aplicando.Redes.Neuronales............................ .Sergio Leal / Juan José Milón / Miguel León

Efecto..de.Cinco.Volúmenes.de.Riego.de.Chapodo.sobre.la.Producción..de.Turiones.“Jumbo”.en.Espárrago.Blanco..(Asparagus.officinalis.l.).U.C.157.FI.........................................................................................................................................................................Jorge Leal

ISSN 1996-7551

3

5

53

59

65

71

83

15

23

33

43

Compendio_2011A_pag1-4.indd 89 7/4/11 9:04 PM

90

Invest Apl Innov 3(2), 2009

Editor en Jefe:Alberto Bejarano, Tecsup

Comité editorial:Aurelio Arbildo, InducontrolDaniel Mendiburu, TecsupElena Flores, Cementos PacasmayoHernán Montes, TecsupHuber Castillo , Tal S.A.Jack Vainstein, Vainstein Ingenieros

Coordinadora:Mayra Pinedo

Colaboradores:Carlos Alexandre dos SantosLourdes GutiérrezFathi HabashiJosé LazarteJorge LealSergio LealMiguel LeónLiset MendozaDanny MezaJuan José MilónCésar NunuraMiguel Ángel OrellanaJorge Luis RiscoArturo RojasJaime A. SpimHernán Zapata

Corrector de estilo:Juan Manuel Chávez

Diseño y diagramación:OT Marketing Publicitario

Impresión:Tarea, Asociación Gráfica Educativa

Hecho el depósito legal en la Biblioteca Nacional del Perú: 2007-04706

TecsupArequipa: Urb. Monterrey Lote D-8 José Luis Bustamante y Rivero. Arequipa, Perú

Lima: Av. Cascanueces 2221 Santa Anita. Lima 43, Perú

Trujillo: Vía de Evitamiento s/n Víctor Larco Herrera. Trujillo, Perú

Publicación semestral Tecsup se reserva todos los derechos legales de reproducción del contenido; sin embargo autoriza la reproducción total o parcial para fines didácticos, siempre y

cuando se cite la fuente.

Nota Las ideas y opiniones contenidas en los artículos son responsabilidad de sus autores y no refleja necesariamente el pensamiento de nuestra institución.


91

EDITORIAL

La revista I+i ha llegado a su quinto año de publicación. Durante su existencia, el Perú ha se-

guido creciendo y se han dado cambios importantes en el ámbito global. La sociedad es ahora

más consciente de la necesidad de la investigación e innovación para el progreso y desarrollo

sostenible a largo plazo. Nuestra revista, a través de sus artículos, contribuye a la difusión de

resultados de estas actividades de investigación.

Los trabajos que se presentan en esta edición han sido evaluados bajo una serie de requisitos

de calidad establecidos, cumpliéndolos a cabalidad. En este número contamos con la colabo-

ración de profesionales de instituciones nacionales y del extranjero, quienes han desarrollado

investigaciones muy interesantes en áreas diversas. Los artículos van desde agricultura, con

un trabajo sobre extracción de micronutrientes en la alcachofa, hasta química, con un plantea-

miento para conciliar la Tabla Periódica de los elementos europea frente a la estadounidense,

control, electrónica, sistemas, mecánica y metalurgia.

Comité Editorial



5

Invest. Apl. Innov. 5(1), 2011

Fathi Habashi, Laval University

La Tabla Periódica desde Mendeleiev

The Periodic Table since Mendeleiev

Resumen

Mientras que la mayoría de los químicos están de acuerdo

sobre lo que es un metal y lo que es un no metal, hay un

desacuerdo con respecto a lo que es un metaloide y lo que

es un metal de transición. Se cree que este problema puede

resolverse si se adoptan dos nuevos términos: metales típi-

cos y metales menos típicos. Estos nuevos términos también

ayudarán a conciliar la tabla periódica Europea frente a la

Norteamericana con respecto a la numeración de los grupos,

así como la numeración de la IUPAC que podía abandonarse

en favor de los nombres de grupo, así como se mostrará en el

presente trabajo.

Abstract

While most chemists agree on what is a metal and what is a

non-metal, there is a disagreement as to what is a metalloid

and what is a transition metal. It is believed that this problem

can be solved if two new terms are adopted: typical and less

typical metals. These new terms will also help reconcile the

European Periodic Table versus the North American in re-

gards of the numbering of groups as well as the IUPAC num-

bering which could be as well abandoned in favour of group

names as will be shown in the manuscript.

Palabras clave

Tabla periódica, metaloide, metal, transición

Key words

Periodic table, metalloid, metal, transition

INTRODUCTION

The Periodic Table conceived in 1869 by Mendeleev (1834–

1907) (Figure 1) became the basic tool for studying the che-

mical elements and their compounds. The Table improved

through the years to become an essential guide for chemists,

physicists, and metallurgists in their work. The history of the Pe-

riodic Table is the history of chemistry and physics during the

nineteenth and twentieth centuries. Mendeleiev predictions of

undiscovered elements were seriously considered by chemists

and as a result a number of elements were discovered during

his life time and few years later. A large number of Tables were

constructed and are available in Chemogenesis web site [1].

Figure 1

Dimitri Mendeleev (1834–1907)

There has been many attempts before Mendeleev to classify

the elements. Metals are articles of everyday life — a gold ring,

an aluminum window, a car made of steel, etc. Nonmetals (ex-

cept carbon) are hardly seen, for example, the air we breathe;

they are used mainly as compounds or enter in the manufac-

ture of commodities such as fertilizers, plastics, explosives, etc.

Metalloids, on the other hand, are mainly used in advanced te-

chnology, e.g., transistors, computers, etc. (Figure 2).

consulting services

01_tabla periodica_habashi.indd 5 7/4/11 9:06 PM

6


HABASHI, Fathi. “La Tabla Periódica desde Mendeleiev”

Metals form the major part of the Periodic Table. Non-metals

include the inert gases, hydrogen, oxygen, nitrogen, fluorine,

and chlorine, liquid bromine; and the solid elements carbon,

sulfur, phosphorus, and iodine. These elements do not have

the properties of a metal. Nonmetals except the inert gases

readily share electrons. Their atoms are united together by

a covalent bond, i.e., atoms that share their outer electrons.

They often form diatomic molecules such as H2, Cl

2, N

2 or

larger molecules such as P4 and S

8, or giant molecules, i.e., a

network of atoms of indefinitely large volume such as carbon

in form of graphite or diamond. Metalloids have a covalent

bond like nonmetals, but have intermediate properties bet-

ween metals and nonmetals (Table 1).

GENERAL PROPERTIES OF METALS

In their solid state, they are composed of crystals made of clo-

sely packed atoms whose outer electrons are so loosely held

that they are free to move throughout the crystal lattice. This

structure explains well their mechanical, physical, and chemi-

cal properties.

Table 1. Metals, non-metals, and metalloids

Metals Metalloids Non-metals

Crystalline solids (except mercury) with metallic lustre.

May be crystalline or amorphous. Sometimes have metallic lustre.

Form volatile or non-volatile mo-lecules having no metallic lustre.

Do not readily share electrons.Their vapours are monoatomic.

Readily share electrons, even in the elemental form.

Readily share electrons; form diatomic, large or giant molecules. Inert gases are monatomic.

Exhibit electrical and thermal conductivity. Elec-trical resistance usually increases with increased temperature

Low electrical and thermal conductivity.

Do not conduct electricity or heat. Electrical resistan-ce decreases with increased temperature.

Have high density and useful me-chanical proper-ties.

Moderate density. No useful mecha-nical properties.

Low density of no useful mechani-cal properties.

Electropositive. Form cations, e.g., Cu

2+, Na+, etc.

Sometimes electropositive, sometimes elec-tronegative.

Electronegative. Form anions, e.g., S

2–, Cl–, etc.

Form basic oxi-des, e.g., CaO.

Form acidic oxides.

Form acidic oxi-des, e.g., SO

2.

Deposit on the cathode during electrolysis.

Deposit on the cathode.

Deposit on the anode, e.g., O

2, Cl

2

Either form no compounds with hydrogen or form unstable com-pounds usually nonvolatile (me-tal hydrides).

Form stable compounds with hydrogen, e.g., AsH

3, H

2Se.

Form stable compounds with hydrogen, usually volatile, e.g., NH

3,

PH3, H

2S, etc.

Mechanical

Since the electrons in the outer most shell are uniform throug-

hout the crystal, the positive ions in the crystal may be moved

past one another with relative ease. As is shown in Figure 3,

one group of ions can be changed in position relative to neigh-

bouring groups of ions, without changing the internal environ-

ment of each positive ion; this makes it possible to change the

shape of the crystal without breaking it.

Figure 2. Metals, non-metals,

and metalloids


7



When compared with an ionic crystal, it is evident that the io-

nic crystal breaks because of the repulsive forces formed as a

result of movement. Also, in a covalent bond, where electrons

are shared and localized in certain positions, movement cau-

ses the breaking of the bond and results in fracture. Hence

metals have useful mechanical properties. They are mallea-

ble, i.e., can be hammered into sheets, and ductile, i.e., can be

drawn into wire. Although mercury is a liquid at room tem-

perature. These metals it is considered a metal because when

cooled to below its freezing temperature (–38.87 °C) it has all

the characteristics of a metal.

Figure 3. Effect of displacement of atoms in solids: (a) Metal; (b) Ionic

crystal; (c) Covalent bond crystal, shared areas indicate the fixed posi-

tions for electrons; (d) Molecules in a crystal held together by van der

Waals’ forces, e.g., forces between S8 rings.

Physical

The physical properties of metals can be readily correlated

with the electronic structure model.

Electrical conductivity

Because the electrons in the metallic crystal are not associa-

ted with any one atom, when a voltage difference is applied,

they can readily move to the positive electrode. Hence metals

have a high electrical conductivity. As the temperature is rai-

sed and the atoms are thermally agitated, the electron move-

ment receives interference. Hence, the electrical conductivity

is reduced.

Thermal conductivity

Because the electrons are free to travel from atom to atom

in a metal crystal, they are capable of transferring thermal

energy. Hence metals have high thermal conductivity. The

thermal transfer through metals generally decreases as the

temperature is increased because of interference with thermal

vibration of the ions.

Density Metals

usually have a high density because they are arranged in a

highly packed crystal structure. There are three main crystal

structures for metals: body-centred cubic, face-centred cubic,

and closed-packed hexagonal (Figure 4 and Table 2). This is the

most efficient way to fill a certain space; a five- or a seven-mem-

bered geometry will not fit efficiently (Figure 5).

Figure 4 - Crystal structure of metals.

Five-membered geometry Seven-membered geometry

Figure 5. Geometrical shapes and efficiency of space management.


8



Table 2. Crystal structure of metals at ambient conditions.

Group

Body-

centred

cubic

Face-

centred

cubic

Hexago-

nal close-

packed

TypicalAlkali me-

tals, BaAl, Ca, Sr Be, Mg

Less typical

—Cu, Ag, Au, Pb

Zn, Cd, Tl

Transition

VerticalV, Nb, Ta, Cr, Mo, W,

Mn—

Sc, Y, La, Ti, Zr, Hf,

Tc, Re

Horizon-tal

Fe Ni Co

Vertical/horizon-

tal—

Rh, Pd, Ir, Pt

Ru, Os

Inner transition

Lanthani-des

Eu YbCe and

other lan-thanides

Actinides U, Np, Pu Th

Figure 6. Electrodeposited copper in cubic form.

The atomic structure of a metallic crystal, whether face-cen-

tred cubic or hexagonal close-packed is also reflected in the

actual form of the metal. Thus, precipitated copper crystals

are cubic (Figure 6) while cobalt (Figure 7) and zinc (Figure

8) are hexagonal.

Metallic luster

Metals are opaque and capable of reflecting light to a high

degree, have a silver to grey metallic colour except copper

(red) and gold (yellow). This is because the free electrons in

the metallic crystal can absorb light energy of a wide range

of wavelengths and can re-emit all these radiations. Electrons

in metals have all energy levels available.

Metallic vapour

In the elemental state, metals do not share electrons; thus their

vapours are monoatomic.

Figure 7. Photomicrograph of cobalt crystals deposited from aqueous

solution.

Figure 8 - Electrodeposited zinc in hexagonal form (2000 ×).

Chemical

Metals readily lose electrons and therefore tend to form positi-

vely charged cations. In solution, these cations can be dischar-

ged at the cathode. When oxidized, metals form basic oxides,

i.e., when these oxides are dissolved in water they form basic

solutions. For example, calcium forms the oxide CaO which

when dissolved in water it forms calcium hydroxide, Ca(OH)2, a

base. Metals either form no compounds with hydrogen or uns-

table hydrides, usually non-volatile.

CLASSIFICATION OF METALS

Since metals are elements capable of losing electrons, they


9



can be divided into typical, less typical, transition, and inner

transition metals. This division is a result of their electronic

structure (Figure 9).

Typical metals

These are the alkali metals, the alkaline earths, and aluminum.

They have the following characteristics:

• They have an electronic structure similar to that of the

inert gases with one, two, or three electrons in the outer-

most shell.

• They have single valency, i.e., they lose their outermost

electrons in a single step.

• They are reactive, i.e., react readily with water and oxy-

gen. The driving force for this reactivity is the inclination

to achieve maximum stability by attaining the electro-

nic structure of an inert gas. A reactive metal such as

aluminum or magnesium may be used as a material of

construction because of the protective oxide film that is

formed rapidly on its surface.

Figure 9. Electronic configuration of the elements

• They form only colorless compounds.

• Within a certain vertical group the atomic radius increa-

ses with increasing atomic number because of the added

electron shells.

• Within a certain vertical group, the reactivity increases

with increasing atomic number because of the ease with

which the outermost electrons can be lost, since they are

further away from the nucleus. Thus, cesium is more reacti-

ve than rubidium, and rubidium more than potassium, etc.

• With increasing charge on the nucleus, the electrostatic at-

traction of the electrons increases, and the outermost elec-

trons will not be easily lost, hence the reactivity decreases.

Thus magnesium is less reactive than sodium, calcium less

than potassium, and so on.

• With increased electrostatic attraction for the electrons as

a result of increasing the charge on the nucleus, the size of

the atom decreases. Thus, aluminum has a smaller radius

than magnesium, and magnesium smaller than sodium.

• With decreased radius and increased atomic weight the

atom becomes more compact, its density increases. Thus,

aluminum has higher density than magnesium, and mag-

nesium higher than sodium.

• They have appreciable solubility in mercury and form com-

pounds with its exception being beryllium and aluminum.

Less typical metals

These metals are: copper, silver, gold, zinc, cadmium, mercury,

gallium, indium, thallium, tin, and lead. They differ from the

typical metals in that they do not have an electronic structure

similar to the inert gases; the outermost shell may contain up to

four electrons and the next inner shell contains 18 instead of 8

electrons as in the inert gas structure. As a result of their elec-

tronic configuration they are characterized by the following:

• The atomic radius is less than the corresponding typical

metals in the same horizontal group because the presence

of 18 electrons in one shell results in an increased electros-

tatic attraction with the nucleus. Thus, the atomic radius of

copper is less than potassium, silver less than rubidium, and

gold less than cesium.

However, the atomic radius increases with increased num-

ber of electrons in the outermost shell (which is contrary to

the typical metals), i.e. the atomic radius of gallium is larger

than that of zinc, and zinc is larger than copper. This is de-

monstrated in Figure 10: The atomic volume of the typical

metals decreases with increased atomic number while the

reverse is true for the less typical metals. The reason for this

is the shielding effect of the 18-electron shell, the increased

repulsion of the additional electron in the outmost shell

and that shell, and also the increased repulsion between

the electrons themselves in that shell.


10



Figure 10. Atomic volume of the elements

• The outermost electrons will not be easily lost. These me-

tals are less reactive than their corresponding typical me-

tals for two reasons:

º There is no driving force to lose electrons since an

inert gas electronic structure will not be achieved.

º There is a stronger electrostatic attraction due to the

smaller atomic radius as compared to that of the typi-

cal metals.

• Because of the higher atomic weight and the smaller

atomic radius, these metals are more dense than their co-

rresponding typical metals.

• Some of these metals show two different valency states,

e.g., copper as CuI and CuII, gold as AuI and AuIII, mercury

as HgI and HgII, tin as SnII and SnIV, and lead as PbII and PbIV.

This is because of the possibility of removing one or two

electrons from the 18-electron shell.

• Few of these metals from colored ions in solution, e.g.,

CuII and AuIII, or colored compounds, e.g., copper sulfate

pentahydrate (blue), cadmium sulfide (yellow), etc. This is

due to the possibility of movement of electrons from the

18 electron shell to a higher level.

• They have the highest solubility in mercury since their

electronic structure is similar as that of mercury. Also,

they do not form compound with mercury.

Transition metals

These are the metals in the vertical groups of the Periodic Ta-

ble, from scandium to nickel. They not only have electronic

configuration different from the inert gases, but they are cha-

racterized by having the same number of electrons in their

outermost shell and a progressively greater number of elec-

trons in the next inner shell. There are, however, some apparent

irregularities in the number of electrons in the outermost elec-

tron shells. This is due to energy levels, which are determined

from spectroscopic measurements (Figure 11):

• s electrons in the N shell have lower energy than d elec-

trons in the M shell (4s orbitals are filled before 3d).

• s electrons in the O shell have lower energy than d elec-

trons in the N shell (5s orbitals filled before 4d).

• d electrons in the O shell have nearly the same energy as f

electrons in the N shell, etc.

Figure 11. Energy states of electrons in various shells. No two electrons

have equal energies because of different spin. Atoms that have their

outer electrons in the same type of orbital should have similar chemical

behaviour. Spectroscopic notation: s = sharp; p = principal; d = diffuse; f =

fundamental.

As their name implies the transition metals have properties

between the typical and less typical metals. They are less reac-

tive than the typical metals because they will not achieve the

inert gas structure when they lose their outermost electrons,

but they are nevertheless more reactive than the less typical

metals. They share the following properties:

• They resemble each other quite closely aside from showing


11



the usual group relationships because they have the

same number of the outermost electrons.

• They may lose additional electrons from the next lower

shell to form ions with higher charges. As a result, they

show a variable valence. For example, vanadium exists in

+2, +3, +4, and +5 oxidation states, and titanium in +2, +3,

and +4.

• The atomic radius of the successive metals in a certain

horizontal period decreases slightly as the atomic num-

ber rises because when an electron is added to an inner

shell, it decreases slightly the size of the atom as a result

of increased electrostatic attraction.

• Most of them form colored ions in solution due to elec-

tronic transition with the exception of the group Sc, Y, La

and Ac which form only colorless compounds.

• They form many covalent compounds, like the carbonyls

of iron and nickel, the chlorides of titanium, and the ox-

yacids of chromium, molybdenum and tungsten.

• They form coordination compounds with ammonia, e.g.,

the ammines of cobalt and nickel.

• They mostly form borides, carbides, nitrides, and hydri-

des, which have mostly metallic character.

• They have the lowest solubility in mercury.

The transition metals can be divided into three groups:

• Vertical similarity transition metals. These are the vertical

groups scandium to manganese. They show similarity in

the vertical direction, e.g., Zr-Hf, Nb-Ta, and Mo-W. The

group Sc, Y, La, and Ac form colorless compounds and

have the same valency (+3).

• Horizontal similarity transition metals. This is the group of

titanium to nickel. They show similarity in the horizontal

direction:

º Their carbides have intermediate properties between

the metal-like character of the transition metals and

the ionic character of the typical metals. Thus they

have metallic lustre and are electrically conductive,

but they are attacked by water and dilute acids.

º They form di- and trivalent compounds.

º These metals have melting points in the range 1220 oC

to 1800 oC.

º Iron, cobalt, and nickel occur in nature together in the

native state in the minerals awariait, Fe(Ni,Co)3, and jo-

sephinite, Fe(Ni,Co)2.

• Horizontal - vertical transition metals. This is the platinum

metals group, where the similarity between the six metals

is in the horizontal and vertical direction.

º They resist corrosion.

º They occur together in nature in the native state.

Inner transition metals

These metals have the same number of electrons in the two

outermost shells but a progressively greater number of elec-

trons in the next inner shell. They form two groups: the lantha-

nides and the actinides.

SUMMARY

The old tradition of numbering the groups in the Periodic Table

has been abandoned and replaced by the following descriptive

groups (Figure 12):

• Monatomic nonmetals

• Covalent nonmetals

• Metalloids

• Typical metals

• Less typical metals

• Transition metals with vertical similarity

• Transition metals with horizontal similarity (Ti to Ni)

• Transition metals with vertical and horizontal similarity

(platinum group metals)

• Inner transition metals:

º The lanthanides

º The actinides


12



The table in figure 12 also shows the diagonal similarity Li-

Mg, Be-Al, and B-Si. Lithium, although an alkali metal it is more

similar to the alkaline earth magnesium than to sodium and

potassium. For example, lithium carbonate is insoluble in

water like magnesium carbonate while all other alkali carbo-

nates are soluble. Beryllium chloride is covalent bonded and

sublimes on heating like aluminum chloride, which is diffe-

rent from the other alkaline earths chlorides MgCl2, CaCl

2, etc.

Boron, a metalloid, has no similarity to gallium, indium, and

thallium but is similar to the metalloid silicon.

REFERENCES

[1] CHEMOgENESIS, http://www.meta-synthesis.com/we-

bbook/35_pt/pt.html#hab

Anonymous, “group Notation Revised in Periodic Table”,

Chem. & Eng. News, February 4, 1985 pp. 26-27

[2] RAWLS, R.L. (1986) “Revisions to Periodic Table Sparks

Controversy”. Chem. & Eng. News. January 27, pp. 22-24

[3] “Letters to the Editor”, Chem. & Eng. News (1985): Fe-

bruary, 25 pp. 4-5; March 11, pp. 4-5; March 18, p. 2; April

8, p. 5; April 22, p. 87; May 6, pp. 5 and 46; May 13, pp. 2

and 36; June 10, p. 4; August 5, pp. 4 and 47; August 12,

pp. 2-3, August 19 p. 3.

[4] “Letters to the Editor”, Chem. & Eng. News (1986) January

27, p. 22; March 3, pp 3 and 46; March 17, p. 3; April 14, pp.

3 and 67; April 28, pp. 2 and 90; May 19, p. 2; June 23, p. 4;

June 30, pp. 2 and 47; September 1, pp. 2-3; November 10,

pp. 2 and 39.

[5] “Letters to the Editor”, Chem. & Eng. News (1987) January

12, pp 3, 24, and 46; February 2, p. 3; April 6, p. 41.

Additional references

HABASHI, F. (2002) From Alchemy to Atomic Bombs. Métallurgie

Extractive Québec, Sainte-Foy, Québec City, Canada; distributed

by Laval University Bookstore.

HABASHI, F. (2003) Metals from Ores. An Introduction to Extractive

Metallurgy, Métallurgie Extractive Québec, Sainte-Foy, Québec

City, Canada; distributed by Laval University Bookstore.

HABASHI, F. (2009) “Ida Noddack and the Missing Elements”.

Education in Chemistry 48-51, March.

HABASHI, F. (2010) “Metals: Typical and Less Typical, Transition

and Inner Transition”. Foundations of Chemistry 12, 31-39

SCERRI, E. (2007) The Periodic Table: Its Story and Its Significance.

Oxford University Press, New York and Oxford.

Figure 12. A Periodic Table in ten groups


13



Author

Fathi Habashi. Professor Emeritus at Laval University in Que-

bec City. He holds a B.Sc. degree in Chemical Engineering

from the University of Cairo, a Dr. techn. degree in Inorganic

Chemical Technology from the University of Technology in

Vienna, and Dr. Sc. honoris causa from the Saint Petersburg

Mining Institute in Russia. He held the Canadian government

Scholarship at the Mines Branch in Ottawa, taught at Monta-

na School of Mines, then worked at the Extractive Metallurgi-

cal Research Department of Anaconda Company in Tucson,

Arizona before joining Laval in 1970. His research was mainly

directed towards organizing the unit operations in extractive

metallurgy and putting them into a historical perspective.

Habashi was guest professor at a number of foreign univer-

sities, authored a number of textbooks on extractive meta-

llurgy and its history, and edited Handbook of Extractive Me-

tallurgy in 4 volumes in 1997. Some of his books have been

translated into Russian, Chinese, Vietnamese, and Farsi lan-

guages.

Original recibido: 17 de febrero de 2011Aceptado para publicación: 13 de abril de 2011



15


Arturo Rojas, Tecsup

Modelado no Lineal y Lineal del Proceso de la Estación de Estudio TE37 para Control e

Instrumentación

Nonlinear and Linear Modeling of the Control and Instrumentation Study Station TE37 Process

Resumen

Este artículo trata sobre la determinación de los modelos di-

námicos multivariables no lineal y lineal del proceso de la Es-

tación de Estudio TE37. Dicho proceso se realiza en un tanque

cerrado de fierro, al cual ingresan agua fría y caliente para

producir un flujo de agua tibia a una determinada tempera-

tura, manteniendo el nivel del agua constante en el interior

del tanque. El modelo lineal resultante del proceso es multi-

variable porque posee dos entradas: los flujos de agua fría y

caliente, y dos salidas: el nivel y la temperatura del líquido. Tal

proceso se somete a la acción de un controlador PID (Propor-

cional Integral Derivativo) multivariable para verificar su vali-

dez mediante simulación. Cabe anotar que dicho controlador

emplea en su diseño el modelo del proceso.

Abstract

This paper deals with the derivation of multivariable nonli-

near and linear dynamic models of the process of the Study

Station. The process, a closed iron tank, is supplied with cold

and hot rate water to produce warm water at a desired tem-

perature, maintaining the water level inside the tank cons-

tant. The derived model is a multivariable one, where the

inputs are the cold and hot rate water and the outputs are

the level and temperature of the water inside the tank. The

determined lineal model of the process is tested by means of

a multivariable PID (Proportional Integral Derivative) contro-

ller to verify its validity via simulation. Such a controller uses

the model of the process in its design.

Palabras Clave

Proceso multivariable, modelado lineal y no lineal, linealiza-

ción jacobiana, proceso tanque cerrado con agua, controlador

PID multivariable.

Key Words

Multivariable process, linear and nonlinear modeling, Jacobian

linealization, closed water tank process, multivariable PID con-

troller.

INTRODUCCIÓN

El Laboratorio de Instrumentación Industrial de TECSUP-Lima

cuenta con la Estación de Estudio TE37 (Fig. 1), la cual se emplea

para implementar experimentos de medición y de control, me-

diante diversas técnicas y estrategias de control. A pesar de que

existe documentación técnica detallada para la realización de

tales experimentos [1], lo que no contiene tal documentación

son los fundamentos en los que se basan dichos experimentos.

Es decir, no existen publicados los diseños de los sistemas de

control experimentados, los cuales deberían incluir los mode-

los dinámicos de los procesos controlados.

Los componentes de la Estación de Estudio TE37 señalados en

la Figura 1 son:

• Reference Signals: señales de referencia.

• Computing Relays: relés de cómputo.

• Controllers: controladores.

• Process Vessel: tanque cerrado de fierro.

• Patch Panel: panel de conexiones.

• Sight Glass: visor.

02_modelado no lineal_Rojas.indd 15 7/4/11 9:13 PM

16


ROJAS, Arturo. “Modelado no Lineal y Lineal del Proceso de la Estación de Estudio TE37 para Control e Instrumentación”

• Air Regulator: regulador de aire.

• Control Valves: válvulas de control con posicionadores

electromagnéticos.

• Flow Transmitters: transmisores de flujo.

Otros componentes importates de dicha estación y no seña-

ladas en la Figura son:

• Transmisor de presión.

• Transmisor de temperatura.

• Placas de orificio.

• Unidad de calefacción agua.

• Estación de bombeo de agua fría y caliente.

Figura 1. Estación de Estudio TE37 para control e instrumentación.

El propósito de este trabajo es la determinación de modelos

dinámicos multivariables no lineal y lineal del proceso de la

Estación de Estudio TE37, empleando las leyes de la física. Es

importante enfatizar que el mencionado proceso se refiere

al líquido almacenado en el tanque a un determinado nivel y

temperatura deseada.

La Figura 2 muestra el diagrama de instrumentación de la Esta-

ción de Estudio TE37, donde:

• C=Controller.

• PT=Pressure Transmitter: transmisor de presión.

• TT= Temperature Transmitter: transmisor de temperatura.

• LT=Level Transmitter: transmisor de nivel.

• FT=Flow Transmitter: transmisor de flujo.

• Overflow: flujo de rebose.

• Drain: flujo de drenaje o agua calentada qD.

• Hot: flujo de agua caliente qH.

• Cold: flujo de agua fría qC.

Figura 2. muestra el diagrama de instrumentación de la Estación de

Estudio TE37 (tomado de [1]).

La Fig. 2 nos muestra que, con la Estación de Estudio, son po-

sibles la implementación de sistemas de control SISO (Single-


17



Input-Single-Output), tales como control de nivel, de presión,

de temperatura y de flujo. También se pueden implementar

estrategias de control, tales como control en cascada del ni-

vel, control anticipativo de nivel por flujo, control de la razón

de flujos, control split-range (de rango partido), control de

tres elementos.

Nosotros estamos más interesados en la implementación de

sistemas de control MIMO (Multiple-Input-Multiple-Output)

o multivariable, tanto lineal como no lineal. Particularmente

estamos interesados en modelar al proceso con dos entradas

(los flujos de agua fría y caliente) y dos salidas a controlar: el

nivel del líquido y la temperatura dentro del tanque. El pro-

ceso debe de producir agua de servicio a una determinada

temperatura.

Las ecuaciones que describen la dinámica de este proceso,

deben de reflejar la interacción existente entre las variables

nivel y temperatura. Es decir, reflejar cómo el control de la

temperatura afecta el control del nivel, tal como se verá en la

siguiente sección.

DESCRIPCIÓN DEL PROCESO

La Figura 2 ilustra el esquema para estudio del proceso tan-

que con agua, donde se observa que los flujos de agua fría

qC y de agua caliente

qH se mezclan en el interior del tanque

con el propósito de producir el flujo de salida qD a una tem-

peratura . Por consiguiente, el sistema tanque con agua es

multivariable cuadrado debido a que posee dos entradas: los

flujos qC y

qH , y dos salidas: el nivel h del agua en el interior

del tanque y la temperatura que se asume uniforme dentro

del tanque.

El objetivo del sistema de control a diseñar puede consistir

en determinar adecuadas fuerzas de control qC y

qH con la

capacidad de estabilizar las salidas controladas h y θ, cum-

pliendo ciertas especificaciones de diseño previamente esta-

blecidas. La manipulación de las fuerzas de control se realiza

mediante dos válvulas de control neumáticas que poseen

posicionadores, mientras que el transmisor de nivel LT y el

transmisor de temperatura TT se ocupan de medir y trans-

mitir el nivel y la temperatura respectivamente. La Tabla 1

describe las variables y los parámetros valorados del proceso

tanque cerrado con agua.

MODELO DINÁMICO NO LINEAL

A. Balance de masas

Aplicando balance de masas en el tanque, el cambio de volu-

men de agua acumulado en su interior se modela como:

(1)

donde A es la sección del tanque y las otras variables ya fueron

descritas. El flujo qD (agua calentada) se calcula de [1]:

(2)

(3)

Tabla 1. Parámetros, variables y símbolos del proceso

tanque cerrado con agua.

donde hemos usado el hecho de que la caída de presión Δp en

la tubería de diámetro D provocada por la placa de orificio de

diámetro d se expresa como:


18



(4)

En la expresión (2), g es la aceleración de la gravedad, C = 0,6

es el coeficiente de descarga del orificio, pD es la densidad del

agua a una temperatura θ, β=d/D es una relación igual a 0.41

y E es una constante de corrección del valor del flujo debido

a consideraciones geométricas, el cual se expresa como:

Despejando dh/dt de (1), la ecuación de estado para la varia-

ble de estado nivel toma la forma:

(5)

Los valores de las densidades del agua en función de la tem-

peratura se pueden obtener de la Figura 3.

Figura 3. Valores de la densidad del agua versus la temperatura

(tomado de [1]).

B. Balance de Energía Térmica

El balance de energía térmica dentro del tanque cerrado, des-

preciando pérdidas, se formula como:

(6)

donde ΦH es calor entregado por el flujo de agua caliente q

H,

ΦT es el calor del agua en el interior del tanque, Φ

d es el calor

que toma el flujo de salida qD y Φ

C es el calor que trae con-

sigo el flujo de entrada de agua fría qC. Cabe recalcar que se

está despreciando el calor que se libera al exterior del tanque

debido a que tal tanque es cerrado y suficientemente aislado.

Las relaciones que gobiernan los flujos caloríficos descritos

anteriormente son:

(7)

Los parámetros que aparecen en (7) se describen en la Tabla 1.

Observar que se asume un valor constante para el calor especí-

fico del agua Cp. La ecuación de estado de la variable de estado

temperatura se obtiene despejando dθ /dt de (6):

(8)

Definamos las siguientes fuerzas de control o variables mani-

puladas: u1= q

C , u

2= q

H y las siguientes variables de estado: x

1=h,

x2=θ. Juntando las ecuaciones (5) y (8), la ecuación de estado

que describe la dinámica del proceso tanque cerrado con agua

se formula como:

(9)

Dado que las variables de estado son las variables medidas del

proceso, entonces la ecuación de salida posee la siguiente ex-

presión:

(10)

MODELO DINÁMICO DE LAGRANGE

El modelo dinámico de Lagrange del sistema tanque cerrado

con agua se obtiene reordenado las ecuaciones de (9) en la for-

ma siguiente:

Por consiguiente:

Operando en la última ecuación, es fácil demostrar que el mo-

delo dinámico de Lagrange del proceso toma la forma:


19



(11)

MODELO DINÁMICO LINEAL DEL PRO-CESO

El procedimiento de linealización empleando el método del

Jacobiano nos conduce al siguiente modelo lieneal del pro-

ceso en el espacio de estado:

(12)

donde A es la matriz de estado del proceso y B es la matriz de

distribución o de control. Tales matrices se deben de evaluar

en el punto de operación o estado estable (x,u), donde:

𝒙 =𝒙1𝒙2 𝒙 =𝒙1𝒙2 (13)

En el dominio de Laplace y para condiciones iniciales nulas, el

sistema representado en (12) toma la forma:

(14)

Por consiguiente, la matriz de transferencia (MT) Gp(s) del

proceso en función de las matrices de su descripción de es-

tado A, B y C resulta:

(15)

La forma de la MT del proceso Gp(s) se obtiene ejecutando el

programa en código MATLAB mimopidsimb.m, cuyo listado

se muestra abajo. La MT del proceso resulta:

(16)

CONTROL MIMO PID DEL MODELO

Para validar el modelo lineal MIMO del proceso, vamos a dise-

ñar un controlador PID MIMO basado en la técnica de desaco-

plamiento para controlar el nivel y la temperatura del proceso

tanque cerrado. Este controlador es una matriz Gc(s) cuyos ele-

mentos son controladores del tipo PID. La Fig. 4 muestra el sis-

tema de control a diseñar donde r(s) es el vector de referencias

deseadas, e(s) es el vector error de medición, u(s) es el vector de

control e y(s) es el vector de salida. El objetivo de control en esta

situación consiste en diseñar una fuerza de control u(s) capaz

de hacer el error e(s)=r(s)-y(s) nulo cumpliendo las siguientes

especificaciones de diseño:

• Un 0% de sobrenivel

• Error en estado estable nulo tanto para el nivel como para

la temperatura.

• Tiempos de estabilización menores de 400 s para el nivel y

1000 s para la temperatura.

Figura 4. Diagrama de bloques de un sistema de control PID MIMO.

De la Figura 4 se puede demostrar que y(s)=G(s)u(s); donde

G(s), la MT del sistema, posee la forma:

(17)

(18)

Para que no exista interacción entre las salidas y las entradas, se

selecciona G(s) diagonal. Por ejemplo:

(19)

Donde Tniv y Ttemp son constantes de tiempo que en nuestro

caso valen 400 y 1000 s, respectivamente. El error e(s) resulta:

e(s)=r(s)-y(s)=r(s)-G(s)r(s)=[I-G(s)]r(s) (20)


20



donde I es la matriz identidad. En el estado estacionario, es

decir, cuando s=0, G(0)=I. Por consiguiente, el error del siste-

ma en (20) se anula, cumpliéndose parte del objetivo de con-

trol. Como G(s) es conocido, de (18) podemos despejar Gc(s):

(21)

La forma de la MT (matriz de transferencia) del controlador

Gc(s) se obtiene ejecutando el programa mimopidsimb.m:

(22)

La Figura 5 muestra en detalle la interconexión de todos los

bloques del sistema de control MIMO PID del proceso tanque

cerrado.

Figura 5. Diagrama de bloques del sistema de control PID MIMO

diseñado.

El programa mimopidsimb.m, cuyo listado se muestra en el

Anexo, también simula el sistema de control del tanque cerra-

do. En el resultado de la simulación (Figura 6) se observa que

el nivel (gráfico superior izquierda) y la temperatura (gráfico

superior derecha) controlados, cumplen las especificaciones

de diseño previamente establecidas.

Figura 6. Nivel y temperatura del tanque cerrado controlados.

CONCLUSIONES Y TRABAJOS FUTUROS

En este trabajo se han determinado los modelos dinámicos

multivariables no lineal y lineal del proceso de la Estación de

Estudio TE37, empleando las leyes de la física, para el caso no

lineal, y el método de linealización Jacobiana para el caso lineal.

Estudios de simulación han demostrado la validez del modelo

lineal multivariable. Para este propósito, empleando tal modelo,

se diseñó un controlador PID multivariable, El modelo se some-

tió a la acción del controlador con éxito, tal como lo demues-

tran los resultados de la Figura 6. El programa empleado en la

simulación está escrito en código MATLAB y su listado también

es parte de este artículo para que pueda ser empleado en fu-

turos trabajos.

A continuación listo algunos trabajos futuros relacionados con

el presente:

• Diseño de controladores multivariables no lineales aplica-

dos al modelo no lineal del proceso para verificar su vali-

dez.

• Implementación de sistemas de control del proceso tan-

que, empleando controladores multivariables lineales, ta-

les como PID, óptimo y predictivo lineal.

• Implementación de sistemas de control del proceso tan-

que, empleando controladores multivariables no lineales,

tales como backstepping, deslizante, adaptativo y predicti-

vo no lineal.

REFERENCIAS

[1] TE37 Control and Instrumentation Study Station, User Guide

(2009), TecQuipment Ltd.

ANEXO

LISTADO DEL PROGRAMA mimopidsimb.m

% mimopidsimb.m CONTROL PI MIMO

clear all; close all; clc;

% PARÁMETROS DEL PROCESO

C=0.6; D=0.0159; d=0.0065; beta=d/D;

E=(1-beta^4)^(-1/2); rhoD=996; g=9.81;

a=C*E*pi*d^2*rhoD*sqrt(2*g)/4; A=0.0314;

rhoH=988; Cp=4186.8; rhoC=998;

thetaH=50+270.15; thetaC=20+270.15;

% VALORES ESTACIONARIOS


21



barh=0.4; bartheta=35+270.15; barqC=2.16e-4;

barqH=0.5e-4; barqD=2.16e-4; Rh=barh/barqD;

% MODELO LINEAL, DONDE: df1/dx1=df1dx1,

% df1/du2=df1u2, etc.

df1dx1=-a/(2*A*sqrt(barh)); df1dx2=0;

df2dx1=a*bartheta*barh^(-1.5)/(2*A) - ...

(rhoC*thetaC*barqC+rhoH*thetaH*barqH)/ …

(rhoD*A*barh^2); df2dx2=-a/(A*sqrt(barh));

df1du1=1/A; df1du2=1/A;

df2du1=rhoC*thetaC/(rhoD*A*barh);

df2du2=rhoH*thetaH/(rhoD*A*barh);

AA=[df1dx1 df1dx2;df2dx1 df2dx2];

BB=[df1du1 df1du2;df2du1 df2du2];

CC=[1 0;0 1]; DD = [0 0;0 0]; I = CC; Tniv=60;

Ttemp=100; s=tf(‘s’);

Gp = CC*inv(s*eye(2) -AA)*BB+DD;

G=[1/(Tniv*s+1) 0;0 1/(Ttemp*s+1)];

Gc = inv(Gp)*G*inv(I-G); Go=Gp*Gc;

step(feedback(Go,I)); print -deps -f mimopid01

syms s a11 a21 a22 b11 b21 b22 Tniv Ttemp;

AA=[a11 0;a21 a22]; BB=[b11 b11;b21 b22];

Gp = CC*inv(s*eye(2) -AA)*BB+DD;

G=[1/(Tniv*s+1) 0;0 1/(Ttemp*s+1)];

Gc = inv(Gp)*G*inv(I-G); pretty(simple(Gp)),

pretty(simple(Gc))

ACERCA DEL AUTOR

Arturo Rojas Moreno. Recibió el grado de Bachiller y el título

profesional en Ingeniería Mecánica y Eléctrica, y el grado de MS

en Ingeniería Electrónica, por la Universidad Nacional de Inge-

niería (UNI). También tiene el título de Diplom.-Ingenieure (f.a.)

en Electrotécnica por la Universidad Técnica de Munich, Ale-

mania, y el grado Ph.D. en Ingeniería Eléctrica por Utah State

University, USA. Realizó un pos-Doctorado en el Laboratorio de

Dinámica Espacial en Logan, USA, y estadías de investigación

tanto en el Instituto de Control Automático de la Universidad

Técnica de Aachen, Alemania, como en General Motors Institu-

te, Flint, USA. Trabajó como Ingeniero de Control por doce años

en la planta de fibras de Bayer A.G. (Alemania y Lima). Ha sido

Profesor Principal de las universidades UNI, UCCI (Huancayo) y

de la UTP. Actualmente trabaja para el departamento de Elec-

trónica de Tecsup, en Lima. Sus temas de interés son control no

lineal multivariable y procesamiento de señales para medición

y control.

Original recibido: 4 de abril de 2011Aceptado para publicación: 3 de mayo de 2011



23


Miguel Ángel Orellana, Escuela Politécnica de la Universidad de São Paulo (USP)- BrasilJorge Luis Risco, Escuela Politécnica de la Universidad de São Paulo (USP)- Brasil

Arquitectura ODP para la Gestión de Instalaciones: caso en el Centro Industrial de Manaos-Brasil

ODP Architecture for Facilities Management: case in the Industrial Center of Manaus-Brazil

Resumen

El objetivo de este trabajo es presentar un método arquitec-

tónico para captar las características específicas del proceso

de Gerencia de Instalaciones, desde la conceptualización,

para lo cual se utilizan los conceptos de la jerarquía de fun-

ciones propuesta por la comisión del Dominio de Gerencia de

Instalaciones de América del Norte y la Alianza Internacional

de Interoperabilidad. Esa arquitectura será desarrollada a par-

tir del modelo estándar Reference Model for Open Distribu-

ted Processing. Este trabajo propone utilizar una arquitectura

de objetos distribuidos para mejorar el proceso de Gestión

de las Instalaciones, aplicado en un caso real, específicamente

una industria de equipos electrónicos del centro industrial de

Manaos. La razón para el uso de esa arquitectura es reducir la

complejidad, mediante la abstracción y la separación de los

requisitos del proyecto, y, también, direccionar las medidas

que deben adoptar en las tareas relacionadas. El resultado

esperado es una arquitectura corporativa que permita la inte-

gración de procesos dentro de la organización, a fin de man-

tener y desarrollar servicios que den soporte y mejoren sus

actividades primarias.

Abstract

The objective this work is to present a method on architectu-

ral to capture the specifics of the Facilities Management pro-

cess, from the concept development, for which the concept

of hierarchy of functions given by the commission of Domain

Management North American facilities (ICMF) and the Inter-

national Alliance for Interoperability (IAI) is used. This archi-

tecture will be developed from the standard model of distri-

buted object architecture, specifically the pattern Reference

Model for Open Distributed Processing (RM-ODP). This paper

proposes the use a distributed object architecture to improve

the process of Facilities Management applied in a real case, spe-

cifically an electro-electronics industry in the industrial center

of Manaus. The reason for using this architecture is to reduce

complexity through abstraction and separation of the project

requirements and also address measures to be taken in the re-

lated tasks.

The expected result is an corporative architecture that enables

the integration of processes within the organization into main-

tain and develop services that support and improve their pri-

mary activities.

Palabras clave

RM-ODP; Arquitectura SAA; Gestión de Instalaciones.

Key words

RM-ODP; Architecture SAA; Facilities Management.

INTRODUCCIÓN

El ser humano siempre necesitó de abrigo para sobrevivir, es-

tando siempre, la actividad humana asociada a la construcción,

sea para trabajo, habitación o diversión. Ningún otro factor in-

fluencia tanto la vida del hombre como un ambiente construi-

do con la excepción del medio ambiente en que ambos están

localizados.

Las funcionalidades de los edificios están directamente rela-

cionadas con sus sistemas prediales, siempre que estos son los

elementos integrados a la edificación y que tiene por objetivo

dar soporte a las actividades de los usuarios, entregando los

elementos y servicios requeridos.

03_Facilities management_Orellana Risco.indd 23 7/4/11 9:15 PM

24


ORELLANA, Miguel Ángel; RISCO, Jorge Luis. “Arquitectura ODP para la Gestión de Instalaciones: caso en el Centro Industrial de Manaos-Brasil”

De acuerdo con [4], actualmente es difícil pensar en una or-

ganización desprovista de un área de instalaciones que pro-

porcione soporte (mantenimiento, conservación, seguridad,

entre otros) a las actividades de todos los sectores (produc-

ción, RR. HH, administración, ingeniería, entre otros) de una

organización [9]. Con el objetivo de mejorar en el análisis

de riesgos y la toma de decisión en la propia empresa, son

necesarias metodologías estructuradas para gerenciar y con-

trolar las iniciativas de la gestión de infraestructura [8]. Tales

iniciativas deben hacer parte de las estrategias de las organi-

zaciones, para así garantizar una mejor calidad de servicios,

mejoría en los procesos organizacionales, retorno de investi-

mentos, control y transparencia en los servicios y los proce-

sos de sistemas de instalaciones.

Actualmente, para resolver problemas en el área de geren-

cia de instalaciones, la mayoría de las soluciones encontradas

son de tipo tecnológico, en donde es posible identificar: soft-

ware para gestión de utilidades, para la gestión de manteni-

miento, entre otros [11].

Uno de los objetivos de la gestión de instalaciones es la in-

tegración de propiedades, personas y procesos de negocios,

con la finalidad de permitir que las empresas alcancen sus

objetivos estratégicos, incluyendo cuestiones como la con-

servación de energía, conservación del agua, la no agresión al

medio ambiente, la sostenibilidad, entre otros.

La industria de electro-electrónicos del centro industrial de

Manaos- Brasil, está preocupada por mejorar el proceso de

gerencia de instalaciones, así como proporcionar apoyo efi-

ciente a las actividades de los sectores de producción y ofici-

nas de la organización; con el objetivo de mejorar el proceso

de gestión, como por ejemplo: análisis de riesgos, toma de

decisiones en la organización, entre otras. Metodologías es-

tructuradas que son necesarias para administrar y controlar

los procesos de gestión; estas iniciativas, deben estar sincro-

nizadas con las estrategias de la organización, para garantizar

una mejor calidad de servicios. De esta manera optimizar los

procesos de organización, rendimiento de las de inversiones,

el control y transparencia en los servicios; o sea, todos los pro-

cesos de infraestructura.

Actualmente, en la industria en cuestión existe la necesidad

de desarrollar un mecanismo que dé apoyo al proceso de

gestión de instalacionesy que permita la integración con los

otros sistemas corporativos.

En el presente trabajo serán utilizados conceptos de arquitec-

turas corporativas de objetos distribuidos. Para capturar los

requisitos del proceso utilizaremos la estructura funcional

propuesta [12], para la especificación de la arquitectura utili-

zaremos el concepto de visones del modelo de referencia RM-

ODP y para organizar la arquitectura utilizaremos el modelo

Sistema abierto de automatización (SAA).

FUNDAMENTOS

La gestión de instalaciones surgió en Estados Unidos (USA), en

donde fue inicialmente utilizado en el proceso empresarial

inmobiliario hace aproximadamente 25 años; podríamos decir

que la Gestión de Instalaciones es la combinación optimizada

de esfuerzos con el fin de facilitar las actividades de todas las

áreas de una organización.

Para [2], dentro de la cadena de valores, esa es el área respon-

sable de las actividades de soporte y de infraestructura, siendo

más un entre ellos da dinámica organizacional, en la busca de

ventajas competitivas y sobrevivencias de las organizaciones.

Algunas actividades administradas GF en la visión de diversos

autores [12] son: propiedad (alquileres, seguros, etc.), servicios

de instalaciones (manutención predial, manutención fabril,

manutención de jardines, alteraciones de espacios, limpieza,

seguridad, decoraciones internas, etc.), servicios de soporte a

los negocios (archivamiento, fotocopias, papelería, correo, por-

tería, transportes, viajes, etc.), servicios de soporte al staff (res-

taurante, academia de gimnasia, servicio de salud ocupacional,

gerenciamiento de helpdesk, etc.), gerenciamiento de utilida-

des (agua, energía eléctrica, gas, vapor y aire comprimido) y

servicios de seguridad, salud y medio ambiente.

La gerencia de instalaciones puede ser entendida como “Un

proceso de mejoría continua en pro del ambiente operacional

de la organización y no apenas del ambiente físico y también

de las personas. Y enfocado para alcanzar las necesidades estra-

tégicas de la organización” [1].

En la actualidad, los principales usuarios de los servicios de ge-

rencia de instalaciones son las grandes empresas de los secto-

res de la construcción civil, de la administración inmobiliaria y

de la informática; especialmente, en Europa, América del Norte

y Asia, donde la gestión de instalaciones es más conocido. Vale

destacar que los países que ya alcanzaron un alto grado de de-

sarrollo de ese servicio son: Alemania, Gran Bretaña y USA. En

Brasil, algunas empresas ya trabajan con la prestación de los

servicios de gerencia de instalaciones en sus sites, sin embargo,

el desarrollo es todavía incipiente.

Un punto crítico en el desarrollo de un modelo para la gestión

de instalaciones es la falta de un modelo que permita estruc-

turar los diferentes sistemas de instalaciones, esto se debe a

que las construcciones de sistemas de infraestructura fueron


25



diseñadas sin una visión de gestión de instalaciones; por otro

lado, el sistema es compuesto por varias tecnologías hetero-

géneas, donde para funcionar correctamente deben cumplir

algunos requisitos: rendimiento, fiabilidad, portabilidad, esca-

labilidad e interoperabilidad, ente otros.

Por lo tanto, se hace necesario desarrollar un modelo que

pueda ser utilizado para hacer frente a esta complejidad;

entonces, primeramente se debe establecer el papel que la

gerencia de instalaciones debe tener en los negocios de la

corporación, es decir, definir los requisitos de la corporación,

para de esta forma poder elaborar (SLA) service level agree-

nents y, posteriormente, verificar si este alcanza los (KPI) key

performance indicators [8] .El gerenciamiento de instalacio-

nes necesita de un sistema para apoyar la toma de decisio-

nes, así como propiciar la revisión de resultados y actividades

del proceso de gestión.

MODELO DE REFERÊNCIA RM-ODP IEC 10746

El modelo de referencia para procesamiento distribuido y

abierto (RM-ODP) es un modelo estándar desarrollado por la

ISO e ITU-T, que define una estructura (framework) arquitec-

tural que provee el soporte para la integración de la distribu-

ción, interoperabilidad y portabilidad (ISO, 1998a). Está basa-

do en conceptos precisos, derivados de los procesos actuales

de desarrollo de sistemas de procesamiento distribuido, y

tanto cuanto posible, en el uso de técnicas de descripción

formales para especificación de arquitecturas.

Pueden ser resaltadas las características de RM-ODP, de sin-

taxis de representación independiente y lenguajes de imple-

mentación, así como sus puntos de vistas arquitecturales.

Para tratar los varios aspectos y características de estos sis-

temas, el modelo define cinco abstracciones diferentes, de-

nominadas como puntos de vista, a partir de las cuales los

sistemas distribuidos pueden ser modelados.

Los puntos de vista son independientes entre sí, con el obje-

tivo de simplificar la visualización de la arquitectura; por otro

lado, ellos también son, necesariamente, complementarios.

Una característica importante del RM-ODP es que propor-

ciona definiciones a través de un sistema de conceptos

inter-relacionados [11]. No hay una estructuración en capas

de estos puntos de vista, una vez que constituyen diferentes

abstracciones de un mismo sistema, construidas según con-

textos específicos [6].

ESTRUCTURA DE LA GERENCIA DE INSTALACIONES

Según [12], el Gerenciamiento Integrado de Instalaciones sus-

tenta la promesa de mejorar la práctica de gestión, mas requie-

re técnicas subyacentes, como modelos de dados particular-

mente estandarizados para posibilitar de compartimiento de

informaciones entre aplicaciones computacionales, posibilitan-

do el Gerenciamiento de Instalaciones integrado computador

(CIFM).

La alianza internacional de interoperabilidad (IAI) es un consor-

cio mundial de empresas de arquitectura, ingeniería y construc-

ción, sin fines lucrativos; industrias del ramo de la construcción

civil, de gerencia de instalaciones, instituciones de investiga-

ción y tecnología de la información, trabajando conjuntamente

para permitir promover la interoperabilidad [12]. El Comité de

Dominio de gerencia de instalaciones de América del Norte y

la IAI desarrollaron una guía para el desenvolvimiento de pro-

yectos de gerencia de instalaciones. Se trata de una jerarquía

de funciones, que resume el propósito de la gerencia de insta-

laciones y considera la estructura de GF divididos en dos partes:

fundamental (Planeamiento y control) y específica (Funciones

identificables de GF).

METODOLOGÍA

La metodología utilizada para la definición de la arquitectura

de instalaciones está basada en la estructura funcional para

la gestión de instalaciones propuesta por IAI/CIFM [12], en los

conceptos del modelo ODP y el modelo Sistema abierto de au-

tomatización (SAA).

La Figura 1 describe las principales actividades de la metodolo-

gía para el desarrollo de la arquitectura. En esta figura se obser-

va el raciocinio utilizado, considerado como actividad principal

el proceso de instalaciones.

Figura 1. Proceso metodológico


26



1.ª fase. Identificación de los requisitos

En esta fase se describen los requisitos del proceso de nego-

cio, mediante la obtención de datos con los participantes del

proceso; la información recogida se clasifica en niveles jerár-

quicos utilizando la metodología del IAI/CIFM.

2.ª Fase. Especificación RM-ODP

En esta fase será especificada la arquitectura de gerencia de

instalaciones, sobre la base de los puntos de vista del modelo

RM-ODP. Para definir los modelos de objetos serán definidas

las reglas de especificación de los cinco puntos de vista.

3.ª Fase. Arquitectura de la gerencia de Instalaciones

En esta fase, será presentada como el producto principal la

arquitectura basada en la especificación de la segunda fase.

APLICACIÓN DE LA METODOLOGIA

Para desarrollar el proyecto, la primera premisa fue elegir

una empresa en la cual pudiese aplicarse el método; por lo

que fue escogida una industria de equipos electrónicos, del

centro industrial de Manaos, específicamente el sector de

infraestructura industrial, también llamada de instalaciones.

La empresa en cuestión es una empresa multinacional de

gran tamaño, ubicada en la zona franca de Manaos; y tiene

como actividad principal la producción de artefactos equipos

electrónicos de audio y video, en que es considerada líder del

mercado en este segmento productivo.

El primer paso será la identificación de los requisitos de ne-

gocio, la cual se realiza después de recoger y caracterizar las

informaciones obtenidas, a través de la entrevista a los stake-

holders. Las informaciones obtenidas fueron organizadas y

clasificadas en niveles jerárquicos, utilizando la metodología

del IAI/CIFM. El propósito de este trabajo, es mapear los pro-

cesos de negocios propios de instalaciones; en este caso son

utilizadas las respuestas obtenidas de las entrevistas con los

utilizados stakeholders.

Como el resultado de la actividad identificación de los requi-

sitos fueron definidos los dominios, la información recogida

clasificada en niveles jerárquicos, que considera las funciones

de gerencia de instalaciones y sus procesos en dos aspectos

fundamentales: primero, planeamiento estratégico, donde

acontece el planeamiento de la gestión en forma general,

incluyendo la función de control; y segundo, la función espe-

cífica o identificable del gerenciamiento de instalaciones. El uso

de ese modelo puede ser descrito y clasificado en tres niveles:

estratégico, táctico y operacional [8].

Así se produce un esbozo inicial para capturar los requisitos del

sistema de instalaciones. El diagrama mostrado en la figura 2.

Tiene por objetivo ser comprensible para todos los involucra-

dos en el proyecto de identificación de los requisitos para de la

gerencia de instalaciones.

Figura 2. Identificación de los requisitos de gerencia de instalaciones.

• Planeamiento y control. Se refiere a los procesos ligados al

direccionamiento y a la toma de decisiones del negocio.

Los procesos estratégicos trabajan con la misión, metas y

objetivos de la empresa.

• Funciones identificables. Se refiere a los procesos que con-

trolan y coordinan los procesos operacionales. Los proce-

sos son responsables por la garantía de la calidad.

• Elementos de GF. Se refiere a los procesos que ejecutan las

actividades de desarrollo de los productos de la organiza-

ción.

Una vez identificados los requisitos de negocio de la gerencia

de instalaciones, esta información será organizada y clasificada

según la metodología RM-ODP, a seguir:

Punto de vista de empresa:

El proceso de negocios modelado está relacionado con la ges-

tión de instalaciones, en el que los principales componentes

de la arquitectura y el medio en que se encuentra (o sea, la


27



industria de electro-electrónicos, y se muestra en la Figura

3), en la cual tiene por objetivo organizar las características

y funcionalidades encontradas en la especificación RM-ODP,

de manera que las actividades de las fases de identificación y

especificación sean más sencillas y organizadas.

Figura 3. Punto de vista de empresa.

Este proceso de negocios tiene como objetivo mostrar las

interacciones entre los módulos de gerencia de instalacio-

nes, en el que las metas definen el comportamiento entre los

objetos asociados con respecto al ambiente de negocio que

están insertados y rigen los procedimientos, las obligaciones

y reglas ente los objetos, que son una abstracción de los sis-

temas físicos existentes en la empresa.

Fueron definidos los siguientes procesos de negocios:

• Objeto empresa Sistema de instalaciones. Donde se

identificaron los sistemas que hacen parte del área de

instalaciones.

• Objeto empresa Servicios. Aquí fueron organizados to-

dos los servicios que hacen parte en el sector de instala-

ciones.

• Objeto empresa, Gestión. Aquí fueron identificados los

procesos de gestión necesarios para que el sistema fun-

cione.

Punto de vista de información:

El punto de vista de información, tiene por función mode-

lar el flujo de información de los subsistemas de gerencia de

instalaciones, basado en la metodología propuesta por el IAI/

CIFM. Las informaciones recopiladas de cada subsistema son

procesados y almacenados por el sistema central de gerencia

de instalaciones, y se muestran en la Figura 4.

Para la elaboración de estos puntos de vista fueron realizadas

las siguientes actividades:

La caracterización del esquema invariante del punto de vista

información RM-ODP, en la cual son representados los tipos de

información utilizados por el sistema de gerencia de instalacio-

nes; también son representados los relacionamientos entre los

objetos información. Para modelar este punto de vista fueron

consideradas únicamente las informaciones correspondien-

tes al subsistema de servicios. Para la representación de este

esquema fue utilizado un diagrama de clases y sus relaciones

mostrados en la Figura 4.

Figura 4. Visión de información (esquema invariante)

Caracterización del esquema estático del punto de vista infor-

mación, donde son representados atributos de información

que deben ser cumplidos por el sistema de gerencia de insta-

laciones. Entre los atributos especificados en el esquema inva-

riante se tiene: parámetros de cualidad de los servicios, meca-

nismos de almacenamiento, entre otros. Para la representación

de este esquema en la Figura 5, fue considerado el subsistema

de servicios, ofrecido por la gerencia de instalaciones.

Figura 5. Visión de información (esquema estático)


28



La Figura 5 muestra el flujo de la información en unos de los

procesos de instalaciones, en este caso un sistema de recolec-

ta de datos en forma manual.

La caracterización del esquema dinámico del punto de vista

de información RM-ODP, presenta los posibles cambios que

suceden en los objetos información. Para la representación

de este esquema fue utilizado el diagrama de proceso BPMN

de la Figura 6, el cual presenta el proceso de información en

el canal de comunicación.

Para modelar el sistema solamente fueron consideradas las

informaciones del subsistema de servicios del sistema de ins-

talaciones, en la cual las operaciones y flujos entre los objetos

suceden cuando un aplicativo cliente solicita, al sistema de

gerencia, la aprobación de un determinado servicio.

Figura 6. Visión de información (esquema dinámico)

Punto de vista de computación

El punto de vista de computación presenta la distribución de

las funciones del gerenciamiento de instalaciones, se iden-

tifican los objetos que llevan las funciones del sistema y las

interfaces entre los objetos.

Estos objetos y sus interacciones son mostradas en la Figura

7. En el modelado del sistema se considera la descomposición

funcional y la interacción del sistema de gerencia de instala-

ciones, para permitir la estructuración de sus aplicaciones e

identificar los siguientes elementos:

• Objeto computación datos. Representa la información

distribuida en el ambiente de instalaciones.

• Objeto computación. Denominado de gerenciador de ins-

talaciones, y es responsable por controlar la conexión que

serán utilizados por los objetos computación datos.

• Interfaces. Representan los tipos de información intercam-

biada entre los objetos computación.

Figura 7- Punto de vista de computación

Punto de vista de ingeniería

El punto de vista de ingeniería especifica la infraestructura de

comunicación que debe apoyar la distribución de los objetos

del punto de vista de computación de la gerencia de instalacio-

nes. En la Figura 5 podemos observar que los objetos de inge-

niería necesitan de canales de comunicación.

Estos mecanismos de comunicación pueden ser locales o re-

motos, por lo que vemos que el objeto básico de ingeniería de

la gerencia de instalaciones ejecuta el papel de servidor que

necesita un canal de comunicación remota para interactuar

con sus clientes.

Figura 8. Punto de vista de ngeniería


29



Los objetos básicos de ingeniería, en este caso, fueron estruc-

turados en grupos: fue posible encontrar grupos del nivel

estratégico táctico y operacional. Por otro lado, se puede ob-

servar en la Figura 8 que, para la gestión de los objetos de

ingeniería serán utilizadas funciones operacionales y especí-

ficas que pertenecen al sistema de gerencia de instalaciones

y que fueron descritos anteriormente.

Punto de vista de tecnología

En este punto de vista se presenta el conjunto de tecnolo-

gías que son utilizadas en la implementación del sistema de

instalaciones.

Para la elaboración de ese punto de vista fueron utilizadas las

informaciones entregadas por los otros cuatro puntos de vis-

ta, y fue considerada la interacción con el sistema de control

de los sistemas de gerencia de instalaciones:

Gerenciamiento de mantenimiento: software Engeman.

Gerenciamiento de Utilidades: software Gestal.

Automatización de HVCA: implementado con PLC (Allen

Bradley).

Sistema alarma contra incendio: software propietario

Hochiki;

Sistema de CFTV: software propietario TOP WAY.

ARQUITECTURA DE GERENCIA DE INSTALACIONES

Una vez capturados los varios aspectos y características de

los sistemas de instalaciones; además de haber definido las

cinco abstracciones (denominadas puntos de vista), y a partir

de las cuales la arquitectura será modelada, (en la cual fueron

identificados los principales componentes de la arquitectura

de gerencia de instalaciones que es el ambiente en el que se

inserta; o sea, la industria de electro-electrónicos mostrados

en la Figura 8) el objetivo es organizar las funcionalidades del

sistema de gerencia de instalaciones, para así organizar y sim-

plificar la visualización de la arquitectura.

Esta arquitectura tiene como objetivo optimizar y ofrecer

agilidad en el proceso gestión de instalaciones, con la cual

es posible modelar el proceso de negocios, mostrar las inte-

racciones y de esta forma obtener una visión sistemática en

la que todos los procesos son analizados en varias perspec-

tivas, incluyendo sus estrategias, actividades, informaciones,

recursos y organización; las calificaciones del personal, así

como las interrelaciones con los otros sectores de la organiza-

ción, la cultura organizativa, es decir, la estructura de instalacio-

nes completa.

Figura 9. Arquitectura de Gerencia de Instalaciones

RESULTADOS

Entre los resultados obtenidos podemos mencionar las

siguientes:

La integración de todas las informaciones del proceso de ins-

talaciones permitió adquirir una visión sistemática del sistema

de instalaciones, que ayudó en la identificación de problemas;

y la toma rápida de decisiones, a través de la obtención instan-

tánea de las informaciones administradas en el sistema, lo que

reduce los costos operacionales.

Con el resultado de la organización y integración de informa-

ción fue posible el control preciso de los activos de la empresa,

de manera que podemos saber el momento exacto en que un

determinado equipamiento debe ser sustituido, equilibrando

el costo de mantenimiento y el costo residual de la máquina.

Actualmente, todas las informaciones de instalaciones de la

fábrica son constantemente actualizadas, pues los buenos re-

sultados de los diversos proyectos dependen de la información

actualizada.


30



Para la implantación de nuevos proyectos, informaciones ge-

renciales importantes pudieron ser disponibilizadas en tiem-

po real, informaciones como área ocupada, aumento en el

consumo de energía, consumo de aire comprimido, recursos

para mantenimiento y limpieza, transporte y alimentación,

entre otros; la arquitectura auxilió en la toma de decisión re-

ferente a la posibilidad de ejecutar o no de ejecutar determi-

nado tipo de proyectos.

CONCLUSIONES

El trabajo ha presentado una investigación sobre el desarro-

llo de una arquitectura corporativa de objetos distribuidos

para el gerenciamiento integrado de instalaciones (CIFM), uti-

lizando como guía la jerarquía propuesta por la Comisión de

Dominio de Gerenciamiento de Instalaciones de América del

Norte y de IAI., con el objetivo de reducir la complejidad del

sistema a través de la abstracción y separación de requisitos

del proyecto. Al mismo tiempo, habilitar la interoperabilidad

entre los diferentes sistemas heterogéneos de gerencia de

instalaciones y, así, propiciar el cambio de informaciones en-

tre los diferentes dominios de las instalaciones. Estos pueden

estar localizados en los diferentes niveles del SAA (Sistemas

Abiertos de Automação) de la corporación.

Otra conclusión del trabajo de investigación está relaciona-

da con el proceso de negocios, pues a partir de los puntos

de vista del RM-ODP se pudieron producir informaciones

que facilitaron la elaboración de la arquitectura. El uso de los

puntos de vista del RM-ODP es una importante herramienta

para la especificación de arquitecturas y, como aliado a una

arquitectura corporativa del tipo SAA, facilita el proceso de

especificación, definición y control de los artefactos arquitec-

turales. En la metodología RM-ODP, los puntos de vista y el

modelo tornan esta tarea más simple y completa, permitien-

do la manipulación adecuada de los requisitos del sistema,

desde la fase de especificación y la posterior elaboración de

la arquitectura.

Con relación al sistema de gestión de instalaciones, este se

trata de un sistema distribuido y abierto que engloba mu-

chos aspectos que tornan difícil la definición de los requisitos.

La gestión integrada de instalaciones (CIFM) permite que to-

dos los subsistemas de instalaciones puedan ser mapeados y

analizados, posibilitando encontrar soluciones a los inheren-

tes problemas de gestión de instalaciones, como por ejemplo

la adaptación a nuevas tecnologías, innovación de procesos,

entre otros; por otro lado, fue posible optimizar el proceso

de instalaciones, pues tareas direccionadas para procesos o

servicios similares pudieron ser compartidos usando recursos

comunes.

REFERENCIAS

[1] ALExANDRE, K; ANDERSSON, C. (1994). Oral Communica-

tion. University of strathclyde, Centre for Facilities mana-

gement: Glasgow, Scotland.

[2] ANTONIOLI, P. (2003). "Estudo crítico sobre subsídios

conceituais para suporte do planejamento de sistemas

de gerenciamento de Instalacones em edificações pro-

dutivas". Dissertação (Mestrado). Escola Politécnica, USP.

São Paulo.

[3] BALABKO, P; WEGMANN, A. (2006). "Systemic classifica-

tion of concern-based design methods in the context

of enterprise architecture". Information Systems Frontiers

Kluwer Academic Publishers, pp. 115 - 131.

[4] BARRETT, P. (1995) Facilities Management: Towards Best

Practice. Blackwell Science Ltd, Oxford, Uk .

[5] BECERRA, J. (1998)."Aplicabilidade do padrão de proces-

samento distribuído e aberto nos projetos de sistemas de

automação". Dissertação (Doutorado). Escola Politécnica

da USP., São Paulo.

[6] EGYHAzY, C.; MUKHERJI, R. (2004)."Interoperability Archi-

tecture Using RM-ODP". Communications of the ACM, vol.

47, n.º 2, p 93-97.

[7] IAI (1999) “Specifications Development Guide, Industry

Foundation Classes”. International Alliance for Interopera-

bility, Release 2.0, (http://www.iai.org.uk).

[8] NAVy, J. (2006). Facility Management: Grundlagen, Com-

puterunterstützung, Einführungsstrategie, Praxisbeispiele.

Berlin, Heidelberg, New York: Springer Verlag.

[9] QUINELLO, R; NICOLETTI, J. (2006). Gestão de Instalacones.

São Paulo - Brasil: Novatec Editora.

[10] RM-ODP. (1996) Reference Model of Open Distributed

Processing. ISO/IEC 10746-1 | ITUT Rec. x.901.

[11] ROMERO, J; VALLECILLO, A.(2005). "Modeling the ODP

Computational Viewpoint with UML 2.0". Proceedings of

the 9th International Enterprise Distributed Object Com-

puting Confererence (EDOC'05). EEE Computer Society

Press, pp.169-180.


31



[12] YU, K.; FROESE,T.; GROBLER, F.(2000). “A development

framework for data models for computer-integrated

facilities management”. Automation in Construction, pp.

145-167.

[13] zACHAMAN, J. (1987) “A Framework for Information

Systems Architecture”. IBM Systems Journal.

ACERCA DE LOS AUTORES

Miguel Ángel Orellana Postigo. Ingeniero Mecánico Electri-

cista egresado de la Universidad de San Agustín, Arequipa-

Perú.

Especialista en Gestión de Mantenimiento, MBA en Gerencia

de Proyectos y Gestión de Personas. Maestría en Ingeniaría

Eléctrica - Escuela Politécnica de la Universidad de São Paulo,

Brasil. Actualmente, responsable del área de Infraestructura

de la empresa Philips del Brasil y catedrático en la Universi-

dad de Estado de Amazonas (UEA).

Jorge Luis Risco Becerra. Profesor, Doctor del Laboratorio

de Tecnología de Software (LTS) del Departamento de Inge-

niería de Computación Y Sistemas Digitales de la Escuela Po-

litécnica de la Universidad de São Paulo.

Actualmente realiza investigaciones sobre métodos de defi-

nición de arquitecturas de software, arquitecturas corporati-

vas y arquitecturas de procesos (fábrica de Software).

Es consultor en la área de ingeniaría de software, sistemas de

información, cualidad de software y automatización.

Original recibido: 26 de abril de 2011

Aceptado para publicación: 4 de mayo de 2011



33


Jaime A. Spim, Universidade Federal do Rio Grande do Sul-UFRGS, BrasilCarlos Alexandre dos Santos, Pontificia Universidade Católica do Rio Grande do Sul-PUCRS-Brasil

César Nunura, Tecsup

Representación en Diferencias Finitas de la Transferencia de Calor en la Templabilidad del Acero

SAE 1045

Finite Difference Representation of Transfer Heat in the Hardenability of Steel SAE 1045

Resumen

El presente trabajo aborda el análisis térmico vía simulación

numérica del Ensayo Jominy, que es usado para evaluar la

templabilidad de los aceros y que, en este caso, se utilizó

para analizar el SAE 1045. Para tal efecto, fue desarrollado

un software, utilizando la solución de la ecuación diferencial

parcial de transferencia de calor, bajo el método numérico de

diferencias finitas en la forma explícita; además de llevar en

cuenta las propiedades termofísicas del material. De esta for-

ma, fue posible hacer la simulación en tiempo real del ensayo

(600 segundos), obteniéndose el perfil térmico, a partir de la

extremidad enfriada.

Este perfil térmico expresado en curvas de enfriamiento fue-

ron comparadas con un Ensayo Jominy real, y confrontadas

con el Diagrama CCT (Continuous – Cooling – Transforma-

tion) del acero SAE 1045, lo que demostró gran aproxima-

ción en lo que se refiere a la formación microestructural de

martensita, bainita, perlita y ferrita, como producto del enfria-

miento después del ensayo.

Abstract

This paper deals with the thermal analysis by numerical simu-

lation of Jominy end-quench, which is used to evaluate the

hardenability of steels and this case was analyzed the steel

SAE 1045. For this purpose, a software was developed, using

the solution of the partial differential equation of heat trans-

fer through the explicitly finite differences numerical method,

apart from taking into account in addition to carrying the

thermophysical properties of the material. Thus, it was possible

to make real-time simulation of the test (600 seconds) to obtain

the thermal profile, from the chilled tip.

This thermal profile expressed in cooling curves were compa-

red with a real Jominy end-quench, and confronted with the

CCT Diagram (Continuous – Cooling – Transformation) of SAE

1045 steel, which showed great approach in regards of micros-

tructure formation of martensite, bainita, perlite and ferrite, as a

result of cooling after the test.

Palabras clave

Modelo matemático, diferencias finitas, transferencia de calor,

ensayo jominy, curvas de enfriamiento, simulación.

Key words

Mathematical model, Finite Differences, Heat Transfer, Jominy

end-quench, Cooling Curve, Simulation.

INTRODUCCIÓN

En algunas situaciones, el levantamiento del perfil térmico

puede tornarse poco accesible, por ejemplo, en el temple de

los aceros. Esta carencia tal vez se deba a la falta de interfaces

de adquisición de datos de alta performance, fabricación de

termocuplas especiales, uso de pirometría óptica, entre otros.

De allí que surgió el desarrollo de modelos numéricos utilizan-

do aplicativos computacionales y software que nos permitan

aproximar el comportamiento del perfil térmico y de los me-

04_Representacion en diferencias_nunura.indd 33 7/4/11 9:18 PM

34


SpIm, Jaime; doS SAntoS, Carlos Alexandre; nunurA, César. “representación en diferencias Finitas de la transferencia de Calor en la templabilidad del Acero SAE 1045”

canismos de transferencia de calor que ocurren durante el

tratamiento térmico de los aceros.

De esta forma, haciendo uso del modelamiento de una ecua-

ción diferencial parcial de transferencia de calor, se analiza y

estudia este fenómeno a través del ensayo de templabilidad

de los aceros denominado Ensayo Jominy. Tal método, que

obedece a la norma ASTM A 255, trata del calentamiento de

una barra cilíndrica padronizada del material en cuestión

(25,4 mm de diámetro y 100 mm de longitud) hasta la tem-

peratura de austenitización y, en seguida, es enfriada en una

de sus extremidades a través de un chorro de agua con tem-

peratura y velocidad controladas con el propósito de inducir

la formación de la estructura martensítica a partir de la extre-

midad enfriada [1]. La Figura 1 esquematiza este ensayo de

una forma breve.

Figura 1. Dispositivo de Ensayo

Jominy. (Adaptado de ChiAvErini,

2005)[2].

El objetivo de este modelamiento numérico es la obtención

de las curvas de enfriamiento, a partir de la extremidad de

la probeta sin el uso de termocuplas. Una vez obtenido este

perfil térmico de enfriamiento, será confrontado con un en-

sayo real y con la posible formación de martensita, bainita,

perlita y ferrita según el Diagrama CCT (Continuous – Coolin

– Transformation) del acero SAE 1045.

FUNDAMENTOS

ZEHTAB et. al. (2008) [3] simularon las curvas de enfriamien-

to durante el Ensayo Jominy para aceros del tipo SAE 4130,

utilizando un modelo matemático de transferencia de calor.

Debido a las condiciones de contorno simétricas del cuerpo

de prueba (geometría cilíndrica), asumieron un modelo bidi-

mensional con una geometría plana (placa), y condiciones de

contorno convectivas y radioactivas.

Fueron consideradas durante el análisis térmico las propieda-

des termofísicas del acero en cuestión, tales como: conduc-

tividad térmica, densidad y emisividad. Llevando en cuenta

las transformaciones de fase en el estado sólido a lo largo de

la probeta Jominy, también fueron utilizadas las variaciones

de entalpia para las transformaciones que ocurren con y sin

difusión atómica:

(1)

(2)

(3)

Estas ecuaciones indican la variación de entalpia durante la

transformación de la austenita para perlita, ferrita y martensi-

ta, respectivamente. Es adoptada como condición inicial (C.I.)

la temperatura de austenitización del cuerpo de prueba a 870

°C. Como condiciones de contorno (C.C.), o el chorro de agua

aplicado en la extremidad es considerado como transferencia

de calor por convección y la lateral de la probeta como trans-

ferencia de calor por radiación. El tiempo de enfriamiento fue

estipulado en 600 según la norma ASTM A 255-07 [1]. Durante

el enfriamiento, es considerado el coeficiente de película entre

el agua y la superficie de contacto de la probeta. Se usa la si-

guiente expresión:

(4)

La Figura 2 muestra los resultados de la simulación

Figura 2. Curvas de enfriamiento simuladas durante el Ensayo Jominy de

un acero SAE 4130. (Adaptada de ZEhTAB et all, 2008).

HÖMBERG (1996) [4], considerando las transformaciones de la

austenita para perlita y martensita en un acero eutectoide de la

calidad SAE 1080, desarrolló un modelo para simular el Ensayo

Jominy adaptándolo a funciones que describen la evolución de

la mudanza de fases durante el enfriamiento, con el auxilio del

diagrama TTT del referido acero. Tal modelo se expresa cómo una

Función de Heaviside que se presenta de la siguiente manera:

(5)


35



Donde denota el tiempo de transformación de una fracción

de austenita en perlita y martensita.

Se considera también datos termofísicos como conductivi-

dad en función de los elementos presentes en la composi-

ción química tales como Si y Mn.

La liberación de calor latente en la transformación martensí-

tica y perlítica fue adoptada como:

; (6)

Consideraron también las temperaturas del agua durante el

ensayo y del ambiente en las laterales del cuerpo de prueba.

La Figura 3 muestra el resultado de la simulación.

Figura 3. Simulación numérica del enfriamiento durante el Ensayo Jo-

miny de un acero SAE 1080 con su respectivo Diagrama CCT. (Adaptado

de hÖMBErG, 1996).

HIGUERA et. all. (2007) [5] modelaron el Ensayo Jominy de un

acero AISI 4140H en una malla 3D, constituida de elementos

sólidos tetraédricos parabólicos (elementos de segundo or-

den), considerando, al igual que ZEHTAB [2008], convección

forzada en la extremidad enfriada y radiación libre en las la-

terales, conforme la Figura 4. En (a), el elemento tetraédrico

parabólico usado en la fabricación de la malla fueron 142 645

elementos) mostrado en (b). En (c) y (d), el estado térmico de

la probeta luego de 5 y 600 segundos de enfriamiento ,res-

pectivamente. En (e), las curvas de enfriamiento simuladas.

Es evidente que la cantidad de nodos en la malla afecta la

aproximación del resultado y el tiempo de simulación. Para

un mayor número de nodos, mejor es la aproximación. De-

bido a que el tipo de análisis engloba transferencia de calor,

cada nodo tiene un grado de libertad: la temperatura. En esta

simulación fueron utilizados 142 645 nodos en 85 809 ele-

mentos.

(a) (b) (c) (d)

(e)

Figura 4. Simulación del Ensayo Jominy para el acero SAE 4130 vía ele-

mentos finitos. (Adaptado de hiGUErA et al., 2007).

Para el presente trabajo, se utilizaron datos y fundamentos de

las investigaciones anteriormente citadas para desarrollar un

modelo numérico en diferencias finitas con el propósito de si-

mular las curvas de enfriamiento durante el Ensayo Jominy para

un acero de la calidad SAE 1045.

LE MASSON et. al. (2002) [6] estimaron el coeficiente de trans-

ferência de calor durante el contacto del agua en la superfície

del cuerpo de prueba y su influencia en las transformaciones

de fase a 1 mm de la extremidad enfriada (cambio de la auste-

nita para martensita). El valor estimado durante el ensayo es de

10000 a 15000W • m-2K-1.

METODOLOGÍA

A. Método de diferencias finitas

Este método aproxima una ecuación diferencial parcial de con-

ducción de calor por un conjunto de ecuaciones algébricas

en la temperatura para un cierto número de pontos nodales

distribuidos en una determinada dimensión. A través de este

método es posible obtener curvas de enfriamiento en puntos

de interés, a lo largo de la probeta, durante la simulación del

ensayo para su posterior correlación con la microestructura for-

mada y dureza.


36



La transferencia de calor a lo largo de la probeta puede ser

modelada unidimensionalmente [10] por la siguiente ecua-

ción diferencial parcial:

(7)

Donde ρ, c, k son respectivamente la densidad [kg/m3], el ca-

lor específico [J/kg.K] y la conductividad térmica [W/m.K] del

material. T es la temperatura, t es el tiempo [s] y x es la distan-

cia a lo largo de la probeta en metros. El término q es el flujo

de calor que es incorporado para llevar en consideración la

transformación por la liberación de calor latente, y es dado

por:

(8)

Donde L es el calor latente de transformación [J/kg] y fs es

la fracción da cada transformación de fase. Cuando el trata-

miento no engloba transformación de fase, la ecuación ge-

neral es similar a la ecuación 7, el término no es llevado en

cuenta.

La ecuación 8 puede ser relacionada con la temperatura de la

siguiente forma:

(9)

Substituyendo la ecuación 8 y 9 en la ecuación 7, tenemos:

(10)

El término en la ecuación 10 puede ser considera-

do como un seudo calor específico (c´) y esta ecuación puede

ser escrita como:

(11)

Expresando en diferencias finitas la ecuación 11, tenemos:

(12)

Donde los índices representan el tiempo y los sub-índices

indican la localización de los nudos en la malla espacial con-

forme la Figura 4. Multiplicando la ecuación 12 por ( ):

(13)

Donde AT = [m2], z e y son las distancias respectivas a

lo largo de las dimensiones z e y.

La Figura 5 ilustra la malla utilizada en términos de diferencias

finitas

Figura 5. Malla que aplica el método de diferencias finitas. (Adaptado de

KArLinSKi, 2007) [12].

B. Condiciones iniciales y de contorno

La transferencia de calor durante el ensayo, en el modelo pro-

puesto, se considera que ocurre de forma unidirecional, es de-

cir, a lo largo de la longitud de la probeta. En tal sentido, son

considerados los mecanismos de transferencia de calor por

convección forzada en la extremidad enfriada y transferencia

por conducción en el interior del material. El coeficiente de

transferencia de calor por convección h (coeficiente de pelícu-

la) será considerado constante. Las pérdidas de calor por radia-

ción en las laterales serán desconsideradas. La Figura 6 esque-

matiza las condiciones iniciales y de contorno juntamente con

los mecanismos de transferencia de calor considerados en el

modelamiento del ensayo.

Figura 6. Mecanismos de transferencia de calor

considerados durante el ensayo. (Adaptado de

nUnUrA, 2009) [11].


37



Donde:

Coeficiente de Transferencia de Calor por Convección.

Velocidad del chorro de agua

Temperatura del chorro de agua

Temperatura inicial de la probeta

Condutividad térmica del acero en la temperatura de

austenitización

Densidad del acero

Calor específico

Difusividad térmica del acero.

C. Analogía entre sistemas térmicos y circuitos

eléctricos

Estableciendo una correlación entre sistemas térmicos y cir-

cuitos eléctricos, se tiene que:

Flujo de calor (q) es análogo con la intensidad de corriente (i).

Variación de temperatura (∆T) es análoga con la variación de

tensión (∆v).

Resistencia térmica (rT) es análoga con la resistencia eléctri-

ca (re).

La energia acomulada en un elemento de volumen i es dada

por:

(14)

Donde V es el volumen del elemento finito [m³], y CTi es una

capacitancia térmica [J/kg].

La resistencia térmica en la línea x del flujo de calor puede

ser calculada para cada elemento, conforme ilustrado en la

Figura 7, teniendo en cuenta que . Luego, ten-

dremos que:

(15)

(16)

(17)

Introduciendo las ecuaciones 14, 15, 16 y 17 en la ecuación 13,

tendremos que:

(18)

(19)

La Figura 7 ilustra esta analogía de la siguiente forma:

Figura 7. Analogía de la malla con un circuito eléctrico (Adaptado de

KArLinSKi, 2007) [12].

Despejando la temperatura tenemos:

(20)

La ecuación 20 presenta la solución por el método de diferen-

cias finitas en la forma explícita. La versión tridimensional de

esta solución fue aplicada en geometrías complejas [7] y la ver-

sión bidimensional fue aplicada en el modelamiento de colada

continua de aceros. [8] [9].

D. Utilización de un aplicativo computacional para la

simulación de las curvas de enfriamiento del Ensayo

Jominy

Fue desarrollado a partir de las ecuaciones modeladas por el

método de diferencias finitas, un software capaz de simular


38



las curvas de enfriamiento durante el Ensayo Jominy para su

futura comparación con las curvas obtenidas experimental-

mente. La transferencia de calor durante una simulación de

tal aplicativo se considera que ocurre unidirecionalmente, es

decir, a lo largo de la longitud del cuerpo de prueba. En tal

sentido, son considerados los mecanismos de transferencia

de calor por convección forzada en la extremidad enfriada

y transferencia por conducción en el interior del material. El

coeficiente de transferencia de calor por convección h es con-

siderado constante. La transferencia de calor por radiación en

las laterales será desconsiderada, tal como fue analizado en

la Figura 6.

La Figura 8 muestra la interfaz gráfica generada por el soft-

ware, donde serán ingresados los datos del acero SAE 1045,

tales como: composición química para el cálculo de las tem-

peraturas Ac1 e Ac3. También son incluidas las propiedades

termofísicas.

Figura 8. Cuadro de entrada de datos termofísicos y composición quími-

ca del acero SAE 1045.

Una vez registrado el material, se procede a la simulación de

las curvas de enfriamiento. Para esto, es necesario ingresar

las temperaturas de austenitización: 850 °C, la temperatura

de enfriamiento: temperatura del agua a 25 °C, el tiempo de

simulación: 600 segundos según la norma ASTM 205, el coefi-

ciente de transferencia de calor por convección: y las posicio-

nes de análisis a partir de la extremidad enfriada. En tal senti-

do, cada punto de análisis, a 1,6 mm de separación entre cada

medida, según la norma de ensayo (1/16”). Las Figuras 9 y 10

muestran un ejemplo de simulación para el acero SAE 1045.

Figura 9 - Cuadro de Simulación

Figura 10. visualización de las curvas simuladas

RESULTADOS

Los datos de la simulación fueron transferidos para un asisten-

te de gráficos y de esta forma representar las curvas de enfria-

miento simuladas del Ensayo Jominy, conforme es mostrado en

la Figura 11(a). En la Figura 11(b) se muestran las curvas de en-

friamiento obtenidas de un análisis térmico con adquisición de

datos vía termocuplas en un Ensayo Jominy real para un acero

SAE 1045. Se observa una buena aproximación entre las curvas

simuladas y las curvas experimentales.

(a)


39



(b)

Figura 11. Curvas de enfriamiento del Ensayo Jominy para un acero SAE

1045 austenitizado a 850 °C. En (a), curvas modeladas vía diferencias

finitas. En (b), curvas experimentales.

En la Figura 12(a), las curvas de enfriamiento simuladas, fue-

ron superpuestas en un Diagrama CCT (Continuous Cooling

Transformation) para estimar las posibles microestructu-

ras formadas durante el enfriamiento. En la Figura 13(b), se

muestran las curvas de enfriamiento experimentales con

el respectivo Diagrama CCT. Se observa gran aproximación

en la formación de microestructuras, tanto en la simulación

como en el ensayo real. Cabe destacar que en los Diagramas

CCT, las microestructuras están representadas de la siguiente

forma:

A: Austenita (Donde empieza el enfriamiento)

F: Ferrita

P: Perlita

B: Bainita

M: Martensita

Ms: Inicio de Trasformación Martensítica.

(a)

(b)

Figura 12. Curvas de enfriamiento en escala logarítmica de tiempo,

superpuestas en un Diagrama CCT. En (a), curvas simuladas. En (b), curvas

experimentales.

Las Tablas I y II muestran las fases y microconstituyentes forma-

dos en función de la extremidad enfriada de la probeta Jominy.

Por último, la Figura 14 muestra las microestructuras formadas

durante el ensayo a partir de la extremidad enfriada de una pro-

beta SAE 1045. Cada micrografía tiene una separación de 1,59

mm.

Tabla 1

Microestructuras Formadas durante el enfriamiento

vía simulación

Distancia de la extremidad enfriada

Posible microestructura formada

TP1 - 1,59 Martensita

TP2 - 3,18

Poca cantidad de ferrita y

perlita con mayor cantidad

de bainita y martensita

TP3 - 4,76




TP4 - 6,35 Ferrita, perlita, bainita

TP5 - 9,53 Ferrita y perlita



40



Tabla 2

Microestructuras formadas durante el enfriamiento

experimental

Distancia de la extremi-dad enfriada

Posible microestructura formada

TP1 -1,59 Martensita

TP2 - 3,18 Bainita y martensita

TP3 - 4,76




TP4 - 6,35Ferrita, perlita, bainita y poca

martensita



Figura 14. Microestructuras obtenidas a partir de la extremidad en-

friada. Las Tablas 1 y 2 identifican la formación de Martensita, Bainita,

Perlita y Ferrita en función de la ubicación de las termocuplas.

reactivo: nital 3%

CONCLUSIONES

Un modelo de templabilidad de aceros ha sido desarrollado

para predecir la distribución de la microestructura y propie-

dades mecánicas en el Ensayo Jominy.

Las simulaciones numéricas producen resultados cualitativos

para el monitoreo de la microestructura formada.

La evolución microestructural en el SAE 1045 en la simulación,

puede ser fácilmente acompañada por ensayos de dureza en

probetas de ensayos Jominy reales y con el auxilio de micros-

copía óptica.

Este modelo puede tomarse como una alternativa en el mo-

nitoreo de temple de aceros al carbono, en la ausencia de ins-

trumentos de pirometría y software de adquisición de curvas

térmicas.

REFERENCIAS

Libros:

[1] ASTM A 255 – 07. Standard Test Methods for Determining

hardenability of Steel, ASTM, PA. United States, 2007.

[2] CHIAVERINI V. (2005). Aços e Ferros Fundidos. São Paulo. As-

sociação Brasileira de Metalurgia e Materiais ABM.

Artículos de Revista:

[3] ZEHTAB, A., SAJJADI, S., ZEBARJAD, S., NEZHAD, S. (2008)

“Prediction of hardness at different points of Jominy

specimen using quench factor analysis method”. “Journal

of Materials Processing Technology“. Volume 99, pp. 124 –

129.

[4] HOMBERG, D. (1996) “Numerical Simulation of the Jominy

End-Quench Test”. Acta Material. Volume 44, pp. 4375 –

4385.

[5] HIGUERA, O.; TRISTANCHO, J.; FLORES, L. (2007) “Simula-

ción Térmica em Cosmosworks de um acero sometido a

um ensayo de templabilidad Jominy”. Scientia et Technica.

Volume 8, pp. 231 – 236.

[6] LE MASSON, P.; LOULOU, T.; ROGEON, P.; CARRON, D.; QUE-

MENER, J. ( 2002). “A numerical study for the estimation

of a convection heat transfer coefficient during a meta-

llurgical Jominy end-quench test”. international Journal of

Thermal Sciences. Vol 41, pp. 517 – 527.

[7] SPIM, J.A.; GARCIA, A.; (1997). “An Optimization of the Fini-

te Difference Method for Modeling Solidification of Com-

plex Shaped Domains”. Journal of the Brazilian Society of

Mechanical Sciences. v.XIX, n.º 3, pp. 392-409.


41



[8] SANTOS, C.A.; GARCIA, A.; FRICK, C.R.F.; SPIM, J.A. (2006)

“Evaluation of Heat Transfer Coefficients along the Se-

condary Cooling Zones in the Continuous Casting of

Steel Billets“. inverse Problems in Engineering. United

Kingdom, v.14, n.º 6, pp. 687-700.

[9] SANTOS, C. A. ; Spim, J.A.; Garcia, A. (2006). “Modeling

of Solidification in the Twin-Roll Strip Casting”. Journal

of Materials Processing Technology. Inglaterra, v.102, pp.

33-39.

Tesis de Post Graduación:

[10] SPIM, J. A.; (1996) ”Aplicação da Modelagem Matemá-

tica na Definição Integral da Solidificação para Projeto

ou Reprogramação de Sistema de Fundição”. Tésis de

Doctorado, UNICAMP/FEM/DEMA.

[11] NUNURA, C. R. (2009) “Correlação Numérico-Experimen-

tal da Microestrutura, Taxa de Resfriamento e Caracte-

rísticas Mecânicas do Aço SAE 1045”. Tésis de Maestria,

UFRGS/PPGEM/DEMET.

[12] KARLINSKI V, B. (2007) “Análise da Transferência de Calor

durante a Solidificação de Aços em Moldes no Lingo-

tamento Contínuo”. Tésis de Maestria, UFRGS/PPGEM/

DEMET.


Jaime A. Spim. Graduado en Ingeniería de Materiales por la

Universidad Federal de São Carlos - UFSCar - Brasil, gradua-

do en Ingeniería Eléctrica por la Universidad de São Paulo -

EESC/USP. Es Máster y Doctor en Ingeniería Mecánica en la

Universidade Estadual de Campinas - UNICAMP (1993). Posee

tres pos-Doctorados: uno por la UFSCar y dos por el Instituto

de Pesquisas Tecnológicas do Estado de São Paulo – Brasil.

Actualmente es profesor asociado de la Universidade Federal

do Rio Grande do Sul – UFRGS - Brasil. Tiene experiencia en

Ingeniería de Materiales y Metalurgia, con énfasis en fundi-

ción, modelamiento numérico, colada continua, super-aleacio-

nes y tratamientos térmicos.

Carlos A. dos Santos. Graduado en Ingeniería Mecánica en

la Escuela de Ingeniería de Piracicaba – EEP – Brasil. Es Máster,

Doctor y posee dos pos-Doctorados en Ingeniería Mecánica por

la Universidade Estadual de Campinas – UNICAMP – Brasil. Ac-

tualmente es profesor en la Pontificia Universidade Católica do

Rio Grande do Sul - PUCRS, Facultad de Ingeniería y del Progra-

ma de pos-Graduación en Ingeniería y Tecnología de Materiales

- PGETEMA. Con experiencia en Metalurgia y Materiales, actúa

principalmente en: solidificación de metales, colada continua

de aceros, modelamiento matemático en solidificación, trans-

ferencia de calor, materiales metálicos y poliméricos, transfor-

mación de fases, secuestro de CO2, y producción de Biodiesel.

César Nunura. Graduado en ingeniería mecánica por la Ponti-

ficia Universidad Católica do Rio Grande do Sul del Brasil (PU-

CRS), y en dicho país recibió el Título de Máster en Ingeniería

de Minas, Metalurgia y Materiales por la Universidad Federal

do Rio Grande do Sul (UFRGS). Su experiencia profesional in-

cluye trabajos de Investigación en el Centro de Tecnología de

la UFRGS y en el Grupo de Investigación denominado Núcleo

de Materiales Metálicos – NUCLEMAT de la PUCRS. En el ámbito

de la industria ejerció el oficio de ingeniero como metalurgista.

Actualmente es profesor del departamento de Maquinaria de

Planta de TECSUP – Lima.

AGRADECIMIENTOS

Los autores agradecen al Conselho Nacional de Desenvolvi-

mento Científico e Tecnológico CNPq del Brasil. Agradecimien-

to especial al Ing. Mg. Javier Ganoza, Jefe del Departamento de

Maquinaria de Planta de TECSUP por el incentivo constante a

la investigación aplicada. Un reconocimiento especial para Ro-

lando y Manuela Nunura y a Janeth Huamán por la constante

motivación.


Aceptado para publicicación: 3 de mayo de 2011



43


José Lazarte, Tecsup

Uso de Imágenes Termográficas en la Detección de Daños en Semiconductores

Use of Thermographic Images for the Detection of Damage in Semiconductors

Resumen

En este artículo se evidencia la relación entre la temperatura

de trabajo y la corriente, como herramienta que posibilita la

efectividad del uso de imágenes Termográficas en el procedi-

miento de inspección de sistemas electrónicos de potencia.

Se comprueba mediante los datos técnicos que da el fabri-

cante, cálculos teóricos de parámetros eléctricos y medicio-

nes realizadas en el sistema bajo prueba.

Abstract

This article demonstrates the relationship between work

temperature and current as a tool that enables the effective

use of thermal imaging in the inspection procedure by chec-

king power electronic systems using technical data given by

the manufacturer, theoretical calculations of electrical para-

meters and measurements in the system under test.

Palabras Clave

Termografía, semiconductor, detección de fallas

Key Words

Thermography, semiconductor, failure detection

INTRODUCCIÓN

Antes del año 1800, la existencia de la región infrarroja del

espectro electromagnético no era muy conocida.

La importancia original del espectro infrarrojo como forma

de radiación calorífica es probablemente menos obvia hoy en

día que en la época de su descubrimiento, por parte de William

Herschel. [1]

Los temas de la radiación infrarroja y la técnica relacionada de

la termografía son nuevos para muchos de los que utilizarán

una cámara de infrarrojos.

El espectro electromagnético se divide arbitrariamente en di-

versas zonas con distintas longitudes de onda, llamadas ban-

das, que se distinguen por los métodos utilizados para producir

y detectar la radiación. No existen diferencias fundamentales

entre la radiación de las distintas bandas del espectro electro-

magnético. Todas ellas están regidas por las mismas leyes y las

únicas diferencias son las debidas a las diferencias en la longi-

tud de la onda.

Figura 1. El espectro electromagnético. 1: rayos X. 2: UV. 3: visible. 4: IR. 5:

microondas. 6: ondas de radio.

La termografía utiliza es la banda espectral del infrarrojo. En el

extremo de la longitud de onda corta, la frontera se encuentra

en el límite de la percepción visual, en el rojo profundo. En el ex-

tremo de la longitud de onda larga, se funde con las longitudes

de onda de radio de microondas, en el intervalo del milímetro.

05 Uso de imágenes Termográficas_lazarte.indd 43 7/4/11 9:19 PM

44


LAZARTE, José J. “Uso de Imágenes Termográficas en la Detección de Daños en Semiconductores”

Figura 2. Gustav Robert Kirchhoff

(1824–1887)

Aunque las longitudes de onda se expresan en micrómetros

(µm), a menudo se siguen utilizando otras unidades para me-

dir la longitud de onda de esta región del espectro, como el

nanómetro (nm) y el ángstrom (Å).

Un cuerpo negro se define como un objeto que absorbe toda

la radiación que incide sobre él con cualquier longitud de

onda. La aparente contradicción de llamar negro a un objeto

que emite radiación se explica mediante la Ley de Kirchhoff

(llamada así en honor a Gustav Robert Kirchhoff, 1824–1887),

que establece que un cuerpo capaz de absorber toda la ra-

diación en cualquier longitud de onda es igualmente capaz

de emitirla.

Max Planck (1858–1947) describió la distribución espectral

de la radiación de un cuerpo negro mediante la siguiente

fórmula:

(1)

Tabla 1. Descripción de constantes de la ecuación 1.

Wλb

Emitancia radiante espectral del cuerpo negro

con longitud de onda λ

c Velocidad de la luz=3X108m/s.

h Constante de Planck=6,6X10-34 J/s.

k Constante de Boltzmann=1,4X10-23 J/K.

T Temperatura absoluta (K) de un cuerpo negro

λ Longitud de onda (µm)

Figura 3. Emitancia radiante espec-

tral de un cuerpo negro, de acuerdo

con la Ley de Planck, en forma de

gráfico para varias temperaturas

absolutas. 1: emitancia radiante

espectral (W/cm2 × 103(µm)); 2:

longitud de onda (µm)

Al plasmarla en gráficos para diversas temperaturas, la fórmula

de Planck produce una familia de curvas. Siguiendo cualquier

curva concreta de Planck, la emitancia espectral es cero cuando

λ= 0; posteriormente aumenta rápidamente hasta un máximo

cuando la longitud de onda es λmax y, superado este punto, se

aproxima al cero de nuevo con longitudes de onda muy largas.

Cuanto más elevada es la temperatura, más corta es la longitud

de onda a la que se establece el punto máximo.

Al diferenciar la fórmula de Planck con respecto a λ, y hallando

el máximo, se obtiene lo siguiente:

(2)

Esta es la fórmula de Wien (en honor a Wilhelm Wien, 1864–

1928), que expresa matemáticamente la observación normal

de que los colores varían del rojo al naranja o amarillo, a medi-

da que aumenta la temperatura de un radiante térmico.

Figura 4. Curvas de Planck tra-

zadas sobre escalas marcadas

desde 100 K a 1 000 K. La línea

de puntos representa el lugar

de máxima emitancia radiante

para cada temperatura, según

lo descrito por la Ley de despla-

zamiento de Wien. 1: emitancia

radiante espectral (W/cm2

(µm); 2: longitud de onda (µm).

La longitud de onda del color es la misma que la longitud de

onda calculada para λmax. Una buena aproximación al valor de

λmax para una temperatura dada de un cuerpo negro se ob-

tiene aplicando la regla general 3 000/T µm. De este modo, una

estrella muy caliente como es Sirio (11 000 K), que emite una

luz blanca azulada, emite radiación con el pico de su emitancia

radiante espectral dentro del espectro ultravioleta invisible, a

una longitud de onda de 0,27 µm.

Al integrar la fórmula de Planck desde λ= 0 a λ= ∞, obtenemos

la emitancia radiante total (Wb) de un cuerpo negro:

(3)

La fórmula de Stefan-Boltzmann (en honor a Josef Stefan,

1835–1893, y Ludwig Boltzmann, 1844–1906), que establece

que la radiancia intrínseca de un cuerpo negro es proporcional

a la cuarta potencia de su temperatura absoluta. Gráficamente,

Wb representa el área por debajo de la curva de Planck para


45



una temperatura dada. Puede verse que la emitancia radiante

en el intervalo de λ= 0 a λmax es únicamente el 25% del total,

lo que representa aproximadamente la cantidad de radiación

del Sol que permanece dentro del espectro de luz visible.

Utilizando la fórmula de Stefan-Boltzmann para calcular la

potencia radiada por el cuerpo humano, a una temperatura

de 300 K y con un área de superficie externa de aproxima-

damente 2 m2, obtenemos 1 kW. Esta pérdida de energía no

podría sostenerse si no fuera por la absorción compensatoria

de radiación de las superficies circundantes, a temperaturas

ambiente que no varíen de forma muy drástica de la tempe-

ratura del cuerpo humano o, por supuesto, por la adición de

ropa.

Hoy en día, la termografía es una técnica muy consolidada

para la inspección de instalaciones eléctricas. Fue la primera

aplicación de la termografía, y sigue siendo la más importan-

te. Todo empezó hace más de cuarenta años, en 1964.

La termografía, junto con el análisis de vibraciones, ha sido

durante las últimas décadas el principal método de la indus-

tria para diagnosticar fallos, como parte de los programas de

mantenimiento preventivo. La gran ventaja de estos méto-

dos es que permiten inspeccionar las instalaciones cuando

están en funcionamiento; por lo que no es necesario inte-

rrumpir los procesos de producción en curso.

Una cámara de infrarrojos mide y toma imágenes de la ra-

diación infrarroja emitida por un objeto. El hecho de que la

radiación sea una función de la temperatura de la superficie

del objeto, permite a la cámara calcular y visualizar dicha

temperatura.

Sin embargo, la radiación medida por la cámara no sólo de-

pende de la temperatura del objeto, sino que además es una

función de la emisividad. También se origina radiación en el

entorno, la cual se refleja en el objeto. La radiación proceden-

te del objeto y la radiación reflejada se verán influidas tam-

bién por la absorción de la atmósfera.

Para medir la temperatura con precisión, es necesario com-

pensar los efectos de diversas fuentes de radiación distintas.

Este proceso lo realiza automáticamente la cámara. No obs-

tante, es necesario proporcionar los siguientes parámetros

del objeto a la cámara:

• La emisividad del objeto

• La temperatura aparente reflejada

• La distancia entre el objeto y la cámara

• La humedad relativa

• La temperatura de la atmósfera

Emisividad. El parámetro del objeto más importante que debe

ajustarse correctamente es la emisividad, que, en pocas pala-

bras, es una medida de la cantidad de radiación emitida por el

objeto en comparación con la de un cuerpo negro perfecto de

la misma temperatura.

Normalmente, los materiales del objeto, así como los tratamien-

tos superficiales, presentan una emisividad que oscila aproxi-

madamente entre 0,1 y 0,95.

Una superficie extremadamente pulida (un espejo) se sitúa por

debajo de 0,1, mientras que una superficie oxidada o pintada

presenta una mayor emisividad. La emisividad de la piel huma-

na está entre 0,97 y 0,98.

Temperatura aparente reflejada. Este parámetro se utiliza

para compensar la radiación reflejada en el objeto. Si la emi-

sividad es baja y la temperatura del objeto está relativamente

alejada de la reflejada, es importante establecer la temperatura

aparente reflejada y compensarla correctamente.

Distancia. Por distancia entendemos la que existe entre el ob-

jeto y la lente frontal de la cámara. Este parámetro se utiliza

para compensar los dos hechos siguientes:

• La radiación del objeto es absorbida por la atmósfera entre

el objeto y la cámara.

• La radiación de la propia atmósfera es detectada por la cá-

mara.

Humedad relativa. La cámara también puede compensar el

hecho de que el índice de transmisión depende en parte de la

humedad relativa de la atmósfera. Para ello, se establece el valor

correcto de humedad relativa. Generalmente, para distancias

cortas y humedad normal, la humedad relativa puede perma-

necer con el valor predeterminado del 50%.

Otros parámetros. Además, algunas cámaras y programas de

análisis (FLIR Systems, Por ejemplo) permiten compensar los

parámetros siguientes.

• Temperatura atmosférica

• Temperatura de la óptica externa

• Transmitancia de la óptica externa


46



La fórmula de medición. Como ya hemos mencionado, al

visualizar un objeto la cámara no sólo recibe radiación del

propio objeto. También recibe radiación del entorno, ya que

esta se refleja en la superficie del objeto. Ambas se ven ate-

nuadas en cierta medida por la atmósfera que se encuentra

en la ruta de medición. Debido a ello, se puede considerar

que de la propia atmósfera proviene una tercera radiación.

Esta descripción de la situación de medición, tal y como se

muestra en la imagen de la Figura 5, es bastante fiel de las

condiciones reales.

Los elementos omitidos podrían ser, por ejemplo, rayos de luz

solar distribuidos en la atmósfera o radiación perdida proce-

dentes de alguna intensa fuente de radiación situada fuera

del campo visual.

Las interferencias de este tipo son difíciles de cuantificar aun-

que, afortunadamente, en la mayor parte de los casos son lo

bastante pequeñas para que puedan omitirse.

Si aceptamos la descripción anterior, podemos utilizar la fi-

gura siguiente para extrapolar una fórmula que nos permita

calcular la temperatura del objeto a partir de los resultados

obtenidos con una cámara calibrada.

Figura 5. Representación esquemática de las situaciones comunes de

medición termográfica.1: Entorno; 2: Objeto; 3: Atmósfera; 4: Cámara.

Si la fuente es un cuerpo gris con una emitancia ε, la radiación

recibida sería ε.Wsource.

Ahora estamos listos para escribir los tres términos de poten-

cia de radiación definidos:

1) Emisión del objeto = ε.τ. Wobj, donde ε es la emitancia

del objeto y τ es la transmitancia de la atmósfera. La tem-

peratura del objeto es Tobj.

2) Emisión reflejada desde fuentes del entorno = (1 -

ε).τ.Wrefl, donde (1 - ε).es la reflectancia del objeto. La

temperatura de las fuentes del entorno es Trefl. Hemos

asumido que la temperatura Trefl es la misma para todas

las superficies emisoras dentro de una semiesfera vista

desde un punto de la superficie del objeto. Se ha asumido

también emitancia del entorno = 1. Esto es correcto según

la Ley de Kirchhoff (aún así, hay que tener en cuenta que la

última afirmación requiere, para cumplirse, que se conside-

re una esfera completa alrededor del objeto.)

3) Emisión desde la atmósfera = (1 - τ).τ.Watm, donde (1 - τ)

es la emitancia de la atmósfera. La temperatura de la at-

mósfera es Tatm.

La potencia total de la radiación se puede expresar como:

(4)

Si usamos la relación:

(5)

Podemos deducir la ecuación:

(6)

Tabla 2. Descripción de constantes de la ecuación 6.

Uobj

Voltaje de salida de la cámara, calculado para un

cuerpo negro de temperatura Tobj. Es decir, un

voltaje que pueda convertirse directamente en la

temperatura de objeto solicitada en realidad.

Utot

Voltaje de salida de la cámara en el caso real.

Ureft

Voltaje de salida teórico de la cámara para un

cuerpo negro de temperatura Trefl, según la cali-

bración.

Uatm

Voltaje de salida teórico de la cámara para un

cuerpo negro de temperatura Tatm, según la ca-

libración.

Al resolver la ecuación 6 para obtener Uobj

, obtenemos:

(7)

Se trata de la fórmula de medición general utilizada en los equi-

pos de termografía.

El usuario debe proporcionar algunos valores de parámetros

para los cálculos:

• La emitancia del objeto ε

• La humedad relativa

• Tatm


47



• La distancia al objeto (Dobj)

• La temperatura (real) del entorno del objeto, o bien la

temperatura ambiente reflejada Trefl

• La temperatura de la atmósfera Tatm

Esta tarea puede suponer, en ocasiones, una pesada respon-

sabilidad para el usuario, dado que normalmente no hay

maneras fáciles de obtener valores fiables de emitancia del

objeto o transmitancia atmosférica para cada caso. Las dos

temperaturas suelen ser un problema menor, siempre y

cuando en el entorno no se encuentre ninguna fuente de ra-

diación grande e intensa.

I. INFLUENCIA DE LA TEMPERATURA EN LOS SEMICONDUCTORES

Debido al tamaño relativamente reducido de los semicon-

ductores, en comparación con la potencia que manejan,

en general no son capaces de disipar toda la potencia que

producen sin calentarse excesivamente, con el consiguiente

riesgo de destrucción. Por este motivo es necesario acompa-

ñarlos de algún elemento que facilite la eliminación de esa

potencia. Tal es la función del disipador (heat sink).

Los fabricantes especifican las características térmicas de

sus dispositivos (transistores, diodos, circuitos integrados), a

través de diversos parámetros y gráficas. A continuación se

describirán los más frecuentemente encontrados.

a) Potencia máxima Pmáx a una determinada tempe-

ratura ambiente Ta. Este dato se especifica en general

para transistores de baja potencia que van a utilizarse sin

disipador.

b) Curva de depreciación (derating) sin disipador, en

función de la temperatura ambiente Ta (Fig 6). Tam-

bién es un dato típico para transistores de baja poten-

cia. Esta curva tiene dos zonas. Para Ta > T1 responde a la

ecuación.

(8)

Es decir, representa la potencia que hace que la temperatura

de juntura sea la máxima.

Para Ta < T1 la potencia queda limitada por la máxima poten-

cia que puede disipar el dispositivo. En lugar de esta curva se

suele dar su pendiente, que no es otra cosa que −1/RT ja . En

general se la expresa en mW/ ºC.

Figura 6. Curva de depreciación de la potencia máxima en función de la

temperatura ambiente.

c) Temperatura máxima de juntura Tj máx. Superado este

valor no es posible garantizar que el dispositivo funcione

correctamente, pudiendo inclusive llegar a deteriorarse o

aún a destruirse. También se especifica la máxima tempera-

tura de almacenamiento del dispositivo. Esta temperatura

no necesariamente permite un funcionamiento adecuado,

pero si no se supera, el dispositivo no se deteriora. De todas

maneras, la prolongada exposición a altas temperaturas

reduce la vida útil y acelera las derivas por envejecimien-

to aunque no llegue a producirse la franca destrucción del

elemento.

d) Potencia máxima Pmáx a una determinada temperatu-

ra de cápsula Tc. Este dato se brinda para dispositivos de

potencia. En algunos casos se especifica el punto de la cáp-

sula en el cual se mide la temperatura. La Pmáx es útil cuan-

do se trabaja con disipador, como se verá más adelante.

e) Curva de depreciación (derating) en función de la tem-

peratura de cápsula Tc (Figura 7). Es similar a (b) y también

es un dato propio de dispositivos de cierta potencia.

Figura 7.Curva de depreciación de la potencia máxima en función de la

temperatura de cápsula.


48



Tiene dos zonas. Para T > T1 obedece a la ecuación

(9)

Y representa la potencia que hace que la juntura esté a Tj

máx. Para T < T1 la potencia está limitada por la potencia

máxima del dispositivo, por las razones expuestas en (b).

También se suele reemplazar por su pendiente, que es

−1/RT jc.

f ) Curva de depreciación (derating) en función de Ta para

varios disipadores (caracterizados por su resistencia tér-

mica disipador-ambiente RTda

. Es análoga a (b), solo que

teniendo en cuenta el agregado de disipador. La (b) pue-

de estar trazada en el mismo gráfico. Los casos extremos

son el disipador infinito (Rt da = 0) y la falta de disipador

(RT da = ∞) El primer caso coincide con (e) pues si Rtda = 0

entonces Tc = Ta. El segundo caso coincide con el (b) pues

si no hay disipador sólo queda RTca

. Referencia de la Fig.

12.

Figura 8. Curva de depreciación de la potencia máxima

en función de la temperatura ambiente para varios disipadores.

g) Resistencia térmica entre la juntura y la cápsula RTjc.

Este dato se da como cota máxima dentro del intervalo

térmico de funcionamiento del dispositivo. Su valor de-

pende del tipo de encapsulado y del elemento, es decir

que, para un mismo formato de cápsula, puede haber

variantes en RTjc. El mecanismo principal de propagación

del calor asociado a RTjc es el de conducción.

h) Resistencia térmica entre la juntura y el ambiente

RTja

. También este valor se da como cota máxima. Su va-

lor depende solo del tipo de encapsulado (que compren-

de forma, tamaño, color y acabado superficial). Obedece

a los mecanismos de radiación y convección.

i) Curvas de Tjmáx

para trenes de pulso. Si se somete al dis-

positivo a una potencia pulsante con duración de cada pul-

so t0 y con ciclo de trabajo D, entonces:

(10)

Donde P es el pico de potencia y τ es la constante de tiem-

po térmica. Si se normaliza según el coeficiente de máxima

potencia:

(11)

Puede obtenerse una familia de curvas con parámetro D que

proporcionan K en función de t0. Para pulsos cortos muy espa-

ciados (D << 1), aun con una potencia elevada a la temperatura

máxima de juntura, dada por (10), se mantiene muy por debajo

del valor para D = 1 (potencia aplicada en forma continua). Con

estas curvas se puede analizar el comportamiento térmico del

dispositivo ante potencias pulsantes. La constante de tiempo

térmico τ varía entre algunos milisegundos y algunas decenas

de milisegundos, según el dispositivo y su encapsulado.

II. EQUIPO TERMGRÁFICO A USAR PARA EL ESTUDIO

Se realizaran las mediciones usando una cámara termográfica

modelo Flir i5, la cual presenta entre sus características un ran-

go de espectral de detección de 7,5 a 13 µm y una resolución

de infra rojos de 80x80 píxels. [1] A continuación se muestra

una imagen del equipo, Figura 9.

Figura 9. Flir i5 (a) vista de frontal, (b) vista posterior.

III. DISPOSITIVO BAJO ESTUDIO

Las mediciones se realizarán en un diodo rectificador de códi-

go 1N5406 del Fairchild Semiconductor [3]. El diodo será usa-


49



do en un circuito rectificador afectado de una señal alterna,

debido al cual se generarán señales de corriente por pulsos

a través del dispositivo, el incremento de la corriente que cir-

cula por el diodo se controlara mediante diferentes valores

de resistencia de carga, lo cual traerá por consecuencia el in-

cremento de la temperatura en la juntura del diodo, debido a

que este no esta montado sobre ningún tipo de disipador. Su

temperatura solo se podrá radiar mediante el tipo de empa-

que con el que fue fabricado.

Figura 10. Diodo rectificador

montado sobre la tarjeta en la que

realizaran las pruebas de medición.

IV. CIRCUITO USADO Y DESCRIPCIÓN DE COMPORTAMIENTO

A continuación se muestra el circuito usado y una Tabla que

muestra el cálculo teórico de voltajes y corrientes en el circui-

to, considerando una fuente de voltaje alterno de 31 Voltios

eficaces, a una frecuencia de 60 Hz [3].

Figura 11.

Circuito rectifi-

cador de media

onda.

En la Tabla mostrada se han calculado los parámetros de co-

rriente del diodo y voltaje en la carga.

Tabla 3. Valores calculados para diferentes valores de corriente se

muestran en la Tabla siguiente.

V1 en

V(RMS)

Vm

V(Av)

Im

A(Av)IF(RMS) IFM

R1

(Ohms)

31 13.95 0.01 0.02 0.04 1000

31 13.95 0.06 0.10 0.20 220

31 13.95 0.14 0.22 0.44 100

31 13.95 0.22 0.34 0.68 64

31 13.95 0.28 0.44 0.88 50

31 13.95 0.38 0.59 1.18 37

31 13.95 0.93 1.46 2.92 15

31 13.95 1.05 1.65 3.29 13.3

31 13.95 1.40 2.19 4.38 10

31 13.95 1.86 2.92 5.84 7.5

31 13.95 3.03 4.76 9.52 4.6

31 13.95 4.23 6.64 13.27 3.3

V. MEDICIONES ELECTRICAS REALI-ZADAS DE TEMPERATURA

A continuación se procedió a realizar la medición del los valores

de corriente para cada valor de R1 en la Tabla 4, y la toma de

medición de la imagen termográfica, obteniendo las tempera-

turas de en el diodo para cada caso.

Tabla 4. Valores medidos de corriente media y temperatura.

T (°C) Im mA(Av) R1 (Ohms)

28 13.00 1000

28,9 60.00 220

30,5 160.00 100

32,5 200.00 64

34,9 290.00 50

37,3 370.00 37

50,1 700.00 15

54,9 900.00 13,3

63 1050.00 10

72,8 1300.00 7,5

87,2 1800.00 4,6

101 3300.00 3,3

A continuación se muestran las imágenes termográficas obte-

nidas en cada medición.


50



Figura 12. (a),(b),(c),(d),(e),(f),(g),(h),(i),(j),(k),(l),

imágenes termográficas de diodo.

En las imágenes mostradas en la Figura 16 se observa como

el diodo responde térmicamente al paso de la corriente, ade-

más de la importancia de una buena soldadura debido a que

estos puntos de conexiones también generan disipación de

calor.

Es importante mencionar que para cada medición se esperó

un tiempo prudencial para la estabilización de la temperatura

(entre 3 a 6 minutos), a una distancia de 13 cm. Entre el objeti-

vo y la lente de la cámara, y con un ángulo 48° de inclinación

entre la cámara y el objetivo. El valor de ε= 0,95, debido a que

el empaque del diodo es oscuro y no brillante [1].

Figura 13. Diagrama esquemático de la forma de medición

(no está a escala).

A continuación se presenta la curva de corriente versus tempe-

ratura ambiente que el fabricante muestra en la hoja de datos

del dispositivo [2].

Figura 14. Corriente media vs temperatura ambiente.

Se considera que en la superficie de la cubierta del dispositivo

su temperatura será próxima a la del ambiente.

VI. INTERPRETACIÓN DE LOS RESULTADOS

De los datos técnicos del dispositivo podemos identificar la

temperatura máxima de trabajo que, en este caso, es de aproxi-

madamente 55 °C, temperatura que debe servir de punto de

referencia en el uso de la herramientas termográficas. El fin es

poder evaluar si el dispositivo inspeccionados está siento tra-

bajado de manera adecuada o en forma estresada.

A continuación de presentan las gráficas de los valores teóricos,

medidos de las corrientes en el diodo, y de las mediciones de

temperatura, ambos en función de los valores resistivos usados

como cargas.

Figura 15. Corriente media vs resistencia de carga.


51



Figura 16. Temperatura vs resistencia de carga.

De las gráficas mostradas es evidente que la validez del lado

técnico del de temperatura máxima de operación dada por

el fabricante para el diodo se cumple, pues al usar una carga

entre 37Ω y 15Ω se sobrepasa esta temperatura. Y el diodo

ya no puede mantener su estabilidad térmica. El uso de la

termografía para la evaluación del funcionamiento del dis-

positivo es corroborado con las mediciones y con los datos

técnicos del dispositivo.

CONCLUSIONES

Del resultado obtenido en las mediciones eléctricas referidas

a la Figura 15, en la que se debió instalar un instrumento de

medición y corroborar mediante cálculos teóricos la valides

del rango de trabajo seguro del dispositivo, Tabla 4 y Figura

16, contrastado con el procedimiento de inspección directa

usando un método termográfico, se evidencia que este últi-

mo es igualmente efectivo y mucho menos invasivo, más se-

guro en su procedimiento y más rápido. Aunque no se evalúa

el hecho de que la transferencia de calor, desde el dispositivo

semiconductor hacia la cápsula que lo contiene, se desarro-

lla mediante un modelo matemático de transferencia, en un

caso práctico lleva mucho tiempo el realizar este cálculo y re-

quiere de datos precisos del dispositivo, información que por

lo general está referida en las condiciones de diseño que el

fabricante a considerado y que no está al alcance del usuario;

Por lo que en sistemas electrónicos de potencia su uso a de

ser prioritario en trabajos de mantenimiento, pues permite la

generación de reportes efectivos y eficientes de la salud y el

buen funcionamiento del sistema.

Figura 17. Equipos

usados en las

mediciones.

REFERENCIAS

[1] FLIR Systems, Inc (2010). Manual de Usuario i5 i7, Docu-

mento T559389, March 11, 2010, Boston, Massachusetts.

[2] FAIRCHILD SEMICONDUCTOR, http://www.datasheetca-

talog.org/datasheet/fairchild/1N5406.pdf.

[3] RASHID, Muhammad H. (1995). Electrónica de potencia.

México D.F. Prentice Hall, 1995.

ACERCA DEL AUTOR

José J. Lazarte Rivera. Recibió el grado de Bachiller en Ciencias

y el título profesional en Ingeniería Electrónica por la Universi-

dad Nacional de Ingeniería, ha participado en programas de en-

trenamiento en Aplicaciones Industriales de la Electrónica en el

Instituto Politécnico de Inchon en Corea del Sur. Tiene experien-

cia en mantenimiento electrónico y desarrollo de soluciones en

el campo de la Electrónica Industrial, habiendo realizado diver-

sas actividades de consultoría para empresas locales. Es profe-

sor a tiempo completo en TECSUP y dicta cursos relacionados

a electrónica analógica y digital. Tiene a su cargo el Laboratorio

de Electrónica de Potencia en el Departamento de Electrónica

de TECSUP. Participa también en el dictado de cursos de Espe-

cialización para profesionales de la industria, especialmente en

temas de Control Electrónico de Potencia y Control Automático

de Motores Eléctricos.

Original recibido: 29 de marzo de 2011




53


Liset Mendoza, TecsupHernán Zapata, Tecsup

Fotodegradación de Bolsas de Polietilenode baja Densidad

Photodegradation of low Density

Resumen

Este trabajo se refiere a la investigación realizada a residuos

sólidos comunes, como son las bolsas plásticas a base de

polietileno de baja densidad. Para este estudio, las muestras

fueron expuestas a la radiación luminosa natural así como a

condiciones atmosféricas naturales. El parámetro que se eva-

luó para estudiar dicha degradación fue la fuerza (tensión)

necesaria para romperlas, medida en Newtons. Las bolsas

plásticas estudiadas se obtuvieron de supermercados locales,

los cuales las expenden como bolsas biodegradables, ade-

más, junto a ellas, se testeó una bolsa de color negro utilizada

para residuos sólidos. El experimento tuvo una duración de

nueve meses; luego de este tiempo se encontró que la ma-

yoría de las bolsas estudiadas sufrieron una baja, en algunos

casos considerable, en la tensión de ruptura a diferencia de la

bolsa utilizada para desechos, la cual dio como resultado que

es bastante resistente a las condiciones ambientales.

Abstract

This paper presents an investigation about a common solid

waste such as plastic bags low density polyethylene. For this

study, they were exposed to natural light radiation and to na-

tural atmospheric conditions. The parameter used to study

degradation was the force (tension) required to break them,

measured in Newtons. The Plastic bags studied were obtai-

ned from local supermarkets, which sell them as biodegrada-

ble bags. Along with these bags, the study also tested a black

bag used for solid waste. The experiment lasted nine months,

after which it was found that most of the study bags suffers

from a low, in some cases considerable, breakdown tension

unlike the black bag used for waste, which turned out to be

quite resistant to the weather conditions.

Palabras clave

Fotodegradación, degradación, bolsas plásticas, polietileno de

baja densidad, residuos sólidos.

Key words

Photodegradation, degradation, plastic bags, low density po-

lyethylene, solid waste.

InTRoDuccIón

En la actualidad, el ser humano ha logrado alcanzar una alta

demanda de todo tipo de plásticos, que muchas veces después

de haber sido usados estos no son reciclados en su totalidad, lo

que trae como consecuencia la disminución de la vida útil de

los rellenos sanitarios [1, 6].

Si hablamos específicamente de la degradación de las bolsas

plásticas a base de polietileno de baja densidad, podemos

encontrar que la acción de la luz natural sobre ellas produce

modificaciones en su estructura, lo que disminuye sus propie-

dades físicas [2, 3, 7], pierde elasticidad, fragilidad, haciéndose

quebradizas y llegan a rasgarse fácilmente en algunos casos.

Es por ello que la elaboración de este documento logra demos-

trar mediante datos experimentales la pérdida de una propie-

dad física específica que es la tensión del plástico a la ruptura.

Este experimento se realizó por un periodo de nueve meses,

tiempo en el cual el material fue expuesto a la radiación lumi-

nosa natural y a condiciones atmosféricas naturales.

FunDAMenTos

El envejecimiento del polietileno se atribuye a una reacción de

foto-oxidación térmica en cadena, producida por la radiación

luminosa de mayor energía correspondiente a una longitud

06 Fotodegradación de bolsas de polietileno_mendoza_zapata.indd 53 7/4/11 9:39 PM

54


MendozA, Liset; zApAtA, Hernán. “Fotodegradación de Bolsas de polietileno de baja densidad”

de onda comprendida entre 290 y 350 nanómetros, en la

que se generan grupos carbonilo. Estos grupos son los que

desencadenan las reacciones degradativas del plástico, para

finalmente dar compuestos carboxílicos con la consecuente

ruptura de la cadena carbonada, tal como se puede apreciar

en la Fig. 1 [3].

Se sabe que la luz UV es usada inicialmente para activar el

proceso de degradación del material inerte (polietileno) [4,

5, 8]; luego, estas reducen su masa molecular y pierden sus

propiedades físicas. Así de esta manera, puedan ser degra-

dados biológicamente de manera más sencilla por el ataque

de microorganismos. Cabe resaltar que es muy importante la

presencia de humedad, oxígeno o agentes contaminadores

como dióxido de azufre, ozono, etc. [2, 4].

exPeRIMenTAL

Materiales:

Se acondicionó un sistema de pruebas de testeo; para ello se

utilizaron los siguientes materiales:

• Xplorer GLX

• Sensor de fuerza

• Programa Data Studio

Muestras:

Se evaluaron cinco tipos de bolsas plásticas de polietileno de

baja densidad: cuatro bolsas biodegradables de supermerca-

dos locales y una bolsa utilizada para residuos sólidos. Todas

las muestras se acondicionaron a una medida de 2 x 6 cm,

por la facilidad con la cual podían ser ensayadas en el sistema

de testeo elaborado. Estas muestras fueron separadas en dos

grupos, unas para ser utilizadas como blanco y otras para ser

expuestas a condiciones ambientales. Estas fueron colocadas

en el techo del departamento del área de Procesos químicos y

Metalúrgicos en Tecsup 1.

Procedimiento experimental

Después de transcurrido el tiempo indicado, se procedió a me-

dir la tensión de cada una de las bolsas en estudio, utilizando el

sensor de fuerza y el equipo Xplorer GLX, tal como se aprecia en

las figuras 2 y 3. Además de esto, también se procedió a ensayar

la medida de tensión de las muestras en blanco.

Figura 2. Medida en las bolsas de polietileno de baja densidad.

Figura 3. Termino de la muestra ensayada.

Figura 1. Esquema de la fotodegradación del polietileno.


55



ResuLTADos

Se ensayaron durante nueve meses los cinco tipos de bolsas

a las que denominaremos:

• Bolsas biodegradables de supermercados locales: A, B, C

y D.

• Bolsa utilizada para desechos sólidos: E.

En todas ellas se tomaron datos de tensión en Newton y se

procedió a evaluar el porcentaje de tensión remanente para

cada una de ellas; esta se realizó mediante la siguiente fór-

mula:

Donde:

• Tf: medida de tensión de la muestra, en Newton, después

de haber transcurrido un tiempo determinado.

• Ti: medida de tensión de la muestra blanco, en Newtons.

Todas las muestras fueron ensayadas por triplicado y con

esto se obtuvo un promedio. Finalmente, se elaboró una ta-

bla para cada tipo de bolsa (Tabla 1, Tabla 2, Tabla 3, Tabla 4

y Tabla 5) y un gráfico donde se evaluará el porcentaje de

tensión remanente a lo largo de los nueve meses que duró el

ensayo (Gráfico 1).

Además, se calculó la diferencia del porcentaje de tensión re-

manente entre dos meses consecutivos. Ellose realizó con la

siguiente fórmula:

∆%Tr = %T

1 - %T

2

Donde:

• %T1: valor del mes superior (%)

• %T2: valor del mes siguiente inferior (%)

A continuación damos a conocer los %Tremanente

de los cinco

tipos de muestras, así también como el diferencial del por-

centaje de tensión remanente (∆%Tr).

Tabla 1. Porcentaje de tensión remanente en las bolsas A

y las diferencias porcentuales de estas.

Mes Ti Tf %Tr ∆%Tr

0 39.60 39.60 100.0

1 Febrero 39.50 33.35 84.4 15.6

2 Marzo 39.44 33.29 84.4 0

3 Abril 39.45 33.23 84.2 0.2

4 Mayo 39.48 32.94 83.4 0.8

5 Junio 39.44 31.89 80.9 2.5

6 Julio 39.46 28.85 73.1 7,8

7 Agosto 39.44 28.83 73.1 0

8 Setiembre 39.45 23.91 60.6 12.5

9 Octubre 39.47 23.00 58.3 2,3

Tabla 2. Porcentaje de tensión remanente en las bolsas B


Mes Ti

Tf

%Tr

∆%Tr

0 38.50 38.50 100.0

1 Febrero 38.23 38.00 99.4 0.6

2 Marzo 38.19 35.80 93.7 5.7

3 Abril 38.17 35.48 93.0 0.7

4 Mayo 38.19 35.43 92.8 0.2

5 Junio 38.17 35.31 92.5 0.3

6 Julio 38.18 34.75 91.0 1.5

7 Agosto 38.21 30.87 80.8 10.2

8 Setiembre 38.19 29.77 78.0 2.8

9 Octubre 38.17 26.80 70.2 7.8

Tabla 3. Porcentaje de tensión remanente en las bolsas C


Mes Ti

Tf

%Tr

∆%Tr

0 39.54 39.54 100.0

1 Febrero 39.54 33.79 85.5 14.5

2 Marzo 39.52 31.20 78.9 6.6

3 Abril 39.27 28.37 72.2 6.7

4 Mayo 39.26 27.90 71.1 1.1

5 Junio 39.55 27.50 69.5 1.6

6 Julio 39.55 27.10 68.5 1.0

7 Agosto 39.54 20.92 52.9 15.6

8 Setiembre 39.58 18.10 45.7 7.2

9 Octubre 39.60 8.65 21.8 23.9


56



Tabla 4: Porcentaje de tensión remanente en las bolsas D


Mes Ti

Tf

%Tr

∆%Tr

0 40.16 40.16 100.0

1 Febrero 40.15 37.30 92.9 7.1

2 Marzo 40.01 32.59 81.5 11.4

3 Abril 39.92 29.60 74.1 7.4

4 Mayo 39.90 27.45 68.8 5.3

5 Junio 40.01 27.24 68.1 0.7

6 Julio 40.00 23.20 58.0 10.1

7 Agosto 39.97 20.90 52.3 5.7

8 Setiembre 39.98 20.06 50.2 2.1

9 Octubre 39.97 19.90 49.8 0.4

Tabla 5: Porcentaje de tensión remanente en las bolsas E


Mes Ti

Tf

%Tr

∆%Tr

0 25.34 25.34 100.0

1 Febrero 25.42 24.50 96.4 3.6

2 Marzo 25.39 24.15 95.1 1.3

3 Abril 25.54 24.15 94.6 0.5

4 Mayo 25.47 23.11 90.7 3.9

5 Junio 25.26 22.96 90.9 0.2

6 Julio 25.37 23.05 90.9 0

7 Agosto 25.46 22.83 89.7 1.2

8 Setiembre 25.35 22.38 88.3 1.4

9 Octubre 25.63 21.51 83.9 4.4

Gráfico 1: Porcentaje de tensión remanente en los polímeros de

polietileno de baja densidad, en función al tiempo de exposición a la

radiación luminosa natural

concLusIones

En las Tablas 1, 2, 3, 4 y 5 se aprecia que los blancos elabo-

rados y almacenados en bolsas ziploc, mantienen una ten-

dencia constante con el pasar del tiempo, Ti, pero los valores

de fuerza finales, Tf, si presentan variaciones, en algunos casos,

bastante marcadas para cada tipo bolsa:

Bolsas A: observamos que la disminución de fuerza respecto

al tiempo es notable, según se aprecia en la Grafica 1, Esto se

debe a que los rayos UV modifican la estructura polimérica, al-

terando de esta manera sus propiedades físicas, manifestada

como tensión.

En la Tabla 1 se observa que la disminución de la tensión se

da en mayor proporción en los meses de febrero (15,6) y se-

tiembre (12,5), y ello se debería a que en esos meses hay una

mayor radiación UV, por coincidir con las estaciones de verano

y primavera respectivamente.

Bolsas B: aquí se nota que, dentro del grupo de bolsas biode-

gradables de supermercados locales, esta bolsa es la que me-

nos degradación ha tenido durante los nueve meses ensaya-

dos.

De la Tabla 2 se deduce que la disminución de la tensión se

da en mayor proporción en los meses de marzo (5,7) y agosto

(10,2). Ello podría deberse a que, por ejemplo, en agosto existe

mayor humedad y quizás esta bolsa este respondiendo mejor a

degradaciones de tipo bacteriano.

Bolsas C: aquí se aprecia que, para esta bolsa, existe una degra-

dabilidad efectiva frente a los rayos UV, ya que si observamos

en la Gráfica 1 notamos que este tipo de bolsa es el que menor

% de tensión remanente presenta.

En la Tabla 3 también podemos notar que la pendiente de dis-

minución de la tensión es bastante marcada en los meses de

febrero (14,5), agosto (15,6) y octubre (23,9). Ello podría deber-

se a que este tipo de bolsa responde bien a la fotodegradación

y degradaciones de tipo bacteriano.

Bolsas D: observamos que este tipo de bolsa es el segundo

mejor en fotodegradarse, como se aprecia en la Grafica 1.

De la Tabla 4 se deduce que la disminución de la tensión se da

en mayor proporción en los meses de marzo (11,4) y julio (10,1).

Quizá se deba a que, por ejemplo, en julio existe mayor hume-

dad y acaso esta bolsa este respondiendo mejor a degradacio-

nes de tipo bacteriano.

Bolsas E: En la Grafica 1 se puede observar que este tipo de

bolsa no se degrada fácilmente, ello podría deberse a que este

tipo de bolsa, como es procesada con distintas clases de mate-

riales de polietileno de baja densidad, logran un efecto conjun-

to de resistencia a la degradación.


57



En general, podemos concluir que el mejor polímero de po-

lietileno de baja densidad a fotodegradarse es la bolsa C, y

que en las estaciones de verano y primavera existe una ma-

yor tendencia a esta degradación.

RecoMenDAcIones

Se aconseja que, para un posterior trabajo, se alcancen datos

meteorológicos así como también espectros infrarrojos de

las muestras.

ReFeRencIAs

[1] AGAMUThU, P. (2005). "Biodegradabilidad de los resi-

duos plásticos degradables". Rev Waste Manage Res, vol.

23, pp 95-100.

[2] GUiLLET, J. E. Fundamental Processes in the UV Degrada-

tion and stabilization of polymers.

[3] ALi ShAh, Aamer; hASAN, Fariha; hAMEED, Abdul; Ah-

MED, Safia. (2008) "Biological degradation of Plastic: A

comprehensive review". Rev Biotechnology Advances,

vol 26, pp. 246-265.

[4] ArUTChELVi, J; SUDhAkAr, M. "Biodegradation of po-

lyethylene & polypropylene". Rev Indian Journal of Bio-

technology, vol. 7 pp. 9-22.

[5] JUN, Chang Lim. "UV and Thermal Oxidation of Polye-

thylene Compounded with Photosensitier". Rev Korea

Polymer Journal, vol. 3. pp. 7-11.

[6] PETErSON, Jeffery D; VyAzOVkiN, Sergey; WiGhT, Char-

les A. (2001) "kinetics of the Thermal and Thermo-Oxi-

dative Degradation of Polystyrene, Polyethylene and

Poly (propylene)". Macromolecular Chemistry and Phy-

sics, vol. 202, pp. 775-784.

[7] FEChiNE, G. J. M.; SOUTO-MAJOr, r. M.; rABELLO, M. S.

(2002) "Structural changes during photodegradation

of poly(ethylene terephthalate)" Journal of Materials

Science, vol. 37, pp. 4979-4984.

[8] BONhOMME, S.; et. al. (2003) "Environmental biodegra-

dation of polyethylene". Rev Polymer Degradation and

Stability, vol. 81, pp. 441-452.

AceRcA De Los AuToRes

Liset Mendoza Huamaní. Técnica en la especialidad de Proce-

sos Químicos y Metalúrgicos por el instituto Superior Tecnológi-

co Tecsup de Lima (2010). Practicas realizadas en el Laboratorio

de Análisis instrumental de Tecsup, investigando del proceso

de adsorción de la quitina. Actualmente practicante de la em-

presa Votorantim Metais, en el área de Tecnología y Procesos.

Hernán Zapata Gamarra. ingeniero Químico de la Universi-

dad Nacional de Trujillo, con estudios de maestria en la Ponti-

ficia Universidad Católica del Perú. Amplia experiencia en tra-

tamiento y análisis de efluentes, expositor en diversos eventos

nacionales, miembro del Colegio del ingenieros del Perú así

como también de la Sociedad Química del Perú. Actualmente

es docente en el departamento de Procesos Químicos y Meta-

lúrgicos, Tecsup 1, en las áreas de química analitica ambiental e

ingeniería ambiental.





59


Lourdes Gutiérrez, Tecsup

Extracción de Macronutrientes en el Cultivo de Alcachofa (Cynara Scolymus L.), variedad Imperial Star

en La Libertad (Perú)

Extraction of Macronutrients in artichoke Crop (Cynara Scolymus L.), variety Imperial Star in La Libertad (Perú)

Resumen

El presente trabajo de investigación enmarca la extracción de

los cinco macronutrientes esenciales en alcachofa durante la

etapa de crecimiento y producción. Se determinó el conte-

nido de materia seca y análisis de plantas divididos en parte

aérea, raíces y capítulos, obtenidos por muestreo destructivo

de plantas completas. Los resultados demuestran la curva de

extracción de nitrógeno, fósforo, potasio, calcio y magnesio

por cada treinta días desde el trasplante al final de la cosecha.

Finalmente se obtuvo la cantidad de elemento extraído por

planta y hectárea, así como la necesidad extractiva para obte-

ner una tonelada de capítulos con calidad comercial.

Abstract

This research deals with extraction of the five essential ma-

cronutrients of artichoke during the stage of growth and

production. The content of dry matter was determined and

the analysis of plants divided in aerial part, roots and inflores-

cences, obtained by destructive sampling of complete plants.

The results demonstrate the curve of extraction of nitrogen,

phosphorus, potassium, calcium and magnesium for every

thirty days from the transplant date to the end of the crop. Fi-

nally it was obtained the quantity of each element extracted

by plant and hectare, as well as the extractive need to obtain

a ton of inflorescences in the crop.

Palabras clave

Extracción, macronutriente, análisis de plantas, material seca.

Key words

Extraction, macronutrient, plant analysis, dry matter.

INTRODUCCIÓN

El cultivo de la alcachofa (Cynara scolymus L.) representa hoy

en día uno de los cultivos principales de la agro-exportación

peruana. Una ventaja en nuestro país es que el cultivo se puede

dar tanto en la costa como en la sierra. En la costa se concentra

en unidades productivas de gran área, con el propósito de al-

canzar alta eficiencia en bajos costos, mientras que en la sierra

se produce bajo el esquema de cadenas productivas de peque-

ños agricultores.

Los agricultores interesados en invertir en la producción de

alcachofa necesitan conocer los requerimientos de cultivo

para disminuir los costos de producción, optimizar el uso de

recursos y contribuir a reducir los riesgos de contaminación del

ambiente. Una de las necesidades existentes es saber cuánto

extrae en nutrientes el cultivo durante el periodo vegetativo,

para poder determinar que la dosis de fertilización no se en-

cuentre por debajo de las necesidades de cultivo y reduzca los

rendimientos, asimismo, que no esté sobre las necesidades del

mismo, produzca sobrecostos y la contaminación del ambiente.

Teniendo en cuenta dichos antecedentes, la investigación es-

tuvo orientada a determinar la cantidad extraída de nitrógeno,

fósforo, potasio, calcio y magnesio durante el periodo vegeta-

tivo del cultivo de alcachofa (Cynara scolymus L.) variedad Im-

perial Star en La Libertad. Esta información es de importancia,

pues permitirá que la aplicación de fertilizantes en el cultivo se

haga con base científica, de modo que se pueda maximizar la

productividad y la eficiencia nutritiva del cultivo.

FUNDAMENTOS

La alcachofa es un cultivo exigente en nutrientes debido a su

gran desarrollo foliar y la alta velocidad de producción de in-

florescencias. Se ha reportado que la producción de 15 t.ha-1

de alcachofa extrae del terreno 150 kg de nitrógeno (N), 60 kg

de fósforo (P2O

5) y 180 kg de potasa (K

2O), no considerándose

la extracción de hojas que retornan al suelo al chapodarse e

incorporarse [3].

07 Extraccion de marconutrientes_gutierrez.indd 59 7/4/11 9:40 PM

60


GUTIÉRREZ, Lourdes. “Extracción de Macronutrientes en el Cultivo de Alcachofa (Cynara Scolymus L.), variedad Imperial Star en La Libertad”

Al analizar la curva de extracción de nutrientes por la alcacho-

fa se ha encontrado que hay mayor extracción de nitrógeno

entre los 181-210 días después de la siembra (47 kg.ha-1);

de fósforo, entre los 241-270 días después de la siembra (30

kg.ha-1); de potasio, entre los 211-240 días (94.5 kg.ha-1); de

calcio, entre los 61-90 días y 151-180 días (22.5 kg.ha-1) y de

magnesio entre los 181-240 días (8 kg.ha-1); siendo la extrac-

ción total por el cultivo de 250 kg N. ha-1 , 55 kg P. ha-1, 290 kg

K.ha-1, 125 kg Ca .ha-1 y 24 kg Mg ha-1 [4] respectivamente.

Los agricultores interesados en invertir en la producción de

alcachofa, necesitan conocer los requerimientos de cultivo

para disminuir los costos de producción, optimizar el uso de

recursos, contribuir a reducir los riesgos de contaminación

del medio ambiente por el uso de agroquímicos y obtener

la certificación Globalgap para poder acceder a los mercados

europeos.

En base a ello, la presente investigación tuvo como objetivo

determinar la extracción de nitrógeno, fósforo, potasio, calcio

y magnesio en el cultivo de alcachofa durante toda la etapa

vegetativa. Esto permite obtener las diferencias de absorción

de macronutrientes por cada treinta días, lo cual hace posible

inferir el momento oportuno de aplicación de fertilizantes de

acuerdo al elemento que proveen. Para la obtención de resul-

tados se realizó la determinación de materia seca por planta

y dividida en parte aérea, capítulos y raíces. Posteriormente,

estas muestras se analizaron determinándose en porcentaje

la cantidad de nitrógeno, fósforo, potasio, calcio y magnesio

por cada treinta días, para cada parte evaluada, así como el

consolidado de extracción por planta completa. Estos resul-

tados fueron llevados a la demanda extractiva por hectárea

para definir la necesidad de dichos elementos en el área uni-

taria de producción agrícola.

METODOLOGÍA

El experimento estuvo ubicado en el distrito de Víctor Larco

Herrera, Trujillo, perteneciente al Valle de Moche. Respecto a

las condiciones edafo-climáticas, las características del suelo

corresponden a un suelo franco con condiciones físico-quí-

micas ideales para el desarrollo del cultivo de alcachofa. El

agua de riego, de acuerdo a su clasificación es apta para el

uso agrícola.

El área experimental estuvo compuesta de cuatro parcelas

que consistían en una repetición cada una. El diseño de cam-

po fue descriptivo.

Los materiales empleados corresponden a los indicados para

las diversas labores agronómicas que se realizan en el cultivo.

Evaluaciones de las características en estudio

• Toma de muestras completas para determinación de ex-

tracción de N, P, K, Ca y Mg:

En cada parcela de muestreo se extrajo una planta com-

petitiva al azar cada 30 días, a partir del trasplante, repi-

tiéndose la operación por un periodo de 210 días, es decir,

por cada parcela se extrajeron 7 plantas. El muestreo fue

destructivo. La planta extraída se dividió en follaje (hojas

y tallo), raíces y capítulos florales; posteriormente se trasla-

daron al laboratorio, en donde se realizó el secado y análisis

respectivos.

• Determinación de materia seca:

Se determinó la cantidad de materia seca acumulada por

cada órgano y momento de muestreo por el método de la

estufa, empleando 75 grados centígrados de temperatura

hasta llegar a peso constante.

• Determinación del contenido de N, P, K, Ca y Mg en la mate-

ria seca:

El nitrógeno se determinó por el método Kjeldalh. El fósfo-

ro se determinó por colorimetría y los elementos restantes

(K, Ca y Mg) se determinaron por espectrofotometría de ab-

sorción atómica en el mismo extracto ácido empleado para

la determinación de fósforo. El contenido de N, P, K, Ca y Mg

se expresó en gramos de elemento puro por kilogramo de

materia seca [1].

• Extracción de N, P, K, Ca y Mg:

Se obtuvo deduciendo la cantidad de cada nutriente en

la materia seca acumulada por cada órgano vegetal al fi-

nal de la campaña. Se expresó en kilogramos de elemento

puro extraído por hectárea.

• Rendimiento y sus componentes:

El rendimiento total se obtuvo al acumular los pesos par-

ciales de cada paña o pasada de cosecha en cada parce-

la de muestreo. Se expresó en toneladas de capítulos por

hectárea.


61



RESULTADOS

1. Acumulación de materia seca

En el figura 1 se observa la cantidad de materia fresca y ma-

teria seca acumulada en una hectárea de alcachofa. La acu-

mulación de materia fresca alcanza los 102,75 t.ha-1, de las

cuales más del 83% es acumulado por la parte aérea (follaje y

capítulos) y menos del 17% por las raíces. El gráfico también

muestra una acumulación de 16,55 t.ha-1 de materia seca, de

las cuales más del 77% corresponden a la parte aérea y me-

nos del 23% a las raíces. La variación en la participación por-

centual de raíz, follaje y capítulos, al pasar de materia fresca a

materia seca, es debida a la diferencia en el contenido de hu-

medad de estos órganos. Así, corresponde el mayor conteni-

do de humedad a los capítulos, luego al follaje y, finalmente,

el menor contenido de humedad, a las raíces (92,0%, 81,3% y

78,4% respectivamente).

Figura 1. Acumulación de materia fresca y materia seca de alcachofa

en Trujillo, La Libertad, expresadas en porcentaje.

La mayor acumulación de materia seca se presentó en el fo-

llaje, llegando a acumular 10.757 t.ha-1 de materia seca, lo

cual representa el 64.99% del total de materia seca acumu-

lada por el cultivo; seguido de la raíz con 3.685 t.ha-1 de ma-

teria seca, lo cual representa el 22.26% del total de materia

seca acumulada por el cultivo y por último los capítulos que

llegan a acumular sólo 2.108t.ha-1 de materia seca, lo cual

representa sólo el 12.74% del total de materia seca acumu-

lada por el cultivo. La mayor acumulación de materia seca en

el follaje muestra que éste es el responsable de consolidar

nutricionalmente a la planta, puesto que en él se generan los

procesos fotosintéticos [6].

• Extracción de nitrógeno:

El cultivo de alcachofa (follaje, raíces y capítulos) extrae

hasta la cosecha, 210 días después del trasplante, un to-

tal de 294,4 kg.ha-1 de nitrógeno, distribuyéndose dicha

cantidad en 74.14% en el follaje, 19.48 % en la raíz y 6.38 %

en los capítulos, la máxima extracción de nitrógeno en el

periodo comprendido entre los 91 y 120 días, con una ex-

tracción de nitrógeno de 75.26 kKg.ha-1 para dicho perio-

do, a una tasa de extracción de nitrógeno de 2,51 kg.ha-1.

día-1 .

Se observa una extracción sostenida de nitrógeno en el pe-

riodo comprendido entre los 60 y 180 después del trasplan-

te (gráfico 2). De esta forma, coincide este periodo con el de

ramificación secundaria y posteriormente con la etapa de

emisión de capítulos.

Figura 2. Extracción de nitrógeno en follaje, raíz, capítulos expresado en

kg.ha-1.

• Extracción de fósforo:

El cultivo de alcachofa (follaje, raíces y capítulos) extrae has-

ta el final de la cosecha, 210 días después del transplante,

un total de 28,31 kg.ha-1 de fósforo, distribuyéndose dicha

cantidad en 61,49 % en el follaje, 28,99 % en la raíz y 9,52 % en

los capítulos. Se presenta la máxima extracción de fósforo

en el periodo comprendido entre los 61 a 90 días después

del transplante, con 8,07 kg.ha-1, a una tasa de extracción

de fósforo de 0,27 kg.ha-1.día-1. Coincide este periodo con

el de ramificación secundaria.

Se observa una extracción sostenida de fósforo hasta el

final de la cosecha, existiendo dos periodos de mayor de-

manda de dicho elemento (91 a 120 días y 151 a 180 días)

(Fig. 6).

Pellicer et. al [5] indican que la alcachofa necesita mayor

cantidad de fósforo, llegando a extraer 71,2 kg.ha-1 duran-

te el periodo vegetativo, es decir, el triple de lo obtenido en

este trabajo.


62



Figura 3. Extracción de fósforo en follaje, raíz, capítulos expresado en

kg.ha-1.

• Extracción de potasio:

El cultivo de alcachofa (follaje, raíces y capítulos) extrae

hasta la cosecha, 210 días después del trasplante, un to-

tal de 449,3 kg.ha-1 de potasio, distribuyéndose dicha

cantidad en 81,3 % en el follaje, 12,9 % en la raíz y 5,8

% en los capítulos. Se presenta la máxima extracción de

potasio en el periodo comprendido entre los 61 a 90 días

después del trasplante con 145,9 kg.ha-1, a una tasa de

extracción de potasio de 4,86 kg.ha-1.día-1. Coincide este

periodo con la formación de primordios florales.

A su vez, entre los 121 a 150 días después del trasplante

(inicio de producción de capítulos), la tasa de extracción

disminuye a 0,95 kg.ha-1.día-1, mostrando un estanca-

miento en la extracción de potasio, para luego presentar

un segundo periodo de extracción sostenida de potasio

entre los 150 a 210 días después del trasplante. Estos dos

periodos son los de mayor demanda de potasio en el cul-

tivo de alcachofa.

Figura 4. Extracción de potasio en follaje, raíz, capítulos expresado en

kg.ha-1.

• Extracción de calcio:

El cultivo extrae hasta el final de cosecha, 210 días después

del transplante, un total de 362,09 kg.ha-1 de calcio, distri-

buyéndose dicha cantidad en 91,73 % en el follaje, 7,53 %

en la raíz y 0,74 % en los capítulos. Se presenta la máxima

extracción de calcio en el periodo comprendido entre los

151 a 180 días después del transplante, con 123,82 kg.ha-1,

a una tasa de extracción de calcio de 4,13 kg.ha-1.día-1. Co-

incide este periodo con el de mayor producción de capítu-

los.

El cultivo de alcachofa presenta un aumento constante res-

pecto a la extracción de calcio. En la etapa de producción

hay un aumento brusco a partir de los 151 días después del

trasplante, como lo muestra el Gráfico 5.

Pellicer et. al [5] señala que prácticamente el follaje consu-

me la totalidad del calcio extraído, lo cual coincide con lo

observado (90,7%).

Figura 5. Extracción de calcio en follaje, raíz, capítulos expresado en

kg.ha-1.

• Extracción de magnesio:

El cultivo (follaje, raíces y capítulos) extrae hasta la cosecha,

un total de 72,67 kg.ha-1 de magnesio, distribuyéndose di-

cha cantidad en 59,73 % en el follaje, 37,51 % en la raíz y

2,77 % en los capítulos. Se presenta la máxima extracción de

magnesio en el periodo comprendido entre los 181 a 210

días después del transplante, con 22,37 kg.ha-1, lo cual per-

mite una tasa de extracción máxima de 0,75 kg.ha-1.día-1.

Coincide este periodo con la etapa final de producción de

capítulos. El cultivo de alcachofa presenta una extracción

sostenida de magnesio desde el inicio de la formación de

primordios florales hasta el final de la cosecha, existiendo

dos periodos de mayor demanda de dicho elemento (151

a 180 días y 181 a 210 días). La figura presenta un aumento

progresivo de extracción de magnesio, estancándose solo

en el periodo 91 a 120 días.


63



Ferreira et. al [2] indican que la necesidad de magnesio es

menor de lo obtenido en los resultados de este trabajo,

considerando solo 28 kg.ha-1.

Figura 6. Extracción de Magnesio en follaje, raíz, capítulos expresado

en kg.ha-1.

• Rendimiento comercial de alcachofas:

De acuerdo con los resultados obtenidos (Figura 7), en

la zona del valle de Moche el rendimiento aprovechable

es de 28.17 t.ha-1, obtenido en un periodo de 200 días

de cosecha, considerando una recolección de 318,628

capítulos por ha, los cuales tuvieron un peso promedio

de 0,09 kg.

Figura 7. Rendimiento comercial obtenido por cosecha expresado en

t.ha -1

CONCLUSIONES

1. Bajo las condiciones del experimento, se determinó que

para obtener una cosecha de 28,17 t.ha-1 de alcachofas

variedad Imperial star en La Libertad, la extracción total

de nutrientes por la planta es de 294,402 kg nitrógeno.

ha-1, 28,312 kg fósforo.ha-1, 449,342 kg potasio.ha-1,

362,093 kg calcio.ha-1 y 72,671 kg magnesio.ha-1.

2. El trabajo de investigación muestra que el órgano con

mayor acumulación de N, P, K, Ca y Mg es el follaje. La ma-

yor acumulación de nitrógeno, fósforo y potasio coincide

con la etapa de ramificación secundaria, mientras que la

mayor acumulación de calcio y magnesio se da en la etapa

de producción de capítulos.

3. Bajo las condiciones del Valle de Moche, para producir 1

t.ha-1 de alcachofas comerciales, el cultivo requiere extraer

10,45 kg nitrógeno 1 kg fósforo, 15,95 kg potasio, 12k85 kg

Calcio y 2,58 kg de magnesio.

REFERENCIAS

[1] BAzáN, R. (1996). Manual para el análisis químico de sue-

los, aguas y plantas. Lima. Universidad Nacional Agraria de

Molina – Fundación Perú, pp. 44-47.

[2] FERREIRA, M.; et. al. (1993). Nutrición y abonamiento de hor-

talizas. Brasil. Asociación brasilera para la investigación de

potasio y fósforo (POTAFOS).

[3] Instituto Nacional de Investigación Agraria (INIA). (2002).

Lima, Cultivo de Alcachofa sin espinas.

[4] PASCUAL, J. (2004). "Nutrición y Balance Nutricional del

Cultivo de Alcachofa" en I Congreso Internacional de Al-

cachofa (Lima, Perú).

[5] PELLICER B.; et. al. (2006). "Absorción de nutrientes en al-

cachofa", en VI Congreso Internacional de Alcachofa (Va-

lencia, España).

[6] WILD, A. (1992). Condiciones del suelo y crecimiento de las

plantas según Russell. Madrid. Ediciones Mundi-Prensa.

ACERCA DE LA AUTORA

Lourdes Maribel Gutiérrez Rico. Ingeniera Agrónoma, egresa-

da de la Universidad Nacional de Trujillo, con estudios de maes-

tría por culminar en la especialidad de Suelos en laUniversidad

Nacional Agraria La Molina.

Empezó en el ejercicio de su profesión en el ámbito agroindus-

trial como Jefe en el área de Sanidad para el cultivo de alcacho-

fa en la empresa Sociedad Agrícola Virú S.A. Fue Jefe de Investi-

gación y Desarrollo en hortalizas en la zona norte del país en la

empresa Agronegocios Génesis S.A.C. Actualmente desempeña

funciones en Tecsup, sede Trujillo, como docente del Departa-

mento Agrícola, responsable de la instalación y conducción de

áreas experimentales en campo y Jefe del Laboratorio de Sue-

los, Aguas y Plantas.





65


Danny Meza, Tecsup

Monitoreo Inalámbrico de Equipo Pesado con Diagnóstico Digital en Entorno LabView

Wireless Monitoring of Heavy Machine Equipment with Digital Diagnosis in LabView Environment

Resumen

En este artículo se presenta el desarrollo de un circuito pro-

totipo de adquisición de datos, para el monitoreo del desem-

peño de un motor Diesel en línea de 6 cilindros. El modelo

del motor es el 3126B de Caterpillar, muy común en sistemas

de transporte pesado. Considerando el aspecto de movilidad,

se hizo un enlace inalámbrico con módulos wireless de uso

comercial entre el motor y una computadora portátil. La vi-

sualización de los datos se configuró en una interfaz HMI (Hu-

man Machine Interface) mediante el software LabView, para

mostrar los controles e indicadores gráficos de los principa-

les parámetros de funcionamiento del motor. Así también

se procesaron señales de alarma y controles del motor para

transmisión a través de telefonía celular, mediante mensajería

SMS (Short Message Service).

Abstract

This paper presents the development of a data acquisition

prototype circuit for monitoring the performance of a 6 cylin-

der diesel engine. The engine model is the Caterpillar 3126B,

common in heavy transport systems. Considering the mobili-

ty issues, we used a wireless link between the motor sensors

and a portable computer.

The visualization of data is configured in a HMI (Human Ma-

chine Interface) using LabView software. It displays graphics,

controls, operating parameters and alarm signals of the en-

gine. Some of this information is sent as SMS message to cell

phones to alert users about unsafely operation conditions.

Palabras clave

Monitoreo, Bluetooth, Bidireccional, SMS, GSM, LabView.

Keywords

Monitoring, Bluetooth, Bidirectional, SMS, GSM, LabView

INTRODUCCIÓN

En la actualidad, el diagnóstico de fallas y el monitoreo de los

parámetros de un proceso en tiempo real es una necesidad im-

postergable, a fin de evitar pérdidas de materiales o de horas

de producción. La tecnología digital de hoy en día nos brinda

la oportunidad de trabajar con equipos electrónicos que ha-

cen posible permiten controlar el buen funcionamiento de

máquinas y sistemas de producción. Esta tecnología también

está disponible para el caso de motores Diesel; hace posible,

por ejemplo, detectar fallas, como cuando se altera el sensor

de posición del pedal del acelerador, el motor no revoluciona

adecuadamente o el consumo de combustible es excesivo. Con

el monitoreo en tiempo real podremos ver la señal que emite

el sensor y determinar si es un problema eléctrico o el sensor

esta defectuoso y, así, finalmente diagnosticar y solucionar la

falla eficazmente.

Actualmente este tipo de diagnósticos se realiza con equipos

especializados para esta tarea (scanner). Lamentablemente es-

tos equipos son de elevado costo y de acceso restringido, por el

licenciamiento especial que otorga el fabricante a sus concesio-

narios. En este artículo describimos los retos que tuvimos que

enfrentar, considerando que para propósitos de entrenamiento

era necesario monitorear los parámetros de funcionamiento de

un motor Diesel 3126B, sin tener que utilizar el scanner.

Objetivos del proyecto:

• Monitorear en tiempo real las variables del motor CAT

3126B, controlado electrónicamente y utilizando las seña-

les de sus sensores.

08 Monitoreo inalambrico_mezza.indd 65 7/4/11 9:25 PM

66


MEZA, Danny. “Monitoreo Inalámbrico de Equipo Pesado con Diagnóstico Digital en Entorno Labview”

• Transferir las señales adquiridas a través de transceptores

vía wireless a una computadora.

• Procesar señales en el entorno LabView para poder mo-

nitorear, diagnosticar y alertar anomalías en el funciona-

miento del motor CAT 3126B.

• Enviar alertas, como mensajes SMS de emergencias vía

GSM, reportando cualquier error o falla del motor moni-

toreado.

FUNDAMENTOS

Sistemas electrónicos

Un sistema electrónico es un conjunto de componentes elec-

trónicos que interactúan entre sí en un circuito electrónico

para procesar señales eléctricas y obtener resultados espe-

cíficos [1]. En sistemas de control electrónico, el tratamiento

de las señales eléctricas se divide en etapa, como se muestra

en la Figura 1.

Figura 1. Sistemas electrónicos.

Señales eléctricas

Son la representación de fenómenos físicos o estados ma-

teriales mediante valores de tensión o corriente eléctrica en

función del tiempo o la frecuencia. Dependiendo de la tec-

nología utilizada, las señales eléctricas que representan a las

variables físicas como presión, temperatura, posición, entre

otras, se clasifican en analógicas y digitales [2].

Las interfases de entrada y salida son acondicionadores de

magnitudes físicas o eléctricas que adaptan, amplifican o

convierten señales para que puedan ser utilizadas en una

etapa posterior.

Entorno LabView para procesamiento de señales

El software de instrumentación LabView (Laboratory Virtual

Instrument Engineering Workbench de National Instruments)

es un lenguaje de programación gráfica para el diseño de sis-

temas de adquisición de datos, instrumentación y control [3].

LabView permite diseñar interfaces de usuario como el mos-

trado en la Figura 2, mediante la utilización de una consola de

desarrollo interactiva muy amigable. La programación gráfica

se basa en la utilización de íconos y flechas, en un diagrama

de bloques que representan el procesamiento y flujo de seña-

les digitalizadas, de acuerdo a una estrategia preestablecida.

La ejecución de esta estrategia permite la creación de instru-

mentos virtuales en un panel de visualización con elementos

de entrada y salida de datos como en los instrumentos reales.

Figura 2. Entorno de programación en LabView (Front Panel y Block

Diagram).

METODOLOGÍA

El trabajo se realizó en dos etapas bien definidas: investigación

e implementación.

1. Investigación

El motor Diesel CAT 3126B funciona mediante la ignición de

combustible a alta presión en una pre-cámara de inyección. La

inyección se hace en la parte superior de la cámara de com-

bustión a una presión de 250 hasta 2 000 bar. El combustible

se atomiza y se mezcla con el aire a alta temperatura y presión

(entre 700 y 900 °C). Como resultado, la mezcla se inflama muy

rápidamente. Esta combustión ocasiona que el gas contenido

en la cámara se expanda, impulsando el pistón hacia abajo y

generando el movimiento del cigüeñal.

El control del motor con inyección directa es un complejo sis-

tema de procesamiento electrónico que se gobierna junto a

otros sistemas, necesarios para el funcionamiento del motor.

Este sistema permite la corrección del caudal de aire teniendo

en cuenta las variaciones de la presión atmosférica, las revo-

luciones del motor, la presión del turbo, temperatura del aire,

temperatura del líquido refrigerante e incluso la del combus-

tible.

En este trabajo hicimos el análisis de las señales de control del

motor y la forma cómo estas se procesan, para poder derivarlas

al sistema de monitoreo en LabView sin perturbarlas. Esto se lo-

INTERFAZ

DE ENTRADA

Adapta las variables

físicas del mundo

real a señales eléc-

tricas de tensión o

corriente

PROCESAMIENTO

Tratamiento de las

señales eléctricas de

entrada mediante

códigos, algoritmos

o lógicas de control

INTERFAZ DE

SALIDA

Convierte las señales

eléctricas de la etapa

de procesamiento en

acciones útiles en el

mundo real


67



gró utilizando acopladores ópticos para aislar las distorsiones

que genera el motor durante su funcionamiento. Fabricamos

una batería de optocopladores con el C.I. 2N17 para recibir

las señales provenientes de motor.

2. Implementación

Se realizó la implementación de las partes establecidas como

la adquisición, envío, recepción y procesamiento de las seña-

les; luego, la programación en LabView y la configuración del

envío de los avisos de error SMS (Short Message Service). To-

dos estos, respetando los protocolos de comunicación.

La implementación se realizó en dos partes:

2.1 Adquisición de señales del motor CAT 3126B.

Las señales provenientes de motor CAT 3126B que nos inte-

resa monitorear son variadas y de funcionamiento específico,

de acuerdo con los requerimientos del motor. Estas señales

son proporcionadas por los siguientes dispositivos:

• El sensor de posicionamiento TPS (Throttle Position Sen-

sor), que genera una señal PWM (Pulse Wide Modulation)

en función de la posición del pedal de aceleración.

• El sensor de presión de aceite, que envía una señal digital

cuando detecta la presión en el sistema.

• El sensor de temperatura, que es un elemento resistivo

variable que entrega una señal analógica en relación con la

temperatura.

• El sensor de sincronización del motor, que envía un patrón

de pulsos proporcional a las revoluciones por minuto (RPM)

del motor.

Para poder monitorear todas estas variables desde un lugar ale-

jado del motor sin tener que usar cables, se tuvo que trabajar

con un transceptor inalámbrico RAD ISM 2400 MUX bidireccio-

nal de Phoenix Contact, compuesto por un emisor y un recep-

tor. Este dispositivo cuenta con 16 entradas/salidas digitales y

2 entradas/salidas analógicas, transmite información utilizando

tecnología Bluetooth a una frecuencia de 2,4 GHz y a una velo-

cidad de trasmisión de datos de hasta 721 kbit/s. La potencia de

emisión irradiada es de 20 dBm/100mw, lo que nos permite un

alcance de hasta 20 m [6].

El diagrama de bloques de la Figura 3 muestra las señales eléc-

tricas del motor que nos interesa monitorear, estas señales se

conectan al acoplamiento óptico para preservarlas y de allí al

transceptor Phonix contact en el lado de emisión.

2.2 Recepción y procesamiento de las señales digitales y

analógicas.

Las señales enviadas por el emisor se reciben vía Bluetooth en

el receptor Phoenix Contact, luego existe un acoplamiento di-

recto de cada canal del transceptor a un módulo de adquisición

de datos USB NI6009 de National Instruments (Figura 4). Esta

Figura 3. Recepción de señales del motor y trasmisión inalámbrica.


68



unidad se conecta a una computadora portátil a través del

conector USB a una velocidad de muestreo de 48 kb/s y una

resolución de voltaje de 138 mV [5].

Las señales adquiridas a través de la tarjeta de adquisición

de datos NI 6009 son procesadas por el software Labview y

mostradas en el Front Panel de la Figura 5. Aquí podemos dis-

tinguir los íconos que indican el estado de cada sensor del

motor, así como también los controles que permiten encen-

der y apagar el motor CAT 3126B.

Para poder enviar mensajes SMS de alerta o señales de alar-

ma del motor, se ha utilizado un modem GSM CS-47, que se

conecta a la computadora portátil por puerto USB.

RESULTADOS

• Se logró capturar las señales de los sensores en modo

permanente sin afectar el funcionamiento normal del

motor, esto nos permitió reconocer sus variaciones en el

tiempo y poder analizar el comportamiento del motor

CAT3126.

• Se logró crear una interface entre las señales del motor y

la trasmisión (envío y recepción de datos) en forma ina-

lámbrica, logrando así controlar el motor a través de una

computadora y también desde el equipo móvil (celular).

• Se pudo realizar pruebas de simulación de fallas en el mo-

tor CAT3126. La función principal de nuestro sistema fue

detectar rápidamente alguna anomalía en el funciona-

miento, visualizarla en la PC, enviar una acción de correc-

ción al motor CAT3126 y enviar señales de alerta a los telé-

fonos móviles mediante SMS.

CONCLUSIONES

• La utilización de las señales de los sensores del motor

CAT3126 requieren de un tratamiento especial en el aco-

plamiento con otros circuitos electrónicos. Se debe tener

cuidado en no sobrecargar los límites de potencia porque

se puede distorsionar las señales eléctricas de interés.

• Se demostró que la implementación de la transmisión

wireless es funcional y sirve para propósitos de entrena-

miento.

• Este proyecto demuestra la facilidad de interactuar con di-

ferentes equipos de manera remota, usando redes inalám-

bricas de comunicación existentes.

Figura 4. Recepción de señales.


69



• El uso de tarjetas de adquisición de datos hacia una PC

para realizar la recolección de información (señales digi-

tales y analógicas) nos permite interactuar con un siste-

ma flexible y de bajo costo.

• La implementación de una interfaz realizada en entorno

LabView pudo mejorar considerablemente el monitoreo

del equipo, ya que este posee un entorno gráfico muy

amigable, en el que se pueden visualizar todas las seña-

les que llegan en tiempo real, como también interactuar

con ellas.

• El envío de alertas SMS permite una acción rápida y

oportuna para fallas eventuales que se produzcan en el

funcionamiento del motor CAT3126.

REFERENCIAS

[1] COOPER, William D. ; HELFRICk, Albert D. (1991). Instru-

mentación Electrónica moderna y técnicas de medición.

México, Prentice Hall.

[2] Smale, P. H.; GREEN, D. C. (1982). Sistemas de Telecomuni-

cación y transmisión. España, Paraninfo.

[3] LÁZARO, Antoni manuel; DEL RÍO FERNÁNDEZ, Joaquín.

(2005). LabView 8.2. Programación grafica para el control

de instrumentación. Madrid, Thomson.

[4] LAJARA, José Rafael, Pelegrí, José. (2007) LabView 8.2.

Entorno grafico de programación. Madrid, Marcombo.

[5] CS-47 GSM PHONE LINE BACkUP Installation and Progra-

mming Duide Crow Electronic Engineering Ltd.

[6] Manual de instalación ILB BT ADIO MUX-OMNI Phoenix

Contact.

ACERCA DEL AUTOR

Danny Meza. Ingeniero Electrónico especialista en Instrumen-

tación Industrial, con experiencia en el área de proyectos en

DOE RUN PERU; profesional técnico mecánico con experien-

cia 6 años en la empresa GP en Santiago de Chile realizando

mantenimiento de maquinaria liviana y pesada del sector mi-

nero. Docente de Tecsup, en el departamento de electrotecnia.

Experiencia en temas relacionados con: electrónica de equipo

pesado, electricidad Industrial, Electrónica Industrial e Instru-

mentación industrial.



Figura 5. Pantalla de control.



71


Sergio Leal, Pontificia Universidad Católica de Rio de Janeiro-BrasilJuan José Milón, Pontificia Universidad Católica de Rio de Janeiro-Brasil

Miguel León, Tecsup

Modelo de Predicción de Contaminantes en Motores Diesel - Gas Natural aplicando Redes Neuronales

Prediction Model of Pollutants in Diesel - Natural Gas Engine applying Neural Networks

Resumen

El estudio se concentra en analizar y predecir las cantidades

de emisión de contaminantes generados por motores Diesel

– gas natural, utilizando inteligencia artificial por medio de

las redes neuronales. Así, basado en resultados experimenta-

les realizados en un motor de ciclo Diesel, operado con com-

bustible Diesel y Diesel - gas natural, se determinó el modelo

numérico óptimo;. Se fijaron así las variables de entrada y lue-

go evaluaron la red neuronal más adecuada para simular el

problema y predecir valores en ensayos experimentales no

realizados. Después del entrenamiento/aprendizaje de las re-

des neuronales se demostró que los resultados de la simula-

ción numérica tienen una gran aproximación a los resultados

experimentales. Luego se continuó con la predicción, a través

de dichas redes neuronales, para diferentes cargas, veloci-

dades, cantidades de aire y gas natural; obteniéndose así las

cantidades de emisión de contaminantes generados según la

combinación de dichas variables.

Considerando esto un aporte importante para conocer la

cantidad de emisión de contaminación ambiental vehicular

que generaría el adicionar un elemento como es el gas na-

tural

Abstract

The study focuses on analyzing and predicting the quanti-

ties of pollutant emissions generated by natural gas Diesel

engines using artificial intelligence through neural networks.

Thus, based on experimental results performed on a Diesel

cycle engine operated with Diesel and Diesel - natural gas,

the optimal numerical model was determined, thus setting

the input variables and then evaluating the most suitable

neural network to simulate and predict problem values in ex-

perimental trials that were not carried out. After the training

/ learning of neural networks it was demonstrated that the

numerical simulation results were very close to the experi-

mental results. Then we continued with the prediction through

such neural networks for different loads, speeds, amounts of air

and natural gas, thus providing the increased emissions of po-

llutants generated by the combination of these variables.

Considering this an important contribution to knowing the

amount of vehicular emission pollution that adding an ele-

ment such as natural gas would generate.

Palabras clave

Motor Diesel – gas natural, emisiones, gas natural y red neu-

ronal.

Key words

Diesel – natural gas Engine, emissions, natural gas and neural

network.

INTRODUCCIÓN

De las tecnologías disponibles para el consumo de gas natural,

como sustituto del Diesel, se destacan el uso de motores espe-

cíficamente proyectados para el consumo de gas (ciclo Otto) y

la conversión de motores Diesel para el modo bio combustible

Diesel – gas. Existen en el mercado internacional motores de

ciclo Otto dedicados al consume de gas. Así mismo, como en el

caso de motores de ciclo Diesel, están disponibles en una larga

faja de potencia y fueron desarrollados para diferentes aplica-

ciones, como la generación de energía eléctrica y aplicaciones

09 Modelo de prediccion_leal_milon_leon.indd 71 7/4/11 9:27 PM

72


LeAL, Sergio; MILón, Juan J.; León, Miguel A. “Modelo de Predicción de Contaminantes en Motores Diesel - Gas natural aplicando Redes neuronales”

vehiculares. Es bastante probable que en un futuro próximo,

sean ampliamente empleados en las aplicaciones en que hoy

se utilizan por los tradicionales motores de ciclo Diesel.

El motor es una fuente de energía del automóvil. Convierte

la energía calorífica producida por la combustión del com-

bustible en energía mecánica, capaz de imprimir movimiento

en las ruedas. El carburante, normalmente, está constituido

por una mezcla de combustible y aire (mezcla gaseosa), es

quemado en el interior de los cilindros del motor. En la ope-

ración bio - combustible Diesel – gas envuelve a la mezcla

del gas natural con el aire de admisión de un motor de ciclo

Diesel. Fuera de la adición del sistema de mezcla aire/gas na-

tural, ninguna otra modificación es necesaria para el motor.

El sistema de inyección de Diesel permanece inalterable y es

necesario para inflamar la mezcla aire/gas suministrado a los

cilindros.

Las redes neuronales emulan ciertas características propias

de los humanos, como la capacidad de memorizar y de aso-

ciar hechos. El hombre es capaz de resolver problemas acu-

diendo a la experiencia acumulada. Por tanto, las redes neuro-

nales simulan un modelo artificial y simplificado del cerebro

humano capaz de adquirir conocimiento a través de la expe-

riencia y poder resolver problemas de diferentes tipos.

El objetivo principal de nuestra investigación es poder reali-

zar la predicción de valores de emisiones de contaminantes

de motores Diesel que operan con gas natural, basados en

datos experimentales encontrados en las pruebas desarro-

llados en los laboratorios de Ingeniería vehicular (LEV) de la

Pontificia Universidad Católica de Rio de Janeiro, Brasil. Con

el desarrollo de este trabajo de investigación, se pudo obte-

ner resultados de emisiones, aun no obtenidas experimental-

mente, sin necesidad de montar el aparato experimental ni

desarrollar las pruebas correspondientes. Se ven reflejados

nuestros resultados obtenidos en costo, tiempo y precisión.

FUNDAMENTOS

Motores de ciclo Diesel - gas natural, análisis termodinámico

El motor de combustión interna con gas natural ya viene

siendo utilizado en la industria automovilística, con ventajas

comparativas a los motores de combustión interna de ciclo

Otto y, en muchos casos también a los de ciclo Diesel.

En la utilización en motores estacionarios se tiene preferen-

cia a los de gas natural como principal combustible, debido

a una serie de factores, tales como: la cantidad significativa

de las reservas en todo el mundo, a la tecnología relativamen-

te simple en la obtención y distribución, y principalmente por

el bajo índice de emisión de gases nocivos al medio ambiente

con el uso controlado de esa tecnología.

Actualmente existen dos tipos diferentes de motores de com-

bustión a gas que pueden ser utilizados en varias aplicaciones/

procesos: para automóviles y las industrias.

Los motores de combustión a gas son típicamente proyectados

para operar con un tiempo de vida mayor que los desarrollados

para automóviles. Esos motores operan con rotaciones hasta

de 1 800 RPM. Por lo que los motores a gas del tipo industrial

son más caros que los motores automovilísticos. GONÇALVES

DE M., J. A. [12].

Los motores a gas para automóviles son diseñados para rota-

ciones mayores a 3 000 RPM. Siendo estos más baratos que los

motores industriales; además, presentan una ventaja caracte-

rística: son más leves y ocupan menos espacio, poseen una ra-

zón de compresión (variando de 9:1 a 11:1) y una potencia de

40 a 5 600 HP.

Entretanto, la vida útil de estos motores es menor que los mo-

tores industriales y son, en la mayoría de las veces, revendidos

después de su vida útil, como fierros viejos.

La diferencia fundamental entre el motor por compresión tra-

dicional y el operado en modo Diesel – gas natural está en la

cantidad de óleo Diesel inyectado. El motor, operando de la

forma tradicional, libera la energía proveniente únicamente de

la combustión del óleo inyectado en el cilindro. En los motores

Diesel – gas natural, la gran parte de la energía de la combus-

tión proviene de la quema de los gases. Apenas una pequeña

inyección de Diesel es necesaria para la ignición de la mezcla

aire – gas natural. LADEIRA C., M. et. al. [17].

En el motor operado en el modo biocombustible (Diesel - gas

natural), el motor operado en el modo biocombustible (Diesel-

gás natural), un inyector piloto de Diesel inicia la combustión

de una mezcla aire – gas natural previamente comprimida y

calentada. El proceso, inicialmente, se comporta de forma simi-

lar a los motores de ignición por compresión, con obtención

de calor con una presión constante. Después del inicio de la

combustión de la mezcla, el proceso siguiente es similar a los

motores de ignición por centella, con la obtención de calor con

volumen constante. LADEIRA et. al.[17].

Como el volumen de Diesel inyectado es muy pequeño, en rela-

ción al volumen total de la mezcla aire – gas admitido, el motor

se comporta esencialmente como en uno de ciclo Otto.


73



Un ciclo hipotético para un motor Diesel – gas natural puede

ser representado por los diagramas p-v y T-s, ilustrados en las

figuras 1a y 1b, con transformaciones parciales. LADEIRA et.

al. [17].

Figura 1. Ciclo principal dual Diesel – gas natural.

Fuente: LADEIRA C., M. et. al.[17]

Los motores de combustión a gas natural funcionan con ig-

nición por compresión y poseen las siguientes caracteristicas:

GONÇALVES DE M., J. A. et. al. [12]

- Son proyectados para servicios pesados y aplicaciones

de grandes cargas.

- Poseen una mayor vida util.

- Usan una injección de Diesel para iniciar la ignición en el

motor.

- Poseen alta razón de compresión (14:1 a 19:1).

APARATO EXPERIMENTAL

Todos los datos experimentales se pudieron realizar en los la-

boratorios de pruebas de motores, laboratorio de Ingeniería

vehicular (LEV) de la Pontificia Universidad Católica de Rio de

Janeiro, Brasil.

En la figura 2, se ilustra el esquema del aparato experimental

con el cual se obtuvieron los datos experimentales utilizados

en nuestra investigación (datos de entrada). CUISANO E., J. et.

al. [6].

También están representadas las unidades básicas de des-

empeño medidas por el dinamómetro (torque y rotación).

Los puntos donde se tomaron las demás medidas necesarias

están evaluados en el mismo motor, utilizando diferentes

equipos de medición y control.

Se utilizó un dinamómetro eléctrico de marca AVL, modelo

Alpha 240, con capacidad de probar motores con potencia

efectiva de 240kW, con un torque máximo efectivo de 600

Nm y una rotación máxima de 8 000 RPM. Teniendo una in-

certeza en el torque del motor de ± 0,2% del fondo de la escala

y una incerteza de medición de rotación de ± 1 RPM.

Figura 2. Esquema del aparato experimental.

Fuente: CUISANO E., J.et. al.[6].

Se utilizó un actuador electrónico de la bomba de inyección

Diesel de marca LENZE, modelo MDSKRS050-23, que permitió

operar el motor sin intervención manual y con una razonable

precisión. También, un controlador electrónico de aire de admi-

sión (mariposa) de la marca BOSH y el medidor de consumo de

gas natural conformado por un tambor, el cual estuvo dividido

interiormente por una placa que permite instalar hasta dos bo-

cales de medición en paralelo con diferentes diámetros en los

orificios (5mm y 10 mm). El motor, con el que se realizaron las

pruebas, fue un motor Diesel MWM, modelo 4,10, con una rota-

ción máxima de 2 600 RPM y torque de 500 Nm.

Tabla 1.Datos técnicos del motor.

Fuente: CUISANO E., J. et. al. [6].

FICHA TECNICA DEL MOTOR VEHICULAR

Fabricante / modeloMWM Motores Diesel / 4,10

TCA

Aspiración Turbo Aftercooler

Ciclo de funcionamiento 4 tiempos

Número de cilindros y

disposición4 en línea

Cilindrada total 4,3 litros

Diámetro por curso 103 x 129

Sistema de inyección Mecánico

Tasa de compresión 17:1

Potencia máxima 107 kW (145 CV)

Rotación de potencia

máxima2 600 RPM

Torque máximo 500 Nm

Rotación de torque máximo 1 600 RPM

Peso seco 380 Kg


74



Figura 3. Vista del motor MWM, modelo 4,10 TCA.


Finalmente, se utilizaron transductores de presión con salidas

analógicas de 4 - 20mA de marca HONEYWELL y con incerte-

za de ±0,1%.

Todos ellos, conectados directamente al dinamómetro AVL y

almacenados mediante un software Star de AVL para la medi-

ción y control de la rotación en el motor, control de la bomba

de inyección de Diesel, monitorear/almacenar los consumos

de Diesel; y monitorear/almacenar las señales de todos los

sensores instalados (transductores de presión, termopares y

sensores de humedad relativa).

Los transductores de presión midieron: presión de aire en la

descarga del compresor, presión de aire en la entrada y sali-

da del intercooler, presión antes y después de la mariposa de

control del aire de admisión; Presión del aire en el colector de

admisión, presión en el tambor de gas natural, presión dife-

rencial en el tambor de gas natural y tambor de aire.

Las mediciones de emisiones de contaminantes se realizaron

por medio de un sistema portátil de la marca TESTO, modelo

350 XL, donde se pudo realizar el análisis de las concentracio-

nes de las emisiones de CO, HC y NOx de los gases de escape.

Figura 4. Equipo de medición de emisiones TESTO.


[1] unidad de control, [2] caja analizadora 350XL; [3] sonda de

los gases de combustión, [4] conexión eléctrica y [5] cable de

conexión para las señales de medición.

Tabla 2. Datos técnicos de la caja analizadora Testo 350XL.


Sen

sor

de

med

ició

n

Ran

go

de

med

ició

n

[pp

m]

Res

olu

ció

n

mín

ima

[pp

m]

Incerteza del valor

medido

CO0 – 10

0001

±10 ppm (0-99 ppm)

±5% (100-2 000 ppm)

±10% (2 001-10 000 ppm)

NOx 0 – 3 000 1

±10 ppm (0-99 ppm)

±5% (100-2 000 ppm)

±10% (2 001-3 000 ppm)

HC100–

40 00010

<400 ppm (100-4 000

ppm)

±10% (> 4 000 ppm)

Las pruebas fueron realizadas para una gama de rotaciones (06

rotaciones: 1 000, 1 300, 1 600, 1 850, 2 100 y 2 600 RPM) y el

torque fue medido para 10%, 25%, 50%, 75% y 100% de carga

máxima para todas las rotaciones realizadas (hasta la máxima

permitida, según lo especificado por el fabricante del motor),

con la variación de consumo de Diesel y gas natural para cada

una de las pruebas (rotaciones y torques).

Se obtuvo finalmente el mapeamiento del motor con un gran

volumen de datos, siendo los suficientes para poder realizar

nuestra investigación y ensayos basada en esta metodología

desarrollada en este paper.

REDES NEURONALES

La inteligencia artificial computacional implica el desarrollo/

aprendizaje iterativo (modificaciones interactivas de los pará-

metros en el sistema conexionista), basándose en datos empí-

ricos.

Las redes neuronales son más que otra forma de emular ciertas

características propias de los humanos, como son la capacidad

de memorizar y de asociar hechos.

Así, hallamos claro que una forma de aproximarse al problema

consiste en la construcción del sistema que sea capaz de re-

producir esta característica humana. La neurona artificial está

formada por los datos de entrada (xn), los pesos (wn) y las sa-

lidas (yn).


75



Figura 5. Neurona artificial. Fuente: HAYKIN S. et. al. [13].

Existen múltiples modelos neuronales, cada uno de ellos es-

pecializado en determinadas funcionalidades.

Para que una red neuronal sea capaz de aproximar una fun-

ción, debe pasar previamente por un proceso de aprendizaje,

que consiste en establecer un problema, obtener una posible

solución y en función de la perfección alcanzada, corregir y

repetir la acción hasta que la tarea se lleve a cabo de forma

correcta. Para que el aprendizaje sea efectivo, se debe pro-

porcionar una colección de datos que sean representativos

para el problema.

Un conjunto preestablecido de reglas bien definidas para la

solución de un problema de aprendizaje es denominado el

algoritmo de aprendizaje.

No hay un único algoritmo de aprendizaje, pues la diferencia

entre un algoritmo y otro está en la medida como es formula-

do el ajuste de un peso sináptico de una neurona.

Una red neuronal correctamente entrenada debe poseer

una buena capacidad de generalizar, lo que significa que ha

aprendido y que responderá adecuadamente frente a patro-

nes no vistos con anterioridad.

Para poder modelar una red neuronal es necesario determi-

nar el tipo de arquitectura, redes mono capa o redes multica-

pa. Las redes multicapa son aquellas que disponen de con-

juntos de neuronas agrupadas en varios niveles o capas.

Figura 6. Arquitectura multicapa.

Fuente: propia

Una neurona puede estar activa (excitada = 1) o inactiva (no

excitada = 0 ó 1); o sea, su “estado de activación”. La función de

activación calcula el estado de actividad de una neurona; trans-

formando las entradas en un valor (estado) de activación, cuyo

intervalo normalmente va de 0 hasta 1 o de -1 a 1. La función de

activación produce un nuevo estado de activación de una neu-

rona a partir de la combinación de las entradas con los pesos

de las conexiones.

(a) (b) (c)

Figura 7. Funciones de activación (a) Lineal, (b) Sigmoides, (c) Tangente

Sigmoides. Fuente: HAYKIN S. et. al. [13].

Existen diferentes métodos que pueden ser agrupados en dos

paradigmas principales de aprendizaje: aprendizaje supervisa-

do o aprendizaje con un profesor y aprendizaje no supervisado

o sin profesor.

En este paper nos enfocaremos apenas en el tipo de aprendi-

zaje supervisado, presentando el algoritmo de entrenamiento

Backpropagation, el cual es la alternativa más utilizada para el

entrenamiento de redes neuronales directas.

METODOLOGÍA

Modelo de la red neuronal

Parametros evaluados

Para la evaluación de la red neuronal fueron utilizados los datos

experimentales del trabajo de CUISADO E, J. C. et. al. (2006). Los

parámetros fueron los siguientes:

a. VARIABLES INDEPENDIENTES

• Rotación (1 000, 1 300, 1 600, 1 850, 2 100 y 2 600 RPM)

• Carga (10, 25, 50 75 y 100%)

• Taza de substitución (valores entre 0 y 90%)

b. VARIABLES DEPENDIENTES

• Temperatura de los gases de escape.


76



• Consumo de aire.

• Emisiones de contaminantes (CO, HC y NOx).

• Consumo de Diesel.

• Consumo de gas natural.

Arquitectura y capas del modelo de la red neuronal

Para el modelo de la red escogido, se tiene dos arquitecturas

(abajo descritas). En la primera arquitectura (Figura 8) se tie-

ne una distribución de tres capas (capa de entrada, oculta y

salida).

Para la capa de entrada son proveídos los datos experimenta-

les para la red neuronal:

• Rotación (RPM).

• Porcentaje de carga (%).

• Cantidad de aire Seco (kg/h).

• Cantidad de gas natural (kg/h).

Para la capa de salida se tiene:

• Rendimiento térmico (%).

• Cantidad de Diesel (kg/h).

• Temperatura de los gases de escape (ºC).

Figura 8. Primer modelo de red neuronal.

Fuente: propia.

En la arquitectura de la figura 9, se tiene una distribución de

tres capas (capa de entrada, oculta y salida).

Para cada capa de entrada son proveidos los datos para la red

neuronal:

• Rotación (RPM).

• Porcetaje de carga (%).

• Cantidad de aire seco.

• Cantidad de consumo de gas natural (kg/h).

• Rendimiento térmico (%).

• Temperatura de los gases de escape (ºC).

Y para la capa de salida tenemos:

• Emisiones de CO (ppm).

• Emisiones de HC (ppm).

• Emisiones de NOx (ppm).

Figura 9. Segundo modelo de red neuronal.

Fuente: propia.

MÉTRICAS DE ERROR

Hay varios métodos de medidas de error que permiten la com-

paración de desempeño de la predicción con los valores ob-

servados.

Los métodos comúnmente usados son el RMSE (Raíz del error

medio cuadrático) y el MAPE (Error medio absoluto porcen-

tual), definidos como:

Ecuación 1

Ecuación 2

Donde:

yi = El valor obtenido.

ai = El valor observado / original.

N = El número de observaciones.


77



RESULTADOS

En tabla de abajo se puede observar el resumen de las capas

y épocas utilizadas en el entrenamiento de la red neuronal.

Como puede ser visto, para emisiones de CO, HC y NOx y tam-

bién para el consumo de Diesel fueron empleadas las funcio-

nes de activación Tansig y Logsig, respectivamente para las

capa de entrada – escondidas y la capa escondida – salida.

Para la temperatura de escape y rendimiento térmico, las fun-

ciones de activación Tansig y Purelin, respectivamente para

la capa de entrada – escondida y la capa escondida – salida.

Tabla 3. Función de activación utilizadas en las redes neuronales.

VARIABLES

CAPA

ENTRADA – ES-

CONDIDA

CAPA

ESCONDIDA –

SALIDA

Emisiones de CO Tansig Logsig

Emisiones de NOx

Tansig Logsig

Emisiones de HC Tansig Logsig

Temp. Gases de

Esc.Tansig Purelin

Consumo de

DieselTansig Logsig

Rend. Térmico Tansig Purelin

Tabla 4. Cantidad de neuronas y épocas utilizadas en las redes neuro-

nales.

Caso A: incluyendo datos de consumo de combustible 100% de Diesel

Caso B: Sin incluir datos de consumo de combustible 100% de Diesel

Fuente: propia

VARIA-

BLES

NEURONAS

CAPA ESCONDIDAEPOCAS

Caso A Caso B Caso A Caso B

Emisiones

de CO22 26 51 254

Emisiones

de NOx18 28 196 31

Emisiones

de HC14 20 84 135

Temp.

gases de

Esc.

24 20 443 358

Consumo

de Diesel14 10 13 177

Rend.

Térmico22 24 68 296

En la tabla 5 se resume, por medio de la métrica de error por-

centual (MAPE), los tres subconjuntos (entrenamiento, valida-

ción y pruebas).

Como se puede observar, los mayores errores (según la métrica

MAPE) son los correspondientes a las emisiones de CO y los de

menores errores son la temperatura de los gases de escape y de

rendimiento térmico, tanto para el caso A como para el caso B.

En dicha tabla 5 se pueden observar los resultados según las

métricas de evaluación de los errores RMSE, MAPE.

Los MAPE para la etapa de entrenamiento tenemos:

- Caso A. Se observa que los errores varían entre 1,24% (tem-

peratura de los gases de escape) y 12,19% (emisiones de

CO).

- Caso B. Se observa que los errores varían entre 0,79% (tem-

peratura de los gases de escape) y 12,19% (emisiones de

HC).

Los MAPE para la etapa de validación tenemos:

- Caso A. Se observa que los errores van de 1,79% (rendi-

miento térmico) y 14.56% (Emisiones de CO).

- Caso B, se observa que los errores van de 1,28% (rendimien-

to térmico) y 9,92% (Emisiones de HC).

Los MAPE para la etapa de pruebas tenemos:

- Caso A. Se observa que los errores van de 1.94% (Rendi-

miento Térmico) y 20.15% (emisiones de CO).

- Caso B. Se observa que los errores van de 1,28% (tempera-

tura de escape) y 10,26% (emisiones de CO).

El mayor porcentaje de error sucede siempre en las emisiones

de CO; mientras, que la de menor error está entre el rendimien-

to térmico y la temperatura de los gases de escape.

APRENDIZAJE DE PARÁMETROS

El proceso de aprendizaje se entiende como la respuesta de la

red neuronal con los datos experimentales.

Una parte de los datos experimentales fue utilizada para entre-

nar la red neuronal, la otra parte para validar los datos y el resto

para pruebas (con datos desconocidos para la red neuronal).


78



Tabla 5. Subconjuntos de entrenamiento, validación y prueba.

Caso A: incluyendo datos de consumo de combustible 100% de Diesel.

Caso B: sin incluir datos de consumo de combustible 100% de Diesel.

VARIA-

BLES

ENTRENA-

MIENTOVALIDACIÓN PRUEBA*

MAPE MAPE MAPE

Caso A Caso B Caso A Caso B Caso A Caso B

Emisio-

nes de

CO

12,19 4,03 14,56 9,24 20,15 10,26

Emisio-

nes de

NOx

4,40 4,19 5,99 4,25 10,89 5,17

Emisio-

nes de

HC

3,10 9,47 4,63 9,92 5,41 8,96

Temp.

Gases de

Esc.

1,24 0,79 2,43 1,43 2,06 1,28

Consu-

mo de

Diesel

8,06 6,81 9,97 5,45 7,60 4,63

Rend.

Térmico1,33 1,10 1,79 1,28 1,94 1,42

* Con datos no entrenados

De las figuras 10 a 15, la predicción de los datos para el con-

sumo de combustible Diesel, rendimiento térmico, tempera-

tura de los gases de escape, emisiones de CO, HC y NOx; para

todos los casos en el eje de las ordenadas son las variables de

predicción y en el eje de las abscisas los datos utilizados para

el aprendizaje de la red neuronal.

En esta etapa de aprendizaje, la red neuronal utilizada pre-

senta una buena concordancia con los datos experimentales

utilizados.

Figura 10. Aprendizaje de datos consumo de diesel.

Fuente: propia

Figura 11. Aprendizaje de datos rendimiento térmico.

Fuente: propia.

Figura 12. Aprendizaje de datos temperatura de los gases de escape.

Fuente: propia.

Figura 13. Aprendizaje de datos emisiones de CO.

Fuente: propia


79



Figura 14. Aprendizaje de datos emisiones de HC.

Fuente: propia

Figura 15. Aprendizaje de datos emisiones de NOx.

Fuente: propia

PREDICCIÓN DE PARÁMETROS

Se entiende por predicción de datos al proceso de interpo-

lación y extrapolación a partir de los valores predichos por

la red neuronal para determinar puntos que no fueron de-

terminados experimentalmente; es decir, el proceso de pre-

dicción de datos determinara los puntos intermedios, esto

es, porcentajes de carga de 10, 12, 14, 16,…96, 98 y 100%. De

esta manera se tiene una secuencia de puntos prácticamente

continua.

En este paper, el proceso de predicción de datos fue realizado

para rotaciones entre 1 000 y 2 600 RPM (con intervalos de 250

RPM). Por lo que solamente serán presentadas las curvas de

predicción de datos para la rotación de 1 850 RPM.

En las figuras 16 a 21, son presentados casos de predicción de

datos con la rotación de 1 850 RPM, para consumo de Diesel,

rendimiento térmico, temperatura de gases de escape, emisio-

nes de CO, HC y NOx respectivamente. En cada figura, las líneas

representan las previsiones y los puntos indican los datos expe-

rimentales. En cada caso se observa coherencia con los datos

experimentales obtenidos por la red neuronal. Para los casos

de consumo de Diesel, rendimiento térmico, temperatura de

los gases e emisiones de HC, los resultados de predicción son

mucho más próximos comparados con los casos de emisiones

de CO y NOx.

Figura 16. Predicción de consumo de Diesel.

Fuente: propia.


80



Figura 17. Predicción del rendimiento térmico.

Fuente: propia

Figura 18. Predicción de la temperatura de los gases de escape.

Fuente: propia.

Figura 19. Predicción de emisiones de CO.

Fuente: propia.

Figura 20. Predicción de emisiones de HC.

Fuente: propia


81



Figura 21. Predicción de emisiones de NOx.

Fuente: propia.

CONCLUSIONES

a. Se logró implementar un modelo de predicción de da-

tos a través de las redes neuronales; para poder obte-

ner completamente el mapa de desempeño del motor

en cualquier condición de trabajo, entre los límites es-

tablecidos por las pruebas experimentales.

b. Por medio del modelo de predicción se obtuvo resulta-

dos que están de acuerdo con los datos experimenta-

les.

c. Los mayores errores encontrados en esta predicción

están relacionados a las emisiones de CO.

d. Los menores errores encontrados en esta predicción

fueron los relacionados con el rendimiento térmico y a

las temperaturas de los gases de escape.

REFERENCIAS

[1] ANDRADE DE CARVALHO, J. Jr. (2003). Emissões em proces-

sos de Combustão, Ed. UNESP, pp. 1-135.

[2] BARBOSA R., S. (2004). Apostila de motores. PUC – Departa-

mento de engenharia mecánica, pp. 1–78.

[3] BARRETO, J. M. (2002). Introdução às Redes Neurais Artifi-

ciais. UFSC – Departamento de Informática e de Estadísti-

ca.

[4] CANAKCI, M.; ERDIL, A.; ARCAKLIOGLU, E. (2005). "Perfor-

mance and exhaust emissions of a bioDiesel engine".

Applied Energy, pp. 594–605.

[5] CELIK, V.; ARCAKLIOGLU, E. (2004) "Performance maps of a

Diesel engine", Applied Energy, pp. 247 - 259.

[6] CUISANO E., J. (2006). "Redução das emissões em Motores

Diesel–gás". dissertação de Mestrado. PUC Rio.

[7] CHARLES, E. B. J. (2001) The John Zink Combustion

Handbook. Florida, N W., Ed. CRC Press LLC, pp 1-698.

[8] CHOI, Y.; CHEN, J.Y. (2005) "Fast prediction of start-of-com-

bustion in HCCI with combined artificial neural networks

and ignition delay model". Proceedings of the Combustion

Institute 30, pp. 2711–2718.

[9] DE CASTRO V., M. (1987). El Motor Diesel en el Automóvil,

Enciclopedia del automóvil. Barcelona, Ediciones CEAC.

[10] FAUSETT, L., Fundamentals of Neural Networks, Architectu-

res, Algorithms and Applications, pp.1-476.

[11] FLÓREZ L., R.; FÉRNANDEZ F., J. M. (1995) Las redes neuro-

nales artificiales: fundamentos teóricos y aplicaciones prác-

ticas. Madrid, Addison – Wesley, pp. 1-152.

[12] GONÇALVES DE M., J. A. (2006). "Acionamento de maqui-

nas de fluxo por Motores de Combustão Interna a Gás Na-

tural". Dissertação de Mestrado, USP pp. 1–220.

[13] HAYKIN, S. (2001). Redes neurais: princípios e prática, 2.a

edição, Ed. Bookman, pp.1-900.


82



[14] HEYWOOD, J. B. (1988). Internal Combustion Engine

Fundamentals. New York, Ed. McGraw-Hill Book Co.; pp.

1-480.

[15] HILERA, J.R.G. (2000). Redes Neuronais Artificiais: Funda-

mentos, modelos e aplicações. Ed. ALFA-OMEGA-RAMA,

pp.1-390.

[16] KOVÁCS, L. Z. (2006). Redes neurais artificiais. Fundamen-

tos e aplicações. 4ª edição revisada, São Paulo, Livraria

da Física.

[17] LADEIRA C., M. (2005). "Desenvolvimento de um sistema

de alimentação de combustível para motores Diesel –

Gás", dissertação de Mestrado, PUC Rio.

[18] ZURADA, J.M., (1992). Introduction To Artificial Neural

Systems. Ed. West Publishing Company, pp. 1-764.


Sergio Leal Braga. Ingeniero Mecánico, profesor asociado de

la PUC- Río, Brasil, Master y doctor en Ingeniería Mecánica en

la PUC- Río, pos-Doctorado en Purdue University, Estados Uni-

dos. Actual director del Instituto Tecnológico ITUC-PUC-RIO,

del Instituto de Energía, IE-PUC y Coordinador del Laborato-

rio de Ingeniería Vehicular de la PUC- Rio.

http://buscatextual.cnpq.br/buscatextual/visualizacv.

jsp?id=K4781805A1

Juan José Milón Guzmán. Master y Doctor en Ingeniería Me-

cánica de la PUC-Rio, Brasil. Coordinador del Laboratorio de In-

vestigación Tecnológica en Energía-LITE, UCSP. Actualmente es

profesor e investigador en la Universidad Católica San Pablo,

Perú. Área de Interés: Solidificación, transferencia de calor, cam-

bio de fase, refrigeración, termo-acumulación. Representante

del Proyecto PROSUL – Latinoamericano en Perú, Arequipa, de

la Universidad Católica San Pablo.

http://lattes.cnpq.br/2782963502606266

Miguel Angel León Mozo. Master en Ingeniería Mecánica (PUC

Rio, Brasil), bachiller de Ingeniería de Sistemas (UCSM, Perú), ac-

tivo en temas relacionados a conservación de energía, tecno-

logía en Petróleo y energía desde 2004. Estudios realizados en

la Pontificia Universidad Católica de Rio de Janeiro, Brasil, desa-

rrollador de proyectos con métodos de optimización usando

tecnologías de inteligencia artificial y manejo de sistemas de

información. Desarrollador de soluciones en el ámbito de la in-

dustria minera en la empresa GEOTEC CONSULTING SAC desde

el 2009. Docente actual de la institución educativa TECSUP, Are-

quipa en el área de mecánica.




83


Jorge Leal, Tecsup

Efecto de Cinco Volúmenes de Riego de Chapodo sobre la Producción de Turiones “Jumbo” en Espárrago Blanco (Asparagus officinalis L.),

UC 157 F1

Effect of Five Volumes of Irrigation of Fern Cut on the performance of Sprouts Jumbo Jet of White Asparagus (Asparagus Officinalis L.), UC 157 F1.

Resumen

La cosecha de espárrago en verano se diferencia por la ob-

tención de espárragos de calibres superiores a 27 mm (de-

nominados comúnmente “jumbos”), sean estos comerciales o

de descarte. Con la finalidad de disminuir la presencia de este

diámetro de turiones, se planteó la presente investigación

cuyo objetivo fue determinar el efecto de cinco volúmenes

de riego de chapodo sobre el rendimiento de turiones “jum-

bo” de espárrago blanco (Asparagus officinalis L.) UC 157 F1.

El experimento fue llevado a cabo en el distrito de Salaverry,

(Trujillo, La Libertad), en el área de influencia del Proyecto Es-

pecial Chavimochic en Perú. El suelo del experimento fue de

textura arenosa, utilizándose un sistema de riego por goteo

para la conducción del cultivo.

Se empleó un Diseño de Bloques Completos al Azar, con

cinco tratamientos y cuatro repeticiones. Fue realizado un

análisis de varianza y la prueba de Duncan, con un nivel de

significancia de 5%.

Los resultados mostraron que los tratamientos que utilizaron

una lámina de riego anterior al chapodo de 204 m3.ha-1 (T2)

y 272 m3.ha-1 (T4), en comparación al resto de tratamien-

tos (T0,T1 y T3), muestran una menor incidencia de turiones

“jumbo descarte” y “jumbo comercial” de espárrago blanco.

Se concluye que estos tratamientos son adecuados para ser

aplicados en un riego de chapodo bajo las condiciones del

experimento.

Abstract

The asparagus crop in summer is different because asparagus

with diameter larger than 27 mm, commonly named "Jumbo

jets", are obtained being of the commercial or of discarded

type. With the purpose of diminishing the presence of this dia-

meter of sprouts, an experiment was proposed aimed was to

determine the effect of five volumes of irrigation of lopping on

the performance of sprouts Jumbo jet of white asparagus (As-

paragus officinalis L.) UC 157 F1.

The experiment was carried out in Salaverry's District (Trujillo,

La Libertad), in the area of influence of the Chavimochic Project

in Peru. The soil of the experiment was of sandy texture, being

in use a drip irrigation system for the conduction of the culture.

A design of random Complete Blocks was used, with five

treatments and four repetitions. An analysis of variance was

made and Duncan's test performed with a level significants of

5%.

The results showed that the treatments that used a sheet of

irrigation previous to the lopping of 204 m3.ha-1 (T2) and 272

m3.ha-1 (T4), in comparison to the rest of treatments, had a

minor incident of sprouts "jumbo jet rejects" and "commercial

jumbo jet" of white asparagus. The conclusion points that these

treatments are adecuate to be applied in an irrigation of lop-

ping under the conditions of the experiment.

10 Efecto de cinco volumenes de riego de chapodo sobre la producción de turiones jumbo_jorge leal.indd 83 7/4/11 9:34 PM

84


LeAL, Jorge. “efecto de Cinco Volúmenes de Riego de Chapodo sobre la Producción de Turiones “Jumbo” en espárrago Blanco (Asparagus officinalis L.), UC 157 F1”

Palabras Clave

Chapodo, corona, yema, turión, turión jumbo.

Key words

Fern cut, crown, bud, sprout, jumbo sprout.

InTROdUCCIón

La producción de espárrago en el ámbito mundial se ha cons-

tituido durante los últimos años en una actividad con un auge

creciente. Las exportaciones de espárragos peruanos, entre

enero y noviembre de 2010, totalizaron US$ 375,40 millones,

lo cual representa un crecimiento interanual de 8,5%, siendo

nuestro país el primer productor mundial de esta hortaliza.

El incremento en el valor de las exportaciones se debe funda-

mentalmente a un alza de 16,6%, en los envíos de espárragos

frescos (totalizando US$256,40 millones) mientras que los

espárragos congelados registraron un crecimiento de 23%,

sumando US$26,70 millones. En el caso de los espárragos en

conserva, estos experimentaron una caída de 11,6%, disminu-

ción impulsada por una menor demanda de algunos países

como España (-24,6% en volumen); Estados Unidos (-22,8%);

Holanda (-32,4%) y Chile (-20,5%). Los principales mercados

de destino fueron Estados Unidos, España y Holanda que, en

conjunto, representaron 76,5% del total exportado. [1],

Para lograr mejores ventas, las empresas esparragueras de-

ben de obtener un producto de calidad; esto involucra obte-

ner más de 85% de turiones de calidad comercial. Sin embar-

go, no todos los turiones cosechados se presentan uniformes

un problema fundamental en esparrago blanco, en los meses

de verano, es el esparrago “jumbo” (turiones con diámetro

mayor a 27 mm) caracterizado por su exceso de diámetro,

que lo convierte en muchos casos en producto sin calidad co-

mercial. Es conocido por los productores agrícolas que existe

una relación directa del incremento de la presencia de turión

"jumbo" con el aumento de temperatura. Por tal motivo, se

puede pensar en que una manera para disminuir la población

de turiones “jumbo” es incrementando las láminas de riego

antes de la cosecha.

El objetivo principal del experimento fue evaluar el efecto de

diferentes láminas de riego sobre la incidencia de turiones

“jumbo” en verano, a través del uso de cinco volúmenes de

riego de chapodo en espárrago blanco (Asparagus officinalis

L.) cv. UC 157 F1, en Salaverry, Trujillo, La Libertad.

FUndAmEnTO

Cuando la planta de espárrago termina el periodo de creci-

miento activo, y con el fin de asegurar productividad, la planta

se somete a un periodo de agoste en el que se disminuyen las

láminas de riego, manteniendo latentes las yemas productivas.

Con la finalidad de romper la latencia de las yemas, originada

por el agoste, se aplica un último riego previo al chapodo o cor-

te de follaje, conocido como riego antes de chapodo o riego de

chapodo [2]. La finalidad de este riego es activar el contenido

de carbohidratos que se encuentran presentes en la corona y

que, al posterior corte del follaje, esta activación permitirá su

distribución en forma acelerada a los puntos de crecimiento

“yemas”; y, por ende, la emergencia de turiones.

El crecimiento de los turiones de espárrago también depende

de la temperatura; las tasas de elongación diaria de los turiones

aumentan entre temperaturas mínimas de 7 a 10°C, hasta máxi-

mas de 25 a 30°C [3].

El máximo grosor de los turiones se logra a nivel del suelo, por

lo que el espesor de la capa de tierra sobre la corona influye

directamente en su diámetro. Es por eso que los espárragos

blancos son más gruesos que los verdes [4].

BLUmmEnFiELD [5] calculó, mediante análisis de regresión,

que aumentos de temperatura de 1°C generaban aumentos de

0,57 cm en las tasas de elongación diaria, mientras que 1 cm

en la longitud del turión significaban aumentos de 0,35 cm de

diámetro en las mismas tasas. Según DroST [6]; el incremento

en la uniformidad de brotación se debe a que el crecimiento

de las yemas es más concentrado a comienzos de primavera

y se acentúa más al llegar a verano, que cuando este se ve ex-

puesto a la temperatura mínima del invierno; así, se provoca

una aceleración en el proceso metabólico [7]. Es por ello que

una cosecha de verano es más corta y de alto rendimiento por

hectárea; pero, a su vez, también favorece esto a la obtención

de turiones “jumbo”.

Los turiones “jumbo” se caracterizan por ser de diámetros su-

periores a los 27 mm, pudiendo ser “jumbo” comercial, si es que

no poseen ninguna imperfección en su superficie, y “jumbo” de

descarte, si es que posee imperfecciones. Cabe resaltar que los

turiones “jumbo” comercial tienen un menor valor comercial, lo

cual perjudica de manera significativa los ingresos económicos

de los agricultores.

La experiencia que se tiene en Chavimochic en la cosecha de

verano, es que a partir del octavo día de cosecha y con tempe-

raturas promedio/día superiores a 24°C en suelo, aparecen los

turiones “jumbo”, incrementándose con mayor intensidad en

los siguientes días.


85



Se podría establecer una posible alternativa para evitar la

presencia de turiones “jumbo”, si es que la humedad del surco

aporcado se mantuviera alta durante los primeros periodos

de cosecha, con la finalidad de provocar una disminución en

la temperatura del suelo, permitiendo un desarrollo mínimo

de turiones “jumbo”.

mETOdOLOgíA

1. Características del clima, suelo y agua

Los datos climáticos para la zona en los meses en que se rea-

lizó el trabajo de investigación (08-03-06 al 03-04-06), son, en

promedio: temperatura mínima 21,78 °C; temperatura máxi-

ma 22,22°C; evaporación 4,88 mm/día; radiación solar, 249,25

cal-gr/cm2.día; velocidad del viento mínima 4,73 km/h; velo-

cidad máxima del viento, 9,83 km/h; humedad relativa 84,11

%, sin presencia de lluvias.

El suelo es de textura arenosa;sin exceso de sales; de reacción

neutra; presencia de carbonatos de calcio; bajo contenido de

materia orgánica y, por lo tanto, bajo en nitrógeno disponible;

alto a medio en fósforo y potasio disponible; baja capacidad

de intercambio catiónico y sin problemas de sodio cambiable.

El agua de riego proviene del Proyecto Especial Chavimochic

y presenta pH neutro, bajo contenido de sales, bajo nivel de

boro-calcio y sulfatos altos, contenido normal de sodio.

2. Características del cultivo

Campo con cultivo de espárrago (Asparagus officinalis L.) cv.

UC – 157 F1 de 5 y medio años de edad, con una densidad

de 21 000 plantas.ha-1, conducido para producción de espá-

rrago blanco. El cultivo del campo experimental, presenta su

décimo tercera campaña, siendo el inicio de ella el 5 de no-

viembre de 2005.

El cultivo llegó a la época de madurez a los 113 días de edad,

con un promedio de 10,58 yemas maduras por planta, siendo

el 44,05 % del total de yemas observadas.

Durante toda la campaña se aplicaron fertilizantes vía fer-

tirriego, en las siguientes cantidades por hectárea: 227,33

unidades de n, 175,09 unidades de P2o5, 439,029 unidades

de K2o, 88,09 unidades de Cao, 61,470 unidades de mgo y

4,04 unidades de B, haciendo un consumo total de agua de

2848,42 metros cúbicos de agua por hectárea.

3. diseño experimental

El material de estúdio fueron plantas de espárrago (Asparagus

officinalis L.) cv. UC 157 F1. Se empleó el Diseño Experimental de

Bloques Completos al Azar con 4 tratamientos, más un testigo y

4 repeticiones (total 5 tratamientos).

Clave Descripción

T0: :136 m3.ha equivalente a 8 horas de riego (testigo)

T1: :170 m3.ha equivalente a 10 horas de riego




3.1Calidadaevaluar

Las evaluaciones se realizaron en tres periodos de la cosecha

(1.° al 6.° día; 7.° al 12.° día; 13.° al 18.° día). Los turiones “jumbo”

se clasificaron en:

a. Tipo “jumbo” comercial: turiones rectos o ligeramente

curvos, puntas de color rosado o ligeramente morado has-

ta un máximo de 3 cm, sin deformaciones, totalmente ce-

rradas o ligeramente hinchadas sin llegar a estar abiertas.

Calibre 27-35 mm.

b. Tipo “jumbo”descarte: turiones con diámetros compren-

didos entre 27 y 35mm con punta rajada, huecos interna-

mente o deformes y aquellos con diámetros mayores a los

permitidos o con puntas de coloración lila o verde.

3.2 Determinación de los porcentajes de humedad gravi-

métricadelsuelo

Las muestras de suelo fueron extraídas a una profundidad de

30 cm, que es donde se encuentra la corona y raíces absorben-

tes. Los momentos de la toma de muestras de suelo fueron los

siguientes: antes de la aplicación de los tratamientos, después

de los tratamientos, al aporque, al 1.°, al 6.°, al 12.° y último día

de cosecha.

3.3Determinacióndelatemperaturadelsuelo

Para determinar la temperatura del suelo, se tomaron tres pun-

tos a lo largo del surco. Todas estas mediciones se realizaron

desde el momento en que se aporcó el terreno, a una profun-

didad de 15 y 30 cm, hasta el fin de cosecha. Además, se tomó

en cuenta la temperatura máxima y mínima del ambiente con

ayuda de la estación meteorológica.


86



4. Resultados y discusión

Resultados

1. Pesodeturiones"jumbo"descarteduranteelprimer

periododecosecha(1.ºal6.ºdía). Pruebas de significa-

ción de rango múltiple de Duncan con un α = 0,05.

Tratamientos m3.ha-1 kg

0 136 131,1 a

1 170 133,32 a

2 204 130,09 a

3 238 136,78 a

4 272 135,65 a

Figura 1. Tratamientos unidos con la misma letra son estadísticamente

iguales, según Duncan al 0.05.

2. Pesodeturiones"jumbo"descarteduranteelsegun-

doperiododecosecha(7.ºal12.ºdía).Pruebas de sig-

nificación de rango múltiple de Duncan con un α = 0,05.


4 272 347,73 a

3 238 365,50 ab

2 204 370,20 ab

0 136 371,34 ab

1 170 423,90 b


iguales, según Duncan al 0,05.

3. Peso de turiones "jumbo" descarte durante el tercer

periododecosecha(13.ºal18.ºdía).Pruebas de signifi-

cación de rango múltiple de Duncan con un α = 0.05.


2 204 465,66 a

1 170 531,07 ab

4 272 559,21 ab

3 238 572,32 b

0 136 581,04 b


iguales, según Duncan al 0,05.

4. Pesodeturiones"jumbo"comercialtotaldurantetodo

elperiododecosecha(1.ºal18.ºdía).Pruebas de signifi-

cación de rango múltiple de Duncan con un α = 0,05.


Testigo 136 640,89 a

1 170 645,61 a

2 204 776,7 ab

4 272 862,31 b

3 238 865,04 b


iguales, según Duncan al 0.05.


87



5. Porcentajedehumedadgravimétricadelsuelo

Humedaddelsuelo

antesdelos

Humedaddelsuelo

despuésde

Humedaddelsuelo

Humedaddelsuelo(%)durantelacosecha

Tratamien-tos

Tratamien-tos(%)

Tratamien-tos(%)

alaporque(%)

Día1 Día6 Día12 Día18

07/03/2006 09/03/2006 12/03/2006 17/03/2006 22/03/2006 28/03/2006 03/04/2006

Tr 0 2,09 11,4 1,61 1,33 1,59 1,38 1,3

Tr 1 2,5 10,29 1,7 1,38 1,46 1,35 1,25

Tr 2 2,78 10,65 1,79 1,51 1,55 1,4 1,34

Tr 3 2,5 11,05 1,97 1,42 1,37 1,24 1,28

Tr 4 2,31 11,22 1,97 1,63 1,59 1,33 1,3

Efectuado el análisis de varianza para la variable porcentaje de humedad gravimétrica del suelo, la fuente de variación tratamientos

no presenta diferencia significativa.

- Al realizar el análisis de regresión entre el volumen de agua

aplicado vs. turiones "jumbo" comerciales, se aprecia el au-

mento de estos turiones conforme aumenta el volumen en

contraste con el "jumbo" descarte que muestra lo contrario.

- Esto puede deberse a que al aplicar la cantidad de

204 m3/ha de agua, solo una cantidad es asimilada, pues la

planta ya no puede absorber más agua del suelo y la hume-

dad del suelo se mantiene estable durante todo el periodo

de cosecha.

COnCLUSIOnES

- no se encontraron diferencias significativas en relación con

la humedad del suelo en las diferentes láminas de riego

aplicadas.

- Se encontraron diferencias significativas con respecto a la

variable de turiones “jumbo” comercial durante toda la eta-

pa de cosecha por tratamientos.

6. Figura 5: fluctuación diaria de la temperatura am-

bienteydesuelo

El análisis de varianza de la variable temperatura del suelo a

los 15 y 30 cm, medido durante toda la cosecha, no muestra

diferencias estadísticas.

7. Análisis de regresión con respecto al efecto de los

volúmenes de agua sobre el porcentaje de turiones

"jumbo"portratamiento

realizado el análisis de regresión para determinar el efecto

del volumen de agua con respecto al desarrollo de calidad

jumbo por tratamiento, resulta que la tendencia es ascen-

dente con respecto a "jumbo" comercial, al agregar más volu-

men de agua, en contraste con el jumbo descarte que va en

forma descendente (Gráfico 2).

Figura6:dispersióndelporcentajedeturiones"jumbo"

paraeltotaldecosecha,enlostratamientos136m3.ha-1

(t0), 170 m3.ha-1 (t1), 204 m3.ha-1 (t2), 238 m3.ha-1 (t3),

272m3.ha-1(t4).

Tabla 1. Porcentaje de humedad de gravimétrica del suelo.


88



- En relación con la producción de turiones "jumbo" des-

carte, los tratamientos 204 m3.ha-1 (T2) y 272 m3/ha (T4)

mostraron menor presencia de este tipo de turiones

(965,98 y 1042,59 kg/ha), siendo mejor el tratamiento 2

por el menor empleo de agua.

- La disminución de turiones “jumbo” descartes durante

la cosecha de verano se hace posible por el efecto de la

lamina de riego al inicio de tratamientos, provocando ob-

tener “jumbos“ comerciales. más no es posible bajar la

aparición de “jumbo” ya que existe relación directa entre

temperatura y desarrollo fisiológico.

REFEREnCIAS

[1] Agro y economía. negocios e inversiones (2011). Ex-

portaciones de espárragos peruanos. recuperado el

14 de abril del 2011 de: http://www.agroeconomica.

pe/2011/01/

[2] CHiGCHÓn, P. (2000). "Efecto de periodo de agoste en

el rendimiento y calidad del cultivo de espárrago" (As-

paragus officinalis L.). Tesis ing. Agr. Universidad Privada

Antenor orrego. Trujillo, Perú.

[3] SoUTHEr, F. (1987). El factor climático y su influencia so-

bre la productividad del espárrago. Fundación Chile.

[4] FErnAnDEZ, o. (2001). "Efecto del periodo de agoste y

de la materia orgánica en el rendimiento de espárrago

verde (Asparagus oficinales L.) cv. UC 157 F1 bajo riego

por goteo en condiciones de costa central". Tesis ing.

Agr. Universidad nacional Agraria La molina. Lima, Perú.

[5] BLUmEnFiELD, D.K. et. al. (1961). A field study of Aspara-

gus growth. Proc. Am. Soc. Hortic. Sci.

[6] DroST, D. (1997). Asparagus. in: WHiEn, H. C (ed.). The

physiology of vegetable crops. Cambridge: CAB interna-

tonal.

[7] DEAn, B. (1999). The effect of temperatura on asparagus

apear growth and correlation of heat units accumulated

in the field with apear yield. Acta Horticulturae.

ACERCA dEL AUTOR

JorgeLuisLealPinedo. ingeniero agrónomo con experiencia

laboral en producción agrícola en distintas áreas como sanidad

vegetal, riego y fertirriego, cosecha, gestión, planificación, orga-

nización y dirección en cultivos de agroexportación, con espe-

cialidad en espárrago.

Ha desempeñado actividades profesionales en fundos de ex-

portación del Proyecto Especial Chavimochic. Actualmente es

docente a tiempo completo del Departamento Agrícola y de

Estudios Generales de Tecsup, Trujillo.

original recibido: 25 de abril de 2011




Lima: Av. Cascanueces 2221 Santa Anita. Lima 43, Perú

Publicación Semestral Tecsup se reserva todos los derechos legales de reproducción del contenido, sin embargo autoriza la reproducción total o parcial para fines didácticos, siempre y cuando se cite la fuente.

Compendio_2011A_pag finalesindd 86 7/1/11 11:45 PM

InstruccIones para los autores

La revista Investigación aplicada e innovación, I+i, es publicada semestralmente. El objetivo de la revista es contribuir al desarrollo y difusión de investigación y tecnología, apoyando al sector productivo en la mejora de sus procesos, eficiencia de sus procedimientos e incorporando nuevas técnicas para fortalecer su competitividad. Las áreas princi-pales de su cobertura temática son: Automatización industrial, Electrotecnia, Electrónica, Tecnologías de la Informa-ción y Comunicaciones (TIC), Ensayo de materiales, Química y Metalúrgica, Educación, Mantenimiento, Tecnología Agrícola, Tecnología de la Producción, Tecnología Mecánica Eléctrica, Gestión y Seguridad e Higiene Ocupacional.

Va dirigida a los profesionales de los sectores productivos y académicos en las áreas de la cobertura temática.

Requisitos para la publicación de artículos:

1. Formato y envío del artículo

• El trabajo debe ser original, inédito y en idioma español o inglés.

• El artículo debe tener una extensión entre 7 y 14 páginas en Word.

• El interlineado será sencillo, fuente Tahoma, tamaño 11 puntos.

• Todos los márgenes son de 2,5 cm en tamaño de página A4.

• Envío por vía electrónica a [email protected]

2. estructura del artículo

• Al comienzo del artículo se colocará el título de la investigación (en inglés y español), nombre y apellidos de los autores y su afiliación académica e institucional.

• A continuación aparecerá –en español e inglés un breve resumen del contenido del artículo y unas palabras clave con cuerpo de 9 puntos.

• El artículo debe dividirse en:

– Introducción: Explicar el problema general; Definir el problema investigado; Definir los objetivos del estudio; Interesar al lector en conocer el resto del artículo.

– Fundamentos:Presentar los antecedentes que fundamentan el estudio (revisión bibliográfica); Describir el es-tudio de la investigación incluyendo premisas y limitaciones.

– Metodología: Explica cómo se llevó a la práctica el trabajo, justificando la elección de procedimientos y técni-cas.

– Resultados: Resumir la contribución del autor; Presentar la información pertinente a los objetivos del estudio en forma comprensible y coherente; Mencionar todos los hallazgos relevantes, incluso aquellos contrarios a la hipótesis.

– Conclusiones: Inferir o deducir una verdad de otras que se admiten, demuestran o presupone; Responder a la(s) pregunta(s) de investigación planteadas en la introducción y a las interrogantes que condujeron a la realización de la investigación.

– Referencias: Trabajar las referencias bajo el formato del American Psychological Association (APA)

3. seleccIón de artículos

• El procedimiento de selección de artículos para ser publicados se realiza mediante un sistema de arbitraje que consiste en la entrega del texto anónimo a dos miembros del consejo editorial, especialistas en el tema. Si ambos recomiendan su publicación, se acepta su dictamen y se comunica al autor; si no coinciden, el dictamen de otro miembro será definitivo.

• Una vez enviado el artículo, cumpliendo con todas las normas antedichas, el consejo de redacción corregirá una sola prueba, no siendo posible remitir posteriores modificaciones.

• Para contactar con usted, rogamos que adjunte su correo electrónico, correo postal, teléfono y fax.


Campus ArequipaUrb. Monterrey Lote D-8 José Luis Bustamante y Rivero. Arequipa, PerúT: (54)426610 - F: (54)426654MAIL: [email protected]

Campus LimaAv. Cascanueces 2221 Santa Anita. Lima 43, PerúT: (51)317-3900 - F: (51-1)317-3901MAIL: [email protected]

Campus Trujillo:Via de Evitamiento s/n Victor Larco Herrera. Trujillo, PerúT: (44)60-7800 - F: (44)60-7821MAIL: [email protected]

www.tecsup.edu.pe

Inst

itu

to d

e Ed

uca

ció

n S

up

erio

r Tec

no

lóg

ico

Pri

vad

o T

ECSU

P N

° 1

R

M: N

° 153

-84-

ED (1

7/02

/198

4)

R

D: N

° 054

-200

5-ED

(24/

02/2

005)


Documents

I+i Investigación aplicada e innovación. Volumen 5 - Nº 1 / Primer Semestre 2011