Beruflich Dokumente
Kultur Dokumente
Asignatura: MATEMATICA IV
Integrantes: Código
ÍNDICE
1 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
2 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
3 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
II.- INTRODUCCIÓN:
La mayoría de los trabajos que se han desarrollado en esta investigación en peces marinos y
acuícolas, implica llevar las necesidades del cliente a instalaciones de producción que convierten
la “materia prima” en componentes de valor agregado. Para ello esta línea de investigación se
enfoca en las áreas como la biología, física, química e informática que estudiar los diferentes
procesos de conversión de la materia prima, en este caso el pescado y los derivados que se puedan
obtener de este. Los residuos están constituidos principalmente por huesos, piel, cabezas y
vísceras, los cuales son fuente importante de proteínas con alto valor nutricional y comercial, que
poseen carne magra, que en su mayoría no contienen una gran cantidad de grasas, que son
aprovechables en la industria.
Se estudian las operaciones por las cuales se crean productos a partir de sustancias por medio de
procedimientos fisicoquímicos o biológicos ya que se busca optimizar los procesos bajo ciertas
restricciones que aseguren la sostenibilidad del recurso cuando estos lleguen a la planta de
producción. Por lo tanto se aplica la matemática para transformar la materia y la energía.
Visualizándose de diseñar, construir, controlar, operar y administrar los diferentes procesos que se
lleven a cabo en la industria pesquera.
El objetivo de esta investigación para una mejor tasa de producción de los recursos
hidrobiológicos es obtener una mejor calidad, eficacia tecnológica, una mayor tasa de ganancia a
bajo costo y en poco tiempo, ya que es favorable para la industria y para el consumidor.
4 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
1. TESIS
propiedades fisicoquímicas
de respuesta sobre las condiciones de extracción para optimizar el proceso en función a la fuerza
1.1.3) HIPÓTESIS
particularmente de porcino y bovino (Haug et al., 2004; Gómez-Guillén et al., 2011), comúnmente
la pesca se ha incrementado en los últimos años debido al reemplazo de las gelatinas tradicionales
por las de origen marino. Si bien, las razones inicialmente fueron socioculturales (productos halal
y/o escamas de carpa, pota, atún, tilapia, entre otras) como fuente de obtención de gelatina
(Gómez-Guillén et al., 2002; Kasankala et al., 2007; Karim y Bhat, 2009; Niu et al., 2013).
5 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
INVESTIGACIÓN.
- Curvas de nivel
- Funciones
- Polinomios
- Sumatorias
*Análisis canónico
*Análisis de cordillera
el efecto de las variables independientes temperatura de extracción (X1) (40 – 70 °C), tiempo de
extracción (X2) (60 – 400 minutos) y concentración de ácido cítrico (X3) (0,10 – 0,90 %),
mediante modelos cuadráticos aplicados a cada respuesta: fuerza de gel (Y1) y rendimiento de
extracción de proteína (Y2). Se utilizó un diseño central compuesto (DCC) para ajustar cada
que relacionaron cada respuesta con las variables independientes: 𝑦̂1 = 391,49 − 32,21𝑥1 − 11,08𝑥2
− 14,17𝑥3 + 9,30𝑥1𝑥2 − 17,65𝑥12 e 𝑦̂2= 19,81 + 1,69𝑥1 + 0,49𝑥2 − 0,17𝑥3 − 0,07𝑥1𝑥2 − 0,12𝑥2𝑥3 −
0,44𝑥12 − 0,32𝑥32
6 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
representamos bajo una función, obtenida por el ajuste polinómico, con la finalidad de obtener los
aminoácidos que se encuentra en mayor proporción en cada una de estas especies. Debido que la
7 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
+Prolina
F(x)=0.0009x12+0.02x11-0.47x10+6.54x9-67.77x8+525.62x7-3038.45x6+12922.62x5-
394668.10x4+83143.06x3-112888.57x2+87132.54x-2826.70
G(t)=0.0005x14+0.0167x13-0.38x12+6.53x11-85.75x10+869.12x9-6827.32x8+41446.71x7-
192675.89x6+674700.33x5-1733524.51x4+3135942.75x3-373277.70x2+2581346.67x-768422.26
8 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
1.1.7) CONCLUSIONES
1. Los niveles establecidos como óptimos para la obtención de gelatina con el mayor valor de
fuerza de gel y rendimiento de extracción de proteína fueron: temperatura 56,8 °C, tiempo 331
2. Las propiedades físicas de la gelatina obtenida bajo los niveles óptimos de las variables
fueron: viscosidad de 11,0 cP, temperatura de fusión de 25,6 °C, temperatura de gelificación de
3. La gelatina obtenida presentó una composición proximal de 94,8 % de proteína total, 0,2 %
de grasa cruda y 1,0 % de ceniza en base seca; así como un pH de 4,90, cumpliendo con los
9 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
El objetivo de la investigación fue determinar la influencia del salado en pila seca (PS) y húmeda
1.2.3) HIPÓTESIS
Se puede determinar que las mejores condiciones de transferencia se realizaron para el salado con
PS. Según el tipo de salado no hay efecto significativo sobre la transferencia de agua y NaCl, pero
INVESTIGACIÓN.
- Ecuación diferencial
- Sumatorias
-Polinomios
10 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Ecuación diferencial, con derivadas parciales de primer y segundo orden. Expresa la concentración en
Restricciones:
2
2
C: Concentración de humedad
t: Tiempo
Da: Difusividad
x : Localización, posición
Variables independientes:
Tiempo
Posición (x,y)
Variable dependiente:
11 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Concentración de humedad
humedad en la lámina:
Donde:
𝛿𝑛 : Primera raíz de la ecuación.
obtiene:
12 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Donde:
13 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
𝐶(𝑥,𝑦,𝑡)−𝐶∞
Graficando 𝑙𝑛( ) vs t, desde el intercepto de la gráfica fue calculada la primera raíz de
𝐶𝑖 −𝐶∞
10
0
Número de biot está en función de la primera raíz.
11
0
El coeficiente de transferencia de masa en función del número biot.
Donde:
14 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
CONTENIDO DE HUMEDAD
En esta grafica la humedad en PS y PH está en función del tiempo. Esta tiene la forma f(x)=a-x.
La tasa de pérdida de humedad de este proceso está directamente relacionada con el tiempo de
La pérdida de humedad fue mayor en las primeras horas de proceso para ambos tratamientos, y a
velocidad de pérdida de agua. Fue muy estrecho el contenido de humedad final de las muestras
acuoso, tal vez por el porcentaje inicial que presentaban las muestras, ya que el recorrido y
de agua.
15 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Las pendientes de la sección lineal de estas curvas se obtuvieron mediante análisis de regresión
lineal y fueron usadas posteriormente para determinar el coeficiente de transferencia de masa (Kc)
Coeficiente de Coeficiente de
Salado difusividad transferencia de
(Da*10-7m2 /s) masa (Kc*10-6 m/s)
PS 2,52±0,10 2,78±0,06
PH 2,47±0,09 2,71±0,07
16 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
mientras que la variable dependiente es la concentración de sal, evaluados en los dos procesos PS
y PH.
Los valores del número de Biot necesarios para el cálculo del coeficiente de transferencia de masa
se tomaron de los tramos de mayor pendiente de las curvas de la ilustración 3. Esta muestra que la
velocidad de pérdida de humedad de láminas de arenca no varía según el tipo de salado utilizado.
entre un método de salado y otro, lo cual corrobora la alta similitud entre las cinéticas de
17 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
concentración de NaCl en función del tiempo.Su pendiente es positiva ya que está absorbiendo
NaCl.
Para el caso de NaCl, estos coeficientes se presentan en el Cuadro 2. La ilustración 4 muestra que
la velocidad de ganancia de NaCl de láminas de arenca para ambos tratamientos de salado son
Coeficiente Coeficiente
Salado de difusividad de transferencia
(Da*10-6m2 /s) de masa (Kc*10-5
m/s)
PS 2,69±0,09 2,96±0,08
PH 2,54±0,07 2,80±0,08
En el Cuadro 2 se muestran los valores calculados de Kc y Da. Con este resultado se corrobora la
aunque si exista aún la significancia (p < 0,05) dependiendo del tiempo del proceso.
18 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
POLINOMIO DE TAYLOR:
Consiste en que dada una función f(x) se propone la expresión de un polinomio que sustituya a la
propia función f(x).Taylor propuso aproximar una función mediante un polinomio y que la
Para la aplicación del método, se utilizara la siguiente ecuación que expresa de manera
Donde:
δ_n= x
19 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
La gráfica:
1.2.7) CONCLUSIONES
Para el proceso llevado a cabo en la especie Triportheus magdalenae, ya sea en PS o en PH, la
variable más importante es tiempo, ya que esta determina el comportamiento de las demás
variables en el proceso.
Aunque con respecto al tipo de salado no hubo una diferencia significativa, la que se puede
utilizar de manera eficiente con volúmenes de producción altos, para que los costos de
producción sean menores, es el de PS, porque en este proceso se alcanza las propiedades
20 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
En la industria lo que se desea es que el producto pierda valor comercial, por efecto de la
conservación alcanzarán generalmente precios más altos, tanto en el comercio mayorista como
pesquera (FAO, 1995).Para lo cual en esta tesis se exponen dos métodos para la conservación de
filete y entero de trucha, además se evalúa el método es más eficaz para la congelación de la trucha
función a dos tipos de producto (filete y entero), y a dos sistemas de congelamiento (por contacto
de placas y en túnel de aire frío); efectuándose experimentos a los cuales se realizó el seguimiento
1.3.3) HIPÓTESIS
El sistema de congelamiento en túnel de aire frío es el más eficaz y rentable para la industria en
21 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
INVESTIGACIÓN.
-Sumatorias
-Polinomios
Ta –Ti= a1+a2xa
Al despejar la fracción de agua de la trucha, esta queda en función de la temperatura
Donde:
22 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Donde:
: 335 kJ/kg
404.9
𝑀=
𝑋𝑎
Ademas:
𝑥ℎ
𝑦=
𝑥𝑎
Donde:
𝑦: Expresa la fracción de agua convertida en hielo, en función al contenido de agua que tiene
la trucha.
23 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Variables
Variable independiente
Temperaturas de enfriamiento, en °C
Variables dependientes:
Se expresa en kg de hielo sobre kg del total de agua que tiene el alimento (Navarro, 2016)
Contingente de hielo “y” para el congelamiento de filete de trucha en túnel de aire frio
Fig. 1.3. 5: Fracción de hielo formado en filetes de trucha en túnel de aire frio
Se trata de una función logarítmica de la forma : G(X)= - ln (-1/x) ,donde fracción de hielo
24 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
El filete de trucha ingreso al túnel de aire frio con una temperatura de 5.90 °C, la etapa de pre
enfriamiento hasta el -1°C, se observa que sólo es de enfriamiento sin cambio de fase por lo tanto
La zona de máxima cristalización (ZMC), que para todo pescado se establece entre -1°C y -5°C,
según la gráfica, el 65% del agua libre del filete cambia de fase, se nota que la pendiente de
temperaturas es muy pronunciada en esta zona y por tanto la fracción de hielo formado es muy
alta, el 65% del agua libre de filetes se transforma en hielo. Y a los -25°C el 85% del agua libre
establece alrededor del 90 % cuyo valor varía de acuerdo con la proporción de sus componentes
especialmente del agua (Valiente, 2001). Luego a temperaturas inferiores a los -25°C la curva se
hace asintótica y marca el final de la congelación cuyo valor aproximado es el 86% de agua libre
que se cristaliza al máximo, valor que también está relacionado al contenido de agua y grasa de la
25 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Contingente de hielo “y” para el congelamiento de Trucha entera en túnel de aire frio
hielo formado en la trucha entera en túnel de aire frio está en función de la temperatura.
El inicio de formación del hielo está por debajo de -1°C, en la zona de máxima cristalización
ZMC (-1°C hasta -5°C), la pendiente de la curva es caso vertical y corresponde a la mayor
cantidad de agua libre que se transforma en hielo, la cantidad de hielo formado a -5°C
aproximadamente es 65%. Siguiendo la curva a partir del -5°C hasta el -10°C, la pendiente es
aproximadamente de 45°y se puede afirmar que a -10°C el 77% de agua libre ya está congelada y
por debajo del -10°C, la curva se hace prácticamente horizontal, zona en la cual la cantidad de
26 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Se logrará obtener el mismo porcentaje de formación de hielo que fue encontrado en la congelación
de filete en el túnel de aire frío, sin embargo; el filete congelado en placas requiere más tiempo,
hasta que llegue al 86% ó 87% de formación de hielo.
27 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Se observa que a -5°C, el 67% del agua libre está congelado, un valor ligeramente superior al
placas llega al 83% de formación de hielo a una temperatura de -20.1°C se entiende que si se quiere
llegar al 87% de cristalización se empleará más tiempo, que el empleado para los demás
experimentos.
28 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
modalidad de congelación IQF, para ambos sistemas de congelamiento: circulación de aire frío y
congelamiento por contacto de placas. El sistema IQF se aplicó por igual a los cuatro experimentos
una sola capa de producto tanto en filetes como enteros, manteniendo un sólo tiempo de
29 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
CONDUCTIVIDAD TÉRMICA
Se realiza un proceso de evaluación de la conductividad térmica de la trucha durante la
congelación, tanto en congelador de placas como en túnel de aire frío aplicando las ecuaciones
empíricas aplicadas comúnmente para el cálculo de la conductividad térmica, desarrollado por
Choi y Ocos (1987), mencionado por Navarro (2016), adaptado para la trucha .
Expresión matemática para determinar la conductividad térmica aplicada a la trucha:
Donde:
}
𝜆𝑎 = 0,57109 + (0.0017625) ∗ T − (0.0000067036) ∗ T2
𝜆h = 2.2196 − (0.0062489) ∗ T − (0.00010154) ∗ T2 Las conductividades son funciones
2
𝜆𝑝 = 0,17881 + (0.0011958) ∗ T − (0.0000027178) ∗ T cuadráticas, con variable independiente
2
𝜆𝑔 = 0.18071 − (0.0027604) ∗ T − (0.00000017749) ∗ T a la temperatura.
2
𝜆𝑐 =0.18331+(0.0012497)*T-(0.0000029069)*T
Donde:
Variables:
Independientes:
congelamiento -18°C
Dependientes:
30 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
En 310 minutos, fueron sometidos los cuatro experimentos, si comparamos por sistema de equipo
se aprecia que el producto congelado en túnel, ya sea filete o entera llega a un valor de 1.53 W/m°C,
A diferencia del congelador de placas el valor encontrado a un mismo tiempo 310 minutos, la
conductividad térmica fue de 1.51 W/m°C, para ambas presentaciones tanto filete como entera,
Fig. 1.3. 10: Conductividad térmica de trucha por tipo de presentación y por sistema de congelamiento
ser un sistema muy rápido en congelar al producto, muestra una conductividad del hielo mucho
más temprano.
31 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
TIEMPO DE CONGELAMIENTO
Las variables del producto serán: dos bloques de filetes y trucha entera de espesor constante y las
variables del sistema serán por contacto de placas y por túnel de aire frío.
Variables:
Independientes
Temperatura
Dependientes
El sistema IQF se aplicó por igual a los cuatro experimentos con la finalidad de uniformizar la
investigación del tiempo de congelamiento y también uniformizar, envasando, formando una sola
capa de producto en los bloques, tanto en filetes como enteros, manteniendo un solo tiempo de
32 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
minutos con una temperatura de -27.2 ºC, así mismo continúa la trucha entera con un tiempo de
170 min -26.7 ºC, como se sabe por los experimentos hechos anteriormente que en el
congelamiento, tiene mucho que ver el espesor, potencia del equipo, ya que a comparación de los
congeladores, estos demoran mucho más tiempo en filetes tardó 310 minutos para llegar a -26.7
ºC y en la trucha entera tardó 310 minutos para alcanzar una temperatura de -20.1 ºC.
INTERPOLACION DE LAGRANGE
proporcionados por el autor, y de la cual se utilizara cuatro puntos para el análisis en software
GEOGEBRA .
x F(x)
0 0.49
10 0.49
20 0.49
30 1.03
Ya en el software, en la hoja de cálculo se deben digitar los puntos de la tabla y crear la lista de
puntos.
En la misma hoja de cálculo se debe crear una lista de unos, que serán útiles para la creación de la
matriz,en la columna siguiente los puntos de x ,en la tercera columna x2 y en la cuarta columna
x3.
33 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Seleccionar los datos y crear la matriz(matriz 1).Luego se procede a crear la inversa de esta
matriz(matriz 2) .Se debe seleccionar los valores de la ordenada ,para crear la matriz 3.
Para determinar los coeficientes de la función se debe multiplicar M2 X M3 ,lo que resulta la
matriz 4.
34 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
1.3.7) CONCLUSIONES
importante, debido a que va a determinar la calidad del producto. Por otro lado la temperatura está
en función del tiempo para determinar la eficacia del sistema en el tipo de producto (filete /entero).
filetes, a diferencia de los otros experimentos que llegaron a un valor un poco más bajo, se afirma
que lograrán llegar a dicho valor, pero será necesario, que permanezcan más tiempo en el equipo,
35 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
pesquera de Esmeraldas (CSP-E), para el movimiento rápido de artículos de consumo como son
los mariscos, implementando modelos matemáticos de programación lineal (LP), cuya aplicación
ayudara a la asignación del paso de los mariscos entre los nodos que conforman la cadena de
suministro pesquera (CSP) en forma óptima, de tal forma que evitará el desgaste innecesario de
los mariscos lo que ocasiona pérdidas en las ventas; también se considerara como restricción la
Maximizar los beneficios económicos, cumpliendo con las restricciones de la demanda de los
diferentes mercados con un horizonte de tiempo propuesto en meses, por lo cual se lo considera
un planeamiento táctico;
Maximizar beneficios económicos, cumpliendo con las restricciones operativas, tales como, el
de las demanda de los diferentes mercados con un horizonte de tiempo propuesto en días, por lo
36 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
1.4.3) HIPÓTESIS
presentan desafíos particulares, tales como, el manejo adecuado de los mariscos debido a la
mariscos en base a la calidad y trazabilidad, entre otros aspectos, que hacen que sea un caso
importante de estudio.
INVESTIGACIÓN.
-Funciones lineales
-Sumatorias
-Polinomios
Las variables que aparecen en el esquema y que se usan en el MOD-2 se denotan como sigue:
• FkDj (k=AS, MI, ML, MN; j=p,c): salida de pescado de desperdicio de p (pelágicos) y c
• FkAj (k=AS, MI, ML, MN; j=p,c): salida pescado para autoconsumo de p (pelágicos) y c
• FkR (k=AS, MI, ML, MN): salida de pescado Rancio de los nodos k.
37 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Consideremos cualquier matriz cuadrada simétrica de dimensión nxn . Las diagonales de una
matriz se numeran atendiendo a su distancia con respecto a la diagonal principal. Así la diagonal
principal tiene la etiqueta 0 mientras que las esquinas de la matriz que no están en la diagonal
constituyen diagonales con etiqueta n-1. Se llama ancho de banda A a la mayor etiqueta de alguna
Tiene ancho de banda igual a 3. Encontrar una reordenación que, aplicada tanto a las filas como a
las columnas, produzcan una nueva matriz con menor ancho de banda.
Modelo matemático
min z
Sujeto:
Para presentar un modelo matemático de Programación Lineal Entera basta notar que la posición
final de un elemento i cuando se conocen las asignaciones xij viene definida por ∑𝑗 𝑗𝑥𝑖𝑗 En
38 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
min z
Sujeto:
Usando este modelo es posible permutar las filas y columnas de algunas matrices dando lugar
a otras matrices análogas con menor banda. La figura 1 muestra tres matrices de la colección
MatrixMarket en su formato original y en el formato de banda mínima obtenido mediante el
modelo matemático anterior.
39 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
1.4.7) CONCLUSIONES
1. El modelo MOD-1 permitió disponer de una herramienta básica para contabilizar los
que tiene del orden de 7.000 variables, corriendo en tiempos de CPU menores al segundo.
diferentes eslabones que conforman la CSP-E, cuya realidad actual es que no está sincronizada,
esto hace que se pierda el beneficio de la sinergia del trabajo en equipo, por lo cual implementar
un SSTD ayudara a realizar los cálculos que soportan el análisis de las posibilidades de decisión a
lo largo de la CSP-E.
40 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
1.5) Comparación del crecimiento del Ostión del Norte (Argopecten purpuratus) en dos
El ostión del norte, Argopecten purpuratus, es una especie muy comercializada en el mercado
internacional ya que tiene un alto contenido nutricional y es de gran aceptación, los métodos de
cultivo que utilizaremos son similares a los desarrollados por Japón para la acuicultura del
Pecten yessoensis.
El cultivo del Ostión del norte se llevara a cabo en base a instalaciones de sistemas suspendido
41 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
cultivo de engorda, etapa de cultivo final, la cual se inicia con el traspaso de los ostiones desde
El proyecto tiene como objetivo determinar cuál de los sistemas, Pearl-net o linternas, tiene una
mayor tasa de crecimiento, cuantificarlo y llevarlo a parámetros productivos, para poder tomar
1.5.3) HIPÓTESIS
Para tecnología de cultivo se dice que tiene tres fases, de las cuales las más importantes son la
fase de cultivo intermedio, en la cual consiste en el traspaso de semillas seleccionadas de
acuerdo a su longitud a sistemas de cultivos los cuales pueden ser Pearl-net o linterna maxi-cuna,
y la fase de cultivo engorda en la cual se traspasa los ostiones desde cultivo intermedio a
linternas.
1.5.4) OBJETO MATEMÁTICO U OBJETOS MATEMÁTICOS UTILIZADOS EN LA
INVESTIGACIÓN.
-Funciones lineales, exponenciales
-Derivadas parciales de primer orden
-Polinomios
Esta función representa el crecimiento logístico de los ostiones en un determinado tiempo. Los
ostiones llegaran a su talla máxima, en la cual van a influir otros factores que detienen su
Dónde:
42 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
P: población.
e: constante de Euler.
t: tiempo.
𝒅𝑷 𝑷
= 𝒓𝑷(𝟏 − )
𝒅𝒕 𝑲
Dónde:
r: tasa de crecimiento.
K: capacidad de persistencia.
La solución general a esta ecuación es una función logística. Con una población inicial Po:
𝑲𝑷𝒐𝒆𝒓𝒕
𝑷(𝒕) =
𝑲 + 𝑷𝒐(𝒆𝒓𝒕 − 𝟏)
𝑲𝑷𝒆𝒓(𝒕𝟐−𝒕𝟏)
𝒇(𝑲, 𝑷, 𝒓, 𝑿) =
𝑲 + 𝑷(𝒆𝒓(𝒕𝟐−𝒕𝟏) − 𝟏)
Dónde:
T: tiempo (días).
43 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Esta función nos representa el crecimiento de los ostiones en función a la talla máxima K, a la
talla inicial P, la tasa de crecimiento intrínseco r y el tiempo T. Esta función nos permitirá
conocer cuál de los dos sistemas (Pearl-net y linternas) nos brinda una mayor tasa de crecimiento
en los ostiones.
La población de cierta especie que vive en un hábitat protegido sigue la siguiente función:
𝑡+1
𝑃(𝑡) = 𝐴 + 2 , 𝑡≥0
𝑡 2 + 24
en años).
Se pide:
b) ¿En qué momento la población alcanza su valor máximo? ¿Cuál es el valor de dicho máximo?
c) ¿A qué tiende la población en el futuro? ¿En algún momento la población desciende por
SOLUCIÓN:
44 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
b) El máximo (absoluto) de P (t) en el intervalo (0, +∞), que es abierto, sólo se puede producir
𝑡 2 + 24 − (𝑡 + 1)2𝑡 𝑡 2 + 2𝑡 − 24
𝑃(𝑡) = 2 = −2 = 0 ⇐⇒ 𝑡 2 + 2𝑡 − 24 = 0
(𝑡 2 + 24)2 (𝑡 2 + 24)2
t = −6
t=4
Vemos que el único punto crítico en el intervalo (0, ∞) es t = 4. Veamos si se trata de un máximo
𝑡 2 +2𝑡−24
El signo de 𝑃′(𝑡) = −2 es el opuesto al signo 𝑡 2 + 2𝑡 − 24 = (𝑡 + 6)(𝑡 − 4)
(𝑡 2 +24)2
45 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Por consiguiente,
𝑡 2 + 2𝑡 − 24 > 0 en (4, +∞) P′(t) < 0 en (4, +∞) P es decreciente en (4, +∞)
Lo que demuestra que P tiene un máximo relativo en t = 4. Este máximo relativo es también
38
El valor de P en dicho punto es P(4) = 12 = 3.124
𝑡+1 𝑡+1
lim (𝐴 + 2 ) = 𝐴 + 2 lim ( ) = 𝐴 = 2.92
𝑡→∞ 𝑡 2 + 24 𝑡→∞ 𝑡 2 + 24
La población inicial es de 3000 individuos, es decir, P (0) = 3. Hemos visto que, cuando t → ∞, P
tiende asintóticamente a 2.92. Lo cual significa que, para t suficientemente grande, P toma valores
tan próximos a 2.92 como se quiera. Obviamente, hay puntos en los que P toma valores menores
que 3.
46 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
1.5.7) CONCLUSIONES
términos productivos el sistema linternas es mejor, toda vez que el mayor crecimiento en Pearl-
del alimento y del sistema que se esté utilizando, también podríamos decir que depende de la
densidad de ejemplares por sistema ya que su incremento será el más adecuado y habrá menos tasa
En este proyecto se desea implementar un modelo matemático para la evaluación del stock de
recursos pesqueros que pertenecen a “modelos de producción excedente” para evaluar dicho
modelo se hacía una seria de capturas y una serie de índices de abundancia que era lo tradicional.
Para este modelo utilizaremos el modelo de crecimiento logístico de una población sujeta a
explotación, con estos modelos lo que se busca es el esfuerzo que produce el máximo
El objetivo tiene como ver el RMS es de suma importancia ya que nos ayuda a saber en qué
condiciones se encuentra nuestro recurso que se desea capturar, genera políticas de manejo para
47 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
su explotación y esta sea sustentable en el tiempo y no se agote, también resulta útil para estableces
cuotas de captura.
1.6.3) HIPÓTESIS
El procesamiento de la información comienza con las series de tiempo de las variables Captura
por Unidad de Esfuerzo (CPUE) medida en toneladas/h y la serie de Captura medida en miles de
las estimaciones de los parámetros de interés del Modelo de Schaefer que son la tasa intrínseca de
crecimiento r y la capacidad de carga que en teoría sería el límite de biomasa del stock en ausencia
de mortalidad pesquera K.
Por otro lado se realiza un análisis Bayesiano para encontrar las distribuciones a posteriori de los
parámetros r, K, RMS, obteniéndose también medidas de tendencia central para estos. El análisis
INVESTIGACIÓN.
-Polinomios
Modelo de Schaefer
48 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
un tiempo t.
lo cual tenemos:
𝑪𝒕 = 𝒒 ∗ 𝒇𝒕 ∗ 𝑩 𝒕
La principal corrección que hizo Schaefer al modelo fue relacionar directamente la producción
excedente con el esfuerzo pesquero y la captura, junto con la suposición de que el cociente entre
ambos (I o CPUE, captura por unidad de esfuerzo) es proporcional al tamaño de la población, así:
𝑰t = 𝑪/ 𝒇 = 𝒒𝑩t
El rendimiento máximo sostenible RMS, bajo el supuesto de equilibrio que (Bt =Bt+1):
RMS = rK/4
hRMS = r /2
49 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Bóptima =k/2
Biomasa virgen:
Bvirgen = k
libro “The Ecological Detective: Confronting Models with Data” (Hilborn & Mengel, 1997).
2. Ingresar los valores iniciales para del modelo: r, K, B0. Hay que tener la precaución de tomar
valores iniciales de los parámetros de forma tal que el modelo pueda funcionar numéricamente.
indican en la Figura 4, por lo que se busca encontrar los valores de los parámetros r y K que
50 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
4. Una vez encontrado los valores de r y K que minimizan la función objetivo Lt, se calcula la
serie de Biomasas predicha por modelo y la observada y el valor del RMS, q y el desvío estimado.
1.6.7) CONCLUSIONES
Se presenta en primera instancia el ajuste del modelo utilizando los datos referidos a la especie
Merluccius capensis, merluza de Namibia.
Para encontrar los valores puntuales de r y K que minimizan la función Lt, se tomaron valores
iniciales de r entre 0.1 y 1 y valores iniciales de K entre 1000 y 10000, el resultado de aplicar el
algoritmo de optimización es similar para todas las combinaciones posibles de estos dos
parámetros. La Tabla 1 contiene el resumen descriptivo del resultado del mecanismo de
optimización para el modelo de Schaefer, se observa en dicha tabla que a si bien hay una gran
variabilidad considerada para los valores iniciales de r y K los valores óptimos se encuentran
acotados, es decir que existe convergencia hacía una misma solución.
51 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Se obtuvo un valor de r igual a 0.394 y 2709000 ton para K. En base a estos valores se obtuvo un
valor estimado para q = 0.00045, abs= 0,125, RMS = 267000 ton y se estimaron los valores de
CPUE y de biomasa que se presentan en las Figuras 5 y 6 respectivamente.
52 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Perfiles de verosimilitud
parámetro del modelo r y K y para el punto de referencia biológico RMS, donde se optimiza la
función de verosimilitud independientemente del valor que toman los parámetros restantes.
Para ello se considera un rango de valores para cada parámetro y se optimiza la función logaritmo
de la verosimilitud del mismo respecto al restante. Por ejemplo para un rango de valores de r se
muestra el perfil de verosimilitud para cada uno de los parámetros anteriormente mencionados.
Para un nivel de significación del 5%, el intervalo de confianza para r se encuentra entre 0.31 y
0.48, K entre 2390000 y 3210000 toneladas y el RMS entre 247000 y 283000 toneladas.
53 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
54 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
encontrar los óptimos de los paramentos por máxima verosimilitud, de la tasa intrínseca de
crecimiento y la capacidad de carga con la ventaja de que permite tener estimaciones puntuales
A través del procedimiento desarrollado se logró ajustar modelos estocásticos sobre procesos de
dinámica poblacional y por consiguiente esto permite evaluar las implicancias de manejo
alternativas sobre recursos pesqueros por medio de los valores en los puntos de referencia
biológica.
cuando se tiene óptimos locales. En ese caso es conveniente tener en cuenta el conocimiento
biológico sobre determinada especie de manera de poder descartar algunos de esos óptimos locales
55 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
tilapia roja (Oreochromis spp.) y tilapia nilótica (oreochromis niloticus var. chitralada)”
rango de condiciones ambientales, que expresan diferentes realidades productivas. Uno de los
los peces por ser un fenómeno complejo, indeterminado y de gran plasticidad biológica. Una de
las herramientas disponibles para su estudio es el modelaje matemático con diversos niveles de
matemáticas han sido desarrolladas para ajustar los registros de variables como la longitud y peso
corporal, en la búsqueda de una mayor exactitud y precisión, atributos que pueden ser valorados
por medio de técnicas estadísticas como el cuadrado medio del error de predicción (MSPE).
1.7.3) HIPÓTESIS
Se podrá realizar una industria productiva, controlando el crecimiento de especies hidrobiológicas
usando métodos matemáticos para llegar a una producción optima.
56 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
- Polinomios
- Sumatorias
- Derivadas
57 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Donde:
Pt= es el peso en la edad t
P∞ =es el peso adulto (peso asintótico)
exp= es la base de los logaritmos naturales
b y c =son parámetros de ajuste del modelo y se relacionan con la fuerza ascendente y descendente
respectivamente que ajustan la forma de la curva sigmoidea.
MODELO DE BERTALANFFY
Fundamentados en las premisas propuestas por Bertalanffy(1957) en relación a que el crecimiento
corresponde a una diferencia entre la tasa de anabolismo y la tasa de catabolismo se han postulado
funciones para describir el crecimiento de diferentes magnitudes, en este contexto para describir el
crecimiento de los peces en términos de longitud ha sido propuesta y ampliamente usada la ecuación:
Lt = L∞(1-exp-c(t-t0))
Donde:
Lt= es la longitud total del pez en el tiempo t
L∞= es la longitud asintótica
exp= es la base de los logaritmos naturales, c es la tasa de maduración o coeficiente de crecimiento y t0
es la hipotética (negativa) edad en la cual la longitud es cero.
En peces es ampliamente reconocida la relación alométrica entre el peso y la longitud la cual se establece
como: P=a.Ltb donde P es el peso, a es el factor de condición k, Lt es la longitud y b es un coeficiente
alométrico que es cercano a 3 y que incorporado a la ecuación para describir el crecimiento en longitud
permite describir el fenómeno en
Términos de peso corporal así:
Pt = P∞ (1-exp-c (t-to))3
En la cual:
Pt es el peso corporal en el tiempo t
P∞ =es el peso asintótico
Exp=es la base de los logaritmos naturales
C= es la tasa de maduración
t0 es el tiempo cuando P = 0, el cual es hipotético y predicho por el modelo
Frecuentemente ya sea por la estacionalidad en la disponibilidad del alimento, o por condiciones
inherentes a la especie, los peces y otros animales pueden exhibir un crecimiento discontinuo es decir
periodos de incremento en la masa corporal, seguidos por periodos donde dicha magnitud de estabiliza.
58 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
En estos casos, el modelo fundamentado en las premisas sugeridas por Bertalanffy puede ser modificado
y ser utilizado para describir dicho fenómeno (Pitcher 1973).
MODELO DE RICHARDS
Una ecuación más generalizada, desarrollada para el crecimiento en plantas pero con frecuente utilización
en animales es descrita por Richards en 1959 y se caracteriza por su flexibilidad para adaptarse a la forma
Pt = P∞/(1+expb(-c.t))(1/d)
En la cual:
Modelo de Janoscheck
Otro modelo que ofrece gran flexibilidad para adaptarse a la forma de la curva de crecimiento es el
propuesto por el alemán Janoscheck en 1957 citado por Salomón et al. (1999). La ecuación de este es:
Pt = P∞-(P∞-P0)*exp(-c*tp))
59 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Donde:
Modelo Michaelis-Menten
López et al. (2000) fundamentados en la cinética enzimática documentada por Michaelis y Menten,
proponen la siguiente ecuación en un esfuerzo por obtener una ecuación más generalizada para el análisis
Pt=(P0kc+P∞tc)/(Kc+tc)
Donde:
C= un parámetro de ajuste del modelo que determina la forma de curva así: cuando c ≤ 1 la curva describe
una hipérbola y no tiene un punto de inflexión, cuando c > 1 la curva toma una forma sigmoidea.
Modelo de West
West et al. (2001) desarrollaron un enfoque alométrico para producir un modelo general teórico de
el crecimiento del organismo como un todo. Este modelo tiene una alta generalidad y su capacidad es
amplia para considerar las mayores características del crecimiento ontogénico en organismos
de la forma:
60 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Pt = (a/b)4.(1-exp((-b.t)/4))4
Dónde:
a= un parámetro de que refleja la tasa de asimilación de biomasa por cada unidad 37 de peso elevado a
b=corresponde a un reflejo de la tasa de recambio energético de los tejidos corporales por unidad de
tiempo, en este modelo la expresión (a/b)4 corresponde al peso asintótico y el exponente alométrico
4=corresponde al inverso de ¼ que corresponde al coeficiente alométrico con el cual escalan algunos
Las ecuaciones anteriormente descritas son una valiosa herramienta para describir y caracterizar el
crecimiento animal ya que permiten en el caso de una trayectoria sigmoidea (como la que presenta el
crecimiento del peso corporal de los peces) determinar las coordenadas de algunos puntos de interés
dentro de la curva, tal es el caso del punto de inflexión definido como el punto donde termina la fase de
aceleración e inicia la fase de desaceleración del crecimiento y que corresponde al instante donde se logra
el mayor incremento de peso por unidad de tiempo es decir la máxima tasa de crecimiento absoluta.
Otro punto de interés dentro de la curva es la finalización de la fase lag o fase de “estructuración” el cual
es definido como el intercepto con el eje X (Y= 0) de la tangente que pasa por el punto de inflexión (Perni
et al., 2005) y que biológicamente se asocia con la culminación de la fase de adaptación al ambiente (fase
lag) y el animal está “estructurado” es decir adaptado y presto a expresar la mayores tasas de crecimiento.
La definición de estas características o parámetros dentro de las curvas de crecimiento es denominado
parametrización, gráficamente estos parámetros son presentados en la figura
Curva de crecimiento tipo sigmoideo y parámetros de importancia:
61 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Otros parámetros de interés que pueden ser derivados de la curva de crecimiento son las tasas de
crecimiento las cuales pueden ser absolutas o relativas; la tasa absoluta corresponde a la primera
tiempo en un determinado tiempo (edad del pez), en el caso del peso corporal expresado en gramos
y teniendo como unidad de medida del tiempo los días, la expresión de la tasa absoluta de
crecimiento sería gramos/día. En el caso de las tasas relativas, la tasa absoluta se puede relacionar
con el peso del individuo (tasa relativa de crecimiento) y con el peso asintótico (tasa relativa de
maduración). La tasa relativa de crecimiento corresponde a la tasa absoluta para cada unidad de
tiempo en relación con el peso del animal en dicho tiempo y expresaría el incremento de peso
como proporción del peso corporal del animal. La tasa relativa de maduración corresponde a la
tasa absoluta para cada unidad de tiempo en relación con el peso asintótico estimado por el modelo
y expresaría el incremento de peso como proporción del peso asintótico (de Freitas 2005).
EM = EMm+(1/kP)*PD +(1/kL)*LD
Donde:
62 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Usando este tipo de aproximación Emmans (1994) concluyó que el costo energético de la
deposición de proteína es de 2.54 kJ por kJ de proteína depositada (kP =39.5%) y de 1.4 a 1.1 kJ
por kJ de lípido depositado (kL=90%), y que estos costos son similares en una gran diversidad de
especies animales, sin embargo, Bureau et al. (2006) encontraron para la trucha valores diferentes
de eficiencia de deposición (kP = 63% y kL=72%) y una eficiencia general de uso de la energía
Hace referencia a la sumatoria de las desviaciones entre los valores predichos (Yp) y los
observados (Yo) elevadas al Cuadrado. Si todas las observaciones caen sobre la línea de regresión
SCE =∑(Yo-Yp)2
Coeficiente de determinación (r2)
Se puede interpretar como la reducción proporcional del total explicado por el uso de la variable
independiente X (Martínez y Martínez, 1997). Si todas las observaciones “caen” en la línea de regresión
ajustada, se obtiene el máximo valor de r2 que es uno. El mínimo valor que puede tener este coeficiente
es cero. Se calcula como la suma de cuadrados de la regresión [sumatoria de las desviaciones entre los
valores predichos (Yp) y la media de los valores observados (ӯo) elevadas al cuadrado] sobre la suma de
cuadrados total [sumatoria de las desviaciones entre los valores observados (Yo) y la media de los mismos
(ӯo) elevadas al cuadrado] (Martínez y Martínez, 1997).
63 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Donde o es la media de los valores observados, ӯp la media de los valores predichos, la expresión
(ӯo - ӯp)2 es el sesgo medio y representa una consistente sobre o subestimación de los valores
pendiente de la regresión lineal de los valores reales (Yo) en función de los predichos (Yp). Este
y representa la proporción de MSPE debida a una simulación inadecuada de las diferencias entre
So2(1-r2) es el sesgo aleatorio, donde So2 es la varianza de los valores reales y r2 es el coeficiente
de determinación de la regresión de los valores reales (Yo) en función de los predichos (Yp). Este
sesgo representa la proporción del MSPE no relacionada con los errores de predicción del modelo.
son explicadas por el sesgo medio y el sesgo lineal. La raíz cuadrada del MSPE corresponde al
error de predicción el cual suele expresarse como porcentaje respecto al promedio del valor
observado.
64 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Como se observa la evaluación de un modelo matemático incluye diferentes métodos que tratan
de alcanzar los objetivos del modelador e incluyen diferentes cuestionamientos acerca de los
objetivos del modelaje. En este caso se analizan los modelos a un nivel predictivo de los productos
(nivel macro), bajo las premisas de un nivel inferior (nivel micro), tomando como blanco el animal
(nivel meso). La validación es una demostración de que el modelo matemático tiene un dominio
específico de aplicación con aceptables precisiones en el rango de dicho dominio. De otra parte,
se reconoce que el paradigma estadístico domina el escenario de los modelos empíricos, mientras
que los modelos mecánisticos se focalizan en los mecanismos científicos del sistema y el ajuste de
los datos es una meta de largo plazo, que depende del estado de perfección en el proceso de
Los métodos matemáticos dados son muy precisos y todos tienen una curva muy similar, pero
aún hay otras formas de controlar productivamente el crecimiento de un pez para que la industria
sea productiva
LONGITUD-PESO:
W= aLb
L=longitud
a,b=constantes
65 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
está basada en hipótesis que reflejan básicamente que la densidad y la forma de un organismo se
mantienen esencialmente iguales dentro de su ciclo de vida, aunado a que el aumento de peso por
unidad de tiempo se debe al ritmo de anabolismo-catabolismo, y que el ritmo de anabolismo es
proporcional a la superficie del organismo
66 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
1.7.7) CONCLUSIONES:
La necesidad de aplicar modelos matemáticos en peces esta direccionada por la naturaleza
productivo como un todo, elementos que han adquirido rápido avance con el desarrollo de las
tecnologías de la computación.
fenómeno del crecimiento animal incluyendo el de los peces, el nivel de acercamiento puede ir
desde modelos empíricos que corresponden a funciones no lineales que relacionan una dimensión
corporal con la edad del animal, hasta modelos bioenergéticos y de deposición de nutrientes,
siendo estos últimos los que presentan un carácter más mecanístico, lo que implica una
construcción más detallada a partir del entendimiento del metabolismo del animal.
que en el caso de tilapia permiten resumir el proceso productivo con agregados en materia de
energéticos que lo soportan. De otra parte, este tipo de acercamientos señalan prioridades prácticas
de investigación y desarrollo y ayudan al manejo productivo mediante una toma de decisiones más
sistémicas e integrales
2. ARTÍCULOS
67 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
2.1 ) Estudio sobre movimientos débilmente no lineales de naves que avanzan en olas e
movimientos del barco y la presión hidrodinámica son vitales para el diseño de la forma del casco,
velocidad cero, el cálculo de la navegación en alta mar se ha desarrollado mucho desde Hess y
Smith (1967) idearon un método de panel. Hasta ahora, una variedad de software comercial, como
Wamit, HydroD, Aqwa y etc. ha sido desarrollado para resolver interacciones onda-cuerpo sin
el cálculo será más complicado. Grandes esfuerzos han sido pagados por investiga en el desarrollo
de métodos numéricos correspondientes. Entre aquellos, la teoría de la tira se propuso en una etapa
La teoría tiene mérito de alta eficiencia, mientras que su aplicabilidad es limitada por la suposición
de baja velocidad y alta frecuencia, así como el casco delgado restricción. Por lo tanto, el método
tridimensional más avanzado tiene sido desarrollado gradualmente con el desarrollo de hardware
de computación.
El objetivo es una mejor precisión de los movimientos de los buques con cascos complejos y
completos mediante el presente método, que toma SW como un flujo constante para una mejor
producción. Los resultados numéricos de los movimientos del barco se ven afectados tanto por
las diferentes condiciones de superficie libre debido a diferentes modelos de flujo estacionario
como por m j-términos, mientras que la masa y amortiguación coeficientes agregados están
influenciados principalmente por m j -términos.
68 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
2.1.3 ) HIPÓTESIS
En este artículo, el método de origen Rankine en el dominio del tiempo tridimensional se aplica
para calcular la navegación en barco con velocidad de avance. La onda de barco se evalúa y se
toma como flujo constante en el cálculo hidrodinámico. Por consiguiente, la condición de
superficie libre de los problemas de radiación y difracción en el dominio del tiempo se obtiene
tomando en consideración el potencial de onda del barco, y el término mj en la condición del
límite corporal también se calcula con el potencial de onda del buque. Se realizan más estudios
comparativos aplicando los dos modelos convencionales de flujo constante de flujo uniforme
(US) y flujo de doble cuerpo (DB) en simulaciones de dominio de tiempo, ya que ese flujo de
entrada constante tiene in fl uencias significativas en el movimiento inestable de la nave.
La investigación relaciona la onda de barco que se evalúa y se toma como flujo constante en el
de onda del barco, y el término mj en la condición del límite corporal también se calcula con el
69 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Donde:
x, y, z:constantes y variables
T= tiempo
70 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Fig. 2.1.1: Resultados numéricos y experimentales (Journ'ee, 1992) de los coeficientes de masa y amortiguación
añadidos debido al movimiento de tono de Wigley-1, Fn = 0.3.
Como se muestra en la siguiente sección, la fuerza hidrodinámica asociada con el flujo local se
puede expresar por la proporción de desplazamiento, velocidad y aceleración del barco sin resolver
71 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Donde:
La condición límite anterior del cuerpo se deriva de la expansión de la perturbación (Liu y Miao,
1986) en la condición límite exacta del cuerpo y se satisface en la posición media del cuerpo.
interacciones del flujo constante en el flujo inestable en las condiciones de contorno del cuerpo y
se define por,
Donde:
U: velocidad de la vela
Haciendo una descomposición modal del tiempo, el potencial de flujo local llega a
72 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Donde:
Tenga en cuenta que los ángulos sólidos en las ecuaciones anteriores no son constantes sobre los
Donde:
73 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Variables
Variable independiente
Variables dependientes
La onda del barco y el potencial de flujo doble expresado en las variables (x,y,z)
74 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
uso del teorema de Stokes, en el que se puede evitar el cálculo numérico de derivados de segundo
orden (Zhao y Faltinsen, 1989. Nakos, 1990. Song et al., 2011). Sin embargo, el teorema se basa
en suposiciones rígidas de superficie libre y se requiere que la forma del casco sea de lado de la
pared en la línea de flotación, por lo que no es adecuado para barcos con grandes fluctos y es
utiliza un método directo para resolver el término mj basado en un panel de alto orden. Al utilizar
la función de forma bi-cuadrática, las derivadas especiales de primer y segundo orden del potencial
de velocidad pueden calcularse directamente. De acuerdo con la regla de la cadena, las derivadas
de primer orden son, donde los subíndices ξ y η representan derivadas tangenciales en el plano
= 12.8kn
calcular con
75 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
76 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Matriz Jacobiana
proporcionados por el autor, y de la cual se utilizara los siguientes valores para el análisis en
software GEOGEBRA.
j n1 n2 n3 n4 n5 n6
nj 1 2 3 4 5 6
j m1 m2 m3 m4 m5 m6
Ya en el software, en la hoja de cálculo se deben digitar los puntos de la tabla y crear la lista
de puntos
77 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
0=-0.5y+z+9.6
0.5=-1.5z+0.5x+14.6
1=-x+1.5y-2.1
78 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
2.1.7 ) CONCLUSIONES
débilmente no lineal con discretización de elementos de límite de orden superior para calcular los
movimientos del avance del barco con velocidad de avance constante en ondas. En este estudio, la
(1) Los movimientos calculados, los coeficientes hidrodinámicos y las fuerzas de excitación de
olas de diferentes cascos en un amplio rango de frecuencias concuerdan bastante bien con los datos
experimentales relacionados. Indica que el presente método tiene buena precisión y amplia
aplicabilidad.
(2) Los diferentes modelos de flujo constante tienen influencias significativas sobre la masa
mientras que los efectos sobre las fuerzas de excitación de las olas son insignificantes. Los
barco y el flujo de doble cuerpo son comparables para barcos con tipos simples de cascos, y ambos
son obviamente más precisos que los resultados de la linealización de flujo uniforme.
(3) Tanto las diferentes condiciones de superficie libre debidas a los modelos de flujo estacionario
como a los términos mj tienen efectos aparentes sobre los resultados numéricos de los movimientos
del barco, mientras que los coeficientes de masa y amortiguación añadidos se ven afectados
79 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
de otras características como variedad y tamaño, especies más pequeñas como anchoas, sardinas,
prima para la industria del aceite de pescado. El aceite de pescado ha desempeñado un papel
aceite crudo para obtener un aceite semirrefinado de pescado de calidad aceptable; se utilizó la
presión de vacío (0.13- 0.7 bar) y temperatura de secado (96-124°C); teniendo como variables
dependientes el porcentaje de ácidos grasos libres (%AGL) y color del aceite, parámetros decisivos
2.2.3 ) HIPÓTESIS
Se caracterizó fisicoquímicamente la materia prima y producto terminado óptimo, el cual fue
obtenido bajo las condiciones de operación: temperatura de secado de 110°C y 0.13 bar de vacío.
El producto terminado indicó un porcentaje de ácidos grasos libres de 0.27 ± 0.01% y color CieLab
con coordenadas L: 48,69 ± 0.88, a: -4,28 ± 0,26 y b: 35,03 ± 0,85, el cual es equivalente a color
80 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Cuando la presión absoluta es de 0.13 bar (-0.88 bar de vacío), es decir mayor vacío, el %AGL es
menor 0.27 %AGL, mientras para la temperatura se obtiene el menor %AGL a 110 °C y valores
Donde:
81 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
La gráfica de la función f de dos variables es el conjunto de todos puntos (T, P, f(T, P)) en espacio
paraboloide.
Las curvas de nivel se obtienen intersecando la gráfica de f(T, P) (cuya ecuación es %AGL = f(T, P)) con
planos horizontales (de ecuación %AGL = c, c ∈ R), es decir, intersecando.
82 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
En la ilustración 1 y 2 , evidencia que a medida la presión absoluta disminuye así también sucede con el
%AGL, como consecuencia del aumento de la presión de vacío y el efecto de la temperatura es menor.
La gráfica es el conjunto de todos puntos (T, P, CL) tal que CL= f (T, P).Presenta un máximo
relativo en (110,0.18).
83 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
CC=COLOR - CROMATICIDAD
La gráfica es el conjunto de todos puntos (T, P, CC) tal que CC= f (T, P).Presenta un mínimo
relativo en (110,0.51) y cuyo valor de color cromaticidad es 26 – 31.
La aplicación de una temperatura más alta que beneficia la eliminación de color y las tasas de
filtración, sin embargo, dependen del tipo y calidad del aceite, a su vez puede empeorar el color
84 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Si f(T, P, CC) es una función de tres variables entonces la ecuación f(T, P, CL) = k determina sus
superficies de nivel. Donde k es una constante. Estas curvas se dibujan en el plano OTP.
vuelve importante, lo que resulta en la pérdida de comportamiento antioxidante, la cual es una de las
razones por la que a bajas presiones de vacío (0.70 y 0.61 bar abs.) resulta un producto más oxidado
mostrando un color oscuro,la temperatura afecta la capacidad de adsorción de los adsorbentes. (Silva,
Pinto, Carrola y Paiva-Martins ,2010).Por lo tanto, pueden proporcionar isotermas de la relación entre la
cantidad de un soluto adsorbido, la mayor absorción de los carotenos es a altas temperaturas entre 105
– 115 °C.
85 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Donde:
L= Luminosidad del producto terminado (V.D.)
T= temperatura de secado (V.I.)
P= presión de vacío (V.I.)
86 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
medida se acercan a sus niveles extremos la cromaticidad tiende a ser más alta, lo cual se traduce
en un color más vívido (más saturado). En los niveles de los puntos centrales (110°C y 0.41 bar)
la cromaticidad es más baja, la luminosidad es mayor obteniéndose un color amarillo más oscuro.
Las especificaciones industriales señalan un color Gardner de 6-7 para el producto terminado, el
cual solo se obtiene, a temperatura de secado y presión de vacío de 100°C y 0.13 bar. Las
coordenadas fueron de 48.69 para la luminosidad y 48,09 para cromaticidad, lo que se traduce en
Donde:
C= cromaticidad (V.D.)
87 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Un ingeniero químico está interesado en determinar las condiciones de operación que maximizan el rendimiento de
un proceso. Hay dos variables de control que influyen Tiempo de reacción y temperatura de reacción, el punto de
operación actual es 35 minutos y 155ºF que da un rendimiento del 40% aproximadamente.
Se hace un diseño experimental variando el tiempo (30 a 40 minutos) y la temperatura (150 a 160ºF).
Por simplicidad se codifican las variables en el intervalo (-1, 1). Si las variables codificadas son X1 y X2 y las
variables naturales son 1 y 2 se tiene:
1 35
x1
5
155
x2 2
5
El arreglo y los datos experimentales son:
Variables Variables
del Proceso codificadas Rendimiento
Corrida Tiempo (min.) Temp.(ºF) X1 X2 Y
1 30 150 -1 -1 39.3
2 30 160 -1 1 40.0
3 40 150 1 -1 40.9
4 40 160 1 1 41.5
5 35 155 0 0 40.3
6 35 155 0 0 40.5
7 35 155 0 0 40.7
8 35 155 0 0 40.2
9 35 155 0 0 40.6
Los cinco puntos centrales se usan como réplicas para verificar la adecuación del modelo de primer orden (con Pure
error).
Por medio de Minitab se crea el diseño factorial:
>Stat >DOE >Factorial >Create factorial design
2 Level designs Options: 5 puntos centrals
Introducir los valores de respuesta Y correspondientes.
Los resultados que arroja Minitab son los siguientes:
88 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
ˆi
xi ....i 1, 2,.., k ; para..i j
ˆ j / x j
b) El tamaño del paso para loas otras variables es:
En este caso
ˆ2 0.325
x2 0.42
ˆ1 / x1 (0.775) /1.0
Para convertir los tamaños de los pasos codificados (Delta X1=1.0 y Delta X2=0.42) a las unidades naturales de
tiempo y temperatura se tiene:
1
x1
5
2
x2
5
1 x1 (5) 1* 5 5mi.
2 x2 (5) 0.42 * 5 2º F
89 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Tomando el punto correspondiente a (0,0) se realizan experimentos individuales adicionales, incrementando las
variables en los pasos indicados arriba resultando en:
90 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Se observa que el punto décimo representa el valor máximo de la trayectoria de experimentación por lo que ahora se
tomará como nuevo punto central (0,0)el punto (85, 175) y la región de experimentación para 1 es (80,90) y para
2 es (170,180), con las variables codificadas X1 y X2 como sigue:
1 85
x1
5
175
x2 2
5
Fig. 3.4 Gráfica de rendimiento contra pasos en la trayectoria de ascenso más pronunciado
91 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Variables Variables
del Proceso codificadas Rendimiento
Corrida Tiempo (min.) Temp.(ºF) X1 X2 Y1
1 80 170 -1 -1 76.5
2 80 180 -1 1 77.0
3 90 170 1 -1 78.0
4 90 180 1 1 79.5
5 85 175 0 0 79.9
6 85 175 0 0 80.3
7 85 175 0 0 80.0
8 85 175 0 0 79.7
9 85 175 0 0 79.8
Como la curvatura es significativa ahora aplicamos el modelo central compuesto que se muestra abajo para obtener
un modelo de segundo orden.
92 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Fig. 3.5 Diseño Central Compuesto en las variables codificadas del ejemplo
^ ^ k ^ k ^ k 1 k ^
y 0 i X i ii X i
2
ij X i X j
i 1 i 1 i 1 j 2
Los experimentos a realizar por medio del diseño central compuesto tomando el nuevo punto (0,0) en (85, 175) y
agregando puntos axiales en +- 1.414 queda como:
Variables Variables
del Proceso codificadas Rendimiento
93 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
94 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Termino Coeficiente
Constante 79.9400
95 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
A 0.994975
B 0.515165
A*A -1.37625
B*B -1.00125
A*B 0.250000
Surface Plot of Y
80.5
79.5
78.5
77.5
76.5
Y
75.5
74.5 1.5
1.0
73.5 0.5
0.0
-1.5 -1.0
-0.5 B
-0.5 -1.0
0.0 0.5 -1.5
A 1.0 1.5
96 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Contour Plot of Y
75
76
1
77
78
79
80
0
B
-1
-1 0 1
A
97 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
x1
x
x 2
...
xk
ˆ1
ˆ 0.995
b 2
0.515
...
ˆ
k
ˆ11 , ˆ12 / 2,..., ˆ1k / 2
ˆ12 / 2, ˆ22 ,....ˆ2 k / 2 1.376, 0.1250
B 0.1250, 1.001
matriz.simetrica, ˆ
kk
1 85
x1 0.389
5
175
x2 0.306 2
5
1 86.95 min utos
2 176.5º F
yˆ s 80.21
También se puede usar el análisis canónico para caracterizar la superficie de respuesta, por medio de la
identificación de los eigen valores lamda en la siguiente ecuación de determinantes:
1.376 , 0.1250
0
0.1250, 1.001
2 2.3788 1.3639 0
1 0.9641, 2 1.4147
yˆ 80.21 0.9641w1 1.4147 w2
98 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Como los coeficientes lambda son negativos se concluye que se trata de un punto estacionario
máximo, si ambos son negativos se trata de un mínimo y si tienen signos diferentes se trata de
cordilleras.
2.2.7 CONCLUSION
1. El modelo MOD-1 permitió disponer de una herramienta básica para contabilizar los
que tiene del orden de 7.000 variables, corriendo en tiempos de CPU menores al segundo.
diferentes eslabones que conforman la CSP-E, cuya realidad actual es que no está sincronizada,
esto hace que se pierda el beneficio de la sinergia del trabajo en equipo, por lo cual implementar
un SSTD ayudara a realizar los cálculos que soportan el análisis de las posibilidades de decisión a
lo largo de la CSP-E.
99 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
sedimentos cohesivos. Junto con las relaciones empíricas conocidas, el modelo consta de una
nueva formulación para la resuspensión debido a actividad de los peces. Los experimentos sobre
natural es fundamental pues de ello dependen múltiples factores, que puedan afectar o alterar,
Evaluar con los algoritmos genéticos y lograr el mejor acuerdo entre los resultados del modelo y
los datos experimentales. El modelo que se presenta muestra una flexibilidad suficiente para tener
2.3. 3 )HIPÓTESIS
100 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Donde:
V1 y V2= son el agua y los volúmenes de sedimento, [m3]
m1 y m2= concentración de sólidos suspendidos en agua y sedimentos, [kg.m-3]
WS, WR y WB = velocidad de sedimentación, la velocidad de resuspensión, y el entierro
Velocidad, [m.s-1].
AS= área de la interfaz sedimento-agua [m2]
t: tiempo
101 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
los organismos están presentes, el potencial de resuspensión aumenta, mientras que en ausencia
modelo:
Las tres formulaciones fueron escogidas para representar tres tipos de comportamiento
funcional:
102 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Para asegurar que el crecimiento, todos los coeficientes fueron definidos como positivos.
faltaría especificar que especie de pez fue utilizado al usar el ensayo con especies
bajo. Cosa que supondría que el cambio es mínimo en la cantidad de sedimentos, también
103 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
hubiera sido bueno ver una comparación de peces o recursos hidrobiológicos más usados en
producción acuícola
Por ejemplo:
En dos medio artificiales (igual condiciones) en ayunas para la preparación de las especies para
existentes se sabe que el Oreochromis sp posee un mayor metabolismo y una mayor biomasa
como también la capacidad de expulsar más residuos orgánicos por su alimentación . Podríamos
ver si la diferencia entre sedimentos es grande y en que puede afectar , como también ver de que
esta compuestos los diferentes tipos de estos y como ello alteraría los parámetros fisicoquímicos
del agua
Se podría ver la diferencia en masa o cantidad de dichos sedimentos y hacer estudios posteriores.
104 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Por ejemplo, este sería un bosquejo en el cual la función G representa al ambiente donde se
una diferencia considerable y analizar cuál sería la diferencia en la cantidad de sedimentos entre
una especie de alto y bajo metabolismo ; y se podría usar sumatorias para lograr ver cuantas
especies del Litopenaeus vannamei pueden lograr acumular la misma cantidad de sedimento que
el Oreochromis sp.
2.3. 7 ) CONCLUCIONES:
105 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
En la actualidad debemos considerar la manera de producir de manera más segura y sostenible por un
menor tiempo posible, teniendo en consideración las necesidades de las generaciones futuras ,creando
𝟏 𝐶(𝑥,𝑦,𝑡)−𝐶∞
P(C,K,T,t)= 𝟏+𝒆−𝒕 +- ln (-1/x)+𝑙𝑛( )+(mjx-mjy) + ((ɸx-U) n2-ɸynj)-mj
𝐶𝑖 −𝐶∞
La suma de todas estas variables me dan rango de valor para obtener de esta investigación una
mejor tasa de producción de los recursos hidrobiológicos. Cada ecuación está representada por sus
respectivas gráficas.
VARIABLES
Variable independiente
P: tasa de producción
Variable dependiente
K: calidad de recursos bajo sus variables de humedad, temperatura y los otros factores
termodinámicos y fisicoquímicos.
t: tiempo
106 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
Los métodos matemáticos demostraron ser muy útiles en muchos casos relacionados con la
ingeniera pesquera, dando así muchas soluciones. La matemática universitaria resulto ser
fundamental para hacer trabajos de investigación, los cuales hacen más preciso dichos trabajos.
Toda relación que se encuentre puede ser planteada en una ecuación la cual con métodos
matemáticos puede dar un gran número datos que puede ser muy útil en las investigaciones
Toda relación matemática puede representarse gráficamente .Los métodos matemáticos son de
pesqueras se trabaja a un gran porcentaje los métodos matemático, ya que con ello se puede
107 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
IV. BIBLIOGRAFÍA
72
Eduardo P. Pérez, Carlos Azócar , Andrea Araya , Orlando Astudillo & Marcel
108 | 109
UNIVERSIDAD NACIONAL DEL CALLAO
Facultad de Ingeniería Pesquera y de Alimentos
Escuela Profesional de Ingeniería Pesquera
109 | 109