Optimización de Las Variables en La Hidrólisis Ácida de Cáscara de Piña Por La Metodología de Superficie de Respuesta

DIVISIÓN ACADÉMICA DE CIENCIAS BÁSICAS E INGENIERÍA
INGENIERÍA QUÍMICA PETROLERA
OPTIMIZACIÓN DE LAS VARIABLES EN LA HIDRÓLISIS

ÁCIDA DE CÁSCARA DE PIÑA POR LA METODOLOGÍA DE
SUPERFICIE DE RESPUESTA PARA OBTENER
AZÚCARES REDUCTORES
Tesis que presenta
Liliana Gonzalez Flores
Para obtener el Título de
INGENIERO QUÍMICO PETROLERO
H. Cárdenas, Tabasco, México, Diciembre de 2014

Optimización de las variables en la hidrolisis ácida de
cáscara de piña por MSR para obtener AR
La presente tesis titulada “OPTIMIZACIÓN DE LAS VARIABLES EN LA
HIDRÓLISIS ÁCIDA DE CÁSCARA DE PIÑA POR LA METODOLOGÍA DE
SUPERFICIE DE RESPUESTA PARA OBTENER AZÚCARES REDUCTORES.”
fue realizada por la alumna LILIANA GONZALEZ FLORES bajo la dirección del
consejo indicado, ha sido revisada y aprobada por el mismo como requisito parcial
para obtener el título de:
INGENIERO QUÍMICO PETROLERO
Directores
_____________________________________
M en C. Víctor Manuel Villegas Cornelio
Director interno de tesis IQP-UPCH
_____________________________________
Dr. Amando Guerrero Peña
Director externo LASPA-COLPOS
Consejeros
______________________________ _______________________________
M. en C. José Del Carmen González Méndez Ing. Elvira Espinoza Molar
IQP-UPCH IQP-UPCH
H. Cárdenas, Tabasco
Dedicatoria:
A DIOS por darme la vida y por permitirme lograr esta meta.
A MIS PADRES Bladimir Gonzalez García y Ana María Flores Chablé.
A MIS HERMANOS Sandra Gonzalez Flores y Osvaldo Gonzalez Flores.
A MI HIJO Elvis Alberto Gonzalez Flores.
A MI SOBRINA Yatziri Vasconcelos Gonzalez.
“A ustedes quienes forman parte de esta nueva etapa en mi vida, por confiar
en mí y sobre todo por estar siempre a mi lado. Mil gracias”
LILIANA GONZALEZ FLORES

Agradecimientos:
A DIOS: Principalmente a ti te agradezco por darme la vida, salud, inteligencia,

paciencia y fortaleza; creo que es lo esencial que necesita un ser humano para vencer los
obstáculos de la vida, sin ti hubiera sido imposible haber alcanzado esta meta… Te amo.
MIL GRACIAS!!!
A MIS PADRES: Ustedes son lo más grande y único seguro que tengo, les agradezco
porque me han enseñado que en la vida hay cosas más importantes que el dinero, como el
amor, el respeto, la humildad, la responsabilidad. Que ser feliz depende de nosotros
mismos, de lo que somos y no de lo que tenemos. Estoy aquí por ustedes, por su apoyo y los
sacrificios que han hecho por mí, sé que no les ha sido fácil traerme hasta donde estoy, por
eso estaré eternamente agradecida con ustedes. Gracias a Dios por darme unos
maravillosos padres no saben lo orgullosa que me siento de tenerlos porque han estado a mi
lado en los buenos y malos momentos de mi vida, para apoyarme, guiarme y aconsejarme.
Los amo con toda mi alma. Lo logré y fue gracias a ustedes!!!
A MIS HERMANOS: Ustedes porque le ponen un toque especial a mi vida y por darme
en el momento preciso los ánimos, no necesito más motivos para agradecerles. Los quiero
mucho!!!
A MI HIJO: Por ser la gran motivación y por formar parte de esta nueva etapa en mi
vida, mil gracias por tu paciencia. Te amo mi niño y siempre estarás en mi corazón!!!
A MI PEQUEÑA SOBRINA: Por formar parte de esta nueva etapa en mi vida. Te amo
mi princesita!!!
Al director interno de este trabajo M. en C. Víctor Manuel Villegas Cornelio por

brindarme su amistad, confianza, tiempo y su apoyo incondicional para la realización de
esta investigación. Gracias por formar parte en este reto de mi vida y le agradezco
sinceramente toda su dedicación y su empeño para concluir este trabajo. Siempre será
alguien especial en mi vida, lo quiero mucho!!!
Al director externo Dr. Amando Guerrero Peña (LASPA-COLPOS) por su colaboración en

este trabajo. Gracias por formar parte de mi superación!!!
A mis consejeros la Ing. Elvira Espinoza Molar y el M. en C. José Del Carmen González
Méndez por su gran colaboración, contribución y apoyo para concluir este trabajo.
Gracias!!!
Al comité revisor de este trabajo Dra. Gloria Ivette Bolio López, M en C. Ana Guadalupe
Ramírez May y el Quím. Yiny Castillo de la Cruz por su colaboración y aprobación de este
trabajo para que se llevara a cabo. Gracias!!!
A la Universidad Popular de la Chontalpa por haberme abierto sus puertas y ser mi

máxima casa de estudios. En especial al laboratorio de Ingeniería Química Petrolera por
permitirme realizar este trabajo.
A mis amigos que estuvieron conmigo en los buenos y malos momentos, mil gracias por
todo su apoyo y cariño, a mis compañeros de laboratorio, de generación y a todas esas
personas que de una u otra manera me brindaron su amistad. Gracias!!!
Por último agradezco a la empresa FrexPort quien facilito la materia prima para la
realización de este trabajo.
“Siempre sé tú mismo en todo momento, nunca le digas que no a

cualquier reto, ten fe y confianza en lo que vas hacer, y esto te llevará
por el camino del ÉXITO.
FRANCISCO ABSALON ROMERO GUERRA

Optimización de las variables en la hidrolisis ácida de cáscara
de piña por MSR para obtener AR
ÍNDICE
Pág.
Índice de Figuras........................................................................................................ iv
Índice de Tablas ......................................................................................................... v
Índice de Diagrama .................................................................................................... v
Índice de Graficas ...................................................................................................... vi
Resumen.................................................................................................................... vii
I. INTRODUCCIÓN ................................................................................................. 1
II. JUSTIFICACIÓN ................................................................................................. 3
III. PLANTEAMIENTO DEL PROBLEMA................................................................. 3
IV. ANTECEDENTES DEL PROBLEMA .................................................................. 4
V. HIPOTESIS.......................................................................................................... 8
VI. OBJETIVOS ........................................................................................................ 8

6.1. Objetivo General ......................................................................................... 8
6.2. Objetivos Particulares.................................................................................. 8
VII. MARCO TEORICO .............................................................................................. 9

7.1. Biocombustibles ....................................................................................... 10
7.1.1. Biocombustibles líquidos ................................................................. 10
7.1.1.1. Biocombustibles de primera generación ............................. 11
7.1.1.2. Biocombustibles líquidos de segunda generación .............. 11
7.1.1.3. Biocombustibles líquidos de tercera generación ................. 12
7.2. Caracterización de la Planta de Piña ........................................................ 13
7.3. Cultivo de Piña .......................................................................................... 14
7.4. Materiales Lignocelulósicos ....................................................................... 15
7.5. Celulosa .................................................................................................... 15
7.6. Hemicelulosa ............................................................................................. 16
7.7. Lignina....................................................................................................... 16
7.8. Disponibilidad de Material Lignocelulósico ................................................ 17
7.9. Pretratamiento del Material Lignocelulósico .............................................. 18
7.10. Tipos de Pretratamiento ............................................................................ 19
7.10.1. Pretratamiento físico ...................................................................... 19
7.10.2. Pretratamiento químico .................................................................. 19
7.11. Hidrolisis Ácida .......................................................................................... 21
7.12. Usos del Etanol ......................................................................................... 23
7.13. Metodología de Superficie de Respuesta .................................................. 24
7.13.1. Graficas de contorno ..................................................................... 26
i
7.13.2. Diseños de primer orden ............................................................... 27
7.13.3. Diseños de segundo orden ........................................................... 28
7.13.4. Diseño experimental para ajustar el modelo de segundo orden .... 28
VIII. MATERIALES Y MÉTODOS ............................................................................ 31

8.1. Diseño Experimental ................................................................................... 31
8.2. Obtención de la Cáscara de Piña ................................................................ 32
8.3. Preparación de la Cáscara de Piña ............................................................. 33
8.4. Caracterización Química de la Materia Prima .............................................. 33
8.4.1. Determinación de la humedad (ASTM D-4442-92).......................... 33
8.4.2. Determinación de cenizas (ASTM D1102-56) ................................. 34
8.4.3. Determinación de la solubilidad en agua fría y agua caliente
(ASTM D-1110-84) .......................................................................... 35
8.4.4. Porcentaje de extractos solubles de la cáscara de piña en
etanol-tolueno (ASTM D-1107-56) .................................................. 38
8.4.5. Determinación de lignina (ASTM D-1106-96) .................................. 39
8.4.6. Preparación de la cáscara de piña libre de extractos (ASTM
D-1105-96) ...................................................................................... 41
8.4.7. Determinación de holocelusosa (ASTM D1104-56)......................... 42
8.4.8. Determinación de celulosa y hemicelulosa (ASTM D1103-60) ........ 43
8.4.9. Determinación de pentosanos (TAPPI Standard T-223 cm-
01) .................................................................................................. 45
8.5. Etapa 2. Tratamiento Químico ..................................................................... 47
8.5.1. Eliminación de lignina ..................................................................... 48
8.5.2. Hidrólisis de la cáscara de piña con ácido clorhídrico ..................... 48
8.5.2.1. Rendimiento de la hidrólisis ................................................ 49
8.5.3. Determinación de azúcares reductores por DNS ............................ 50
8.5.3.1. Preparación del reactivo del ácido 3,5 dinitrosalicílico ........ 50
8.5.3.2. Preparación de solución Buffer Mclivaine ........................... 51
8.5.3.3. Solución patrón de glucosa ................................................ 51
8.5.3.4. Preparación de la curva patrón de glucosa......................... 52
8.5.3.5. Preparación de las muestras .............................................. 52
8.5.4. Análisis estadístico.......................................................................... 53
IX. RESULTADOS Y DISCUSIÓN ........................................................................... 54

9.1. Caracterización del Material Lignocelulósico de la Cáscara de Piña ........... 54
9.2. Rendimiento de Azúcares Reductores......................................................... 55
9.3. Diseño Experimental ................................................................................... 56
9.4. Análisis de Varianza del Diseño Factorial .................................................... 57
9.4.1. Modelo de regresión ....................................................................... 59
ii
9.4.2. Análisis gráfico del modelo.............................................................. 60
9.4.3. Efectos de las variables e interacciones en el diseño factorial ........ 61
9.4.4. Predicción ....................................................................................... 64
9.5. Verificación de Supuestos del Modelo ......................................................... 64
9.6. Gráfico de Superficie ................................................................................... 67
9.7. Optimización de los Factores en la Hidrólisis Ácida de la Cáscara de Piña . 69
X. CONCLUSIONES Y RECOMENDACIONES ....................................................... 71

XI. BIBLIOGRAFÍA CITADA ................................................................................... 73
iii
ÍNDICE DE FIGURAS
Pág.
Figura 1. Hidrólisis ácida de la hemicelulosa .......................................................... 10

Figura 2. Planta de piña ......................................................................................... 13
Figura 3. Cultivo de piña......................................................................................... 14
Figura 4. Estructura de la celulosa ......................................................................... 15
Figura 5. Estructura de la hemicelulosa.................................................................. 16
Figura 6. Estructura de la lignina ............................................................................ 17
Figura 7. Generación de un diseño central compuesto para dos factores .............. 29
Figura 8. Preparación de la cáscara de piña (reducción de tamaño y secado) ....... 33
Figura 9. Determinación de humedad .................................................................... 34
Figura 10. Determinación de cenizas ....................................................................... 35
Figura 11. Determinación de la SAF......................................................................... 36
Figura 12. Determinación de la SAC ........................................................................ 37
Figura 13. Muestra libre de humedad ....................................................................... 39
Figura 14. Extractos solubles en Etanol-Tolueno ..................................................... 39
Figura 15. Determinación de lignina ......................................................................... 40
Figura 16. Extracción con el método soxhlet ............................................................ 41
Figura 17. Determinación de holocelulosa................................................................ 43
Figura 18. Determinación de celulosa y hemicelulosa .............................................. 45
Figura 19. Determinación de pentosanos ................................................................. 46
Figura 20. Pasteurización del jugo de la cáscara de piña ......................................... 47
Figura 21. Eliminación de lignina .............................................................................. 48
Figura 22. Hidrolisis ácida de la cáscara de piña...................................................... 49
iv
ÍNDICE DE TABLAS
Pág.
Tabla 1. Diseño experimental Compuesto Central ................................................ 30

Tabla 2. Factores y niveles de las variables independientes para el diseño
de la superficie de respuesta ................................................................... 32
Tabla 3. Elaboración de la curva patrón ................................................................ 51
Tabla 4. Composición química de la cáscara de piña previa a la hidrólisis
ácida ....................................................................................................... 54
Tabla 5. Rendimiento de azúcares reductores, por hidrólisis ácida de la
cáscara de piña ....................................................................................... 56
Tabla 6. Diseño experimental, indicando las variables independientes y la
variable respuesta (azúcares totales) ...................................................... 57
Tabla 7. Análisis de varianza. Efectos y coeficientes estimados para el
diseño factorial ........................................................................................ 58
Tabla 8. Coeficiente de regresión para rendimiento de azúcares .......................... 60
Tabla 9. Valores óptimos para obtener el rendimiento máximo de azúcares
reductores ............................................................................................... 69
ÍNDICE DE DIAGRAMA
Diagrama 1. Métodos generales de caracterización y tratamiento químico del material

lignocelulósico de la cáscara de piña ...................................................... 31
v
ÍNDICE DE GRAFICAS
Pág.
Gráfica 1. Superficie de respuesta tridimensional .................................................. 26

Gráfica 2. Gráfica de contorno de una superficie de respuesta ............................. 27
Gráfica 3. Diagrama de Pareto de efectos estimados para rendimiento de
azúcares reductores .............................................................................. 61
Gráfica 4. Efectos principales para rendimiento de azúcares reductores ............... 62
Gráfica 5. Efectos de interacción para rendimiento de azúcares reductores.......... 63
Gráfica 6. Representación de los efectos de los factores sobre del
rendimiento de azúcares en papel probabilístico ................................... 63
Gráfica 7. Gráfico de cubo y respuesta predicha para rendimiento de
azúcares................................................................................................ 64
Gráfica 8. Residuos de varianza constante para rendimiento ................................ 65
Gráfica 9. Probabilidad normal de los residuos para rendimiento .......................... 65
Gráfica 10. Distribución independiente de los residuos para rendimiento ................ 66
Gráfica 11. Residuos contra el factor concentración ................................................ 66
Gráfica 12. Residuos contra el factor tiempo ........................................................... 67
Gráfica 13. Residuos contra el factor temperatura ................................................... 67
Gráfica 14. Superficie de respuesta estimada donde se indica el rendimiento
esperado como una función de A, B y C. .............................................. 68
Gráfica 15. Contornos de la superficie de respuesta estimada donde se
observan las condiciones en las cuales se obtienen los
rendimientos más altos de azúcares reductores.................................... 69
Gráfica 16. Contornos de la superficie de respuesta donde se observa la
combinación de factores para el rendimiento óptimo de azúcares
reductores. ............................................................................................ 70
vi
OPTIMIZACIÓN DE LAS VARIABLES EN LA HIDRÓLISIS ÁCIDA DE CÁSCARA
DE PIÑA POR LA METODOLOGÍA DE SUPERFICIE DE RESPUESTA PARA
OBTENER AZÚCARES REDUCTORES
Liliana González Flores
Resumen
En la búsqueda de nuevas alternativas energéticas, la biomasa y desechos

agroindustriales pueden ser utilizados para la generación de bioetanol, con la
transformación hidrolítica ácida o enzimática de estos residuos lignocelulósicos. La
finalidad del presente trabajo fue evaluar el rendimiento de azúcares fermentables a
través de la optimización de variables en la reacción hidrolítica de la cáscara de piña
usando ácido clorhídrico, para ello se utilizó un factorial 23 en un diseño compuesto
central (DCC) para la cual se empleó la metodología de superficie de respuesta, se
generaron 20 tratamientos con dos replicas. Este trabajo se realizó en dos etapas;
caracterización química de la cáscara de piña y tratamiento químico. Se eliminó la
lignina del material lignocelulósico, para posteriormente realizar la hidrolisis ácida con
el objetivo de obtener azucares reductores, manejando las variables y niveles
siguientes; temperatura (120, 130 y 140 ºC), tiempo de reacción (40, 60 y 80 minutos)
y concentración de ácido (2, 3.5 y 5%). A los jarabes generados en la hidrólisis se les
determinó la concentración de azúcares fermentables, por el método del ácido
dinitrosalicílico (DNS). A los datos de azúcares totales de cada tratamiento se les
aplicó la metodología de superficie de respuesta, para encontrar rendimiento máximo,
predicción en base al modelo generado y la optimización de los parámetros para
encontrar el óptimo para la generación de azúcares reductores. Como resultado se
encontró que los valores óptimos para obtención de azúcares reductores fue:
concentración de ácido 3.36%, tiempo de reacción 67.64 minutos y temperatura 140
ºC.
Palabras claves: hidrólisis ácida, factorial, MRS, lignocelulosa, holocelulosa,

celulosa, azúcares reductores, bioetanol.
vii
Optimización de las variables en la hidrolisis ácida de cáscara de
piña por MSR para obtener AR
I. INTRODUCCIÓN.
La piña es una planta terrestre rústica, perteneciente a la familia de las Bromeliaceae,

Orden Poales, que bajo condiciones naturales produce su fruto a los dos años. Se
encuentra clasificada como una de las frutas tropicales más finas y conocidas en todo el
mundo cultivada por vez primera por tribus sudamericanas del Brasil y Paraguay (SIAP,
2010).
Tabasco es el estado que ocupa el cuarto lugar a nivel nacional en el cultivo de la piña,
el municipio de Huimanguillo, es la tercera región productora de piña en México, existen
39 comunidades dedicadas al cultivo de esta fruta, con una superficie total de 1,283 ha
y 690 productores dedicados al mismo; la variedad común es la Cayena, también se
siembran la variedad Cabezona y en menor grado la variedad MD-2. El rendimiento
promedio es de 60 ton ha-1 de las cuales 12 % es fruta chica (3ra. calidad), 43 % fruta
mediana (2da. calidad) y 36 % fruta grande (1ra. calidad), con pérdidas del 9 % (SIAP,
2010). El fruto de la piña tiene diferentes usos para la agroindustria; como producto de
exportación como fruta fresca, productos enlatados, jugos y concentrados, jaleas o
elaboración de vinagre.
La transformación del fruto de la piña a escala industrial genera también una gran
cantidad de residuos. Anualmente en México se generan aproximadamente 12,900
toneladas de residuos. Se estima que del fruto de la piña solo se aprovecha el 35%, el
resto forma parte de los desechos (corona, corazón, bagazo, ojos y cáscara), además
del rastrojo de la planta (Salas, 1990). Estos residuos están constituidos principalmente
por celulosa, hemicelulosa y lignina, fuente importante de azúcares fermentables.
En la búsqueda de nuevas alternativas energéticas, la biomasa y desechos

agroindustriales pueden ser utilizados para la generación de bioetanol, con la
transformación hidrolítica ácida o enzimática de estos residuos lignocelulósicos.
Las técnicas actuales de producción de etanol a partir de cereales y caña de azúcar

presentan el problema de la seguridad alimentaria. De igual forma, la producción de
1
etanol carburante por medio de estas materias primas no ha llenado las expectativas
con respecto a la disminución de gases invernaderos y de aumento en la producción de
energía con respecto a la gastada (SIAP, 2010).
Una alternativa al problema de la seguridad alimentaria, es el mejoramiento de los

procesos en la producción de bioetanol de segunda y tercera generación, a partir de
biomasa lignocelulósica residual, compuesta por dos polímeros de carbohidratos; la
celulosa (35-50%) y la hemicelulosa (15-25%), y un polímero fenólico, la lignina (20-
25%) (Olsson y Hahn-Hiigerdl, 1996). Los residuos lignocelulósicos son una fuente
importante para la obtención de jarabe glucosado, son de fácil disponibilidad ya que en
su gran mayoría son consideradas biomasas desvalorizadas (SIAP, 2010).
La finalidad del presente trabajo es contribuir con la optimización de las variables de

hidrólisis ácida para la generación de azúcares fermentables para la producción de
bioetanol de segunda generación. En la producción de bioetanol a partir de material
lignocelulósico se contemplan procesos físicos, químicos y biológicos como la
reducción de tamaño, remoción de lignina e hidrólisis ácida (Teubner et al., 1999).
2
II. JUSTIFICACION.
La búsqueda de nuevas fuentes energéticas como alternativa a las convencionales, la

crisis energética a mediano plazo, debido al agotamiento de las reservas de
combustibles fósiles, hacen de los residuos agroindustriales sin valor económico, una
opción en la producción de biocombustibles debido a que contienen grandes cantidades
de azúcares fermentables. La cáscara de piña es un residuo del proceso de
transformación agroindustrial que se genera en cantidades considerables en el estado,
esta biomasa constituye una opción importante para su conversión en bioetanol,
además de que se contribuye a su eliminación como desecho, ya que contamina los
sitios donde son confinados. La exploración de nuevas fuentes alternativas energéticas
es una prioridad a nivel mundial.
III. PLANTEAMIENTO DEL PROBLEMA.
El presente trabajo pretende aportar información en relación a la siguiente pregunta:

¿Los efectos principales o interacciones de las variables temperatura, tiempo de
reacción y concentración del ácido en la hidrólisis de la cáscara de piña, contribuyen a
generar una mayor cantidad de azúcares reductores, para la producción de bioetanol?
La pregunta de investigación planteada busca optimizar la producción de azúcares
fermentables a partir de la cáscara de piña, optimizando el proceso hidrolítico
empleando la metodología de superficie de respuesta (MSR). Esta investigación
consistirá en realizar previamente una caracterización química de la materia prima
(cáscara de piña), un proceso de eliminación de lignina, para posteriormente realizar la
fase de hidrólisis ácida, con la finalidad de generar el jarabe con la mayor cantidad de
azúcares reductores, que será cuantificado.
3
IV. ANTECEDENTES DEL PROBLEMA.
Los desechos de la industrialización de la piña constituyen hasta el 65% del fruto.

Además de la corona, el corazón y las cáscaras, se genera el rastrojo, el cual
corresponde a material vegetal de la planta y se elimina después del ciclo comercial. Se
ha determinado que, por hectárea de piña cultivada, se genera cerca de 300 TM de
rastrojo, siendo el cultivo de la piña el que genera más desechos agroindustriales.
Alrededor de 1.5 millones de toneladas métricas de rastrojo se transforman en desecho
representando más de la mitad de la biomasa implicada, llegando a duplicar el valor del
producto mismo (Córdoba, 2011).
El ciclo de producción a nivel comercial de la planta de piña es de 27 meses durante el

cual se cosechan dos piñas por planta. La primera cosecha es a los 15 meses y la
segunda, 12 meses después. Finalizado este periodo, debe eliminarse la biomasa y
preparar el suelo para iniciar un nuevo ciclo de producción. El tema del etanol
lignocelulósico ha sido investigado ampliamente a nivel internacional (Quesada et al.,
2005).
Sugimoto et al. (2008), han desarrolló un proceso para el pretratamiento de la biomasa

lignocelulósica con ozono para el rompimiento de las moléculas de lignocelulosa, con
buenos resultados. Oliva (2003), por su parte optimizó la explosión por vapor de
biomasa de madera chopo “Kluyveromyces marxianus” en un proceso de sacarificación
y fermentación simultáneas, con distintos tratamientos de destoxificación:
neutralización, evaporación, procesos de oxidación avanzada y aplicación de zeolitas.
Lindstedt (2003), reporta el montaje de una planta piloto para obtener etanol a partir de
residuos de la madera, se desarrolló una hidrólisis ácida con ácido sulfúrico y dióxido de
azufre en dos etapas seguida de una etapa para hidrólisis enzimática. En Estados
Unidos, Zhang et al. (2007), usaron ácido fosfórico concentrado como solvente no
volátil para la celulosa, un solvente orgánico altamente volátil (acetona) y agua. Durante
el fraccionamiento se logró separar ácido acético, lignina, hemicelulosa y celulosa
amorfa, la cual fue hidrolizada a glucosa y fermentada hasta etanol.
4
Aguilar y Canizales (2005), lograron la obtención de azúcares fermentables a partir de
residuos lignocelulósicos de la industria cervecera mediante hidrólisis ácida y
desarrollaron un modelo cinético.
Ferrer et al. (2002), han estudiado la cinética de la hidrólisis ácida del bagacillo de caña
para obtener azúcares reductores. El mejor resultado se consiguió con ácido sulfúrico al
6% y 4 horas de reacción. Adicionalmente, han realizado la hidrólisis ácida de la pulpa
de café con ácido sulfúrico.
A nivel internacional se destaca el trabajo de Urbaneja et al. (1997), quienes realizaron

a escala piloto la hidrólisis ácida del bagazo de la caña de azúcar con ácido sulfúrico,
se analizaron variables como porcentaje de sólidos en el bagazo, temperatura y tiempo
de reacción y se obtuvieron los mejores resultados a 50°C y bajos porcentajes de
sólidos.
Mejía et al. (2007), reportan la hidrólisis ácida y enzimática a residuos del mango
común, se obtuvieron mejores resultados con la hidrólisis ácida usando ácido sulfúrico
en proporción de 0.5%.
Monsalve et al. (2006), obtuvieron etanol a partir de cáscaras de plátano y almidón de

yuca mediante hidrólisis ácida con ácido sulfúrico y fermentación con Saccharomyces
cerevisiae y Zymomonas mobilis. Se obtuvieron concentraciones cercanas al 8% de
etanol.
En México García et al. (2005), investigaron la hidrólisis de derivados de la industria

papelera, residuos agrícolas, y municipales con fines de obtener etanol. Como
resultados han logrado el diseño y montaje de un reactor para la hidrólisis de estos
residuos.
Méndez-Gallegos et al. (2010), llevaron a cabo un estudio sobre el nopal para generar
recursos energéticos menos contaminantes y renovables, el aprovechamiento de
residuos del nopal con fines energéticos resulta una opción interesante puesto que se
establece y desarrolla en zonas marginales para otro tipo de agricultura y
5
adicionalmente podría ser usada en la recuperación de suelos pobres y erosionados.
Los bioenergéticos obtenidos de la biomasa del nopal, adicionalmente son
considerados inagotables, limpios y pueden ser utilizados de manera autogestionada,
ya que tienen la ventaja de ser aprovechables en el mismo lugar donde se producen.
Además, tienen la ventaja de complementarse con otras energías alternas favoreciendo
la integración entre ellas.
En un trabajo realizado por Chuk-Hernández et al. (2011), afirman que el sorgo

representa una buena opción por ser un cultivo resistente a sequía y condiciones
agronómicas adversas. Es un cultivo multifacético ya que existen genotipos de sorgo
granífero, dulce y de alta biomasa que pueden ser biotransformados. La conversión del
grano almidonoso con tecnologías similares a las del maíz permiten producir 360 a 400
L de bioetanol/ton. La conversión de sorgo dulce permiten obtener jugo y material
lignocelulósico con excelentes rendimientos (8,000 L bioetanol/Ha/corte considerando
una producción de 120 ton de sorgo dulce/Ha). Las nuevas variedades de sorgo de alta
biomasa pueden ser convertidas en etanol con tecnologías de lignocelulosa y con un
potencial productivo de hasta 14,800 L de bioetanol/Ha. Este cultivo, sin embargo,
supone desafíos tecnológicos como desarrollo de maquinaria de molienda, modificación
o ingeniería genética de cultivos y de microorganismos fermentadores, así como
métodos de pretratamiento de grano y bagazo. En esta revisión se describen
tecnologías viables especialmente en el contexto mexicano para transformar sorgo
granífero, dulce y su biomasa en etanol.
González y Brugués (2010), menciona que el incremento de la demanda de

biocombustibles se debe a la demanda mayor de energéticos por tal motivo es la
búsqueda de fuentes de energía renovables y no contaminantes y el deseo de
aumentar los ingresos agrícolas en los países en desarrollo. El uso del maíz, alimento
básico del pueblo mexicano, en la generación de etanol tendrá efectos redistributivos en
bienestar social a través de los precios y cantidades producidas y consumidas.
En la investigación realizada por Cruz et al. (2011), el objetivo fue obtener celulosa y
bioetanol del bagazo de piña (desecho agrícola). El aprovechamiento de este bagazo
6
evitará el consumo de cultivos destinados a la alimentación, evitando el uso excesivo de
tierras y el empleo de residuos orgánicos agroindustriales. Además, el producto
obtenido tiene un valor agregado y podría convertirse en un beneficio para los
productores de piña. La finalidad fue estudiar un proceso para extraer celulosa del
bagazo de piña, y mediante hidrólisis ácida de celulosa y bagazo se obtuvo glucosa.
Esteva (2009), obtuvo etanol a nivel laboratorio, utilizando Saccharomyces cerevisiae

como microorganismo fermentador; a partir de la fermentación del jugo de mango
“criollo”. Para la fermentación del jugo primero se determinaron las condiciones óptimas,
como cantidad de levadura y la mejor proporción de agua. Realizó determinaciones de
la concentración de los azúcares reductores totales en el mosto, determinación de la
concentración de etanol producido y del pH de fermentación. Los resultados obtenidos
durante la determinación de las condiciones óptimas, demostraron que tanto la cantidad
de levadura como la proporción de agua adicionada al mosto, no son tan determinantes
en el consumo de los azúcares reductores; sin embargo, se encontró que la proporción
de agua es un factor importante a considerar en la fermentación, ya que esta determina
la facilidad con la que se realiza la filtración y posteriormente la destilación del producto
final de la fermentación. Con lo que respecta a la concentración inicial y final de los
azúcares reductores totales a lo largo de la fermentación, éstos fueron 85.526 g/L y
2.626 g/L, respectivamente; la cantidad total de azucares consumidos a lo largo de este
proceso fue de 82.90 g/L, lo cual representa el 97% de la concentración inicial.
7
V. HIPOTESIS.
Las variables temperatura, tiempo de reacción y concentración de ácido, involucrados

en la hidrólisis ácida de la cáscara de la piña para la generación de azúcares
reductores, interaccionan significativamente en la optimización del proceso.
VI. OBJETIVOS.
6.1. Objetivo General
Evaluar el rendimiento de azúcares fermentables a través de la optimización de

variables en la reacción hidrolítica ácida de la cáscara de piña, variedad cayena, para la
obtención de azúcares reductores, empleando la metodología de superficie de
respuesta.
6.2. Objetivos Particulares
6.2.1. Caracterización química de la cáscara de piña como materia prima para la

generación de azúcares fermentables por hidrolisis ácida.
6.2.2. Cuantificación de la concentración de azúcares reductores en los tratamientos,

por el método del ácido dinitrosalicílico (DNS).
6.2.3. Establecer las variables óptimas para la hidrólisis ácida de la cáscara de piña,
empleando el método de superficie de respuesta.
8
VII. MARCO TEORICO.
Debido a la crisis energética que comenzó en 1973 disminuyó la oferta de petróleo e

incrementó su precio en forma exorbitante, por lo cual, se impuso la racionalización del
uso de la energía, hacer un uso más eficiente de ella, y de la diversificación de las
fuentes y suministros de estas (Monsalve et al., 2006).
En la actualidad ha aumentado el interés en torno a los procesos que tiene objetivo

recuperar y convertir en productos valiosos a estos desechos, como es el caso del
tratamiento químico de hidrólisis, el cual permitirá el total aprovechamiento del bagazo
de la piña, como sustrato en procesos biotecnológicos para obtención de productos de
más alto valor agregado, por el cual su uso de materia prima es una alternativa atractiva
en cuanto a la abundancia, el carácter renovable y el bajo costo de este tipo de
desechos sólidos agroindustriales (Lucena y Zapata, 2011).
Lucena y Zapata (2011), plantean la necesidad de evaluar el tratamiento de hidrólisis

del bagazo de la piña, para determinar bajo qué condiciones a nivel laboratorio, se
obtiene mayor cantidad de azucares en el hidrolizado para ser utilizado como sustrato
en procesos biotecnológicos orientados en la producción de alcohol y vinagre.
La demanda de etanol para su utilización como combustible ha aumentado en los

últimos años. Según el Informe del Estado Global de los Renovables, la producción de
bioetanol en el mundo para el 2009 ha sustituido cerca del 4% de la producción mundial
de gasolinas. Las materias primas para la producción del bioetanol incluyen mieles y
jugos ricos en sacarosa de fábricas azucareras, productos agrícolas ricos en almidón y
materiales lignocelulósicos. Sin embargo, la producción de etanol a partir de productos
que contienen almidón está cuestionada debido a que se está utilizando un alimento
para la producción de energía, comprometiendo su disponibilidad y aumentando los
precios para los consumidores (REN21, 2010).
Los materiales lignocelulósicos se perfilan como una fuente alternativa que no presenta
el problema de los materiales amiláceos y están disponibles en grandes cantidades. Su
9
composición es básicamente lignina, celulosa y hemicelulosa. La celulosa y
hemicelulosa se pueden degradar en azúcares fermentables mediante el uso de ácidos
o enzimas (REN21, 2010).
Figura 1. Hidrólisis ácida de la hemicelulosa (Sánchez y Cardona, 2005)
7.1. Biocombustibles
Por su origen, se podría decir que los biocombustibles son una fuente de energía
renovable, ya que son una forma de energía solar transformada. Se puede producir a
partir de una amplia gama de fuentes de biomasa, como: alimentos, fibras y residuos de
madera, cultivos energéticos, cultivos de rotación breve y desechos agrícolas (Alarcón,
2010).
Los biocombustibles se pueden clasificar según la fuente de la cual se derivan, como

productos forestales, agrícolas y pesqueros o desechos municipales, así como de la
industria alimentaria. Se clasifican según su tipo en sólidos, como la leña; en líquidos,
como el etanol y biodiesel; o gaseosos, como el biogás (Alarcón, 2010).
También se pueden catalogar como biocombustibles primarios (sin elaborar) y

secundarios (elaborados). En el primer grupo encontramos a la leña, astillas, etc., su
combustión es de forma directa y en general se usa para cocinar o generar calor. Los
de segundo grupo, por ejemplo el etanol, biodiesel, biogás, carbón vegetal, gas de
síntesis y el hidrógeno; pueden ocuparse en más aplicaciones, como los transportes y
los procesos industriales (Alarcón, 2010).
7.1.1. Biocombustibles líquidos
Los biocombustibles líquidos se utilizan principalmente en los transportes. Aunque su

producción sólo cubre parte de la demanda mundial, se estima que a futuro su uso y
10
producción aumenten en los siguientes años. Los más importantes, debido al
crecimiento de la producción, son el bioetanol y el biodiesel (Alarcón, 2010).
7.1.1.1. Biocombustibles de primera generación

Los biocombustibles de este tipo son producidos de azúcar, amida y aceites de una
parte específica (frecuentemente comestible) de plantas tradicionales como caña de
azúcar, trigo, maíz, palma aceitera y soya. Esos biocombustibles (etanol y biodiesel) ya
son producidos y comercializados en cantidades significativas por diversos países,
respondiendo actualmente por 1.5% del total de combustibles de transporte en el
mundo. Su expansión, sin embargo, levanta algunas preocupaciones, principalmente en
lo que se refiere al uso de la tierra (Machado, 2010).
La primera generación de biocombustibles se refieren a aquellos realizados utilizando

cultivos básicos como: azúcar, almidones, aceites vegetales, grasa animal y tecnologías
convencionales (Alarcón, 2010).
En la actualidad, aproximadamente el 85% de la producción mundial de

biocombustibles líquidos está representada por el etanol. Los principales productores
de bioetanol, Brasil y Estados Unidos de América, aportan casi el 90% de la producción
mundial, el 10% restante se divide en Canadá, China, la Unión Europea y la India. La
producción de biodiesel se concentra principalmente en la Unión Europea, aportando
cerca del 60% del total, entretanto los Estados Unidos de América contribuye con una
fracción considerablemente menor. El mayor contenido de oxígeno del biodiesel facilita
la combustión y reduce así las emisiones de contaminantes del aire en partículas,
monóxido de carbono e hidrocarburos (Alarcón, 2010).
El aceite para producir biodiesel, se puede obtener de casi cualquier cultivo oleaginoso,
como el ricino, la palma, algodón, soja, girasol, colza y coco. También se puede utilizar
grasa animal extraída del procesamiento del pescado y otros animales (Alarcón, 2010).
7.1.1.2. Biocombustibles líquidos de segunda generación
Los Biocombustibles de 2da generación, también llamados biocombustibles celulósicos,
11
son producidos de materias-primas no alimentares como residuos agroindustriales y
gramíneas forrajeras de alta producción de biomasa. Su producción es
significativamente más compleja, si comparados a los de 1ra generación y todavía no
son comercializados. Son clasificados según el proceso utilizado en la conversión de la
biomasa: bioquímicos producidos por hidrólisis enzimática, fermentación y
termoquímicos producidos por pirolisis, gasificación y síntesis de Fischer-Tropsch. Las
tecnologías para una conversión de biomasa celulósica a biocombustibles son
existentes, pero todavía no aplicadas en producción de gran escala (Machado, 2010).
La segunda generación de biocombustibles, incluye aquellos realizados a partir de
materia prima proveniente de biomasa lignocelulósica. Aunque este tipo de combustible
todavía no se produce a escala industrial, se espera que los procesos para su
producción sean viables en los próximos 10 años (Alarcón, 2010).
7.1.1.3. Biocombustibles líquidos de tercera generación
Los biocombustibles de 3ra generación son producidos a partir de la materia-prima

modificada genéticamente de modo que facilita los procesos subsecuentes. Los
agentes de conversión (microorganismos, algas) también son modificados
genéticamente para que el proceso sea más eficiente (Machado, 2010).
Esta tecnología consiste en la utilización de algas para producir biocombustibles estas

son organismos unicelulares autotróficos que llevan a cabo la fotosíntesis oxigénica y
acumulan (azúcar) como la principal forma de carbono almacenado. El alga
verdeazulada prolifera rápidamente y utiliza de manera más eficiente la radiación solar,
CO2 y elementos inorgánicos, utilizan la fotosíntesis como medio para capturar de
manera más eficiente la energía del sol para convertirla en azúcar intracelularmente, lo
que les proporciona la energía para crecer y reproducirse. Actualmente existen algas
modificadas genéticamente para la producción directa de etanol (Alarcón, 2010).
Una alternativa serían los biocombustibles 1.5 generación, que incluirían aquellos
producidos por tecnologías convencionales, pero con materias primas alternativas a las
utilizadas actualmente, menos sensibles a la competencia con la producción de
12
alimentos. Entre estas se encontrarían diversas especies arbustivas o arbóreas perenes
oleaginosas u otras con potencial de desarrollarse en zonas áridas o semi-áridas de
tierras marginales, como jatropha, camelina y microalgas (Ganduglia, 2008; citado en
Machado, 2010).
7.2. Caracterización de la Planta de Piña
La piña pertenece a la familia Bromeliaceae, género Ananas, especie comosus. Es una

planta monocotiledónea herbácea como se muestra en la figura 2. El tallo de la piña es
corto y compacto teniendo una longitud máxima de 35 cm, con un diámetro base de 2 a
3.5 cm, y 5.5 a 7 cm en la parte más compacta. Las hojas cuyo número oscila entre 70
y 100 forman una roseta, son lanceoladas y muy elongadas, algunas veces llegan a un
máximo de longitud de 100 cm y un ancho de 7 cm, emergen del tallo teniendo un
aproximado de dos tercios de la circunferencia de esté. El número de espinas cambia
de acuerdo con la variedad (Picado y Vásquez, 2004).
1
Figura 2. Planta de piña
El rastrojo de la piña es una especie no maderable. Una de sus partes constituyentes

es el parénquima, el cual es un tejido fundamental que cumple diversas funciones como
1
http://www.cnmsf.gob.do/Portals/0/images/Sala_de_Prensa/Wide/planta%20pi%C3%B1a.JPG
13
la fotosíntesis y la elaboración y almacenamiento de sustancias. Almacena diversas
sustancias como hidratos de carbono, proteínas y grasas. Para que las enzimas actúen
sobre la celulosa debe eliminarse el tejido parenquimático.
7.3. Cultivo de Piña
La piña es el segundo cultivo tropical de importancia mundial después del banano,

aportando más del 20 % del volumen mundial de frutos tropicales (COVECA, 2013). En
la figura 3 se muestra el cultivo de piña.
2
Figura 3. Cultivo de piña
En México las variedades de piña que se cultiva son la cayena lisa, criolla, esmeralda y
roja española. Los principales estados productores de piña son Veracruz, Oaxaca,
Tabasco, Nayarit y Chiapas, de los cuales Veracruz ha ocupado el primer lugar en los
últimos ocho años. La producción está destinada para su consumo en fresco,
principalmente para el mercado interno, solamente un pequeño porcentaje es para
exportación (SENASICA, 2013)
Los principales desechos agrícolas son los residuos de la industrialización de productos

tradicionales como el café y el plátano; y los no tradicionales como la piña y la naranja.
En el caso de la piña, las exportaciones han aumentado en los últimos años. Se estimó
que la producción neta del año 2009 sería de 2 millones de TM aproximadamente para
2
http://latrola.net/blok/wp-content/gallery/fotos_2/planta_pi%F1a/02.jpg
14
un área bruta entre 50 000 y 51 000 hectáreas (Elizondo, 2009).
7.4. Materiales Lignocelulósicos
La lignocelulosa es el componente principal de las paredes celulares vegetales,

consiste principalmente en celulosa, hemicelulosa y lignina junto con pequeñas
cantidades de pectina, proteínas, clorofila, grasas y cenizas. El porcentaje que
representa cada uno de estos constituyentes depende del tipo de planta (Kumar et al.,
2009).
7.5. Celulosa
La celulosa es un polisacárido formado por subunidades de D-glucosa unidas por

enlaces β-1,4-glucosídicos. La unión de las moléculas mediante puentes de hidrógeno
en la celulosa forma una estructura lineal ordenada que representa entre un 50-90% de
la celulosa total, la otra parte tiene una arreglo desordenado o amorfo, la celulosa
conforma de un 30 a 60% de la planta (Balat, 2010; Foyle et al., 2007). La celobiosa es
la unidad repetitiva que constituye las cadenas de celulosa. Esta última es más
susceptible a la degradación enzimática en su forma amorfa (Kumar et al. 2009). La
celulosa es el material renovable más abundante, tiene un grado de polimerización de
500 a 15000 unidades. La mayoría de la celulosa es cristalina, siendo insoluble y
resistente al ataque de enzimas y al ataque microbiano. En la figura 4 se representa la
estructura de la celulosa.
3
Figura 4. Estructura de la celulosa
3
http://www.javeriana.edu.co/Facultades/Ciencias/neurobioquimica/libros/celular/cellulose.gif
15
7.6. Hemicelulosa
La hemicelulosa es un polímero heterogéneo que representa, en general, 15-35% de la

biomasa de la planta, como se muestra en la figura 5. Consiste en cadenas cortas y
ramificadas de azúcares. Contiene azúcares de cinco carbonos, generalmente xilosa y
arabinosa, azúcares de seis carbonos como galactosa, glucosa y manosa, así como
ácidos úronicos (Girío et al., 2010).
4
Figura 5. Estructura de la hemicelulosa
La hemicelulosa sirve como conexión entre la lignina y las fibras de celulosa. Debido a
su naturaleza ramificada, es amorfa y relativamente fácil de hidrolizar a sus azúcares
constitutivos (Girío et al., 2010).
7.7. Lignina
La lignina tiene una estructura amorfa que consiste en unidades diferentes de

fenilpropano. La función principal de la lignina es dar soporte estructural a la planta,
impermeabilidad, resistencia contra ataques microbianos y al estrés oxidativo. Es
insoluble en agua y ópticamente inactiva lo que la hace difícil de degradar (Hendricks y
Zeeman, 2009). No contiene azúcares pero encierra a la celulosa y hemicelulosa que sí
los contienen e impide que sean alcanzadas para ser hidrolizadas. Los monómeros que
forman la lignina se denominan alcoholes cinamílicos diferenciados entre sí por las
4
http://upload.wikimedia.org/wikipedia/commons/6/69/Hemicellulose.png
16
diferentes sustituciones que presenta el anillo aromático. Estos alcoholes son el p-
cumarílico, el alcohol coniferílico y el alcohol sinapílico (Lozanoff et al., 2007). La lignina
puede ser utilizada para la generación de energía térmica, su valor energético depende
de la fuente de biomasa y varía entre 20,934 y 27,912 kJ/kg. También, puede ser
procesada, dependiendo de la calidad de la misma, en productos de alto valor
económico como plastificantes, polímeros conductores de electricidad o resinas
fenólicas (Lozanoff et al., 2007). En la figura 6 se puede apreciar la estructura de la
lignina.
5
Figura 6. Estructura de la lignina
7.8. Disponibilidad de Material Lignocelulósico
Los desechos de la industrialización de la piña constituyen hasta el 65% del fruto.

Además de la corona, el corazón y las cáscaras, se genera el rastrojo, el cual
corresponde a material vegetal de la planta y se elimina después del ciclo comercial. Se
ha determinado que, por hectárea de piña cultivada, se genera cerca de 300 TM de
rastrojo, siendo el cultivo de la piña el que genera más desechos agroindustriales
(Barrientos y Porras, 2010).
El ciclo de producción a nivel comercial de la planta de piña es de 27 meses durante el

cual se cosechan dos piñas por planta. La primera cosecha es a los 15 meses y la
5
http://www.ugr.es/~quiored/qoamb/Lignina.gif
17
segunda, 12 meses después. Finalizado este periodo, debe eliminarse la biomasa y
preparar el suelo para iniciar un nuevo ciclo de producción (Quesada et al., 2005).
Conforme aumenta el número de hectáreas de piña sembradas, el volumen de

desechos generados en la plantación y en los procesos también incrementa generando
un problema debido a su lenta degradación (Quesada et al., 2005).
Los datos respecto a la generación de desechos en la producción de piña preocupan a

autoridades nacionales y otros organismos que buscan evitar el deterioro ambiental. Es
por esto que es necesario buscar alternativas para el manejo de tanta biomasa y
disminuir el consumo de agroquímicos, que si no se tratan de una forma adecuada
pueden llegar a contaminar suelos, ríos y el ambiente en general (Quesada et al.,
2005).
7.9. Pretratamiento del Material Lignocelulósico
La lignina y la hemicelulosa actúan como una barrera de protección de la celulosa. Para

hidrolizar la celulosa y posteriormente, realizar la fermentación de los azúcares, es
necesario pretratar el material lignocelulósico, en este caso el rastrojo de la piña, para
modificar su estructura, eliminando la lignina y hemicelulosa para que la celulosa quede
expuesta para la etapa de hidrólisis (Quesada et al., 2005).
El objetivo del proceso de pretratamiento es romper la estructura de la lignina y la

estructura cristalina de la celulosa, de tal forma que los ácidos o enzimas tengan
acceso a la celulosa y la hidrolicen (Mosier et al., 2005). Álvira et al. (2010), indican que
para la etapa de pretratamiento se deben tomar en cuenta varios factores como los los
siguientes:
Los azúcares no deben ser degradados durante el proceso,

Generación mínima de compuestos tóxicos,
Es preferible que no se requiera una disminución del tamaño de la partícula debido a
que conlleva altos costos por consumo de energía,
18
Que la operación se pueda realizar en reactores de costo moderado y tamaño
razonable,
No producir residuos sólidos,
Obtener altas concentraciones de azúcares.
7.10. Tipos de Pretratamiento
El pretratamiento que se realiza a la biomasa puede ser físico, químico o

microbiológico, también, puede ser una combinación de ellos, los cuáles se enfocan en
eliminar la lignina y hemicelulosa para mejorar el acceso a la celulosa (Álvira et al.,
2010).
7.10.1. Pretratamiento físico
Se realiza para disminuir el tamaño de partícula de la biomasa mediante un proceso de

trituración y extrusión. El objetivo de la trituración es reducir el tamaño de la partícula y
la cristalinidad del material para incrementar la superficie específica y reducir el grado
de polimerización. El material se pica, tritura o muele dependiendo del tamaño final de
la partícula (Álvira et al., 2010), Con respecto al material sin pretratar, se incrementa el
rendimiento total de la hidrólisis de la lignocelulosa en 5-25% dependiendo del tipo de
biomasa y del tamaño de partícula. También, reduce el tiempo de digestión en 23-59%
(Hendricks y Zeeman, 2009).
Los requerimientos energéticos son altos dependiendo del tamaño final de la partícula
y de las características de la biomasa, por lo que su aplicación depende del costo
económico que represente (Hendricks y Zeeman, 2009).
7.10.2. Pretratamiento químico
Hay diferentes métodos de pretratamiento químico, los que se utilizan comúnmente son
el pretratamiento alcalino y ácido. En el pretratamiento con ácido, el objetivo es
solubilizar la hemicelulosa para que la celulosa esté más accesible para la etapa de
hidrólisis. Se realiza tanto con ácidos concentrados como con ácidos diluidos. Aunque
19
son un agente fuerte para la hidrólisis de la celulosa, los ácidos concentrados son
tóxicos, corrosivos, peligrosos y se requieren reactores de materiales resistentes a la
corrosión, por lo que el costo del pretratamiento es elevado (Kumar et al., 2009).
El uso de ácido diluido es más favorable para aplicaciones a nivel industrial, se realiza a
altas temperaturas durante un periodo corto de tiempo o a bajas temperaturas con
tiempos de retención mayores (Álvira et al. 2010), La lignina tambien se solubiliza en
este proceso. En el pretratamiento con ácido diluido, usualmente se utiliza ácido
sulfúrico o ácido clorhídrico a concentraciones que van de 0.3-1.1% (m/m) (Zhu, 2005).
El pretratamiento alcalino se realiza a bajas temperaturas y presiones comparadas con

otras tecnologías para pretratamiento. Es posible llevar a cabo el proceso a condiciones
ambientales pero puede tardar horas o días (Mosier et al., 2005).
Comparado con el pretratamiento ácido, el proceso alcalino causa menos degradación

de azúcares y la sal caústica se puede recuperar o regenerar (Kumar et al., 2009),
Además, la estructura de la celulosa después del pretratamiento es más densa y
termodinámicamente más estable que la celulosa natural (Hendricks y Zeeman, 2009).
El pretratamiento con hidróxido de sodio diluido provoca que la biomasa se hinche

aumentando la superficie interior mientras que el grado de polimerización disminuye; se
separan la lignina de los carbohidratos y se altera la estructura de la lignina (Kumar et
al., 2009), En estudios realizados con bagazo de caña se pretrató este material con
hidróxido de sodio al 2% (m/v) por 90 minutos a 121 °C. Torres, (2009), obtuvo un
rendimiento de glucosa máximo de 42% con una concentración de enzima de 3.2 U/mg
en la etapa de hidrólisis. Amador (2009), obtuvo un rendimiento de glucosa máximo de
54.14% con una concentración de celulasa de 25 U/mg.
La etapa de hidrólisis de materiales lignocelulósicos puede realizarse tratando el

material con ácido diluido, ácido concentrado o mediante el uso de enzimas.
20
7.11. Hidrólisis Ácida
Con ácido concentrado o diluido se puede romper el polímero de celulosa y

hemicelulosa de la biomasa para obtener las moléculas de azúcares que pueden ser
fermentadas a etanol. La ventaja de la hidrólisis ácida es que el ácido puede penetrar la
lignina sin tratamiento previo, la tasa de hidrólisis ácida es más rápida que la hidrólisis
enzimática. Sin embargo, presenta la desventaja de que la glucosa se degrada
rápidamente bajo condiciones ácidas (Lenihan et al., 2010).
La hidrólisis ácida consiste en un proceso químico que, mediante el empleo de

catalizadores ácidos, transforma las cadenas de polisacáridos que forman la biomasa
(hemicelulosa y celulosa) en sus monómeros elementales. La hidrólisis ácida de los
materiales lignocelulósicos es un proceso conocido desde 1819 (Larsson, 2000), que
alcanzó su mayor desarrollo durante las dos Guerras Mundiales, períodos en los que la
escasez de petróleo hizo que se empleara masivamente la madera para la producción
de etanol.
Durante este período se desarrollaron numerosos procesos cayendo posteriormente en

desuso por razones económicas. Este tipo de hidrólisis puede realizarse empleando
diferentes clases de ácidos como el ácido sulfuroso, clorhídrico, sulfúrico, fosfórico,
nítrico y fórmico (Galbe y Zacchi, 2002). Sin embargo, sólo los ácidos clorhídrico y
sulfúrico han sido empleados a escala industrial.
Los procesos industriales de hidrólisis ácida pueden agruparse en dos tipos: los que
emplean ácidos concentrados y los que utilizan ácidos diluidos (Galbe y Zacchi, 2002).
Los procesos que implican ácidos concentrados operan a baja temperatura, pudiendo
obtenerse altos rendimientos de hidrólisis (superiores al 90% de la glucosa potencial). A
pesar de esto, la gran cantidad de ácido empleado en la impregnación del material a
tratar y lo costoso de su recuperación, unido a los efectos corrosivos de los ácidos
concentrados que obliga a altas inversiones en los equipamientos, hacen que el
proceso no sea rentable. Además, tiene el problema asociado de que es necesario una
21
costosa etapa de neutralización antes de la fermentación (Keller, 1996).
Sin embargo, los procesos que utilizan ácidos concentrados han adquirido un renovado
interés debido a nuevos métodos que mejoran la economía de recuperación de los
ácidos desarrollados por varias compañías como Masada Resource Group
(Birmingham, Ala), Arkenol (Mission Viejo, California) y APACE (Australia) (Katzen,
1997).
Los procesos que emplean ácidos diluidos tienen su principal ventaja en el

relativamente bajo consumo de ácidos. Sin embargo, se requieren relativamente altas
temperaturas para alcanzar rendimientos aceptables de conversión de celulosa a
glucosa (Katzen, 1997).
El máximo rendimiento en glucosa se consigue a altas temperaturas y tiempos de

residencia cortos. Este tipo de procesos operan a una temperatura de 240 ºC, una
concentración de ácido de 1 % (p/v) y un tiempo de reacción de 6-12 segundos. Aun
así, bajo estas condiciones los mejores rendimientos alcanzados están en torno al 60%
del rendimiento teórico (Keller, 1996). Las temperaturas que se emplean en estos
procesos originan, por un lado, una mayor corrosión de los equipos empleados y, por
otro lado, aumenta la tasa de degradación de los azúcares hemicelulósicos los cuales
pueden afectar a la posterior etapa de fermentación.
Con objeto de disminuir la degradación de los azúcares originados en la hidrólisis, se

puede utilizar un proceso en dos etapas.
Mediante los procesos en dos etapas es posible conseguir hasta un 98% de

recuperación de los azúcares hemicelulósicos a partir de maderas blandas. Sin
embargo, los rendimientos en glucosa no superan el 50% (Nguyen et al., 1999).
En la primera etapa se produce la hidrólisis de la hemicelulosa en unas condiciones

suaves (170-190 ºC) y, en la segunda etapa, se hidroliza la celulosa en unas
condiciones más severas (200-230 ºC) (Wyman, 1996). Las altas temperaturas que se
requieren para la hidrólisis de la celulosa hacen que se originen productos de
22
degradación de los azucares, que además de disminuir el rendimiento del proceso,
pueden afectar a la posterior etapa de fermentación.
En Suecia, la Bioalcohol Fuel Fundation junto con St. Lawrence de Canadá y

Tennessee Valley Authority de Estados Unidos, desarrollaron un proceso en dos etapas
con ácido diluido, conocido como el proceso CASH (O´Boyle et al., 1991). Se basa en
una primera hidrólisis a temperatura moderada impregnando la madera con dióxido de
azufre, seguido de una segunda hidrólisis utilizando ácido hidroclorhídrico diluido
(Galbe y Zachi, 2002).
Después de la hidrólisis, los azúcares liberados se fermentan para producir etanol. En

el proceso de sacarificación y fermentación simultánea (SSF) los azúcares producidos
en la hidrólisis son fermentados inmediatamente por microorganismos, por lo que la
formación de los productos inhibidores de la hidrólisis disminuye (Balat, 2010).
7.12. Usos del Etanol
Los usos del etanol en la industria son amplios y van desde la elaboración de productos
cosméticos, productos de limpieza, etc. Se ha investigado la posibilidad de emplear la
fermentación etílica en el tratamiento de los vertederos de basura logrando de esta
forma biocombustibles, los estudios no han arrojado aplicaciones concluyentes. No
obstante el empleo de la fermentación alcohólica tiene un éxito potencial en el
tratamiento de los residuos de la industria alimenticia (Ovando y Waliszewski, 2005).
Un proceso industrial muy investigado a comienzos del siglo XXI es la fermentación en

estado sólido empleada en la biomedicación y en la biodegradación de productos de
desecho, la transformación biológica de residuos agroindustriales, en la producción de
compuestos bioactivos, de enzimas, de ácidos orgánicos, biopesticidas,
biocombustibles y compuestos aromáticos, entre otros (Hendricks y Zeeman, 2009).
El mercado del bioetanol puede subdividirse en tres, de acuerdo a sus destinos

fundamentales como: combustible, uso industrial y bebidas. El uso como combustible
representa el 61% de la producción mundial, ya sea para mezclar o reemplazar el
23
petróleo y sus derivados, alrededor del 23% se destina a la industria procesadora
(cosméticos, farmacia, química, entre otras), y el 16% restante se destina a la industria
de bebidas. La producción de alcohol destinada al uso como combustible, por lo general
se encuentra subsidiada por el impacto positivo del uso del etanol carburante sobre el
medio (IICA, 2004).
7.13. Metodología de Superficie de Respuesta
Una de las técnicas más eficiente para la optimización de procesos es la metodología

de superficie de respuesta (MSR), la cual tiene como objetivo determinar la condición
de operación óptima para un sistema (Torres, 2013).
La MSR tiene la particularidad de determinar la influencia e importancia de los

parámetros estudiados y las interacciones entre éstos, con un mínimo de ensayos. En
la mayoría de los casos la forma de la relación entre la respuesta y las variables
independientes se desconoce. Por ello, el primer paso en la MSR consiste en
determinar una aproximación apropiada a la relación funcional real entre la respuesta y
el conjunto de variables independientes (Torres, 2013).
Myers y Montgomery (1995), mencionan tres fases en la construcción de un modelo de

superficies de respuesta. En la fase cero, se generan algunas ideas en relación a los
factores o variables que probablemente son importantes en el estudio de superficies de
respuesta. Esto generalmente permite diseñar un experimento con la finalidad de
eliminar los factores que no son importantes. En la primera fase, el experimentador trata
de determinar si los niveles actuales de las variables independientes producen un valor
en la respuesta, cercano al óptimo. En esta fase, la metodología hace uso de un
modelo de primer orden y de la técnica de optimización llamada el Método de Máxima
Pendiente Ascendente. La segunda fase del estudio inicia cuando el proceso está cerca
del óptimo. En este punto, se desea un modelo que con precisión se aproxime a la
función de respuesta verdadera dentro de una región relativamente pequeña alrededor
del óptimo. Debido a que la superficie de respuesta real, usualmente exhibe curvatura
cercana al óptimo, se usa comúnmente un modelo de segundo orden o mayor. En esta
24
fase el modelo de superficies de respuesta debe ser capaz de generar respuestas e
información del gradiente de respuesta, para reducir las corridas necesarias durante la
optimización.
La MSR es una colección de técnicas matemáticas y estadísticas útiles en el modelado

y el análisis de problemas en los que una respuesta de interés recibe la influencia de
diversas variables y donde el objetivo es optimizar esa respuesta (Montgomery, 2003).
Gutiérrez y de la Vara (2012), consideran a la MSR como una estrategia experimental y
de modelación que permite encontrar condiciones de operación óptima de un proceso.
El diseño de superficie de respuesta y la estrategia de análisis supone que la media de

la variable de respuesta (η) está en función de los niveles de factores cuantitativos
representado por las variables X1, X2,…, Xk, que proporcionan el correspondiente valor
de η para alguna combinación de cada nivel (Kuehl, 2001):
De tal forma que la variable respuesta pueda expresarse como:
Donde ε representa el ruido o error observado en la respuesta Y. Si la respuesta

esperada se denota por , entonces a la superficie
representada por se llama superficie de respuesta (grafica 1)
(Montgomery, 2003).
Los modelos polinomiales se usan como aproximaciones prácticas a la función

respuesta verdadera o real. En general la función se desconoce y las funciones
polinomiales con frecuencia proporcionan buenas aproximaciones en zonas
relativamente pequeñas de los niveles de los factores cuantitativos (Kuehl, 2001).
25
Gráfica 1: Superficie de respuesta tridimensional (Montgomery, 2003).
7.13.1. Gráficas de contorno
La gráfica de contornos facilita la visualización de la forma de una superficie de

respuesta en tres dimensiones. En ésta las curvas de los valores iguales de respuesta
se grafican en un plano denominadas líneas de contorno, que son curvas
correspondientes a valores constantes de la respuesta sobre el plano X 1X2 (plano cuyo
ejes coordenados vienen dado por los niveles X1 y X2 de los factores).
Geométricamente, cada línea de contorno es una proyección sobre el plano X1X2 de
una sección de la superficie de respuesta al intersecar con un plano paralelo al X 1X2
(gráfica 2). Cada curva representa un valor específico de la altura de la superficie, es
decir un valor específico de (Cornell, 1990).
26
Gráfica 2: Gráfica de contorno de una superficie de respuesta (Montgomery, 2003).
7.13.2. Diseños de primer orden
La función de respuesta se puede representar con una ecuación polinomial. El éxito en

una investigación de una superficie de respuesta depende de que la respuesta se
pueda ajustar a un polinomio de primer o segundo grado (Cornell, 1990).
Los diseños de primer orden sirven en la primera fase de la MSR para establecer un
modelo en forma de polinomio de primer orden, el cual nos indique si los niveles
actuales de las variables independientes derivan en un valor de la respuesta cercano
del óptimo. Otro uso del modelo se encuentra en el Método de Máxima Pendiente
Ascendente, ya que al obtener los coeficientes de regresión identifica las variables
independientes con mayor influencia en la variable respuesta. Los diseños factoriales 2k
y los diseños factoriales fraccionados (Box y Draper, 1987) son recomendados para
ajustar un modelo de primer orden de la forma:
k
y x
0 i 1 i i
27
7.13.3. Diseños de segundo orden
Cuando el experimentador se encuentra relativamente cerca del óptimo, por lo general

se requiere un modelo que incorpore la curvatura para aproximar la respuesta. En la
mayoría de los casos, el modelo de segundo orden es adecuado (Montgomery, 2003).
Los diseños para superficies de respuesta de segundo orden, deben incluir las
propiedades de poder estimar el error experimental y calcular la prueba de la falta de
ajuste del modelo de segundo orden. También, proporcionar estimaciones eficientes de
los coeficientes (Kuehl, 2001). Un polinomio de segundo orden muestra la forma:
7.13.4. Diseño experimental para ajustar el modelo de segundo orden
El ajuste y análisis de superficies de respuesta se facilita en gran medida con la

elección apropiada del diseño experimental. Cuando seleccionamos un diseño de
superficie de respuesta, algunas de las características deseables en el diseño son las
siguientes (Montgomery, 2003):
Proporcionar una distribución razonable de los puntos de los datos (y en

consecuencia información) en toda la región de interés.
Permite que se investigue la adecuación del modelo, incluyendo la falta de ajuste.
Proporciona una estimación interna del error.
Proporciona estimaciones precisas de los coeficientes del modelo.
Proporciona un buen perfil de la varianza de predicción en toda la región
experimental.
Box y Wilson (1951), propusieron los Diseños Centrales Compuestos (DCC) para
encontrar las ecuaciones de la superficie de respuesta cuadrática. Un DCC contiene un
diseño factorial 2k o diseño factorial fraccionado, con n puntos centrales (figura 7) y, que
28
se aumenta con un grupo de 2k puntos axiales; los cuales permiten la estimación de la
curvatura. Un diseño con la propiedad de rotabilidad, toma relevancia en la exploración
de una superficie de respuesta. Los Diseños Centrales Compuestos del tipo
Circunscritos (CCC) e Inscritos (CCI) son ejemplo de diseños rotables.
Figura 7. Generación de un diseño central compuesto para dos factores.
El ajuste y análisis de una superficie de respuesta se facilita con la elección apropiada

de un diseño experimental. Un diseño es el conjunto especifico de combinaciones de
los niveles de las k variables que se utilizan al llevar a cabo el experimento. Un diseño
experimental para ajustar un modelo de segundo orden debe tener al menos tres
niveles de cada factor (-1, 0, +1).
Un diseño compuesto central consiste en un factorial o factorial fraccionado 2k, donde

los factores son codificados de tal manera que el centro sea (0,0,...,0), aumentado por
2k puntos axiales (±α, 0, 0,..., 0), (0, ±α, 0,..., 0), (0, 0, ±α,..., 0), (0, 0, 0,...,±α) a lo largo
del eje, donde cada factor es seleccionado en sus niveles mayores o menores (hacia
una distancia ±α del centro del diseño) y los otros factores en su nivel central, y un
número de puntos centrales (0,0,...,0) (Box y Wilson, 1951). De acuerdo con
Montgomery, (2004) y Ferreira et al. (2009), este diseño es el más usado para el ajuste
de modelos de segundo orden. El número total de puntos de diseño necesitados (N) es
determinado por la expresión: N=2k+ 2k + Co, donde k es el número de factores y Co es
el número de puntos centrales o estrellas (Box y Wilson, 1951). Este tipo de diseño
tiene 3 niveles para cada factor. Así, este diseño posee el punto central en el espacio
de las caras de la región del diseño, de modo que α=±1 (Box y Wilson, 1951) (Tabla 1).
29
Tabla 1. Diseño experimental Compuesto Central (Box y Wilson, 1951).
Tratamientos X1 X2 X3
1 -1 -1 -1
2 +1 -1 -1
3 -1 +1 -1
4 +1 +1 -1
5 -1 -1 +1
6 +1 -1 +1
7 -1 +1 +1
8 +1 +1 +1
9 0 0 0
10 0 0 0
11 0 0 0
12 0 0 0
13 0 0 0
14 0 0 0
15 -1 0 0
16 +1 0 0
17 0 -1 0
18 0 +1 0
19 0 0 -1
20 0 0 +1
El diseño experimental central compuesto consiste en un diseño completo Ak con

puntos centrales no y puntos estrellas (α), donde A son los niveles, k es el número de
factores, no es el número de puntos centrales o control donde (no ≥ 1) y α=±1.
La técnica de superficies de respuesta se ha utilizado principalmente en las industrias

de proceso y químicas, donde después de realizar un diseño de experimentos para
identificar las variables relevantes, se hace un estudio posterior en los rangos
relevantes de las variables con objeto de optimizar el proceso. Para la optimización, si
las variables de control son dos o tres cuantitativas, se puede optimizar el proceso
(Hendricks y Zeeman, 2009).
30
VIII. MATERIALES Y MÉTODOS
El presente trabajo se realizó en el laboratorio de Ingeniería Química Petrolera de la

Universidad Popular de la Chontalpa, Tabasco, México. Para esta investigación se
realizaron las siguientes actividades en laboratorio (diagrama 1).
Material lignocelulósico
Análisis
Caracterización química Tratamiento químico
Eliminación
Humedad Libres de extractos
de lignina
Cenizas Holocelulosa Hidrólisis

ácida
Solubilidad Celulosa Azúcares

AF y AC reductores
Hemicelulosa
Extractos
solubles MSR
etanol-tolueno
Pentosanos
Lignina
Diagrama 1. Métodos generales de caracterización y tratamiento químico del material lignocelulósico de

la cáscara de piña.
8.1. Diseño Experimental
Para la optimización de las variables temperatura, tiempo de reacción y concentración

de ácido en la hidrólisis ácida de la cáscara de piña, se empleó un Diseño Central
Compuesto (DCC), el cual se compone de puntos factoriales, puntos axiales o estrellas
31
y los puntos centrales. Los puntos factoriales permiten estimar los efectos principales y
las interacciones de los factores; los puntos axiales permiten la determinación de todos
los términos cuadráticos; y los puntos centrales proporcionan una comprobación de la
adecuación del modelo de predicción (Lawson y Erjavec, 2001). Para el proceso de
optimización se manejaron tres variables independientes: temperatura de reacción (ºC),
Tiempo de reacción (min) y concentración de ácido (%).
Los factores experimentales seleccionados para la optimización y sus respectivos

rangos fueron los siguientes: concentración de ácido (2-5 % v/v), tiempo de reacción
(20-100 minutos), y temperatura de reacción (120-140 °C). El rango experimental y
niveles de las variables independientes para la hidrólisis de la cáscara de piña, se
presenta en la tabla 2.
El DCC consistió en un diseño factorial 2k, donde k=3 (23=8), con seis puntos axiales o
estrellas 2k (2x3=6) y seis puntos centrales (Montgomery, 2013), dando un total de 20
tratamientos. La codificación aplicada de estas variables seguirá el orden establecido
en la matriz de diseño codificada que se muestra en la tabla 1.
Tabla 2. Factores y niveles de las variables independientes para el diseño de la superficie de respuesta.
Variables Símbolo -1 0 +1
Temperatura de reacción (ºC) X1 120 130 140
Tiempo de reacción (min) X2 40 60 80
Concentración de ácido (v/v) X3 2 3.5 5
8.2. Obtención de la Cáscara de Piña
Para llevar a cabo este trabajo la cáscara de piña fue suministrada por la empresa
FrexPort, ubicada en Juventud S/N esquina camino a San Manuel Huimanguillo
Tabasco, la cual se dedica a la transformación de frutas. Durante la transformación del
fruto de la piña se genera una considerable cantidad de residuos de cáscara, que son
una fuente potencial de materia prima lignocelulósica para obtención de azúcares
previa hidrólisis ya sea ácida o enzimática.
32
8.3. Preparación de la Cáscara de Piña
La variedad de piña que fue utilizada en el proceso de hidrólisis ácida fue la variedad
cayena. La preparación consistió en cortar en trozos pequeños, la cáscara de piña para
reducir su tamaño, ésta fue secada en el horno de secado como se muestra en la figura
8, finalmente fue pulverizada en un molino Willey No. 4 Thomas, con número de tamiz
de 2 mm para obtener harina, con la que se llevaron a cabo las determinaciones
químicas que a continuación se detallan.
Figura 8. Preparación de la cáscara de piña (reducción de tamaño y secado)
8.4. Caracterización Química de la Materia Prima
Entre las características químicas del residuo de la piña, que se realizaron se detallan
las más importantes a continuación:
8.4.1. Determinación de la humedad (ASTM D-4442-92, 1997)
Este método comprende la determinación del contenido de humedad en cáscara de la

piña. El contenido de humedad es la cantidad de agua que existe en la materia prima,
expresada como un porcentaje del peso que tendría ésta en condición totalmente
anhidra.
33
Previo a la determinación de la humedad, los crisoles se llevaron a peso constante,
para lo cual se mantuvo en estufa a 105 °C ± 0.5 durante 2 horas, posteriormente
fueron puestos en el desecador donde se mantuvieron por 20 min hasta alcanzar la
temperatura ambiente, para luego registrar su peso. Este proceso fue repetido hasta
tener pesos constantes. La determinación de la humedad en la muestra se llevó a cabo
tomando 2 g de cáscara de piña, llevado a la estufa a 105 °C ± 0.5 durante 2 horas
(figura 9). Luego del tiempo de secado se mantuvieron en el desecador por 20 min,
hasta alcanzar la temperatura ambiente. Los crisoles y muestra se pesaron en balanza
analítica. El porcentaje de humedad se determinó de forma directa mediante la
siguiente relación:
Dónde:
CH = Contenido de humedad.
A = Masa original en g.
B = Masa secada en horno en g.
Figura 9. Determinación de humedad
8.4.2. Determinación de cenizas (ASTM D1102-56, 2001)
Este método cubre la determinación de cenizas, expresado como el porcentaje de

residuo presente después de la oxidación a 600 ºC. La muestra consistió en cáscara de
piña seca que fue reducida en tamaño por molino y después se pasó a través de un
tamiz de 2 mm.
34
Para esta determinación los crisoles se llevaron a peso constante. Se pesó y se agregó
a cada crisol previamente identificado 1gr de muestra seca previamente tamizada. Las
muestras se llevaron a la mufla para ser calcinadas a la temperatura de 600 ºC por 90
minutos en la figura 10 se observa la muestra después de haber sido calcinadas.
Seguido los crisoles con la muestra se pasaron al desecador por 15 min, para registrar
su peso.
El porcentaje de ceniza se determinó de la siguiente manera:
Dónde:
PNC = Peso neto de ceniza.
PCS = Peso de la cáscara seca
Figura 10. Determinación de cenizas
8.4.3. Determinación de la solubilidad en agua fría y agua caliente (ASTM D-1110-

84, 2001)
Estos métodos de ensayo cubren la determinación de la solubilidad en agua de la

cáscara de piña. El método de solubilidad en agua fría, proporciona una medida de los
taninos, gomas, azúcares, y la materia colorante en la muestra. El método de
solubilidad en agua caliente, proporciona una medida de los taninos, gomas, azúcares,
materias colorantes, y los almidones en la muestra.
35
Para llevar a cabo la determinación de la solubilidad en agua fría se tomaron 2 g de
cáscara de piña seca a temperatura ambiente que fue previamente molida y pasó por
un tamiz de 2 mm.
La muestra a la cual se le determinó el contenido de humedad previamente, se colocó

en un vaso de precipitados de 400 mL de capacidad y se le agregó 300 mL de agua
destilada. Esta mezcla se llevó a digestión a una temperatura de 23 ± 2 °C, con
agitación constante, durante 48 h. Pasado este tiempo se filtró el material sobre un
papel filtro, mediante succión y se lavó con agua destilada fría. Después del lavado, la
muestra se secó en la estufa a 105 ºC durante 4h y se pesó (se llevó hasta peso
constante) (figura 11). El papel filtro utilizado se llevó a peso constante.
Los resultados fueron reportados como porcentaje de materia soluble en agua fría, en la
base libre de humedad, se calculó de la siguiente manera:
Dónde:
SAF = Solubilidad en agua fría.
W1 = Peso de la muestra libre de humedad.
W2 = Peso de la muestra seca después de la extracción con agua fría.
Figura 11. Determinación de la SAF
36
Para la determinación de la solubilidad en agua caliente, se utilizó un aparato de
digestión, que consistió en un matraz Erlenmeyer de 200 mL provisto de un
condensador de reflujo, así como de un baño de agua, construido de manera que el
agua se puede mantener a temperatura de ebullición y a una temperatura constante de
nivel justo por encima del contenido en el matraz.
Se colocó una muestra de 2 g de la cual se determinó el contenido de humedad, en un

matraz Erlenmeyer se agregó 100 mL de agua destilada. El matraz se conectó a un
condensador de reflujo, y se colocó el matraz en baño de agua hirviendo, se aseguró
que la solución en el matraz quedará justa por debajo del nivel del agua en el baño. Se
calentó suavemente durante 3 h. Finalizado este periodo, se filtró el contenido del
matraz en un papel filtro previamente tarado, mediante succión, se lavó con agua
caliente y se secó hasta peso constante en la estufa a 105 ºC (figura 12).
Los resultados se reportaron como porcentaje de materia soluble en agua caliente,

sobre la base libre de humedad, este cálculo se hizo de la siguiente manera:
Dónde:
SAC = Solubilidad en agua caliente.
W1 = Peso de la muestra libre de humedad
W2 = Peso de la muestra seca después de la extracción con agua caliente.
Figura 12. Determinación de la SAC
37
8.4.4. Porcentaje de extractos solubles de la cáscara de piña en etanol-tolueno
(ASTM D-1107-56, 2001)
Este ensayo cubre la determinación del contenido soluble en etanol-tolueno de la

cáscara de piña, que es una medida de las ceras, grasas, resinas, aceites y otros
componentes insolubles en éter. Para la determinación de los extractos solubles en una
mezcla de disolventes orgánicos se utilizó la norma ASTM 1107-56. Las
determinaciones de extraíbles solubles en la mezcla de solventes orgánicos se
realizaron en equipo Soxhlet durante 6 h de reflujo.
El procedimiento consistió en pesar tres muestras de 2 g. Una de las muestras fue

secada en estufa durante 1 h a 105 ºC, se enfrió en un desecador posteriormente se
registró su peso. Se continuó el secado por periodos de 15 min hasta que el peso fue
constante (figura 13). Posteriormente se calculó humedad libre de la muestra secada en
la estufa.
Las dos muestras se colocaron en un aparato de extracción de Soxhlet con un matraz

de bola de extracción tarado. El dedal fue engrapado en la parte superior para evitar la
pérdida de muestra. Se extrajo con 150 mL de la mezcla etanol-tolueno (1:2.34) durante
6 h, se mantuvo el punto de ebullición líquido vigorosamente. Esto proporcionó de
cuatro a seis reflujos por hora.
Después de evaporar el disolvente del matraz de extracción, se secó el contenido del

matraz en un horno durante 1 h a 105 °C, se enfrió en un desecador y pesó. Se
continuó el secado hasta que no hubiera más pérdida de peso (peso constante) (figura
14).
Dónde:
W 1= Peso del extracto seco
W 2= Peso de la muestra usada
W 3= Muestra libre de humedad
38
Figura 13. Muestra libre de humedad
Figura 14. Extractos solubles en Etanol-Tolueno
8.4.5. Determinación de lignina (ASTM D-1106-96, 2001)
El método abarca la determinación del contenido de lignina en cascara de piña por

gravimetría. La lignina es el residuo insoluble que queda al hidrolizar los carbohidratos
con ácidos fuertes. Para esta determinación se trabajó con cascara de piña libre de
extraíbles, ya que algunos extraíbles permanecen insolubles al ataque ácido.
39
En esta determinación se utilizó 1g de muestra secada a temperatura ambiente se
transfirió a un matraz Erlenmeyer de 125 mL tapado con un vidrio de reloj, al matraz se
le agrego 15 mL de H2SO4 al 72% frío (12 a 15 °C), la muestra fue mezclada con el
ácido y se agitó constante durante al menos 1 min. Se dejó reposar durante 2 h con
agitación frecuente a una temperatura de 18 a 20 °C, fue necesario mantener la
temperatura dentro de estos límites en un baño de agua. Pasado este tiempo el
material se pasó a un matraz de 1 L, al cual se le agregó 560 mL de agua destilada, la
cual diluyó la concentración del ácido hasta el 3%. La muestra se llevó a hervor durante
4 h en un condensador de reflujo. Una vez el material insoluble precipitado, se filtró en
papel filtro Wathman No. 4 llevado a peso constante (105 ºC). Posteriormente el residuo
libre de ácido se lavó con 500 mL de agua caliente, el papel filtro y su contenido fueron
secados en un horno durante 2 horas a 105 ºC para posteriormente registrar el peso del
contenido del papel filtro (figura 15) y se determinó el porcentaje de lignina de acuerdo
a la siguiente ecuación:
Donde.
PGL= Peso en gramos de lignina
PGM= Peso en gramos de muestra
Figura 15. Determinación de lignina
40
8.4.6. Preparación de la cáscara de piña libre de extractos (ASTM D-1105-96,
2001)
Este método se utilizó para la preparación de la cáscara de piña libre de extraíbles. Los
extractivos en la muestra consisten en materiales que son solubles en solventes
neutros y que no son parte de la cáscara. Para la preparación se utilizó un extractor
Soxhlet, alcohol etílico (95%) y Hexano.
Se colocaron 40g de la muestra en los cartuchos de extracción, teniendo cuidado que la

muestra no rebozará por encima del nivel de la parte superior del dedal. Se extrajo
durante 6 h con hexano en el aparato de extracción de Soxhlet (figura 16).
La muestra se transfirió a un embudo de Büchner, para eliminar el exceso de disolvente

por succión, se lavó el dedal y la muestra con alcohol para eliminar el hexano. Se
regresó la muestra al dedal y se continuó la extracción con etanol durante 26 horas,
hasta que los reflujos de etanol fueron incoloros.
Pasado ese tiempo se secó el contenido del dedal (libre de extraíbles) a la sombra a
temperatura ambiente. La muestra anterior se llevó a la estufa para secado a 105 ±3 ºC
durante 12 horas. Se pesó y secó hasta peso constante. Lo que se obtuvo fue la
muestra A, que es la muestra de cáscara de piña libre de extraíbles.
Figura 16. Extracción con el método soxhlet.
41
8.4.7. Determinación de holocelulosa (ASTM D1104-56, 1978)
Por este método se determinó el porcentaje de holocelulosa en base seca libre de

extractos. La holocelulosa es el conjunto de polímeros que forman parte de los
materiales lignocelulósicos y que están constituidos principalmente por azúcares.
Para determinar la holocelulosa, se eliminó previamente la lignina a partir de una

muestra libre de extractos orgánicos acuosos sometiendo el sustrato a un ataque ácido
con clorito de sodio que degrada la lignina a productos solubles. Esta es una prueba
para medir los polisacáridos (celulosa y hemicelulosa) que se encuentran en una
muestra lignocelulósica.
El procedimiento consistió en pesar 2.5 g de muestra libre de extracto, se pasó a un

matraz Erlenmeyer conteniendo 80 mL de agua destilada. Posteriormente se agregó al
matraz 0.5 mL de ácido acético y 1 g de Clorito de Sodio (se agitó manualmente con
suavidad comprobando que toda la muestra quedara cubierta por el extractante).
Posteriormente el matraz tapado con un vidrio de reloj fue llevado a un baño de agua a
una temperatura de 70-80 ºC durante 60 min (cada 20 minutos los matraces se agitaron
manualmente con suavidad, se advierte que la mezcla adquiere una tonalidad amarilla
debido al clorito). Pasando los 60 min se agregó nuevamente 0.5 mL de ácido acético y
1 g de clorito de sodio, y así sucesivamente cada hora. La adición de estos dos
reactivos hizo un total de 4 veces incluyendo la inicial.
Una vez finalizado el número total de ataques los Erlenmeyer se colocaron en un baño
de agua fría para detener la acción atacante y se enfrió la mezcla (se añadió hielo para
acelerar el proceso) (no se agitan los matraces para que la holocelulosa se deposite en
el fondo). El filtrado se realizó una vez que la mezcla estuvo fría. Se conectó el vacío y
se vertió el contenido del Erlenmeyer en su totalidad. Con los lavados de agua fría se
pasó toda la fibra al papel filtro.
Para eliminar el resto de agua de la holocelulosa se le agrego etanol y se dejó reposar

durante 2 minutos, posteriormente el etanol fue eliminado por vacío. El proceso de
42
secado se completó llevando el papel filtro a la estufa a 105 ºC durante 1 h hasta peso
constante. En la figura 17 se muestra el proceso que se llevó acabo para la
determinación de la holocelulosa.
Finalmente el contenido de holocelulosa en base al material seco libre de extractivos se
calculó mediante la expresión:
Dónde:
PH = Peso de la holocelulosa
PSM = Peso seco de la muestra sin extractos
Figura 17. Determinación de holocelulosa
8.4.8. Determinación de celulosa y hemicelulosa (ASTM D1103-60, 1997)
Para la determinación del porcentaje de celulosa se llevó a cabo de acuerdo a la norma

(ASTM D1103-60), la muestra debe estar libre de extractos (ASTM D1105-96).
Esta determinación consistió en pesar 1 g de holocelulosa y se transfirió a un matraz

Erlenmeyer de 100 mL. Se preparó una solución de Hidróxido de Sodio al 17.5 %, se
mantuvo el recipiente de la solución de Hidróxido de sodio en baño María al igual que el
vaso de precipitado con la muestra. El procedimiento consistió en agregar 10 mL de
NaOH al 17.5%, se agitó y se dejó reposar 2 min, posteriormente se volvió agitar y se
43
dejó reposar 3 min; se agregó 5 mL de NaOH al 17.5%, se agitó y dejó reposar 5 min;
agregar 5 mL de NaOH al 17.5%, se agitó y dejó reposar 5 min; se agregó 5 mL de
NaOH al 17.5%, se agitó y dejó reposar 30 min; se añadió 30 mL de agua destilada, se
agitó y se dejó reposar una hora en baño de María a 25 ± 0.2 ºC. Posteriormente se
realizó un filtrado al vacío con papel filtro, previamente tarado, lavando con una solución
de 30 mL de agua y 25 mL de Hidróxido de sodio al 17.5%. Se llevó a cabo un lavado
con 30 mL de agua destilada con la ayuda de una varilla de agitación para un mejor
lavado, con precaución de no romper el papel filtro.
Se preparó una solución de ácido acético al 10% en volumen, se agregaron 15 mL sin

aplicar vacío hasta cumplir 3 minutos en reposo. Luego se lavó con 50 mL de agua
destilada aplicando vacío. El material insoluble fue transferido a una caja Petri
previamente llevada a peso constante, de modo que el material quedará disperso. Se
pesó y se secó la muestra en estufa entre 60-85 ºC durante 2 h. Se introdujo la muestra
dentro de la desecadora durante 20 min y posteriormente se pesó; así hasta obtener el
peso constante de la muestra (figura 18).
Finalmente se secó el papel filtro con la celulosa y se llevó al desecador durante 20

minutos posteriormente se pesó, este se determinó como la diferencia entre el peso del
papel filtro con sólidos y el peso del papel filtro vacío. La hemicelulosa se determinó
haciendo la diferencia entre la cantidad inicial de holocelulosa libre de extractivos y la
cantidad de celulosa determinada aplicando la metodología anterior.
Dónde:
PCS = Peso del crisol con sólidos.
PCV = Peso del crisol vacío.
CIC = Cantidad inicial holocelulosa.
CCD = Cantidad de celulosa determinada.
44
Figura 18. Determinación de celulosa y hemicelulosa
8.4.9. Determinación de pentosanos (TAPPI Standard T-223 cm-01, 2001)
Esta técnica se realizó en condiciones de temperatura y tiempo estables, utilizando una

mezcla de HCl, orcinol y FeCl3. El ácido rompe los enlaces glicosídicos y deshidrata los
monosacáridos para la condensación con el Orcinol, así como para la oxidación de los
grupos cetonas libres, a una temperatura de 100 ºC y un tiempo de 20 min, esto
provoca la formación de un complejo verde estable que absorbe a una longitud de onda
de 630 nm.
Para la determinación de estos azúcares se utilizó la norma TAPPI T-223 cm-01 (2001).
El procedimiento consistió en tomar una muestra de 1.5 g de cáscara libre de extractos,
los cuales se colocaron en un matraz con 20 g de NaCl y 100 mL de HCl 3.85 N y unas
perlas de vidrio. Se conectó el matraz al destilador. Se agregaron 250 mL de HCl 3.85
N a un embudo de separación. Se aplicó calor y se destiló el ácido a una velocidad
uniforme de aproximadamente 2.5 mL por min, el destilado fue recogido en un matraz
Erlenmeyer de 250 mL sumergido en un baño con hielo. Durante la destilación se
mantuvo un volumen constante de 100 mL en el matraz de ebullición mediante la
adición de HCl gota a gota desde el embudo de separación. Se continúo la destilación
durante 90 min, tiempo en el que se obtuvo 225 mL de destilado aproximadamente
(figura 19).
La temperatura del destilado se llevó alrededor de 20 °C, se agregó HCl 3.85 N hasta
completar en la marca de 250 mL y se mezcló bien.
45
Figura 19. Determinación de pentosanos
Se tomó 5.0 mL del destilado en un matraz aforado de 50 mL se agregaron 25 mL del

reactivo Orcinol, se mezcló y colocó el matraz en un baño de agua a 25 °C. El Orcinol
se preparó disolviendo 0.4 g de Orcinol y 0.5 g de cloruro férrico, en 1000 mL de ácido
clorhídrico 11N (preparado por dilución de 915 mL de HCl concentrado a 1000 mL). Se
almacenó el reactivo en refrigerador y se desechó después de dos semanas de
preparada.
Después de los 60 min se agregaron etanol hasta la marca de 50 mL, se mezcló y se

pasó al baño de agua, después de otros 60 min, se midió la absorbancia de la solución
con un espectrofotómetro a 630 nm. Luego se procedió a leer el número de miligramos
de xilano en la muestra a partir de una curva de calibración previamente preparada.
El contenido de pentosanos se calculó de la siguiente manera:
Dónde
A = Xilano en la muestra en mg
W = Peso secado al horno de la muestra en g
La preparación de la curva de calibración consistió en secar xilosa pura en un horno

aproximadamente a 60 °C durante 2 h, se pesó con una aproximación de 0.1 mg varias
porciones de xilosa de 10, 20, 30, 40, 50, 60 mg, se colocaron en matraces de
46
ebullición; luego procedió con la destilación y el desarrollo del color exactamente como
se describe anteriormente. Se midió la absorbancia de los destilados a 630 nm,
utilizando un blanco que contenía 5 mL de HCl en lugar de destilado como la solución
de referencia 3.85 N. Finalmente se calculó los mg de xilano en la muestra:
Dónde:
A= Xilano en la muestra en mg
B= Xilosa en la muestra en mg (valor obtenido del modelo de regresión, en la curva de calibración)
8.5. Etapa 2. Tratamiento Químico
Los tratamientos químicos se llevaron a cabo en autoclave Marca All American, con
manómetro, control de válvula y 9 L de capacidad; controlando la temperatura de
operación, concentración de ácido y tiempo de reacción.
La cáscara fue cortada en trozos pequeños, para reducir su tamaño. Se licuó para
separar el bagazo del jugo, este último fue pasteurizado (figura 20) y almacenado bajo
refrigeración, ya que es parte de la cáscara y cuenta con una considerable cantidad de
azúcares que fueron agregados al final de la hidrólisis del bagazo, para su
cuantificación. Por su parte el bagazo fue secado en estufa a una temperatura de 60 ºC,
a partir de este bagazo se llevó a cabo el tratamiento químico.
Figura 20. Pasteurización del jugo de la cáscara de piña
47
8.5.1. Eliminación de lignina
Para llevar a cabo la eliminación de la lignina, el bagazo seco fue sumergido en una
solución de NaOH 0.1N durante 15 minutos, posteriormente se agregó 1.63 % de
sulfato de calcio y se dejó en reposo aproximadamente por 3 horas, posteriormente se
separó el material particulado de la solución. El hidróxido de sodio degrada la lignina y
el sulfato de calcio evita la degradación de la celulosa causada por el hidróxido de
sodio. La lignina disuelta fue eliminada de las muestras por decantación y el sólido que
contiene la celulosa y la hemicelulosa fueron conservado para la hidrólisis (Tejeda et
al., 2011) (figura 21).
Una vez finalizada la eliminación de la lignina, se realizaron dos lavados al bagazo con
agua destilada para reducir el pH a 6-6.5, posteriormente fue secado en estufa a una
temperatura de 60 ºC durante 24 h, a continuación se pulverizó en un molino Willey No.
4 Thomas, con número de tamiz de 2 mm para obtener harina, con la que se llevó a
cabo la hidrólisis ácida.
Figura 21. Eliminación de lignina
8.5.2. Hidrólisis de la cáscara de piña con ácido clorhídrico
Se realizó la hidrólisis ácida de la cáscara de piña controlando la temperatura de

reacción, tiempo de reacción y concentración del ácido. La hidrólisis se llevó a cabo en
autoclave, como se detalla en el apartado 8.5.
48
El procedimiento de hidrólisis se llevó a cabo adicionando a 10 g de harina de bagazo
de piña, 100 mL de ácido clorhídrico diluido a la temperatura y tiempo que indica el
diseño experimental (Tabla 2, apartado 8.1), de acuerdo con las consideraciones
generales sobre el hidrolizado ácido de material celulósico (Ye y Jiayang, 2002). Se
evaluaron tres concentraciones de ácido clorhídrico (2, 3.5 y 5% v/v), tres temperaturas
(120, 130 y 140 ºC) y tres tiempos de reacción (40, 60 y 80 min), realizando cada
prueba por duplicado (figura 22). A los jarabes obtenidos se separaron de los
componentes que precipitaron, por filtración y se determinó el contenido de azúcares
reductores en los jarabes obtenidos por los métodos que se detallan el apartado 8.5.3.
Figura 22. Hidrolisis ácida de la cáscara de piña
8.5.2.1. Rendimiento de la hidrólisis
Se obtiene mediante la relación del azúcar teóricamente esperado con respecto al valor
leído experimentalmente de acuerdo a la siguiente relación:
Dónde:
Y = azúcar teórico.
A = 360 g de glucosa corresponden al peso de dos moléculas de glucosa que se hidrolizan de una
unidad monomérica de la celulosa.
B = 300 g de xilosa que corresponden al peso de dos moléculas de xilosa que se hidrolizan de una
unidad monomérica de xilano (pentosas).
C = 324 g que es el peso de una unidad monomérica de la celulosa.
49
D = 264 g que es el peso de una unidad monomérica del xilano.
0.9 = es la fracción que indica que el 90% de la celulosa hidroliza a azúcar, tomando un 10% en
pérdida por celulosa que no se alcanza a hidrolizar.
8.5.3. Determinación de azúcares reductores por DNS
Este procedimiento se fundamenta en la reacción de los grupos reductores de los

azúcares con el reactivo oxidante ácido dinitrosalicílico (DNS).
El reactivo consistió en una disolución formada por los siguientes compuestos: ácido
dinitrosalicílico (ácido 2-hidroxi-3,5-dinitrobenzóico), que actúa como oxidante; Sal de
Rochelle (tartrato sódico-potásico), que impide la disolución de oxígeno en el reactivo e
hidróxido sódico, que aporta el medio requerido para que se produzca la reacción
redox. De esta forma, el ácido 2-hidroxi-3,5-dinitrobenzóico se reduce, en presencia del
grupo reductor de la glucosa, formando el ácido 3-amino-5-nitrosalicílico, mientras que
el grupo aldehído reductor se oxida, para formar un grupo carboxílico. En este método
analítico el DNS está en exceso frente a los grupos reductores y en todas las muestras
se adiciona la misma cantidad, de tal forma que mayores concentraciones de azúcares
reductores provocan una mayor coloración de la muestra. Estas diferencias de
coloración pueden determinarse por espectrofotometría visible, a la longitud de onda de
máxima absorbancia de 540 nm. El desarrollo del método se realizó con base a las
indicaciones de Bello et al., (2006).
8.5.3.1. Preparación del reactivo del ácido 3,5-dinitrosalicílico
Se pesaron 5 g de ácido 3,5-dinitrosalicílico (DNS), 150 g de Tartrato de Na-K y 8 g de

NaOH. Se disolvió el NaOH en 200 mL de agua destilada y se añadió en agitación el
Tartrato de Na-K lentamente.
Se completó con agua destilada hasta 400 mL y se comenzó a añadir lentamente el

ácido 3,5-dinitrosalicílico. Se dejó en agitación toda la noche, se enraso a 500 mL y se
50
filtró. Se guardó en frasco color ambar, bajo refrigeración.
8.5.3.2. Preparación de solución Buffer Mclivaine, 0.1 M, pH 5
Para preparar la solución buffer Mclivaine se pesó 2.548 g de C6H8O7.H2O (ácido cítrico
monohidratado) y 3.656 g de Na2HPO4 (Fosfato de sodio dibásico) y enraso a 250 mL
con agua destilada con agitación constante hasta que se obtuvo la disolución total.
8.5.3.3. Solución patrón de glucosa
Se preparó una solución de glucosa con una concentración de 1 g/L (1000 mg/L), para
la cual se disuelve 0.1 g de glucosa en 100 mL de solución tampón Mcliveine, pH 5
(tabla 3). Para la preparación de las concentraciones de glucosa, se procedió como se
indica a continuación:
C1 * V1=C2 * V2
V1= (C2*V2)/C1
V1= (100*1 mL) / 1000
V1= 0.1 mL de solución de glucosa
V2-V1= volumen de agua destilada
1 mL - 0.1 mL = 0.9 mL de agua destilada.
C1= 1000 mg/L
V1= X
C2= 100 mg/mL
V2= 1 mL
Tabla 3. Elaboración de la curva patrón.

mL de solución patrón de mL de agua Volumen Concentración de
Tubo
glucosa (V1) destilada total (V2) glucosa (mg/L) C2
0 0.0 1.0 1 0
1 0.1 0.9 1 100
2 0.2 0.8 1 200
3 0.3 0.7 1 300
4 0.4 0.6 1 400
5 0.5 0.5 1 500
6 0.6 0.4 1 600
7 0.7 0.3 1 700
8 0.8 0.2 1 800
9 0.9 0.1 1 900
10 1.0 0.0 1 1000
51
8.5.3.4. Preparación de la curva patrón de glucosa
A partir de la solución patrón de glucosa y agua destilada se preparan 10 tubos con

diferentes concentraciones como se indica en la tabla 3.
1. A cada uno de los tubos se le agrega 1 mL del reactivo DNS y se agita en vortex.
2. Calentar en agua hirviendo por 5 minutos.
3. Dejar enfriar y agregar 8 mL de agua destilada.
4. Utilizar como blanco una solución de agua destilada más el reactivo DNS*.6
5. Leer absorbancia de cada tubo a 540 nm.
8.5.3.5. Preparación de las muestras
La técnica de DNS cuantifica como máximo una concentración de azúcar de 1 mg/mL,

por lo tanto, la solución estándar deberá tener esa concentración.
Es importante mencionar, que si se tiene la sospecha de que la muestra problema

posee una concentración mayor a 1 mg/mL, será necesario realizar una dilución de la
misma, previa a la determinación, para asegurar que las lecturas podrán ser
interpoladas en la curva patrón.
1. De la muestra se toma 1 mL o realizar una dilución de ser necesario.

2. Se toma 1 mL de la muestra o de la dilución, se agrega 1 mL de DNS y se prosigue
la metodología igual que los estándares.
3. La lectura obtenida del espectro, si es dada en mg/L, multiplicarla por el factor de
dilución tomada. Si es Absorbancia usar la fórmula de la recta para encontrar la
concentración y multiplicar por el factor de dilución utilizada.
4. Los tubos deberán leerse a 540 nm,calibrando con el blanco, el cual contiene todos
los reactivos, excepto el problema. Es decir, contiene 1 mL de agua destilada y 1 mL
de DNS.
6
Se prepara un blanco para lectura en el espectrofotómetro, en un tubo se agrega 1 mL de agua destilada y 1 mL de DNS, se
introduce en agua hirviendo 5 min, se agregan 8 mL de agua destilada, se lee en el espectrofotómetro y se registra la absorbancia a
la longitud de onda de 540 nm.
52
8.5.4. Análisis estadístico
Los datos experimentales fueron analizados con la metodología de superficie de

respuesta con ayuda del paquete estadístico Statgraphics Centurion XVI.I para
Windows (Statpoint Technologies, 2010). Un polinomio de segundo orden será
empleado para predecir el rendimiento de los azúcares reductores obtenido de la
cáscara de piña hidrolizada, ajustando el modelo a los datos experimentales (Gutiérrez
y de la Vara, 2012).
Donde Y es la variable de respuesta (rendimiento de azúcares en mg por litro); xi y xj

son variables independientes; β0, βi, βii, βij son los parámetros del modelo; ε es el error
experimental.
53
IX. RESULTADOS Y DISCUSIONES
9.1. Caracterización del Material Lignocelulósico de la Cáscara de Piña
La cáscara de piña está compuesta por una variedad de compuestos químicos, los
cuales son característicos según la variedad, el grado de madurez de la fruta, y las
condiciones de cultivo, los cuales pueden afectar la cuantificación de los componentes
químicos de la cáscara de piña, al ser sometido a una reacción de hidrólisis ácida
(Ramírez et al., 2012).
En la tabla 4, se muestran los resultados promedio, desviación estándar y coeficiente

de variación obtenido para la caracterización química de la cáscara de piña variedad
Cayena, cada análisis se realizó por duplicado.
Tabla 4. Composición química de la cáscara de piña previa a la hidrólisis ácida.

Promedio (% en Desviación Coeficiente de
Componentes
base seca) estándar variación (%)
Humedad 10.6 0.71 6.67
Ceniza 4.57 0.01 0.31
Solubilidad AF 57.66 0.62 1.07
Solubilidad AC 54.77 0.15 0.28
Lignina 9.93 0.27 2.71
Holocelulosa 72.05 8.49 11.79
Celulosa 30.09 0.90 2.98
Hemicelulosa 54.53 1.73 3.16
Extractos solubles
0.5960 0.604 0.01
en etanol-tolueno
Pentosanos 431.02 15.42 3.58
Una forma de medir la uniformidad de datos, es por medio de la desviación estándar,

(DS) que indica el valor absoluto que en promedio se desvían los datos individuales de
una población, más o menos, de la media de dicha población. Otra forma de evaluar la
confiabilidad de los resultados, es por medio del coeficiente de variabilidad (CV), que
informa la uniformidad de los datos, considerando más variable aquellos cuyo CV sea
54
mayor. Se consideran valores relativamente uniformes aquellos, cuyos CV sea del 5%
(Reyes, 1985). En los resultados obtenidos de la composición química del bagazo de
piña, se observa que los valores absolutos de la DS es pequeño, lo que indica que la
dispersión de los datos alrededor de la media es pequeña, es decir que los resultados
son confiables; solo el resultado de la determinación de holocelulosa resultó tener un
valor absoluto alto. Los CV de los datos anteriores confirman lo anterior, ya que en la
mayoría de los resultados obtenidos el CV es menor al 5%, con excepción de la
holocelulosa y humedad.
El material soluble en agua fría y caliente es producto de la presencia de taninos,

gomas, colorantes y azúcares y en el caso del agua caliente, también se da la
presencia de almidones. Por su parte, el porcentaje de extractos solubles en etanol-
tolueno determina el contenido de grasas, ceras, resinas, aceites y taninos (Sibaja et
al., 1988).
Los componentes principales son la holocelusosa y la hemicelulosa, con el 72.05 y

54.53 % respectivamente, mientras que la lignina representa el 9.93 %. La hemicelulosa
está compuesta principalmente por xilosa, galactosa y arabinosa. Mientras que la
celulosa está compuesta únicamente por glucosa.
La lignina estuvo presente en un 9.93 %, valores similares (9.05 % en base seca) son
reportados por Ramírez et al. (2012) para la variedad de piña MD-2. Por su parte
Quesada-Solís et al. (2005), reporta que el porcentaje de lignina en el rastrojo de piña
es de 27.72 %. Ramírez et al. (2012), menciona que la baja solubilidad de la lignina en
ácido no presenta alta producción de inhibidores fenólicos en la fracción líquida
hidrolizada con ácido sulfúrico, por lo que al haber una cantidad pequeña de lignina, la
cantidad de inhibidores generados también es reducida.
9.2. Rendimiento de Azúcares Reductores
Los resultados del rendimiento de azúcares reductores obtenidos durante la hidrólisis

ácida, que derivan de la relación entre el azúcar experimental y el azúcar teórico, se
55
presenta en la tabla 5.
Tabla 5. Rendimiento de azúcares reductores, por hidrólisis ácida de la cáscara de piña.

Azúcares de la cáscara Rendimiento de
Tratamiento
(mgL-1) azúcares (%)
1 1045.10 10.34
2 1773.60 17.56
3 1829.70 18.10
4 2456.50 24.32
5 2136.10 21.14
6 1587.05 15.71
7 4089.00 40.48
8 3839.60 38.01
9 2218.05 21.96
10 2454.20 24.29
11 1943.75 19.24
12 2222.80 22.00
13 4100.40 40.59
14 3649.90 36.13
15 4334.60 42.91
16 4386.40 43.42
17 4494.45 44.49
18 3687.55 36.51
19 4380.50 43.37
20 3887.90 38.49
9.3. Diseño Experimental
La optimización de las variables de reacción para la generación de azúcares reductores

de la cáscara de piña, se realizó a través de un diseño compuesto central (DCC) con 3
factores y 2 niveles. El diseño consistió en los factores: concentración de ácido (%),
tiempo de reacción (min) y temperatura de reacción (ºC). Los parámetros y los
resultados de los experimentos (rendimiento de azúcares) se indican en la tabla 6. De
acuerdo a lo resultados se encontró que los rendimientos de los azúcares reductores
variaron entre 3576.40 y 7025.75 mgL-1, esta variación considerando las condiciones
experimentales.
56
Tabla 6. Diseño experimental, indicando las variables independientes y la variable respuesta (azúcares
totales).
Temperatura Azúcares de
Concentración Tiempo de Azúcares de Azúcares
de reacción la cáscara
ácida (%) reacción (min) jugo (mgL-1) totales (mgL-1)
(ºC)) (mgL-1)
2 40 120 1045.10 2531.30 3576.40
5 40 120 1773.60 2531.30 4304.90
2 80 120 1829.70 2531.30 4361.00
5 80 120 2456.50 2531.30 4987.80
2 40 140 2136.10 2531.30 4667.40
5 40 140 1587.05 2531.30 4118.35
2 80 140 4089.00 2531.30 6620.30
5 80 140 3839.60 2531.30 6370.90
2 60 130 2218.05 2531.30 4749.35
5 60 130 2454.20 2531.30 4985.50
3.5 40 130 1943.75 2531.30 4475.05
3.5 80 130 2222.80 2531.30 4754.10
3.5 60 120 4100.40 2531.30 6631.70
3.5 60 140 3649.90 2531.30 6181.20
3.5 60 130 4334.60 2531.30 6865.90
3.5 60 130 4386.40 2531.30 6917.70
3.5 60 130 4494.45 2531.30 7025.75
3.5 60 130 3687.55 2531.30 6218.85
3.5 60 130 4380.50 2531.30 6911.80
3.5 60 130 3887.90 2531.30 6419.20
9.4. Análisis de Varianza del Diseño Factorial
El análisis de varianza (ANOVA) (tabla 7) muestra el efecto de las variables en el

modelo para cada factor. La idea general de esta técnica es separar la variación total
(Modelo) en las partes con las que contribuye cada fuente de variación en el
experimento (Gutiérrez y de la Vara, 2012), es decir prueba la significancia estadística
de cada efecto comparando su cuadrado medio contra un estimado del error
experimental.
Los componentes del modelo A, B, C representan los efectos lineales; A2, B2, C2
representan los efectos cuadráticos de la concentración, tiempo y temperatura, y AC,
BC son interacciones del factor concentración-temperatura y tiempo-temperatura.
En el ANOVA, el Valor-p se utiliza para determinar cuáles de los efectos en el modelo
57
son estadísticamente significativos. Regularmente se observan primero los efectos de
interacción del modelo, porque una interacción significativa influirá en la manera de
interpretar los efectos principales. El Valor-p es comparado con el nivel de significancia
α=0.05. En este trabajo 3 efectos tienen un Valor-p menor que 0.05, indicando que son
significativamente diferentes de cero con un nivel de confianza del 95.0%.
Los resultados obtenidos del análisis para el diseño factorial mostraron que la variable
altamente significativa sobre la variable respuesta rendimiento fue el efecto cuadrático
tiempo (B2) con Valor-p= 0.0141. Son significativos el efecto lineal tiempo (B) con un
Valor-p= 0.0204 y el efecto cuadrático concentración (A2) con un Valor-p= 0.0403.
Tabla 7. Análisis de varianza. Efectos y coeficientes estimados para el diseño factorial.

Suma de
Fuente Gl Cuadrado Medio Razón-F Valor-P
Cuadrados
A:Conc 6.288E4 1 6.288E4 0.13 0.7216
B:Tiempo 3.543E6 1 3.543E6 7.57 0.0204
C:Temp 1.678E6 1 1.678E6 3.58 0.0876
AA 2.596E6 1 2.596E6 5.55 0.0403
AB 4898 1 4898 0.01 0.9206
AC 5.798E5 1 5.798E5 1.24 0.2918
BB 4.123E6 1 4.123E6 8.81 0.0141
BC 9.37E5 1 9.37E5 2.00 0.1875
CC 8.853E5 1 8.853E5 1.89 0.1991
Error total 4.682E6 10 4.682E5
Total (corr.) 2.498E7 19
De la Razón-F de la tabla 7 se aprecia que el factor más importante es el efecto

cuadrático tiempo B2 (8.81) seguido por el efecto lineal B (7.57) y el efecto cuadrático
concentración A2 (5.55). Los valores de Razón-F pequeños indican efectos
insignificantes (Montgomery, 2013).
Dos de los estadísticos más útiles para medir la calidad global del modelo es el
coeficiente de determinación (R2) y el coeficiente de determinación ajustado (R2aj).
Estos coeficientes comparan la variabilidad explicada por el modelo frente a la variación
total, cuantificadas a través de la suma de cuadrados o por el cuadrado medio
(Gutiérrez y de la Vara, 2012). De esta forma, el coeficiente R2aj obtenido del modelo
58
ajustado en este trabajo, explica 64.39% de la variabilidad del rendimiento de azúcares
reductores observada en el experimento. Para el caso de R2 explica 81.26% de la
variabilidad de la variable respuesta. De acuerdo con estos resultados, los factores
estudiados (efecto lineal y cuadrático tiempo, y efecto cuadrático concentración de
ácido), son responsables o explican un porcentaje aceptable de la variabilidad
observada en la variable respuesta (rendimiento de azúcares reductores). Así, el efecto
atribuible a factores que hayan tenido pequeñas variaciones, más el efecto de errores
experimentales, fueron pequeños en comparación con el efecto de los factores
estudiados.
9.4.1. Modelo de regresión
El ajuste de un modelo de regresión a los datos experimentales (tabla 8) es con la

finalidad de predecir el valor de Y (variable respuesta) en diferentes valores de los
factores estudiados. En este trabajo, el modelo de regresión ajustado que describe el
comportamiento del rendimiento de azúcares sobre cualquier punto está dado por la
ecuación 1 (tabla 8).
Signos positivos delante de los valores indica efecto sinérgico mientras que los
negativos indica efecto antagónico (Kok et al., 2010). El modelo tiene un valor del
coeficiente de determinación entre los valores observados y predichos o correlación
(R2) de 0.8126, lo que significa que 81.26% de la variación total en los resultados para
el rendimiento de azúcares se le atribuyó a las variables independientes y el error en la
variable de respuesta es atribuida a factores no controlables.
59
Tabla 8. Coeficiente de regresión para rendimiento de azúcares.
Coeficiente Estimado
Constante 8.401E4
A:Conc 5360.
B:Tiempo 171.8
C:Temp -1474.
AA -431.8
AB 0.8248
AC -17.95
BB -3.061
BC 1.711
Rend = 8.401E4 + 5360.*C + 171.8*B - 1474.*C - 431.8*A2 + 0.8248*A*B - 17.95*A*C -

3.061*B2+ 1.711*B*C + 5.674*C2 .......................................................................EC. 1
9.4.2. Análisis gráfico del modelo
Para estimar los efectos con base en los contrastes en el ANOVA, se hace uso del
diagrama de Pareto estandarizado, en el cual se representan los efectos divididos entre
su error estándar. Los efectos estandarizados se representan gráficamente (en valor
absoluto) en la gráfica 3, estos al graficarse permiten visualizar cuales tienen un mayor
impacto sobre la variable respuesta.
Como resultado de la estimación de los efectos (gráfica 3), los efectos cuyas barras
superen la línea vertical a la altura del valor crítico son significativos. Cualquier barra
que se extienda más allá de la línea corresponde a efectos que son estadísticamente
significativos con un 95% de nivel de confianza. Así, para el caso del rendimiento de
azúcares, los efectos significativos son el efecto cuadrático tiempo (B2), efecto lineal
tiempo (B) y efecto cuadrático concentración (A2), en ese orden de importancia.
En principio al parecer B2, B y A2 tienen efecto estadísticamente significativo sobre los

resultados de rendimiento (Y), ya que superan el límite marcado como estadísticamente
significativo (línea vertical). Sin embargo, hay que considerar que el tiempo (C) está
muy cercano a la línea, por lo que su efecto sobre la variable respuesta es de
considerarse. Las variables e interacciones que sobrepasan el límite estadístico del
60
Valor-p representan un aporte insignificante pero se consideran para un mejor ajuste
del modelo.
Diagrama de Pareto Estandarizada para Rend
BB +
B:Tiempo -
AA
C:Temp
BC
CC
AC
A:Conc
AB
0 0.5 1 1.5 2 2.5 3
Efecto estandarizado
Gráfica 3. Diagrama de Pareto de efectos estimados para rendimiento de azúcares reductores.
9.4.3. Efectos principales e interacción de las variables en el diseño factorial
Para interpretar los efectos de las variables sobre la variable respuesta, las líneas en el
gráfico de efectos se toman en cuenta, ya que indican cambios estimados en Y cuando
cada factor se mueve de su nivel bajo a su nivel alto pasando por sus valores centrales,
mientras los demás factores se mantienen constantes en sus valores centrales, entre -1
y +1.
A medida que la pendiente sea mayor, es decir, que la diferencia entre el nivel bajo y
alto es más grande, el efecto sobre la respuesta es más influyente. En la gráfica 4 se
confirma que el factor tiempo (B) fue el efecto más influyente sobre la variable
respuesta (rendimiento de azúcares), es decir que el rendimiento medio de azúcares
con el factor tiempo a su nivel bajo (40 min) es aproximadamente 4500 mgL-1 mientras
que el rendimiento medio del tiempo a su nivel central (60 min) es aproximadamente
6500 mgL-1. La diferencia de 2000 indica el efecto principal del factor tiempo sobre el
rendimiento (azúcares). Para el factor concentración (A), se observa que el efecto sobre
el rendimiento, se da cuando su nivel se encuentra en su valor medio (3.5 %). En el
61
caso del factor temperatura (C), se observa que el efecto sobre la variable respuesta se
da cuando su valor se encuentra en su nivel máximo (140 ºC). En otras palabras para
maximizar el rendimiento de los azúcares la mejor combinación de los niveles en los
factores es; temperatura máxima, concentración de ácido media y tiempo medio
Gráfica de Efectos Principales para Rend
(C=140, A=3.5, B=60).
7500
7000
6500
Rend
6000
5500
5000
4500
2.0 5.0 40.0 80.0 120.0 140.0
Conc Tiempo Temp
Gráfica 4. Efectos principales para rendimiento de azúcares reductores.
En la gráfica 5 se muestra el efecto de interacción AC y CB. La forma del efecto de AC

sugiere un efecto de curvatura importante. Se puede afirmar que cuando la temperatura
(C) se encuentra en su nivel medio (130 ºC), la concentración de ácido (A) no influye en
el rendimiento de manera significativa; por el contrario cuando C se encuentra en su
nivel alto (140 ºC), A tiene un efecto sobre el rendimiento de azúcares. Por su parte, en
el efecto CB las curvas se observan casi paralelas, lo cual es evidencia visual a favor
de la poca importancia de la interacción CB, la pendiente de estas líneas tiene que ver
con la influencia del factor B (tiempo). Es decir, en la gráfica del efecto CB se observa
solo el efecto de B.
62
Gráfica de Interacción para Rend piña por MSRGráfica
para obtener
de Interacción AR
para Rend
6700 8000
Conc=2.0
A C
7500
6300
7000 Temp=140.0
Conc=5.0
Rend
Rend
5900 6500
Conc=5.0
6000
5500
5500 Temp=120.0
Conc=2.0
Temp=140.0
5100 5000 Temp=120.0
120.0 140.0 40.0 80.0
Temp Tiempo
Gráfica 5. Efectos de interacción para rendimiento de azúcares reductores.
Los efectos de los factores representados sobre papel probabilístico (gráfica 6),
muestran tres efectos alejados de la línea, y son los mismos que en la gráfica de Pareto
se observan en las primeras tres barras. Así, en apariencia, los efectos B2, B y A2 son
significativos. En base a los análisis estadísticos realizados, puede afirmarse que C
(temperatura) y A (concentración) no influyen significativamente en el rendimiento de
Gráfica
azúcares reductores, pero sí lo hace Mitad-Normal
B (tiempo para Rend
de reacción).
2
BB
1.6
B:Tiempo
Porcentaje
1.2
AA
C:Temp
0.8
BC
CC
0.4 AC
A:Conc
AB
0
0 0.5 1 1.5 2 2.5 3
Efectos estandarizados
Gráfica 6. Representación de los efectos de los factores sobre del rendimiento de azúcares en papel
probabilístico.
63
9.4.4. Predicción
Para predecir el rendimiento de azúcares esperado en el mejor tratamiento, a partir del

modelo de regresión ajustado, se presenta la gráfica de cubo (gráfica 7), en la que cada
vértice del cubo proporciona el valor que toma el rendimiento de azúcares en las
condiciones que reflejan las coordenadas (x, y, z), en ella se muestra el rendimiento
predicho por el modelo en cada combinación de los tres factores incluidos. Puede
observarse que el vértice que proporciona el rendimiento más alto de azúcares es el
que combina los factores en su nivel (A=-1, B=+1 y C+1) con 6255gL-1 de azúcares.
Gráfica de Cubo para Rend
6255
5925
140.0 4430
4000
Temp
4213
4959 80.0
120.0 3756
2.0 4404 Tiempo
5.040.0
Conc
Gráfica 7. Gráfico de cubo y respuesta predicha para rendimiento de azúcares.
9.5. Verificación de Supuestos del Modelo
Es importante evaluar, mediante el análisis de residuos, la calidad del modelo de

efectos, aún con la contundencia del Valor-p en la tabla de ANOVA (tabla 7).
En lo que respecta a la verificación de los supuestos del modelo del ANOVA, este
análisis presume que los residuos se distribuyen normal, independientes, varianza
constante y la ausencia de observaciones atípicas. El supuesto de varianza constante
se puede verificar graficando los residuos contra los predicho, y los puntos deben caer
aleatoriamente en el sentido vertical dentro de una banda horizontal, para cumplir el
supuesto (Gutiérrez y de la Vara, 2012). En las gráficas 8 (varianza constante), 9
64
(distribución normal) y 10 (distribución independiente de residuos), se observa una
aparente violación al supuesto de varianza constante, normalidad e independencia, por
la presencia de observaciones alejadas de la línea, las cuales se asocian con valores
grandes que hacen ver el no cumplimiento de los supuestos. Es posible que el no
cumplimiento de la igualdad de varianza se deba a que los factores A, B y C tienen un
efecto real sobre el rendimiento. Para el resto de los supuestos, se observa un patrón
definido de los residuos que hacen suponer la violación de dichos supuestos. Sin
embargo, para mayor seguridad puede aplicarse una transformación apropiada de la
variable respuesta, para corregir el Gráfica
problemade de violación
Residuos parade los supuestos analizados.
Rend
1200
800
400
Residuo
-400
-800
-1200
3500 4500 5500 6500 7500
Número de corrida
Gráfica 8. Residuos
Gráficade
devarianza constante
Probabilidad parapara
Normal rendimiento.
Residuos
99.9
99
95
80
Residuo
50
20
5
1
0.1
-1200 -800 -400 0 400 800
Número de corrida
Gráfica 9. Probabilidad normal de los residuos para rendimiento.
65
Gráfica depiña por MSR
Residuos para obtener AR
para Rend
1200
800
400
Residuo
-400
-800
-1200
0 4 8 12 16 20
Número de corrida
Gráfica 10. Distribución independiente de los residuos para rendimiento.
Otro gráfico que sirve para comprobar el supuesto de varianza constante es el de

residuos contra cada factor. En las gráficas 11, 12 y 13 se muestran los residuos-vs-A,
residuos-vs-B y residuos-vs-C. Se observa que las columnas de puntos en los niveles
bajo (-1) y alto (+1) del factor en cuestión no presentan una dispersión similar, por lo
tanto no se cumple el supuesto deGráfica
varianza constante.
de Residuos para Rend
1200
800
400
Residuo
-400
-800
-1200
2 2.5 3 3.5 4 4.5 5
Número de corrida
Gráfica 11. Residuos contra el factor concentración (A).
66
piña
Gráfica de por MSR
Residuos para obtener AR
para Rend
1200
800
400
Residuo
-400
-800
-1200
40 50 60 70 80
Número de corrida
Gráfica 12. Residuos contra el factor tiempo (B).

Gráfica de Residuos para Rend
1200
800
400
Residuo
-400
-800
-1200
120 124 128 132 136 140
Número de corrida
Gráfica 13. Residuos contra el factor temperatura (C).
9.6. Gráfico de Superficie
En la gráfica 14 se presenta el gráfico de superficie, que resulta de ajustar el modelo

(ecuación 1) a un conjunto de puntos de la región experimental, en esta gráfica se
describe el comportamiento de la respuesta promedio en cada punto de la región
experimental, por la forma de la superficie se observa que se da un punto de respuesta
máxima (Gutiérrez y de la Vara, 2012), en términos de las variables A, B y C. Para
ayudar a visualizar la forma de una superficie de respuesta, con frecuencia se trazan
los contornos de la superficie de respuesta como se muestra en la gráfica 15. En la
67
gráfica de contorno se trazan las líneas de respuesta constante en el plano x1 y x2. Cada
contorno corresponde a una altura particular de la superficie de respuesta. La gráfica de
contorno es útil para estudiar los niveles de x1 y x2 que producen cambios en la forma o
altura de la superficie de respuesta (Montgomery, 2004).
Temp=140.0
Rend
3500.0-3900.0
3900.0-4300.0
4300.0-4700.0
8500 4700.0-5100.0
5100.0-5500.0
7500 5500.0-5900.0
6500 5900.0-6300.0
Rend
6300.0-6700.0
5500 6700.0-7100.0
7100.0-7500.0
4500
80
3500 70
60
2 2.5 3 50
3.5 4 Tiempo
4.5 5 40
Conc
Gráfica 14. Superficie de respuesta estimada donde se indica el rendimiento esperado como una función
de A, B y C.
En este tipo de gráfica las curvas de los valores iguales de respuesta, se grafican en un
plano donde los ejes coordenados representan los niveles de los factores. Cada curva
representa un valor específico de la altura de la superficie, es decir un valor específico
de Y.
Con la finalidad de facilitar la visualización de la forma de la superficie de respuesta en

tres dimensiones, se generó la gráfica de contornos (gráfica 15), el análisis de esta
gráfica permite ver que el óptimo se encuentra muy cerca de 3.5 %, 60 min y 140 ºC por
lo que el máximo rendimiento para esta combinación es de 6372 mgL-1 de azúcares.
De acuerdo con análisis de la gráfica de contorno, se observa que el proceso puede ser
más sensible a los cambios en el tiempo que a los cambios de concentración.
68
Temp=130.0
80 Rend
3500.-3900.
3900.-4300.
7500.0 4300.-4700.
70 4700.-5100.
5100.-5500.
5500.-5900.
5900.-6300.
Tiempo
yo= Máximo
6300.-6700.
60 6700.-7100.
7100.-7500.
6300.0
50 5500.0
4700.0
40
2 2.5 3 3.5 4 4.5 5
Conc
Gráfica 15. Contornos de la superficie de respuesta estimada donde se observan las condiciones en las
cuales se obtienen los rendimientos más altos de azúcares reductores.
9.7. Optimización de los Factores en la Hidrólisis Ácida de la Cáscara de Piña
Con la finalidad de optimizar la variable respuesta, en la tabla 9 se muestra la

combinación de los niveles de los factores optimizados que pueden ser usados como
parámetros en la producción de azúcares reductores. Para este trabajo la combinación
de los factores permite generar teóricamente 7536 mgL-1 de azúcares a partir de la
cáscara de piña hidrolizada como se muestra en la gráfica de contorno (gráfica 16).
Tabla.9. Valores óptimos para obtener el rendimiento máximo de azúcares reductores.

Factor Bajo Alto Óptimo
Conc (A) 2.0 5.0 3.36
Tiempo (B) 40.0 80.0 67.64
Temp (C) 120.0 140.0 140.0
69
Temp=140.0
80 Rend
3500.-3900.
3900.-4300.
7500.0 4300.-4700.
70 4700.-5100.
Óptimo 5100.-5500.
5500.-5900.
5900.-6300.
Tiempo
6300.-6700.
60 6700.-7100.
7100.-7500.
6300.0
50 5500.0
4700.0
40
2 2.5 3 3.5 4 4.5 5
Conc
Gráfica 16. Contornos de la superficie de respuesta donde se observa la combinación de factores para el
rendimiento óptimo de azúcares reductores.
70
X. CONCLUSIONES Y RECOMENDACIONES
La caracterización del material lignocelulósico de la cáscara de piña se realizó con la

finalidad de conocer la composición química de la materia prima antes mencionada,
dentro de esta se encuentran los componentes principales para generar azúcares
reductores, las cuales son la holocelulosa con un 72.05%, celulosa con un 30.09% y la
hemicelulosa con un 54.53%, parte fundamental en la generación de estos azúcares.
De acuerdo al diseño experimental utilizado para la optimización de las variables del

proceso para la obtención de azúcares reductores se realizó con un diseño de
experimentos compuesto central (DCC) con 3 factores: concentración de ácido (%),
tiempo (min) y temperatura de reacción (ºC) y 2 niveles con el fin de optimizar las
condiciones óptimas del proceso utilizando la metodología de superficie de respuesta.
En base a los resultados del análisis de varianza (ANOVA) se comprobó que existen
tres efectos significativos sobre la producción de azúcares reductores; los resultados
obtenidos del análisis para el diseño factorial mostraron que las variables altamente
significativas sobre la variable respuesta rendimiento fueron el efecto cuadrático tiempo
(B2= 0.0141). Son significativos el efecto lineal tiempo (B = 0.0204) y el efecto
cuadrático concentración (A2= 0.0403); estos resultados se pueden comprobar de
acuerdo al diagrama de Pareto estandarizado como se observa en la gráfica 3, cabe
mencionar que estos tres efectos son altamente significativos para la producción.
En lo que respecta a los efectos principales e interacciones se encontró que el factor

cuadrático tiempo (B2) fue el efecto más influyente sobre el rendimiento de azúcares,
para la interacción concentración de ácido-temperatura de reacción se encontró que el
rendimiento de azúcares, aumenta cuando la temperatura de reacción cambia del nivel
-1 al +1 (120 a 140 ºC) y su concentración es baja (2%).
Del análisis de verificación de los supuestos del modelo se encontró que los residuos
no se distribuyen de manera normal, independientes, con varianza constante y
ausencia de observaciones atípicas. Cabe mencionar que posiblemente el no
cumplimiento de la igualdad de varianza se deba a que los factores A, B y C tienen un
71
efecto real sobre el rendimiento de azúcares. Para obtener una mayor seguridad se
puede aplicar una transformación apropiada de la variable respuesta, de esta manera
se podría corregir el problema de violación de los supuestos analizados.
El gráfico de superficie obtenido demostró que existe un punto de respuesta máxima, a

partir del cual se estiman los niveles óptimos, objetivo del presente trabajo. De la
prueba de optimización se encontró que la combinación de los factores que permite
generar la mayor cantidad de azúcares de la hidrólisis de la cáscara de la piña con
ácido clorhídrico es: concentración de ácido 3.36 %, tiempo de reacción 67.6 minutos y
temperatura de reacción 140 ºC, el cual permite generar teóricamente 7536 mgL-1 de
azúcares reductores.
Como recomendación, se pone a consideración para próximos trabajos, continuar

haciendo pruebas preliminares para determinar condiciones de reacción, a partir de las
cuales puedan establecerse nuevos niveles para los factores que se utilizan en la
hidrólisis ácida, para que a partir de esta información se diseñe un método adecuado
para generar información pertinente que permita generar la mayor cantidad de azúcares
del material celulósico. Sería conveniente realizar el proceso de la hidrólisis ácida
utilizando los valores optimizados, para corroborar el resultado obtenido en la teoría.
72
XI. BIBLIOGRAFÍA CITADA
Aguilar, N., y Canizales, M. (2005). Residuo Lignocelulósico Cervecero, una nueva

materia prima. Universidad Veracruzana. Revista Cerveza y Malta. (168):37-41.
Consultado el 15 de Agosto de 2013 en http://dialnet.unirioja.es
Alarcón, A. V. (2010). Producción de bioetanol con Zymomonas mobilis. Tesis para

obtener el grado en maestro en ciencias de Bioprocesos. Pp. 2-6.
Álvira, P., Tomás-Pejó, E., Ballesteros, M., and Negro, M. J. (2010). Pretreatment
technologies for an efficient bioethanol production process based on enzymatic
hydrolysis: A review. Bioresource Technology. (101):4851-4861.
Amador, J. L. (2009). Evaluación del efecto del tamaño de partícula, tiempo de

pretratamiento y concentración de hidróxido de sodio en la hidrólisis enzimática
del bagazo de caña de azúcar. Proyecto de graduación para optar por el grado
de Licenciatura en Ingeniería Química, Escuela de Ingeniería Química,
Universidad de Costa Rica, San José, Costa Rica.
American Society for Testing and Materials (ASTM). (1997). Method of Test for Alpha-
Cellulose in Wood. ASTM D1103-60. 2 pp.
American Society for Testing and Materials (ASTM). (1997). Standard Test Methods for
Direct Moisture Content Measurement of Wood and Wood-Base Materials, ASTM
D4442-92. 6 pp.
American Society for Testing and Materials (ASTM). (2001). Standard Test Method for
Ash in Wood. ASTM D1102-84. 2 pp.
American Society for Testing and Materials (ASTM). (2001). Standard Test Methods for
Water Solubility of Wood. ASTM D1110-84. 2 pp.
Ethanol-Toluene Solubility of Wood. ASTM D1107-56. 2 pp.
Acid-Insoluble Lignin in Wood. ASTM D1106-96. 2 pp.
Preparation of Extractive-Free Wood. ASTM D1105-96. 2 pp.
American Society for Testing and Materials (ASTM). 1978. Method of Test for
Holocellulose in Wood. ASTM D1104-56. 2 pp.
Balat, M. (2010). Production of bioethanol from lignocellulosic materials via the
73
biochemical pathway: A review (Versión electrónica). Energy Conversión and
Management.
Barrientos, O., y Porras, S. (2010). Sector Agropecuario: Cadena productiva de piña:

políticas y acciones. Secretaria Ejecutiva de Planificación Sectorial Agropecuaria,
SEPSA, Ministerio de Agricultura y Ganadería. San José, Costa Rica: Ministerio
de Agricultura y Ganadería.
Bello, G. D., Carrera, B. E., y Díaz, M. Y. (2006). Determinación de azúcares reductores

totales en jugos mezclados de caña de azúcar utilizando el método del ácido 3,5
dinitrosalicílico. ICIDCA. Sobre los Derivados de la Caña de Azúcar, Redalyc.
40(2):45-50.
Box, G. E., and Draper, N. R. (1987). Empirical model building and response surface.
New York. John Wiley and Sons.
Box, P. E. G., and Wilson, B. K. (1951). On the experimental attainment of optimum

conditions. Journal of the Royal Statistical Society. Series B (Methodological).
13(1):1-45.
Chuck-Hernández, C., Pérez-Carrillo, E., Heredia-Olea, E., y Serna-Saldívar, S. O.

(2011). Sorgo como un cultivo multifacético para la producción de bioetanol en
México: tecnologías, avances y áreas de oportunidad. Revista Mexicana de
Ingeniería Química. 10(3):529-549.
Comisión Veracruzana de Comercialización Agropecuaria (COVECA). (2013). Gobierno

del Estado de Veracruz, México. Consultado el 20 de julio de 2013 en
http://portal.veracruz.gob.mx/portal/page?_pageid=653,3990014&_dad=portal&_s
chema=PORTAL
Córdoba, P. M. D. (2011). Determinación del efecto de la concentración de la base

NaOH, de la celulasa y celobiasa en la hidrólisis para la producción de etanol a
partir del rastrojo de la piña. Tesis para optar el grado de licenciatura en
Ingeniería Química. Fac. De Ingeniería. Universidad de Costa Rica. Ciudad
Universitaria Rodrigo Facio. San José, Costa Rica. 6-7 pp.
Cornell, J. A. (1990). How to Apply Response Surface Methodology. EE.UU: American

Society for Quality Control.
Cruz, R. A., Martínez, M. A., Cinco, Ch. Y., Rivera, A. J. L., y Cruz, G. M. J. (2011).
Aprovechamiento del bagazo de piña para obtener celulosa y bioetanol.
AFINIDAD Revista de Química Teórica y Aplicada. 68(551):38-43.
Elizondo, A. (2009). Análisis del mercado de la piña. Servicio de información de

Inteligencia de Mercados: Boletín Informativo. San José, San José, Costa Rica:
74
Centro Nacional de Producción.
Esteva, G. S. (2009). Obtención de bioetanol a partir del mango criollo del Istmo de
Tehuantepec. Tesis de Licenciatura en Ingeniería Química. Universidad del
Istmo, Tehuantepec, Oaxaca. 103 pp.
Ferreira, S., Duarte, P. A., Ribeiro, L. H. M., Queiroz, A. J., and Dominques, C. F.
(2009). Response surface optimization of enzymatic hydrolysis of Cistus ladanifer
and Cytisus striatus for bioethanol production. Biochemical Engineering Journal.
45(3):192-200.
Ferrer, J. R., Páez, G., Arenas de Moreno, L., Chandler, C., Mármol, Z. y Sandoval, L.
(2002). Cinética de la hidrólisis ácida del bagacillo de caña de azúcar.
Universidad de Zulia. Revista Facultad de Agronomía, 19(1):23-33.
Foyle, T., Jennings, L., y Mulcahy, P. (2007). Compositional analysis of lignocellulosic

materials: Evaluation of methods used for sugar analysis of waste paper and
straw. Bioresource Technology , 98, 3026-3036.
Galbe, M., y Zacchi, G. (2002) A review of the production of ethanol from sofwood. Appl.
Microbiol. Biotechnol. 59: 618-628.
García, L., Pless, R. y González, E. (2005). Diseño de un proceso para la hidrólisis de

residuos lignocelulósicos. Universidad Tecnológica San Juan del Río, Querétaro.
Consultado el 18 de julio de 2013 en http://www.cicataqro.ipn.mx
Girío, F., Fonseca, C., Carvalheiro, F., Duarte, L., Marques, S., y Bogel-Lukasik, R.
(2010). Hemicelluloses for fuel ethanol: A review. Bioresource Technology,
101:4775–4800.
González, A., y Brugués, R. A. (2010). Producción de biocombustibles con maíz: un

análisis de bienestar en México. Rev. de Sociedad, Cultura y Desarrollo,
Sustentable. Ra Ximhai, 6(1): 73-85.
Gutiérrez, P. H., y de la Vara, S. R. (2012). Análisis y diseño de experimentos. 3ª ed.

McGraw Hill. México. Pp. 487.
Hendricks, A., y Zeeman, G. (2009). Pretreatments to enhance the digestibility of

lignocellulosic biomass. Bioresource Technology, 100, 10-18.
IICA-MAGFOR-JICA. (2004). Cadena agroindustrial. Etanol. Nicaragua. 23 pp.
Katzen, R. A. (1997). 60 year journey through conversion of biomass to ethanol. In:

Ramos LP (ed) Proceedings of the Fifth Brazilian Symposium on the chemistry of
lignins and other woods components. Curitiba, Brasil, 6: 334-339.
75
Keller, F. A. (1996). Integrated bioprocess development for bioethanol production. In:
Wyman CE (ed) Handbook on bioethanol: production and utilization.Taylor
and.Francis, Bristol. 351-357.
Kok, T. T., Keat, T. L., Abdul, R. M. (2010). A glycerol-free process to produce biodiesel
by supercritical methyl acetate technology: An optimization study via Response
Surface Methodology. Bioresource Technology. (101):965-969.
Kuehl, R. O. (2001). Diseño de experimentos: Principios estadísticos de diseño y

análisis de investigación. México: International Thomson.
Kumar, P., Barret, D. M., Delwiche, M. J., y Stroeve, P. (2009). Methods for
Pretreatment of Lignocellulosic Biomass for Efficient Hydrolysis and Biofuel
Production. Ind. Eng. Chem. Res., 48, 3713-3729.
Larsson, S. (2000). Ethanol from lignocellulose-Fermentation inhibitors, detoxification

and genetic engineering of Saccharomyces cerevisiae for enhanced resistance.
Tesis doctoral. Lund. Suecia.
Lawson, J., and Erjavec, J. (2001). Resoinse surface methodology. In: Modern statistics
for engineering and quality improvement. Brooks/Cole-Thomson Learning, Pacific
Grove Duxbury. 465 p.
Lenihan, P., Orozco, A., O'Neill, E., Ahmad, M., Rooney, D., and Walker, G. (2010).
Dilute acid hydrolysis of lignocellulosic biomass. Chemical Engineering Journal,
156, 395-403.
Lindstedt, J. (2003). Alcohol production from lignocellulosic feedstock. BioAlcohol

Foundation Sweden,Fachtagung. Consultado el 11 de Enero de 2009 en
http://www.fv-sonnenenergie.de.pdf
Lozanoff, J., Heinichen, S., Marchi, G., y Risso, E. (2007). Bioenergía: Revisión de
tecnologías emergentes. Buenos Aires: Observatorio de Políticas Públicas.
Lucena, G. H. C., Zapata, B. D. A. (2011). Evaluación del tratamiento de la hidrólisis

ácida del bagazo de la piña. Tesis de licenciatura para optar por el Titulo de Ing.
Químico. Facultad de Ingeniería. Universidad Rafael Urdaneta. República
Bolivariana de Venezuela. 16-17 pp.
Machado, M. M. C. (2010). Situación de los Biocombustibles de 2da y 3era Generación

en América Latina y Caribe. Organización Latinoamericana de Energía (OLADE)
y el Instituto Interamericano de Cooperación para la Agricultura (IICA). 104pp.
Mejía, L. F., Martínez, H. A., Betancourt, J. E., y Castrillón, C. E., (2007).

Aprovechamiento del residuo agroindustrial del mango común (Mangifera indica
76
L.), en la obtención de azúcares fermentables. Ingeniería y Ciencia, 3(6):41-62.
Méndez-Gallegos, S. de J., Rössel, D., Amante-Orozco, A., Gómez-González, A., y

García-Herrera, J E. (2010). El nopal en la producción de biocombustibles.
Revista Salud Pública y Nutrición, Edición Especial (5):70-84.
Monsalve, J., Medina, V., y Ruíz, A. (2006). Producción de etanol a partir de la cáscara
de banano y de almidón de yuca. Dyna Revista Facultad de Minas, 73(150):21-
27.
Montgomery, C. D. (2013). Diseño y análisis de experimentos. México: Limusa Wiley.

686 p.
Montgomery, C. D. (2004). Control Estadístico de la Calidad. 3ª edición. Limusa-Wiley,

México. 799 p.
Montgomery, C. D. (2003). Control Estadístico de la Calidad. 3ª edición. Limusa-Wiley,

México. 797 p.
Mosier, N., Wyman, C., Dale, B., Elander, R., Lee, Y. Y., Holtzapple, M., and Ladisch,
M. R. (2005). “Features of Promising Technologies for Pretreatment of
Lignocellulosic Biomass,” Bioresource Technology 96(6):673-686.
Myers, R. H., and Montgomery, D. C. (1995). Response surface methodology. Wiley

series In Probabilty and Mathematical Statistics. New York. John Wilwy and
Sons.
Nguyen, Q. A., Tucker, M. P., Keller, F. A., Beaty, D. A., Connors, K. M., y Eddy, F. P.
(1999) Dilute acid hydrolysis of softwoods. Appl. Biochem. Biotechnol.
77(79):133-142.
O`Boyle, A., Good, D., Potts, D., Fein, J. E., Griffith, R., Beck, M. J., Dahlgren, D., and
Wallin, T. (1991) The CASH process. The Swedish Ethanol Foundation
(Bioalcohol Fuel Foundation).
Oliva, J. (2003). Efecto de los productos de degradación originados en la explosión por

vapor de biomasa de chopo sobre “Kluyveromyces marxianus”. Centro de
investigaciones Energéticas, Medioambientales y Tecnológicas, CIEMAT.
Madrid, España.
Olsson, L., and Hahn-Hiigerdl, B. (1996). Fermentation of lignocellulosic hydrolysates for

ethanol production. Enzyme and Microbial Technology. 18, pp. 312-331.
Ovando, S., y Waliszewski, K. (2005). Preparativos de celulasas comerciales y

aplicaciones en procesos extractivos. Universidad y Ciencia, 21(42):113-122.
77
Picado, D., y Vásquez, G. (2004). Propuesta y evaluación de un manejo tecnológico
sostenible en el cultivo de la piña (Ananas comosus L). Trabajo de Graduación
presentado como requisito parcial para optar al título de Ingeniero Agrónomo con
el grado de Licenciatura, Universidad EARTH, Costa Rica.
Quesada-Solís, K., Alvarado-Aguilar, P., Sibaja-Ballestero, R., y Vega-Baudrit, J.

(2005). Utilización de las fibras del rastrojo de piña (Ananas comusus, variedad
champaka) como material de refuerzo en Resinas de poliéster. Revista
Iberoamericana de polímeros. 6(2):157-179.
Ramírez, A. K., Rojas, C. O., Alvarado. A P., y Vega-Baudrit, J. (2012). Obtención de

xilosa a partir de desechos lignocelulósicos de la producción y proceso industrial
de la piña (Ananas comusus). Uniciencia. (26):75-89.
REN21. (2010). Renewables Energy Policy Network for the 21st Century. Global Status
Report (Paris: REN21 Secretariat).
Reyes, C. P. (1985). Bioestadística aplicada. Trillas, México. 216p.
Salas, A. (1990). Estudio de factibilidad sobre el procesamiento y exportación de piña

congelada. Tesis de Grado para optar al título de Máster en Administración de
Empresas. National University. San José, Costa Rica.
Sánchez, O. J., y Cardona, C. A. (2005). Producción biotecnológica de alcohol

carburante I: obtención a partir de diferentes materias primas. INCI, Caracas.
30(11):671-678.
Servicio Nacional de Sanidad Inocuidad y Calidad Agroalimentaria (SENASICA). (2013).

Información técnica de fruto de piña fresca mexicana para exportación.
Secretaría de Agricultura, ganadería, Desarrollo Rural, Pesca y Alimentación
(SAGARPA). Consultado el 20 de julio de 2013 en
http://www.sagarpa.gob.mx/cgcs/boletines/2006/septiembre/B226.pdf
Sistema de Información Agroalimentaria y Pesquera (SIAP). (2010). Consultado el 27

de julio de 2013 en www.siap.gob.mx
Sugimoto, T., Magara, K. y Hosoya, S. (2008). Ozone Pretreatment for Ethanol

Production Using Lignocellulosic Materials. Forestry and Forest Products
Research Institute. 20 January. Consultado el 15 de julio de 2013 en
http://www.biomass-asiaworkshop
Statpoint Technologies, Inc. (2010). Statgraphics® Centurion XVI. Manual de usuario

Virginia, USA. 297 pp.
Technical Association of the Pulp and Paper Industry (TAPPI). (2001). Pentosans in
78
wood and pulp. TAPPI T223 cm-01. 5 p.
Tejeda, L., Quintana, J., Pérez, J., y Young, H. (2011). Obtención de etanol a partir de
residuos de poda, mediante hidrólisis ácida e hidrólisis enzimática. Rev. U.D.C.A
Act. & Div. Cient. 14(1):111-116.
Teubner, C., Gysin, H., Levin, H., Hansen, H., Schönfelt, S., Ehlert, W. y Lechtaler, W.
(1999). El gran libro de los frutos exóticos. Grupo Ángel Rey (Import, Export &
Marketing). Editorial Everest, pp. 21-27.
Torres, J. F. (2009). Evaluación del rendimiento de la hidrólisis enzimática de la

celulosa a glucosa, con pretratamiento alcalino. Proyecto de graduación para
optar por el grado de Licenciatura en Ingeniería Química, Escuela de Ingeniería
Química, Universidad de Costa Rica, San José, Costa Rica.
Torres, V. G. A. (2013). Metodología de superficie de respuesta. Efecto del tamaño del

paso en el método de máxima pendiente ascendente. Editorial Académica
Española (EAE). 112 pp.
Urbaneja, G., Ferrer, J., Páez, G., Arenas de Moreno, L., Colina, G. y Sandoval, L.
(1997). Hidrólisis ácida y caracterización de carbohidratos de la pulpa de café.
Universidad Nacional. Revista Facultad de Agronomía. Vol. 14, pp. 265-275.
Wyman C. E. (1996). Ethanol production from lignocellulosic biomass: overview.
Ye, and, Jiayang, (2002). Hydrolysis of lignocellulosic materials for ethanol production: a
review. Bioresource Technology, 83: p. 1–11.
Zhang, Y. H. P., Ding, S. Y., Mielenz, J. R., Cui, J. B., Elander, R. T., Laser, M., Himmel,
M. E., McMillan, J. R. and Lynd, L. R. (2007). Fractionating Recalcitrant
Lignocellulose at Modest Reaction Conditions. Biotechnology and
Bioengineering. 97(2):214-223.
Zhu, L. (2005). Fundamentals study of structural features affecting enzymatic hydrolysis

of lignocellulosic biomass. Tesis para optar por el grado de doctorado en
Filosofía, Facultad de Ingeniería Química, Texas A&M University, Texas, Estados
Unidos.
79

Optimización de Las Variables en La Hidrólisis Ácida de Cáscara de Piña Por La Metodología de Superficie de Respuesta

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Optimización de Las Variables en La Hidrólisis Ácida de Cáscara de Piña Por La Metodología de Superficie de Respuesta

Hochgeladen von

Copyright:

Verfügbare Formate

DIVISIÓN ACADÉMICA DE CIENCIAS BÁSICAS E INGENIERÍA

INGENIERÍA QUÍMICA PETROLERA

OPTIMIZACIÓN DE LAS VARIABLES EN LA HIDRÓLISIS

Tesis que presenta

Liliana Gonzalez Flores

Para obtener el Título de

INGENIERO QUÍMICO PETROLERO

H. Cárdenas, Tabasco, México, Diciembre de 2014

INGENIERO QUÍMICO PETROLERO

A DIOS por darme la vida y por permitirme lograr esta meta.

A MIS PADRES Bladimir Gonzalez García y Ana María Flores Chablé.

A MIS HERMANOS Sandra Gonzalez Flores y Osvaldo Gonzalez Flores.

A MI HIJO Elvis Alberto Gonzalez Flores.

A MI SOBRINA Yatziri Vasconcelos Gonzalez.

LILIANA GONZALEZ FLORES

A DIOS: Principalmente a ti te agradezco por darme la vida, salud, inteligencia,

Al director interno de este trabajo M. en C. Víctor Manuel Villegas Cornelio por

Al director externo Dr. Amando Guerrero Peña (LASPA-COLPOS) por su colaboración en

A la Universidad Popular de la Chontalpa por haberme abierto sus puertas y ser mi

“Siempre sé tú mismo en todo momento, nunca le digas que no a

FRANCISCO ABSALON ROMERO GUERRA

VI. OBJETIVOS ........................................................................................................ 8

VII. MARCO TEORICO .............................................................................................. 9

VIII. MATERIALES Y MÉTODOS ............................................................................ 31

IX. RESULTADOS Y DISCUSIÓN ........................................................................... 54

X. CONCLUSIONES Y RECOMENDACIONES ....................................................... 71

Figura 1. Hidrólisis ácida de la hemicelulosa .......................................................... 10

Tabla 1. Diseño experimental Compuesto Central ................................................ 30

Diagrama 1. Métodos generales de caracterización y tratamiento químico del material

Gráfica 1. Superficie de respuesta tridimensional .................................................. 26

Liliana González Flores

En la búsqueda de nuevas alternativas energéticas, la biomasa y desechos

Palabras claves: hidrólisis ácida, factorial, MRS, lignocelulosa, holocelulosa,

La piña es una planta terrestre rústica, perteneciente a la familia de las Bromeliaceae,

En la búsqueda de nuevas alternativas energéticas, la biomasa y desechos

Las técnicas actuales de producción de etanol a partir de cereales y caña de azúcar

Una alternativa al problema de la seguridad alimentaria, es el mejoramiento de los

La finalidad del presente trabajo es contribuir con la optimización de las variables de

La búsqueda de nuevas fuentes energéticas como alternativa a las convencionales, la

III. PLANTEAMIENTO DEL PROBLEMA.

El presente trabajo pretende aportar información en relación a la siguiente pregunta:

Los desechos de la industrialización de la piña constituyen hasta el 65% del fruto.

El ciclo de producción a nivel comercial de la planta de piña es de 27 meses durante el

Sugimoto et al. (2008), han desarrolló un proceso para el pretratamiento de la biomasa

A nivel internacional se destaca el trabajo de Urbaneja et al. (1997), quienes realizaron

Monsalve et al. (2006), obtuvieron etanol a partir de cáscaras de plátano y almidón de

En México García et al. (2005), investigaron la hidrólisis de derivados de la industria

En un trabajo realizado por Chuk-Hernández et al. (2011), afirman que el sorgo

González y Brugués (2010), menciona que el incremento de la demanda de

Esteva (2009), obtuvo etanol a nivel laboratorio, utilizando Saccharomyces cerevisiae

Las variables temperatura, tiempo de reacción y concentración de ácido, involucrados

6.1. Objetivo General

Evaluar el rendimiento de azúcares fermentables a través de la optimización de

6.2. Objetivos Particulares

6.2.1. Caracterización química de la cáscara de piña como materia prima para la

6.2.2. Cuantificación de la concentración de azúcares reductores en los tratamientos,

Debido a la crisis energética que comenzó en 1973 disminuyó la oferta de petróleo e

En la actualidad ha aumentado el interés en torno a los procesos que tiene objetivo

Lucena y Zapata (2011), plantean la necesidad de evaluar el tratamiento de hidrólisis

La demanda de etanol para su utilización como combustible ha aumentado en los

Figura 1. Hidrólisis ácida de la hemicelulosa (Sánchez y Cardona, 2005)

Los biocombustibles se pueden clasificar según la fuente de la cual se derivan, como

También se pueden catalogar como biocombustibles primarios (sin elaborar) y

7.1.1. Biocombustibles líquidos