Análisis multivariado de la inuencia de la explosión de vapor sobre la
cascarilla de arroz
Multivariate analysis of the inuence of steam explosion on rice husks
DOI: http://dx.doi.org/10.21704/ac.v80i2.1492
Autor de correspondencia (*): Ricardo Aaron Naveda Rengifo. Email: [email protected]
© Universidad Nacional Agraria La Molina, Lima, Perú.
Forma de citar el artículo: Naveda et al., 2019. Análisis multivariado de la inuencia de la explosión de vapor
sobre la cascarilla de arroz. Anales Cientícos 80 (2): 569-579 (2019).
Ricardo Aaron Naveda Rengifo
1,2*
; Paola Aurelia Jorge Montalvo
1,2
; Lisveth Flores del
Pino
1,2
; Lizardo Visitación Figueroa
1,2
1
Centro de Investigación en Química, Toxicología y Biotecnología Ambiental CIQTOBIA – Facultad de Ciencias –
Universidad Nacional Agraria La Molina, Lima –Perú
2
Centro Modelo de Tratamiento de Residuos CEMTRAR - Universidad Nacional Agraria La Molina, Lima – Perú
Recepción: 18/06/2019; Aceptación: 15/12/2019
Resumen
El presente estudio tuvo como objetivo analizar mediante el método de análisis por
componentes principales (ACP), la inuencia de los parámetros de diseño de la metodología
de explosión de vapor sobre la remoción de lignina y variación de otras propiedades físicas
en la cascarilla de arroz, residuo agrícola de amplio interés para la producción de etanol 2G.
Mediante este proceso se facilita el acceso de enzimas en la hidrólisis de la celulosa. Del
análisis se encontró que la presión y el factor de severidad (FS), parámetros del proceso
explosión de vapor, se relacionan estrechamente con el pH del lixiviado y la cantidad
remanente de lignina en la cascarilla, debido principalmente a la formación de ácidos
débiles, autohidrólisis y reacciones de despolimerización - repolimerización de la lignina.
Adicionalmente se encontró que otros parámetros como la humedad y la densidad aparente
de la cascarilla se encuentran relacionadas entre sí debido a la retención del vapor de agua
en los espacios porosos de la cascarilla y su capacidad higroscópica, de modo que un mayor
tiempo de residencia favorece la retención de humedad.
Palabras clave: Cascarilla de arroz; análisis por componentes principales (ACP); explosión
de vapor; factor de severidad (FS); lignina Klason.
Abstract
The objective of this study was to analyze the inuence of the design parameters of the steam
explosion methodology on the removal of lignin and the variation of other physical properties
in the rice husk by means of the principal component analysis (ACP) method, agricultural
residue of wide interest for the production of 2G ethanol. Through this process the access of
enzymes in cellulose hydrolysis is facilitated. From the analysis it was found that the pressure
Análes Cientícos
ISSN 2519-7398 (Versión electrónica)
Website: http://revistas.lamolina.edu.pe/index.php/acu/index
Anales Cientícos 80(2): 569-579 (2019)
Análisis multivariado de la inuencia de la explosión de vapor sobre la cascarilla de arroz
570
Julio - Diciembre 2019
and severity factor (FS), parameters of the steam explosion process, are closely related to
the pH of the leachate and the remaining amount of lignin in the husk, mainly due to the
formation of weak acids, autohydrolysis and depolymerization reactions - repolimerization of
lignin. Additionally, it was found that other parameters such as humidity and bulk density of
the rice husk are related to each other due to the retention of water vapor in the porous spaces
of the husk and its hygroscopic capacity, so that a longer time of residence, favors moisture
retention.
KeyWords: Rice husk; principal components analysis (PCA); steam explosion; severity
factor (SF); lignin Klason.
1. Introducción
El arroz es la semilla de la planta Oryza
sativa y está formado principalmente por
la cariópside y cáscara o cascarilla. Esta
última representa entre el 20 y 22 % del
peso seco del grano (Olmos, 2006) y posee
muy bajo contenido de nutrientes por lo que
luego del proceso de molienda del arroz se
convierte en un subproducto (Huaripoma,
2015). De acuerdo a la Organización de
las Naciones Unidas para la Alimentación
y la Agricultura (FAO), en el 2014 se
produjeron aproximadamente 745 millones
de toneladas de arroz, lo que dio como
resultado la generación de aproximadamente
150 millones de toneladas de cascarilla de
este cereal. En el Perú, este subproducto
cuenta con muy pocas aplicaciones
desarrolladas por lo que es común que sea
dispuesto como residuo y muchas veces
quemado como biomasa (Huaripoma, 2015).
Métodos alternativos de reaprovechamiento
para la producción etanol o uso como
alimento animal requieren la remoción de
lignina exponiendo a la celulosa al ataque
enzimático.
La generación de residuos como la
cascarilla de arroz y su manejo inadecuado
se han convertido en serios problemas
ambientales que están afectando a todas
las personas del planeta debido a la
contaminación de ecosistemas, contribución
al cambio climático, transmisión de
enfermedades y afectación del turismo
(Kaza et al., 2018). Ante esta situación,
las organizaciones internacionales como
las Naciones Unidas (ONU), así como
los gobiernos de diferentes países vienen
implementando y fomentando políticas de
desarrollo sostenible que permitan mitigar
y controlar los efectos adversos ocasionados
por esta problemática. En el Perú, la Ley de
Gestión Integral de Residuos Sólidos (Ley
N° 1278), establece los principios para el
adecuado manejo de los residuos sólidos,
priorizando la valorización por sobre la
disposición nal.
Bajo este contexto, surge la necesidad
de encontrar aplicaciones de la cascarilla de
arroz o formas de valorizar dicho residuo,
de modo que se evite su disposición nal
inmediata o la quema como medida de
control de pupas de insectos y remoción
de tallos enfermos (Heros, 2013). Una
alternativa para la revalorización de la
cascarilla es la producción de etanol, se
estima que de 5 a 5,3 toneladas métricas de
residuos se podría obtener un metro cúbico
de etanol (Visitación, 2019). Por ello, resulta
imprescindible conocer las características
sicoquímicas de este subproducto y cómo
estas se ven afectadas bajo determinadas
condiciones del proceso de producción,
como por ejemplo, durante el pretratamiento
explosión de vapor. Este pretratamiento
consiste en someter a la biomasa a altas
presiones y temperaturas durante un tiempo
de residencia especíco y luego liberar la
presión rápidamente para generar un efecto
571
Naveda et al. / Anales Cientícos 80(2): 569-579 (2019)
Julio - Diciembre 2019
parecido al de una explosión, el cual produce
la descomposición de la biomasa (Verardi et
al., 2017).
El presente estudio tuvo como objetivo
analizar la inuencia que tienen los
parámetros de diseño del pretratamiento
explosión de vapor sobre su capacidad para
remover lignina de la cascarilla de arroz,
con ello se espera encontrar las relaciones
entre las variables estudiadas y que los
resultados sirvan como base para mejorar
los procesos de producción de etanol. El
análisis se llevó a cabo utilizando el método
estadístico multivariado llamado análisis
por componentes principales (ACP), el cual
permite encontrar posibles relaciones de
causa efecto entre las variables estudiadas
(Jollie, 2002)
2. Meateriales y métodos
Materia prima
La materia prima que se utilizó fue cascarilla
de arroz, variedad IR – 43 o NIR (nombre
comercial), proveniente de la ciudad de
Chiclayo, producido por la Asociación
Peruana de Molineros de Arroz (APEMA)
y Molino Sudamérica. La cascarilla fue
almacenada en sacos de polietileno negros
protegida de la lluvia y radiación solar.
Explosión de vapor
La explosión de vapor se llevó a cabo
utilizando un equipo piloto a pequeña escala
(sistema batch), constituido por un reactor
de 15 litros de capacidad, un calderín y una
manguera que conecta a los dos primeros. El
modo de funcionamiento consiste en generar
vapor de agua a alta presión en el calderín
a través de dos resistencias eléctricas para
luego, haciendo uso de la manguera y dos
válvulas, transferirlo al reactor donde entra
en contacto con la biomasa; nalmente,
luego de transcurrido un tiempo especíco,
se libera la presión mediante una válvula
y un tubo con ensanchamiento para que la
presión descienda rápidamente ocasionando
el efecto de una explosión dentro del reactor.
El procedimiento que se llevó a cabo consistió
en agregar 600 gramos de cascarilla de arroz
al reactor, sometiéndola a presiones de 4, 6,
8 y 10 bar con tiempos de residencia de 6, 8,
10 y 12 minutos. La presión fue controlada
mediante un manómetro acoplado a la tapa
del reactor y el tiempo fue controlado con
un cronómetro. Al nalizar el proceso, se
abrió la válvula de purga del reactor ubicada
en su base para recoger el lixiviado y luego
se retiró la tapa del reactor para recoger la
cascarilla de arroz tratada. En la Figura 1 se
observa el equipo explosión de vapor y sus
componentes.
Determinación de pH
La determinación del pH se realizó a
partir del lixiviado resultante del proceso
explosión de vapor. Las mediciones fueron
realizadas por duplicado utilizando medidor
de pH modelo HQ40D.
Determinación de humedad y densidad
aparente
La determinación de humedad y densidad
aparente se realizó una vez nalizada la
medición de pH del lixiviado. Para el
análisis de humedad se empleó el método
gravimétrico utilizando crisoles de cerámica,
balanza analítica y estufa a 105 ± 3°C,
según la norma ASTM D 1762; mientras
que para el análisis de densidad aparente
se empleó el método de la probeta (método
no estandarizado) utilizando probeta de 500
mL y balanza electrónica. Ambos análisis se
realizaron por duplicado.
Determinación del contenido de lignina
Klason
La determinación del contenido de lignina
Klason, llamada también lignina insoluble
en medio ácido (LIA), se realizó una vez
nalizados todos los experimentos con el
equipo explosión de vapor, haciendo uso
Análisis multivariado de la inuencia de la explosión de vapor sobre la cascarilla de arroz
572
Julio - Diciembre 2019
de la cascarilla tratada que fue almacenada
a 4°C luego de cada experimento. Para la
determinación del contenido de lignina
se empleó el método Lignina Klason,
siguiendo los procedimientos de laboratorio
establecidos por National Renewable Energy
Laboratory (NREL).
Los procedimientos fueron preparación
de la muestra (NREL/TP-510-42620),
determinación de humedad y sólidos totales
(NREL/TP-510-42621), determinación de
material extraíble (NREL/TP-510-42619),
determinación de lignina (NREL/TP-510-
42618).
Diseño experimental
Considerando que los factores principales
que inuyen en la explosión de vapor son la
presión y el tiempo de residencia a los que es
sometida la biomasa, se planteó desarrollar
un diseño experimental completamente al
azar (DCA) aplicando un arreglo factorial
completo, donde la unidad experimental fue
la cascarilla de arroz, los factores fueron
la presión manométrica (bar) y el tiempo
de residencia (minutos), y las variables
respuestas fueron el pH del lixiviado y la
humedad, densidad aparente y contenido de
lignina de la cascarilla de arroz.
El arreglo consideró cuatro niveles para
cada factor con dos repeticiones (4x4x2)
más un control o blanco que fue la cáscara
de arroz sin aplicarle ningún pretratamiento.
En la Tabla 1 se muestran los factores y
niveles del diseño experimental.
Determinación del factor de severidad
Para determinar el factor de severidad (FS)
se requirió primero encontrar la relación
entre la presión y temperatura en el reactor,
en ese sentido se realizó mediciones de
dichas variables durante la aplicación de
alguno de los experimentos. Las mediciones
se realizaron cada minuto, siendo el minuto
cero desde que empezaba a transferirse
el vapor del calderín al reactor. El tiempo
se midió utilizando un cronómetro y la
lectura de presión y temperatura se realizó
con el manómetro y termómetro de aguja
respectivamente implementados en la tapa
del reactor.
Figura 1. Equipo explosión de vapor
573
Naveda et al. / Anales Cientícos 80(2): 569-579 (2019)
Julio - Diciembre 2019
Tabla 1. Factores y niveles del diseño experimental
Factor Nivel 1 Nivel 2 Nivel 3 Nivel 4 Control
(*)
Presión (Bar) 4 6 8 10 0
Tiempo (min) 6 8 10 12 0
(*)
Se considerará para el control, la exposición al ambiente, es decir a presión manométrica igual a cero y sin tiempo
de residencia.
Determinación del factor de severidad
Para determinar el factor de severidad (FS)
se requirió primero encontrar la relación
entre la presión y temperatura en el reactor,
en ese sentido se realizó mediciones de
dichas variables durante la aplicación de
alguno de los experimentos. Las mediciones
se realizaron cada minuto, siendo el minuto
cero desde que empezaba a transferirse
el vapor del calderín al reactor. El tiempo
se midió utilizando un cronómetro y la
lectura de presión y temperatura se realizó
con el manómetro y termómetro de aguja
respectivamente implementados en la tapa
del reactor.
Con la información recolectada se
procedió a crear una curva de presión-
temperatura y a encontrar el modelo
matemático que mejor se ajustase al
comportamiento observado en el reactor.
De este modo se logró obtener un valor
de temperatura para cada valor de presión
y con esta a su vez, calcular el factor
de severidad (FS) de cada experimento
utilizando la ecuación 1, formulada por
Overend y Chornet en 1987 (Stelte, 2013)
and makes the biomass polymers more
accessible for subsequent processes, i.e.
fermentation, hydrolysis or densication
processes. Biomass materials such as
wood are composite materials with high
mechanical strength. The major components
are cellulose, embedded in a matrix of lignin
and hemicelluloses (Fengel, 1983).
(Ecuación 1)
Análisis estadístico
El análisis estadístico de los resultados se
basó en un análisis multivariado aplicando
el método de análisis por componentes
principales (ACP). Los factores o variables
que se analizaron fueron presión, tiempo,
factor de severidad (FS), pH del lixiviado,
humedad, densidad aparente y contenido de
lignina de la cascarilla de arroz. Para este
análisis se utilizó el software Minitab 17 ®.
3. Resultados y discusión
En primer lugar se determinó el factor de
severidad para cada experimento, para lo
cual se construyó un modelo matemático
que describiese la relación entre la presión
y temperatura del reactor utilizando el
método de iteraciones Gauss – Newton. En
la Figura 2 se muestra la curva que relaciona
el comportamiento de la temperatura en
función a la presión. En ella se observa que la
temperatura y la presión están relacionadas
entre sí describiendo una función
exponencial. Este comportamiento se debe
a que desde el calderín ingresa al reactor
vapor de agua saturado a altas temperaturas,
haciendo que en primera instancia la presión
aumente y enseguida lo haga la temperatura
(Stelte, 2013). El modelo matemático
encontrado fue el siguiente:
T = 82,0997 x P
0,326452
Análisis multivariado de la inuencia de la explosión de vapor sobre la cascarilla de arroz
574
Julio - Diciembre 2019
El modelo matemático encontrado fue el siguiente:
1086420
180
160
140
120
100
80
60
40
20
P reactor
T reactor2
F
itted Line Plot
T reactor2 = 82.0997 * 'P reactor' ^ 0.326452
Figura 2. Curva que relaciona presión (bar) y temperatura (°C)
Una vez obtenido el modelo matemático, fue
posible calcular el FS para los cuatro niveles
de presión y tiempo con los que se trabajó
en los experimentos utilizando la ecuación
1. El FS fue considerado posteriormente
en el ACP debido a que está asociado a la
explosión de vapor y los efectos que este
produce sobre la biomasa (Maniet et al.,
2017). En la Tabla 2 se muestra los FS
calculados, En ella se puede apreciar como
el FS incrementa a medida que aumenta
la temperatura y el tiempo de residencia.
Estos valores permiten comparar entre un
experimento y otro que tan severos fueron
los efectos de las explosiones generadas en
el reactor (Jakobson et al., 1995)
Por otra parte, en la tabla 3 se muestran
los resultados promedios obtenidos en los
experimentos, pudiéndose apreciar que el
pH del lixiviado al aplicar la explosión de
vapor estuvo comprendido en el rango de
7,0 a 4,2; la humedad de la cascarilla estuvo
en el rango de 17,8 a 31,9%; la densidad
aparente estuvo en el rango de 123,6 a 137,3
kg/m
3
y el contenido de lignina estuvo en el
rango de 12,7 y 17,4 %. Las diferencias que
existen entre los valores máximos y mínimos
hacen sospechar que existe una fuente de
variabilidad en estos factores, la cual podría
ser los efectos que produce la explosión de
vapor. En ese sentido, resulta conveniente
identicar las principales relaciones entre
los factores involucrados en este proceso que
puedan ser de causa y efecto aplicando el
método estadístico multivariado de análisis
por componentes principales (ACP).
Para realizar el ACP se transformó
linealmente el conjunto de variables
estudiadas en otro de nuevas variables
(componentes principales – PC) no
correlacionadas entre sí, de modo que estos
nuevos conjuntos permitiesen conocer la
variabilidad presente en el conjunto de datos
originales. En la Tabla 4 se muestra los
valores propios o eigenvalores resultantes
del ACP, en ella se pueda apreciar que se
575
Naveda et al. / Anales Cientícos 80(2): 569-579 (2019)
Julio - Diciembre 2019
calculó siete componentes principales,
de los cuales, PC1 y PC2 fueron los que
presentaron los mayores valores propios,
representando entre ambos casi el 75 % de la
variabilidad total de los datos. Considerando
ello y aplicando el criterio de Kaiser (Jollie,
2002), que establece que se deben utilizar
solo aquellos componentes principales
cuyos valores propios sean mayores a 1, se
tomó en cuenta para el análisis de vectores
propios o eigenvectores a los componentes
principales PC1 y PC2.
El análisis de los vectores propios
o eigenvectores permitió conocer la
importancia de los factores estudiados sobre
la variabilidad de los datos, así como las
posibles relaciones que pudiesen existir entre
ellos. En la tabla 5 se muestran los vectores
propios resultantes del ACP, en ella se aprecia
que para PC1, los vectores más grandes
correspondieron a la presión (-0,510), FS
(-0,518), pH del lixiviado (0,462) y lignina
(0,442); la magnitud superior de dichos
vectores con respecto al resto signica que
son los que mejor explican la variabilidad
de datos para PC1. Asimismo, se observa
que sus coecientes son similares entre sí,
lo cual signica que dichos factores estarían
relacionados. Finalmente, se observa que
los vectores de presión y FS son negativos,
mientras que los vectores del pH y lignina
son positivos; esto indica que la relación
entre ellos es inversa, es decir, a medida
que aumenta la presión y el FS, disminuirá
el pH del lixiviado y el contenido de lignina
de la cascarilla. Lo indicado anteriormente
puede ser deducido también del gráco de
inuencias (Figura 2), donde se observa
que las variables antes mencionadas se
acercan al eje horizontal (eje PC1); además,
los vectores de la presión y FS se ubican
al extremo izquierdo del gráco (región
negativa), mientras que los vectores de pH y
lignina se ubican al extremo derecho (región
positiva), dibujando líneas casi rectas entre
ellas.
Por otra parte, en la Tabla 5 se observa
que para PC2, los vectores de humedad
y densidad aparente (0,626 y 0,678
respectivamente) son considerablemente
mayores al resto, seguidos inmediatamente
por el vector del tiempo (0,316). La
interpretación de estos resultados es que para
PC2, la humedad y densidad aparente son
los factores que mejor explica la variabilidad
de los datos; además, el hecho que los
coecientes de sus vectores sean similares
entre sí, permite deducir que existe una
relación estrecha entre ellos y una relación
menos estrecha con el tiempo, cuyo vector
posee un coeciente menor. Lo indicado
anteriormente puede ser identicado también
del gráco de inuencias (Figura 3), donde
se observa que los vectores de humedad y
densidad poseen casi el mismo tamaño y
orientación, mientras que el tiempo posee un
menor tamaño pero orientación similar hacia
la parte superior del gráco.
Tabla 2. Factores de severidad (FS) calculados
Presión (bar) Temperatura (°C)
Tiempo (min)
6 8 10 12
4 129,1 1,63 1,76 1,86 1,94
6 147,4 2,17 2,30 2,39 2,47
8 161,9 2,60 2,72 2,82 2,90
10 174,1 2,96 3,08 3,18 3,26
Análisis multivariado de la inuencia de la explosión de vapor sobre la cascarilla de arroz
576
Julio - Diciembre 2019
Tabla 3. Resultados de experimento explosión de vapor
Presión
(bar)
Tiempo
(min)
FS pH Humedad (%)
Densidad aparente
(kg/m
3
)
Lignina (%)
0 (a) 0 (a) 0 (a) - 7,80 ± 0,3 128,3 ± 2,9 18,0 ± 1,0
4 6 1,63 6,8 ± 0,0 23,0 ± 0,9 130,1 ± 3,1 15.9 ± 0.1
4 8 1,76 6,9 ± 0,1 23,9 ± 2,7 127,9 ± 1,3 15.6 ± 1.1
4 10 1,86 6,8 ± 0,3 22,7 ± 0,8 132,4 ± 3,0 16.9 ± 0.7
4 12 1,94 6,2 ± 0,0 31,9 ± 4,7 137,1 ± 6,6 17.4 ± 0.2
6 6 2,17 7,0 ± 0,2 20,6 ± 1,1 131,7 ± 3,2 14.9 ± 1.5
6 8 2,30 6,2 ± 0,0 22,6 ± 1,2 133,7 ± 2,8 14.3 ± 0.3
6 10 2,39 6,7 ± 0,1 23,7 ± 1,1 128,0 ± 2,8 17.1 ± 0.5
6 12 2,47 5,9 ± 0,0 21,9 ± 3,1 128,5 ± 1,7 15.0 ± 1.0
8 6 2,60 6,4 ± 0,0 24,3 ± 1,8 129,0 ± 2,3 14.6 ± 0.4
8 8 2,72 5,4 ± 0,7 24,3 ± 1,6 131,0 ± 2,6 13.7 ± 0.6
8 10 2,82 5,0 ± 0,0 18,1 ± 1,8 125,5 ± 2,0 14.9 ± 0.6
8 12 2,90 4,3 ± 0,7 17,8 ± 2,8 127,3 ± 4,4 13.5 ± 0.7
10 6 2,96 4,7 ± 0,1 19,4 ± 1,7 123,6 ± 1,6 14.2 ± 0.4
10 8 3,08 4,4 ± 0,0 19,2 ± 0,8 128,7 ± 7,6 13.4 ±0.8
10 10 3,18 4,4 ± 0,0 25,9 ± 2,5 131,4 ± 4,4 12.8 ± 0.6
10 12 3,26 4,2 ± 0,0 24,5 ± 1,2 137,3 ± 0,4 12.7 ± 1.2
Nota: Resultados ± Desviación Estándar para dos muestras por duplicado (para lignina por triplicado)
(a) Condiciones del control o blanco
Tabla 4. Valores propios o eigenvalores resultantes del ACP
PC PC1 PC2 PC3 PC4 PC5 PC6 PC7
Valor propio 3,471 1,795 1,015 0,405 0,203 0,106 0,003
Proporción 0,496 0,256 0,145 0,058 0,029 0,015 0,000
Acumulada 0,496 0,752 0,897 0,955 0,984 1,000 1,000
Tabla 5. Vectores propios resultantes del ACP
Variables PC1 PC2 PC3 PC4 PC5 PC6 PC7
Presión - 0,510 0,041 0,197 - 0,217 - 0,406 - 0,038 - 0,697
Tiempo - 0,073 0,316 - 0,872 0,245 - 0,120 - 0,173 - 0,172
FS - 0,518 0,100 - 0,004 - 0,128 - 0,453 - 0,136 0,694
pH lixiviado 0,462 - 0,178 0,185 0,421 - 0,632 - 0,379 - 0,039
Humedad 0,213 0,626 0,207 - 0,360 0,162 - 0,603 - 0,010
Densidad aparente 0,116 0,678 0,223 0,282 - 0,211 0,594 0,021
Lignina 0,442 - 0,076 - 0,271 - 0,700 - 0,382 0,299 0,019
577
Naveda et al. / Anales Cientícos 80(2): 569-579 (2019)
Julio - Diciembre 2019
0.500.250
.00
-
0.25
-
0.50
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
-0.1
-0.2
PC1
PC2
FS
T
iempo (min)
P
resión
(
Ba
r)
Lignina (%)
densidad apare
nte (kg/m3)
H
umedad (%)
pH lixiviado
Figura 3. Gráco de inuencias de los factores analizados mediante ACP
El ACP permitió identicar que el
contenido de lignina y pH del lixiviado se
ven fuertemente inuenciados por la presión
y el FS aplicados en el proceso explosión
de vapor. En el caso de la variación
(disminución) del pH, esta respondería
a la formación de ácidos orgánicos de
cadena corta como el ácido acético,
generados a partir de los grupos acetilos de
la hemicelulosa de la cascarilla, producto
del aumento de la presión y temperatura
en el reactor (Moniruzzaman, 1996). Este
mismo hecho, contribuiría a la variación del
contenido de lignina, ya que el medio ácido
favorece a la autohidrólisis de la lignina
(Jakobson et al., 1995) además de favorecer
a que se den simultáneamente reacciones de
despolimerización y repolimerización de la
misma (Li et al., 2007)
Se encontró también que existe una
relación cercana entre la humedad y densidad
aparente y una relación menos estrecha
de estas mismas variables con el tiempo
de residencia. La relación entre las dos
primeras variables respondería a que durante
el proceso explosión de vapor la cascarilla
de arroz entra en contacto con vapor de
agua saturado, el cual puede ser retenido
por las cascarilla debido a que esta posee un
volumen poroso de 54% aproximadamente
(Cadena y Bula, 2002), haciendo que su
contenido de humedad y densidad aparente
aumenten. Asimismo, Guo et al., (2019)
indicaron que la biomasa rica en lignina,
como la cascarilla de arroz, posee una gran
capacidad higroscópica debido a que la
lignina posee varios grupos hidrofílicos que
son potenciales sitios para absorber y retener
agua, lo cual contribuiría también a que la
humedad y densidad aparente de la cascarilla
varíen. Cabe mencionar además que un
mayor tiempo de exposición ocasionaría que
la probabilidad de que los espacios porosos
de la cascarilla sean ocupados por vapor de
agua aumente.
Análisis multivariado de la inuencia de la explosión de vapor sobre la cascarilla de arroz
578
Julio - Diciembre 2019
4. Conclusiones
La explosión de vapor ocasionó efectos
sobre la remoción de lignina y otras
propiedades físicas en la cascarilla de arroz.
Dichas variaciones respondieron a relaciones
especícas entre las variables estudiadas, las
cuales fueron identicadas mediante ACP.
La principal relación encontrada involucró a
la presión, FS, pH del lixiviado y contenido
de lignina de la cascarilla, donde el aumento
de las dos primeras ocasionó la disminución
de las dos últimas debido, principalmente,
a la formación de ácidos débiles durante el
proceso de explosión de vapor. Una segunda
relación identicada fue entre el contenido
de humedad y densidad aparente de la
cascarilla, cuyas variaciones responderían
a la absorción de vapor de agua durante
el tiempo que la cascarilla permanece en
contacto con el vapor dentro del reactor.
Los resultados encontrados permitirán que
posteriores investigaciones centren sus
esfuerzos en lograr una mayor remoción de
lignina para que el sustratos se encuentre más
expuesto al ataque de enzimas en el proceso
de hidrólisis y lograr un mejor rendimiento
en la producción de etanol de segunda
generación, así como también en la mejora
de la digestibilidad de los sustratos tratados
para la formulación de alimento animal.
5. Agradecimientos
Se agradece al Programa Nacional de
Innovación Agraria – PNIA, Fondo
Concursable Investigación Estratégica
Priorizada del concurso N° 2-IE-PNIA-2016,
patrocinadores del Proyecto Producción
de etanol de 2da generación G-2 a partir
de residuos agroindustriales de caña, arroz
y maíz, por su apoyo en el desarrollo de la
presente investigación.
6. Literatura citada
Cadena, C.; Bula, A.J. 2002. Estudio de la
variación en la conductividad térmica
de la cascarilla de arroz aglomerada
con bras vegetales. Universidad Del
Norte Colombia.
Guo, X.; Yuan, H.; Xiao, T.; Wu, Y.
2019. Application of micro-FTIR
spectroscopy to study molecular
association of adsorbed water with
lignin. International Journal of
Biological Macromolecules 131:
1038-1043.
Heros Aguilar, E. 2013. Manejo integrado
en el cultivo de arroz. Guía Técnica
- Agrobanco. Universidad Nacional
Agraria La Molina.
Huaripoma Vega, D.A. 2015. Diseño de un
Gasicador Downdraft invertido de
2600 Kcal/h que emplea Cascarilla de
Arroz como Combustible. Ponticia
Universidad Católica del Perú.
Jakobson, J.; Hortling, B.; Sundquist, J.
1995. Characterization of Alkali
Soluble Fraction of Steam Exploded
Birch Wood. Holzforschung 49(1):
51–59.
Jollie, I. T. 2002. Principal Component
Analysis. Second Edition. Springer
Series in Statistics 98.
Kaza, S.; Yao, L.; Bhada-Tata, P.;Van
Woerden, F. 2018. What a Waste 2.0
A Global Snapshot of Solid waste
Management to 2050.
Li, J.; Henriksson, G.; Gellerstedt, G.
2007. Lignin depolymerization /
repolymerization and its critical role
for delignication of aspen wood
by steam explosion. Bioresource
Technology 98(16): 3061–3068.
Maniet, G.; Schmetz, Q.; Jacquet, N.;
Temmerman, M.; Goot, S.; Richel,
A. 2017. Eect of steam explosion
treatment on chemical composition
and characteristic of organosolv
fescue lignin. Industrial Crops and
Products, 99, 79–85.
579
Naveda et al. / Anales Cientícos 80(2): 569-579 (2019)
Julio - Diciembre 2019
Moniruzzaman, M. 1996. Eect of steam
explosion on the physicochemical
properties and enzymatic
saccharication of rice straw. Applied
Biochemistry and Biotechnology
- Part A Enzyme Engineering and
Biotechnology 59(3):283-297.
Olmos, S. 2006. Apuntes de morfología,
fenología, ecosiología y
mejoramiento genético del arroz.
UNNE, 1–13.
Stelte, W. 2013. Steam explosion for biomass
pre-treatment. Danish Technological
Institute 1–15.
Verardi, A.; Blasi, A.; Marino, T.; Molino,
A.; Calabrò, V. 2017. Eect of
steam-pretreatment combined with
hydrogen peroxide on lignocellulosic
agricultural wastes for bioethanol
production: Analysis of derived
sugars and other by-products. Journal
of Energy Chemistry.
Visitación, L. 2019. Producción de
etanol de 2da generación G2
a partir de residuos agroindustriales
de caña, arroz y maíz. Taller de
cierre del proyecto. Proyectos de
Investigación Estratégica Priorizada
2016. PNIA 2016.
