Monitoreo inteligente de efluentes mediante bioensayos y aprendizaje de máquina. Organizado por la Asociación Argentina de Ingenieros Químicos

SALIERNO, GABRIEL; SUAREZ BARON, J.C; CORTÓN, EDUARDO

Santa Fe

Congreso; X Congreso Argentino de Ingeniería Química (CAIQ 2019); 2019

Sociedad Argentina de Ingeniería Química

Los bioensayos y biosensores son métodos de análisis biológicos, que pueden ser implementados para la detección de variados componentes con actividad biológica en matrices acuosas. En particular, una gran variedad de métodos biológicos existen y son aplicados en sistemas de vigilancia periódica (como por ejemplo sistemas de alerta temprana) o bien para mediciones en el laboratorio, en ambos casos como procedimientos de screening; las muestras encontradas positivas por un bioensayo o biosensor son sometidas generalmente al análisis químico, para encontrar el/los compuestos responsables del efecto tóxico (Kilroy and Gray, 1995). Estos métodos biológicos pueden emplear peces, bivalvos, invertebrados, bacterias, hongos, algas, etc., muchos de ellos no son instrumentales ni automatizables, dado que requieren operaciones y mediciones realizadas por operadores humanos. Sin embargo, los basados en microorganismos heterótrofos (Liu et al., 2012b, Dhall et al., 2013) pueden ser más fáciles de implementar y de convertir en métodos automatizables e instrumentales, dada la facilidad para mantener estos organismos en estasis (liofilizados por ejemplo).La demanda bioquímica de oxígeno es un parámetro necesario en el análisis de efluentes industriales y en el monitoreo de la polución orgánica en aguas residuales. La determinación de la DBO por el método clásico estándar (5 días de incubación, denominado BOD5) está asociado a importantes complicaciones y dificultades prácticas, que incluyen el largo periodo de incubación necesario, alta sensibilidad a la temperatura y concentración de oxígeno, la necesidad de muestras diluidas debido a su muy pequeño rango lineal de calibración (aproximadamente 1-8 mg/L) y la falta de validación estequiométrica (Liu et al., 2012b) apunta también a otro de los problemas de los métodos rápidos para medir BOD, que es la incapacidad de detectar materiales poliméricos. Recientemente se han implementado algoritmos de procesamiento de señales y estimación de parámetrostales como aprendizaje automático (machine learning), obteniéndose sistemas de interpretación de bioseñalesmás confiables y precisos (Ciosek y Wróblewski, 2007; Hu et al., 2015; Legin et al., 2015). El presente trabajo se enfoca en la reducción de los tiempos de estimación de DBO (conocida como DBO de corto tiempo) basada en instrumentación de medidas de presión automatizada, que permite la obtención de los datos analíticos on-line y en tiempo real.REFERENCIASChen, Q.S., Sun, C.C., Ouyang, Q., 2015. Classification of different varieties of Oolong tea using novel artificial sensing tools and data fusion. LWT-Food Sci Technol., 60, 781-787. Ciosek, P., Wróblewski, W., 2007. Sensor arrays for liquid sensing - electronic tongue systems. Analyst, 132, 963-978.