Please enable JavaScript.
Coggle requires JavaScript to display documents.
Historia de la Evolución y modelación en Biotecnología, image, image,…
Historia de la Evolución y modelación en Biotecnología
Técnicas de Modelado para estimación de variables
Al alcanzar etapa de producción, parámetros críticos deben ser monitoreados
Diferentes técnicas de modelado se han desarrollado
Balances de Masa
Usado para el estudio de parámetros de la fermentación
Redes Neuronales
Modelo basado en la red neuronal del cerebro, usa redes neuronales artificiales (RNA)
Empleado para el monitoreo de bioprocesos junto con UV-Vis
Filtro de Kalman
Mejora confiabilidad de datos
Usado en la estimación del generación de biomasa, coeficientes y concentración de producto
Modelos híbridos
Combinación de los principios de los modelos pasados junto con parámetros medibles de la (RNA)
Mas fácil de analizar e interpretar asi como requiere menos datos
Empleado para predecir la concentración de biomasa y sustrato
Desarrollo de hardware
Desarrollo de unidades de almacenamiento
Almacenamiento en masa
Primeros discos duros (HDD) salen en 1980-1990 muy caros
RAM
Memoria utilizada para almacenar código ejecutable o datos en uso, permitiendo acceso inmediato.
Una mayor RAM permite acelerar las búsquedas
Aplicaciones biológicas
Búsqueda de información genética (BLAST)
Desarrollo de microprocesadores
Requerimientos para el modelado y simulaciones
Se logro aplicar en casos industriales e investigación, logrando obtener resultados en menor tiempo
Algunos procesos requieren mejor capacidad de procesamiento
El tiempo de procesamiento dependerá de el procesados y tiempo disponible
se utilizó un sistema de referencia para el modelado de procesos biotecnológicos.
consiste en un modelo de biorreactor de complejidad media
Parámetros de coeficientes de rendimiento, inhibición, etc.
Medición de Variables como sustratos, productos y subproductos
11 Ecuaciones diferenciales
Computadoras Cuánticas
Se basan en bits cuánticos
Tienen propiedades únicas
Permite modelar sistemas químicos complejos
Simulación de sistemas biológicos complejos
Unidades Graficas
Desarrollo de unidades de procesadores gráficos (GPUs)
Diferentes softwares desarrollan propios (GPUs): NVIDIA Cuda, Microsoft DirectCompute y MATLAB
(GPUs) mas eficiente procesando información
Modelado en el control de procesos
Control adaptativo y linear
Útil para ajustar parámetros durante el proceso de cultivo celular
Control estadístico
Toma datos anteriores y los puede comparar al proceso que se esta realizando
Requiere de pocos recursos y tiempo de desarrollo
Control difuso
Permite manejar las incertidumbres en sistemas no lineales
Red neuronal
Tienen una mayor eficiencia de control en proceso predefinidos
Control predictivo
Usa algoritmos para predecir entradas y salidas, permitiendo optimizar el desarrollo del proceso
Modelos de optimización
Actualmente la optimización de un proceso requiere de diseños experimentales (DoE)
Largos tiempos de desarrollo y costosos
Su objetivo es optimizar variables con respecto al resultado deseado
Comúnmente se usan modelos estadísticos
Permite la optimización de múltiples parámetros
Tendencias actuales y futuras
El creciente avance en las tecnologías computaciones permite desarrollar modelos celulares con mayor detalle
Permite el estudio de interconexiones bioquímicas
Empleado en areas medicas, bioingeniería y biociencia
Requiere de modelos cinéticos no estructurados, para análisis por métodos numéricos
La combinaciones de modelos con Dinámica de fluido computacional permite obtener información del las condiciones de flujo en biorreactores
Permite predecir la respuesta celular a diferentes condiciones de estrés
La representación digital de un proceso se llama "gemelo digital" (construcción de un sistema físico en unidades digitales)
Permite analizar, controlar y optimizar procesos en tiempo real, llevando al desarrollo de la fabricación predictiva
El objetivo de la bioeconomía industrial, es el usar sustratos mas eficientemente
Requiere sensores y modelos especializados
El uso de IAs para el análisis de problemas biológicos es una tenencia en aumento para el desarrollo de modelos
