Hacia la esterilización inteligente: desarrollo de una sombra digital para la industria conservera
DOI:
https://doi.org/10.17979/ja-cea.2026.47.13820Palabras clave:
Calibración, Simulación predictiva, Digitalización, Gemelo digital, Autoclave, Mantenimiento de modelosResumen
La esterilización de alimentos envasados es una operación crítica en la industria conservera, ya que de ella depende la calidad del producto y la seguridad alimentaria. El modelado matemático y la optimización ya se han aplicado a estos sistemas con el objetivo de mejorar su desempeño. Sin embargo, los enfoques existentes abordan el problema de forma aislada, centrándose en fenómenos de transferencia, cinéticas de inactivación microbiana o en la optimización fuera de línea de los perfiles de temperatura.
Este trabajo propone una sombra digital para la esterilización de conservas de pescado en autoclaves de vapor. La solución integra un modelo predictivo actualizado en tiempo real, basado en las leyes físicas de los procesos térmicos en equilibrio agua-vapor, capaz de describir y predecir los principales fenómenos dinámicos durante la operación. Una implementación computacional eficiente permite simular el modelo en tiempo real. También incorpora un estimador de perturbaciones basado en optimización dinámica en línea, que mantiene el modelo sincronizado con el proceso.
Referencias
Acerbi, L., 2018. Variational Bayesian Monte Carlo. Advances in Neural Information Processing Systems 31, 8222–8232.
Acerbi, L., Ma, W. J., 2017. Practical Bayesian optimization for model fitting with Bayesian adaptive direct search. Advances in Neural Information Processing Systems 30, 1834–1844.
Alonso, A. A., Arias-Méndez, A., Balsa-Canto, E., García, M. R., Molina, J. I., Vilas, C., Villafín, M., 2013. Real time optimization for quality control of batch thermal sterilization of prepackaged foods. Food Control 32 (2), 392–403. DOI: https://doi.org/10.1016/j.foodcont.2013.01.002
Alonso, A. A., Banga, J. R., Perez-Martin, R., 1997. A complete Dynamic model for the thermal processing of bioproducts in batch units and its application to controller design. Chemical Eng. Science 52 (8), 1307–1322. DOI: https://doi.org/10.1016/S0009-2509(96)00484-8
Andersson, J. A. E., Gillis, J., Horn, G., Rawlings, J. B., Diehl, M., 2019. CasADi – A software framework for nonlinear optimization and optimal control. Mathematical Programming Computation 11 (1), 1–36. DOI: https://doi.org/10.1007/s12532-018-0139-4
Deubert, D., Klingel, L., Selig, A., 2024. Online simulation at machine level: a systematic review. Int. Journal of Advanced Manufacturing Technology. DOI: https://doi.org/10.1007/s00170-024-13065-1
Erdogdu, F., Balaban, M. O., 2003. Complex method for nonlinear constrained multi-criteria (multi-objective function) optimization of thermal processing. Journal of Food Process Engineering 26 (4), 357–375. DOI: https://doi.org/10.1111/j.1745-4530.2003.tb00607.x
Galan, A., De Prada, C., Gutierrez, G., Sarabia, D., Gonzalez, R., 2021. Realtime reconciled simulation as decision support tool for process operation. Journal of Process Control 100, 41–64. DOI: https://doi.org/10.1016/j.jprocont.2021.02.003
Grieves, M., Vickers, J., 2016. Digital twin: Mitigating unpredictable, undesirable emergent behavior in complex systems. In: Transdisciplinary perspectives on complex systems. Springer, pp. 85–113.
Hindmarsh, A. C., Brown, P. N., Grant, K. E., Lee, S. L., Serban, R., Shumaker, D. E., Woodward, C. S., 2005. Sundials: Suite of nonlinear and differential/algebraic equation solvers. ACM Transactions on Mathematical Software (TOMS) 31 (3), 363–396. DOI: https://doi.org/10.1145/1089014.1089020
InfluxData, 2025. Why time series matters. Tech. rep. URL: https://www.influxdata.com
Leibman, M., Edgar, T., Lasdon, L., 1992. Efficient data reconciliation and estimation for dynamic processes using nonlinear programming techniques. Computers & Chemical Engineering 16 (10), 963–986. DOI: https://doi.org/10.1016/0098-1354(92)80030-D
Novoa, M., Pitarch, J. L., Antelo, L. T., Vilas, C., 2024. Development and calibration of a mathematical model for the predictive control of the solid food sterilization process. Jornadas de Automática. DOI: https://doi.org/10.17979/ja-cea.2024.45.10915
Pina, L., Botto, M. A., 2006. Simultaneous state and input estimation of hybrid systems with unknown inputs. Automatica 42 (5), 755–762. DOI: https://doi.org/10.1016/j.automatica.2005.12.014
Pitarch, J. L., Vilas, C., de Prada, C., Palacín, C., Alonso, A. A., 2021. Optimal operation of thermal processing of canned tuna under product variability. Journal of Food Engineering 304, 110594. DOI: https://doi.org/10.1016/j.jfoodeng.2021.110594
Simpson, R., Abakarov, A., 2011. Optimization of food thermal processing: Sterilization stage and plant production scheduling. In: Aguilera, J. M.,
Simpson, R., Welti-Chanes, J., Bermudez-Aguirre, D., Barbosa-Canovas, G. (Eds.), Food Engineering Interfaces. Springer New York, pp. 261–284.
Wallscheid, O., Ngoumtsa, E. F. B., 2020. Investigation of disturbance observers for model predictive current control in electric drives. IEEE Transactions on Power Electronics 35 (12), 13563–13572. DOI: https://doi.org/10.1109/TPEL.2020.2992784
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 José Luís Pitarch, Carlos Vilas
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
