Revista I+i 2017

Volumen 11, 2017 Lima, Perú • ISSN 1996-7551

Carlo Chiroque

Estudio de las

vibraciones torsionales

bajo régimen transitorio en un mecanismo de engranajes Pág. 4 José Lazarte

José Lazarte

Parámetros estimados en motor DC mediante el

método de minimización del error de predicción Pág. 18

Estudio de las vibraciones torsionales bajo régimen transitorio en un mecanismo de engranajes ......................................Carlo Chiroque 4 Parámetros estimados en motor DC mediante el método de minimización del error de predicción .........................................José Lazarte 18 Predicción del consumo de combustible para industrias mediante Redes Neuronales Artificiales ...................................... Gonzalo Aragón 26

Determinación experimental de los parámetros del circuito equivalente de un motor de inducción trifásico con caja de reducción ...........................................Arturo Rojas 36 Evaluación práctica del aislamiento eléctrico en máquinas rotativas de gran potencia ............................ Gerson La Torre García 42 Precipitación de proteínas en el tratamiento de efluentes de la producción industrial de salsas de soya ................ Huguez Ames, Enrique Cáceres, .....................María Reque, César Vásquez 52

Determinación de parámetros para el monitoreo de la disponibilidad de las interfaces de los switch CISCO ....................................... Mauricio Surco 62 Influencia de la pizarra digital interactiva en el proceso de enseñanza y aprendizaje ............................................Julio Rivera 70 Relevancia de la identificación de los estilos de aprendizaje de los estudiantes para planificar las sesiones de enseñanzaaprendizaje en educación técnica superior. .........................................Huguez Ames 76 Aprendizaje Invertido para mejorar las competencias laborales en estudiantes de último ciclo ......................................... Nonie Salazar 88

Revisa todas las ediciones de la Revista I+i en versión digital

Editor en jefe: Narciso Arméstar, Tecsup.

Comité Editorial: Aurelio Arbildo, Inducontrol; Elena Flores, Cementos Pacasmayo; Carlos Hernández, Alicorp; Jack Vainstein, Vainstein Ingenieros.

Coordinadora Editorial: Kelly Yale.

Colaboradores: Huguez Ames, Gonzalo Aragón, Enrique Cáceres Carlo Chiroque, José Lazarte, Gerson La Torre, María Reque, Arturo Rojas, Julio Rivera, Nonie Salazar, Mauricio Surco, César Vásquez.

Corrector de estilo: Ana María Velando.

Diagramación: Tarea Asociación Gráfica Educativa.

Participaron en esta edición: Jorge Bastante, Rosa Flores.

Impresión: Tarea Asociación Gráfica Educativa, Pasaje María Auxiliadora 156-164, Lima 5 - Perú.

Hecho el depósito legal en la Biblioteca Nacional del Perú: 2007-04706.

Tiraje: 2,000 ejemplares.

Publicado en noviembre de 2017 Tecsup: Campus Trujillo: Vía de Evitamiento s/n Víctor Larco Herrera. Trujillo, Perú.

Campus Lima: Av. Cascanueces 2221 Santa Anita. Lima, Perú.

Campus Arequipa: Urb. Monterrey Lote D-8 José Luis Bustamante y Rivero. Arequipa, Perú.

Publicación Anual: Tecsup se reserva todos los derechos legales de reproducción del contenido, sin embargo autoriza la reproducción total o parcial para fines didácticos, siempre y cuando se cite la fuente.

Publicación Indexada en Latindex Suscripciones: investigacioneinnovacion@tecsup.edu.pe Nota: Las ideas y opiniones contenidas en los artículos son de responsabilidad de sus autores y no refleja necesariamente el pensamiento de nuestra institución.

Estimados lectores Es un honor poder entregarles en esta oportunidad el número once de nuestra revista. Como en las anteriores ediciones, ofrece una variedad de estudios realizados por nuestros docentes y colaboradores de otras instituciones educativas y de la industria. En esta edición se presentan diez artículos, entre los cuales tres son de investigadores externos a Tecsup que han solicitado exponer sus trabajos en nuestra revista, uno de la universidad San Agustín de Arequipa, uno de UTEC y otro artículo de un egresado de Tecsup que trabaja para Neogas; además, por primera vez, tenemos una colaboración de una investigadora de nuestra sede Tecsup Norte.

Nos es extremadanamente grato comprobar que la producción académica adquiere cada vez más importancia en el quehacer de nuestros docentes y recibimos con mayor frecuencia contribuciones de autores que inician una línea de investigación y desean difundir el fruto de su trabajo y dedicación.

Esta revista no saldría a la luz si no hubiera atrás un equipo de colaboradores muy entusiastas y comprometidos con la publicación. Deseo agradecer a todo el equipo por su esfuerzo en cada una de las etapas de producción de este número de I + i.

Estoy convencido de que, como en ediciones anteriores, el interés de los artículos estará a la altura de sus expectativas, y en caso de que los lectores deseen contactar con los autores para colaborar en el futuro de la investigación o hacer algún aporte a las mismas, los datos de contacto están al final de cada artículo.

Ponemos en sus manos la edición 2017.

Narciso Ántero Armestar Bruno.

Editor

Se presenta un modelo de

análisis de vibraciones torsionales utilizando el método de elementos finitos (MEF) con el fin de prevenir

fallas mecánicas en máquinas rotativas.

Carlo Chiroque, Tecsup

Estudio de las vibraciones torsionales bajo régimen transitorio en un mecanismo de engranajes Study of Torsional Vibration under a Transient Regime in a Gear Mechanism RESUMEN

El trabajo tiene por objetivo desarrollar un modelo conceptual de un sistema de transmisión por engranajes (sistema ramificado) para determinar sus frecuencias naturales y modos de vibración torsional, así como analizar la respuesta del sistema a una fuerza impulsiva sinusoidal que simula la etapa de arranque (régimen transitorio).

La metodología consistió, en un primer momento, en una revisión bibliográfica y estudio de las vibraciones torsionales, frecuencias naturales y modos de vibración, modelos conceptuales de sistemas torsionales y vibraciones torsionales en etapa de arranque.

Posteriormente se elaboró el modelo conceptual del mecanismo de transmisión al generar un sistema de ecuaciones diferenciales de movimiento con tres grados de libertad con el empleo de las ecuaciones de Lagrange. Para ello, primero se definieron tres casos de análisis, cada uno de los cuales considera la variación de los parámetros de rigidez, inercia, relación de transmisión. Se procedió luego a elaborar los algoritmos de cálculo en MATLAB y producir las curvas características que permiten estudiar el comportamiento de las frecuencias naturales, modos de vibración torsional y respuesta del sistema bajo régimen transitorio. Finalmente, se analizó el sistema equivalente de tres grados de libertad por el método de los elementos finitos (MEF) para obtener las frecuencias naturales de vibración torsional mediante el software SolidWorks.

Los resultados indican que al incrementar la relación de transmisión mientras los demás parámetros se mantienen constantes, la amplitud de respuesta en la sección del eje motor alcanza valores máximos comparados con las amplitudes obtenidas al variar el resto de parámetros. En la sección del eje conducido, dicha amplitud disminuye progresivamente hasta ser menor que la amplitud de la

fuerza impulsiva. Asimismo, el incremento de la relación de transmisión y rigidez del eje motor generan un aumento significativo de la frecuencia natural del sistema. La aplicación del MEF es un método alternativo para el análisis dinámico de sistemas torsionales, pues sus resultados son muy próximos a los obtenidos por el método analítico.

Es de vital importancia considerar la medición y control de las vibraciones torsionales en el programa de mantenimiento predictivo de las maquinas rotativas en la industria a fin de evitar fallos mecánicos debido a esfuerzos torsionales que conlleven a fallas por fatiga.

ABSTRACT

This study develops a conceptual model of a gear transmission system (branched system) to determinate its natural frequencies and modes of torsional vibration, as well as to analyze the system response to a sinusoidal impulsive force that simulates the starting stage (transitional state).

The methodology consists at first in a bibliographical review and the study of torsional vibrations, natural frequencies and modes of vibration, conceptual models of torsional systems and torsional vibrations in the starting stage.

Subsequently, a conceptual model of the transmission mechanism was developed by obtaining the system of differential equations of motion with three degrees of freedom using the Lagrange equations. For that, three cases of analysis were defined, considering variations in the parameters of rigidity, inertia and transmission ratio for each case. Further, we created algorithms in MATLAB to produce the characteristic curves that allow us to study the behavior of natural frequencies, modes of torsional vibration and system response under transient state.

Lastly, we analyzed the equivalent system of three degrees of freedom by the finite element method (FEM) to obtain the natural frequencies of torsional vibration using SolidWorks.

Palabras Clave Vibración torsional, transitorio, mecanismo, engranajes, frecuencia natural.

Key words Torsional vibration, transient, mechanism, gears, natural frequency.

VOLUMEN 11, 2017

The results show that increasing the transmission ratio and keeping the other parameters constant, the response amplitude in the motor shaft section reaches maximum values compared ​​ with amplitudes obtained varying these parameters. In the section of the driven shaft, the amplitude decreases until being smaller than the impulsive force amplitude. Likewise, the increase of the transmission ratio and drive shaft rigidity rise the natural frequency of the system. The application of FEM is an alternative method for the dynamic analysis of torsional systems; its results are similar to those obtained by the analytical method.

It is very important to consider the measurement and control of torsional vibrations in the predictive maintenance program of rotary machines in industry in order to avert mechanical failures due to torsional stresses leading to fatigue failures.

INTRODUCCIÓN

Las vibraciones torsionales constituyen un amplio campo de estudio e investigación que debe ser tomado en cuenta por nuestra industria, ya que muchas veces pueden generar problemas en máquinas rotativas. En efecto, las vibraciones torsionales son probablemente una de las causas más frecuentes de falla y rotura de los dientes en engranajes, así como de falla por fatiga en ejes de transmisión.

La medición de las vibraciones torsionales no suele ser una tarea que comúnmente se lleve a cabo en las máquinas rotativas o que se incluya en los programas de mantenimiento predictivo, debido a la dificultad de realizarla y al poco conocimiento del tema.

Las predicciones tempranas de las características torsionales de un sistema reducen eficientemente los costos si los resultados de los análisis se utilizan adecuadamente. Ello se obtiene mediante el análisis de los resultados y la incorporación de modificaciones durante la etapa de diseño o montaje, pues, si se realiza durante la prueba final del producto demanda mayor tiempo y costos más elevados.

Una manera eficiente de lograr una comprensión básica de las frecuencias naturales y modos de vibración torsional, así como de los fenómenos que se producen cuando los ejes son excitados por medio de fuerzas impulsivas es desarrollar un modelo conceptual del sistema dinámico.

Es por ello que el presente trabajo está orientado a generar el modelo conceptual de un sistema de transmisión por engranajes para determinar y analizar sus frecuencias naturales, modos de vibración torsional, y la respuesta del sistema a una fuerza impulsiva sinusoidal que simula la etapa de arranque (start-up).

FUNDAMENTOS Vibración torsional Es el movimiento angular oscilatorio en uno o más grados de libertad angular alrededor de una posición de equilibrio.

Todos los componentes de máquinas que giran experimentan vibraciones torsionales de distintos niveles, las cuales se manifiestan en el arranque, paradas, y funcionamiento a 6

velocidades variables. Conviene señalar que, a diferencia de las vibraciones laterales de ejes, las cuales son percibidas fácilmente ya que producen ruido y fuerte vibración en los soportes, las vibraciones torsionales se superponen al movimiento de rotación del eje sin excitar estructuras adyacentes, por lo que no son detectadas hasta que ocurre la falla en el sistema.

La vibración torsional excesiva puede ocasionar torceduras en ejes o árboles, fallas en los acoplamientos, elevados niveles de ruido en engranajes, falla en dientes de engranajes, o aflojamiento del bobinado de un motor eléctrico.

Frecuencias naturales Cuando un sistema no amortiguado vibra libremente y no se requiere ninguna fuerza, torque o momento externo para mantener dicha vibración, se dice que lo está haciendo a una de sus frecuencias naturales. Un sistema eje-rotor posee un número de frecuencias naturales discretas de vibración por torsión (también existe vibración por flexión) y, asociado a cada una de ellas, existe un modo de vibración el cual representa una distorsión geométrica del eje en el instante de máxima deformación durante la vibración.

Un método de cálculo para determinar las frecuencias naturales y formas modales de sistemas torsionales de orden mayor consiste en que a partir de una frecuencia natural preestablecida y asignando inicialmente una amplitud unitaria en un extremo del sistema se calcula progresivamente el torque y el desplazamiento angular en el otro extremo. Las frecuencias que resulten en torque externo cero o condiciones de borde compatibles en el otro extremo serán las frecuencias naturales torsionales del sistema. Los desplazamientos angulares correspondientes son las formas modales [7].

Un análisis de vibración torsional tiene como objetivos generales [8]: 1. Determinar las frecuencias naturales torsionales del sistema.

2. Evaluar el comportamiento de las frecuencias naturales y los modos de vibración al cambiar los parámetros de diseño (rigidez, amortiguamiento y fuerzas de excitación).

3. Establecer las amplitudes de vibración y el esfuerzo de torsión máximo bajo excitación torsional en estado estacionario.

4. Definir el torque dinámico y las cargas en los dientes de engranajes bajo régimen transitorio.

Modelo conceptual de un sistema torsional A diferencia de la vibración lateral que se desarrolla en un plano transversal al eje de rotación, la vibración torsional se manifiesta en planos de rotación a los ejes de giro de las máquinas rotativas. Los elementos que intervienen en su análisis se presentan en el diagrama de cuerpo libre de la Figura 1, en la cual se consideran las inercias polares de los discos y la rigidez torsional de las secciones de eje según el caso. Cabe mencionar que, cuando se trata de en máquinas rotativas, la función que desempeñan los apoyos no influye en la vibración torsional, pues la acción que puedan generar se manifiesta en planos transversales.

La Figura 1 muestra el modelo de un sistema de parámetros agrupados. Se aprecia que todas las inercias rotatorias son concentradas en N discos discretos, cada uno con su respectiva

masa, y momento de inercia polar lpn. Por ejemplo, lp1 puede representar a un motor, lp2 una caja reductora de velocidades, lp3 un compresor, etc. Los discos están conectados por resortes torsionales de rigidez kn, los cuales representan la flexibilidad torsional de los ejes y acoplamientos.

I pN N –1 JN – 1 GN – 1

Para mostrar el comportamiento dinámico del sistema torsional en la etapa de arranque, el motor fue conectado directamente a una línea de 415 V y 50 Hz, teniendo en cuenta que la impedancia causa aproximadamente un 10% de caída de voltaje en los terminales del motor.

I pN – 1

lN – 1

N –2 JN – 2 GN – 2 lN – 2

2

Ip

J2 G 2

2

1

l2

Ip

1

J1 G 1

La inercia de cada sección del eje es usualmente dividida en partes iguales, concentradas dentro de los discos a cada extremo de la sección. La rigidez torsional de la sección de un eje está dada por la fórmula:

:

1800

1200

Figura 1. Parámetros generales de vibración torsional.

Fuente: Kikaganeshwala, Y. (2005). Vibration Analysis of Gear System as Combined Rotor System Based on Complex Rotor Variable. MSc. Thesis, University of Cincinnati, Ohio.

Los resultados de la medición del torque se indican en las figuras 3 y 4. El torque nominal del motor es 239 Nm, y durante el arranque se eleva a 1750 Nm. Asimismo, la corriente durante el arranque toma un valor de 1375 A (Figura 4).

1500

l1

El rotor del motor de inducción M1 impulsa por medio de un eje a la carga M2, siendo M2 ˃ M1. El eje está conectado directamente a las inercias (M1 y M2) sin un acople intermedio. Te es el torque en el entrehierro, Tc es el torque de acople entre las dos inercias a través del eje, TL y Tf representan el torque de carga y el torque de amortiguamiento debido a la fricción del aire.

(1)

Momento de inercia polar,

900 600 300 0 200 400 600

t (ms)

Figura 3. Torque medido durante el arranque.

Fuente: Ran, L., Yacamini, R. & Smith, K. (1996). Torsional Vibrations in Electrical Induction Motor Drives During Start-up. Journal of Vibration and Acoustics, 118(2), 242-251.

I(A) 1500

:

Módulo de corte del material

1250

:

Longitud del tramo del eje

1000

:

Diámetro del tramo del eje

750

Vibraciones torsionales en etapa de arranque Ran, Yacamini y Smith citan en su trabajo de investigación [5] las mediciones de las vibraciones torsionales realizadas en el laboratorio con un modelo experimental (Figura 2). Este experimento ilustra la fenomenología que se produce durante el régimen transitorio.

800 1000 1200 1400 1600 1800 2000

500 250 0 200 400

600

800 1000 1200 1400 1600 1800 2000

t (ms)durante el arranque.

Figura 4. Corriente medida Fuente: Ran, L., Yacamini, R. & Smith, K. (1996). Torsional Vibrations in Electrical Induction Motor Drives During Start-up. Journal of Vibration and Acoustics, 118(2), 242-251.

METODOLOGÍA

Figura 2. Modelo experimental.

Fuente: Ran, L., Yacamini, R. & Smith, K. (1996). Torsional Vibrations in Electrical Induction Motor Drives During Start-up. Journal of Vibration and Acoustics, 118(2), 242-251.

VOLUMEN 11, 2017

El mecanismo de transmisión a estudiar se muestra en la Figura 5. Está conformado por dos ejes paralelos (motor y conducido) conectados por un sistema de engranajes (piñón 2; y engranaje 3). Los ejes motor y conducido están acoplados a la inercia del motor (entrada) y la inercia de carga (salida), respectivamente. La Figura 5 representa el modelo conceptual de un sistema torsional conformado por un motor eléctrico (I1), transmisión por engranajes (I2,I3), y la carga a impulsar (I4). Una de las aplicaciones industriales del modelo es un compresor impulsado por motor a través de un mecanismo de engranajes.

7

I2

I1 T(t)

k1

r2 ϴ1

T2

r3

T3 I3

Engranaje: Número de dientes, Ze= 25 Masa, me = 2.5 kg Momento de inercia I3= 0.00312 kg-m2

ϴ2

I4

k2

ϴ3

ϴ4

T4

Figura 5. Modelo conceptual del mecanismo de transmisión.

Ecuaciones diferenciales de movimiento Las ecuaciones de movimiento pueden ser deducidas por medio de las ecuaciones de Lagrange:

(2) Normalmente, el amortiguamiento en sistemas torsionales es pequeño y tiene poco efecto sobre las frecuencias naturales.

Por ello, tanto dichas frecuencias naturales como los modos de vibración torsional pueden ser calculados al asumir un amortiguamiento igual a cero.

Al desarrollar la función de Lagrange y efectuarla para cada coordenada generalizada , , , se obtiene el sistema de ecuaciones diferenciales de movimiento en forma matricial.

(3)

de

diseño

para

el

Carga: Masa, mc = 12.4 kg Momento de inercia, I4 = 0.062 kg-m2 Relación de transmisión; Torque nominal, Tn = 1 N - m Frecuencia de excitación, = 60 Hz Vibraciones transitorio

Parámetros conceptual

Eje conducido: Diámetro, dec= 0.025 m Longitud, lec = 0.5 m Rigidez torsional, k2= 5,900 N - m

modelo

torsionales

bajo

régimen

Para nuestro sistema simularemos el torque durante la etapa de arranque, por medio de una función impulsiva sinusoidal, T(t), definida por:

(4) Sistema de tres grados de libertad. Modelo conceptual Empleando las ecuaciones (3), (4) y los parámetros de diseño, se elaboró un programa de cálculo en el software de simulación MATLAB para obtener las curvas características del comportamiento de la frecuencia natural ( ) y la respuesta del sistema ( ) ante la fuerza impulsiva sinusoidal. Se trabajaron tres casos de análisis (Tabla 1) los cuales consideran la variación de los parámetros , , . Asimismo, para cada caso se evaluaron los modos de vibración torsional al variar .

Los parámetros de diseño previamente calculados para el modelo conceptual son los siguientes: Rotor (del motor): Masa,mr = 4.5 kg Radio, rr = 0.070 m Momento de inercia, I1 = 0.0110 kg-m2 Eje motor: Diámetro, dem = 0.025 m Longitud, lem = 0.5 m Rigidez torsional, k1= 5,900 N - m

Piñón: Módulo, modulop = 4 Número de dientes, Zp = 40 Masa, mp = 6,4 kg Momento de inercia I2= 0.02048 kg-m2 8

CASO 1

X

-

-

CASO 2

-

X

-

CASO 3

-

-

X

Tabla 1. Casos de análisis. Parámetros variables (x); parámetros constantes (-).

Simulación por el método de los elementos finitos El método de los elementos finitos (MEF) se aplicó como un procedimiento complementario a fin de determinar las frecuencias naturales y modos de vibración del sistema torsional equivalente de tres grados de libertad. Para ello se empleó el software de simulación CAD-CAE SolidWorks.

RESULTADOS

CASO 1: Rigidez torsional del eje motor (

) variable

250 Frecuencia natural Primera fecuencia natural Segunda fecuencia natural Tercera fecuencia natural

Frecuencia natural (Hz)

200

150

100

50

0

0.2

0.4

0.6

0.8 1 1.2 Rigidez torsional eje motor (N-m)

1.4

Figura 6. Frecuencias naturales torsionales para (

1.6

1.8

k1 x104

) variable.

1

K1= 2,513N m; ωn=72.4 HZ

K1= 7,178N m; ωn=98.6 HZ

0.8

Amplitud (rad)

K1= 16,471N m; ωn=107.3 HZ 0.6 0.4

0.2 0 -0.2 1

2 Estaciones

3

Figura 7. Modos de vibración torsional para (

) variable.

1.6 1.4

Fuerza impulsiva T(t) = sin (ωt)

1.2

Rigidez torsional del eje motor k1=2,513N - m k1=5,900N - m k1=9,655N - m k1=16,471N - m

Tst / Tn (1-2)

1 0.8

0.6 0.4

0.2 0

1

2

3

4

5

6

7

Figura 8. Respuesta del sistema

VOLUMEN 11, 2017

(1-2) para (

8

9

x10-3

tiempo (s)

) variable.

9

1.4 Fuerza impulsiva

1.2

T(t) = sin (ωt)

Tst / Tn (3-4)

1

Rigidez torsional del eje motor k1=2,513N - m k1=5,900N - m k1=9,655N - m k1=16,471N - m

0.8

0.6 0.4

0.2

0

1

2

3

4

5 tiempo (s)

Figura 9. Respuesta del sistema

(3-4) para (

7

9

8

x10-3 ) variable.

• Al incrementar la rigidez torsional del eje motor, la amplitud de la respuesta del sistema disminuye hasta aproximarse a la fuerza impulsiva, de manera que sus amplitudes llegan a ser muy próximas.

• Las frecuencias naturales torsionales del sistema, de acuerdo con los parámetros de diseño propuesto, son 0.94 y 160 Hz. La primera corresponde a modo de cuerpo rígido, mientras que la segunda (frecuencia natural a analizar) se incrementa cuando la rigidez del eje motor aumenta.

• La amplitud de la respuesta del sistema en la sección del eje conducido también se reduce y se aproxima a la amplitud de la fuerza impulsiva.

• Se presentan los modos de vibración torsional para un rango creciente de frecuencias y se observa que, al elevar la frecuencia natural, la amplitud de la segunda inercia equivalente también aumenta.

CASO 2: Relación de radios (

6

) variable

200 180 160 Frecuencia natural (Hz)

140 120 100 80 60

Frecuencia natural 40

Primera fecuencia natural Segunda fecuencia natural Tercera fecuencia natural

20 0

1.4

1.6

1.8

2

2.2

2.4

2.6

Relación Figura 10. Frecuencias naturales torsionales para (

10

) variable.

2.8

3

1

(r2 / r3)= 1.4; ωn= 90.9 Hz

0.8

(r2 / r3)= 2.2 ; ωn= 105.51 Hz (r2 / r3)= 3.0 ; ωn= 111.56 Hz

Amplitud (rad)

0.6 0.4

0.2 0 -0.2 1

2 Estaciones

3

Figura 11. Modos de vibración torsional para (

) variable.

1.8 1.6 1.4

Fuerza impulsiva Relación (r2/r3) T(t) = sin (ωt) 1.6 2.0 2.5 3.0

Tst / Tn (1-2)

1.2

1 0.8 0.6 0.4 0.2 0 0

1

2

3

4

5 tiempo (s)

Figura 12. Respuesta del sistema

6

7

8

9

x10-3

(1-2) para (

) variable.

1.4

1.2

Fuerza impulsiva T(t) = sin (ωt)

Relación (r2/r3) 1.6 2.0 2.5 3.0

Tst / Tn (3-4)

1

0.8

0.6 0.4

0.2

0

1

2

3

4

Figura 13. Respuesta del sistema

VOLUMEN 11, 2017

5 tiempo (s)

6

7

8

9

x10-3 (3-4) para (

) variable.

11

• El incremento de la relación ( ) manteniendo los demás parámetros constantes origina elevaciones en la frecuencia natural del sistema.

• El incremento de la relación ( ) implica un mayor radio primitivo del piñón y número de dientes. En este caso, en el proceso de fabricación, mantener la inercia constante se logra al reducir masa al disco del piñón.

• Para la respuesta del sistema, la amplitud aumenta en la sección del eje motor cuando se eleva la relación ( ).

• La respuesta máxima del sistema en la sección del eje motor ocurre mientras la fuerza impulsiva es aplicada. Para la sección del eje conducido, a medida que se incrementa la relación ( ) la amplitud de respuesta del sistema decrece hasta llegar a ser menor que la amplitud de la fuerza impulsiva.

CASO 3: Inercia de la carga ( ) variable 180 160 140

Frecuencia Natural Primera frecuencia natural Segunda frecuencia natural Tercera frecuencia natural

Frecuencia natural (Hz)

120 100 80 60 40 20 0

0

0.1

0.2

0.3

0.4

0.5

0.7

0.6

Momento de Inercia I4 (kg- m ) 2

Figura 14. Frecuencias naturales torsionales para ( ) variable.

1

I.4 = 0.0195 kg - m2; ωn= 109.33 Hz I.4 = 0.1507 kg - m2; ωn= 91.04Hz

0.8

I.4 = 0.5790 kg - m2; ωn= 88.35 Hz

Amplitud (rad)

0.6 0.4 0.2 0 -0.2 -0.4 1

1.2

1.4

1.6

1.8

2 Estaciones

2.2

2.4

Figura 15. Modos de vibración torsional para ( ) variable.

12

2.6

2.8

3

1.5

Fuerza impulsiva T(t) = sin (ωt)

I4 (kg - m2) 0.0195 0.0617 0.1507 0.5790

Tst / Tn (1-2)

1

0.5

0 0

1

2

3

4

5 tiempo (s)

Figura 16. Respuesta del sistema

6

7

9

8

x10-3 (1-2) para ( ) variable.

1.5

Fuerza impulsiva T(t) = sin (ωt)

I4 (kg - m2) 0.0195 0.0617 0.1507 0.5790

Tst / Tn (3-4)

1

0.5

0 0

1

2

3

4

5 tiempo (s)

Figura 17. Respuesta del sistema

• Al aumentar la inercia de la carga, la frecuencia natural del sistema disminuye.

• Un incremento en la inercia ( ) no influye significativamente en la amplitud de respuesta del sistema en la sección del eje motor. En este caso la respuesta máxima ocurre mientras se aplica la fuerza impulsiva.

VOLUMEN 11, 2017

6

7

8

9

x10-3 (3-4) para ( ) variable.

• Cuando se eleva la inercia ( ), la amplitud de respuesta del sistema en la sección del eje conducido se incrementa significativamente, llegando a ser mayor que la amplitud de la fuerza impulsiva. Bajo estas condiciones la respuesta se amplifica.

13

SimulaciĂłn por el mĂŠtodo de los elementos finitos (MEF)

Figura 18. Sistema equivalente del modelo conceptual.

Figura 19. Primera frecuencia natural del sistema equivalente: 0.87Hz.

Figura 20. Segunda frecuencia natural del sistema equivalente: 92.49 Hz.

14

Figura 21. Tercera frecuencia natural del sistema equivalente: 158.54 Hz.

1ra

2da

3ra

Hz

0.87

92.49

158.54

rpm

52.2

5,549

9,512

Tabla 2. Frecuencias naturales obtenidas por el método de los elementos finitos

1ra

2da

3ra

0

94

160

MEF

0.87

92.49

158.54

Diferencia (Hz)

-0.87

1.51

1.46

Ecuaciones de Lagrange

Tabla 3. Análisis comparativo de frecuencias.

• Las frecuencias obtenidas por el método de los elementos finitos (MEF) se muestran en la Tabla 2. La Tabla 3 presenta un análisis comparativo entre las frecuencias estimadas mediante las ecuaciones de Lagrange y las derivadas con el uso del MEF. Se muestra que los valores de las frecuencias obtenidas por el Método de los Elementos Finitos son muy próximos a los calculados por las ecuaciones de Lagrange y el rango de diferencia es aceptable.

CONCLUSIONES

1. Las frecuencias naturales torsionales del sistema resultaron 0.94 y 160 Hz. La primera corresponde a modo de cuerpo

VOLUMEN 11, 2017

rígido, mientras que la segunda se incrementa cuando la rigidez del eje motor ( ) y la relación de transmisión ( ) aumentan.

2. La fuerza impulsiva sinusoidal es una señal adecuada de prueba para el análisis en régimen transitorio. Es decir, si no contamos con una expresión deducida teórica o experimentalmente que describa el comportamiento real de un sistema, las señales impulsivas típicas brindan información muy próxima a lo que puede ocurrir en la realidad.

3. Desde el punto de vista de diseño, calcular la respuesta del sistema en régimen transitorio ( ) es importante para realizar un posterior análisis de fatiga y predecir el número de arranques de la máquina.

4. Al incrementar el parámetro ( ) mientras se mantienen los demás parámetros constantes, la amplitud de la respuesta en la sección del eje motor alcanza valores máximos comparados con las amplitudes obtenidas cuando se varía el resto de demás parámetros. En la sección del eje conducido, dicha amplitud disminuye progresivamente hasta ser menor que la amplitud de la fuerza impulsiva.

5. Los resultados obtenidos por el Método de los Elementos Finitos son muy próximos a los calculados por el método analítico. Por ello, puede ser usado en situaciones prácticas de la industria, que por lo general requiere criterios de solución en el menor tiempo posible.

6. Considerar la medición y control de las vibraciones torsionales en el programa de mantenimiento predictivo de las máquinas rotativas en la industria resulta de vital importancia a fin de prever y evitar fallas en máquina por esfuerzos torsionales que conlleven a fallas por fatiga.

15

REFERENCIAS [1]

[8] Vance, J. (1988). Rotordynamics of Turbomachinery.

New York: A Wiley-Interscience Publication.

Chiroque, C. (2010). Estudio de las vibraciones torsionales bajo régimen transitorio en un mecanismo de transmisión por engranajes (Tesis de Magíster), Pontificia Universidad Católica del Perú, Lima.

[2] Duncan, W. (2003). Torsional Vibration Turbomachinery. New York: McGraw-Hill.

of

[3] Kikaganeshwala, Y. (2005). Vibration Analysis of Gear System as Combined Rotor System Based on Complex Rotor Variable (MSc. Thesis), University of Cincinnati, Ohio.

[4] Kirtikumar, G. (2003). Validation of ComputerGenerated Results with Experimental Data Obtained for Torsional Vibration of Synchronous MotorDriven Turbomachinery (MSc. Thesis), Texas A&M University, Texas.

[5] Ran, L., Yacamini, R. & Smith, K. (1996). Torsional Vibrations in Electrical Induction Motor Drives During Start-up. Journal of Vibration and Acoustics, 118 (2), 242-251.

[6] Rao, S. (2003). Mechanical Vibrations. New Jersey: Prentice-Hall.

[7] Thomson, W. & Dillon, M. (1998). Theory of Vibration with Applications. New Jersey: Prentice-Hall.

16

ACERCA DEL AUTOR Carlo Chiroque Suarez Ingeniero Mecánico por la Universidad Nacional de Trujillo.

Diplomado en Administración de la Producción por la Sociedad Nacional de Industrias. Magíster en Ingeniería Mecánica por la Pontificia Universidad Católica del Perú.

Magíster en Administración Estratégica de Empresas (MBA) por la Pontificia Universidad Católica del Perú.

Miembro del Colegio de Ingenieros del Perú. Experiencia en análisis numérico en motores de combustión interna y vibraciones torsionales empleando el software MATLAB; y en Diseño-Ingeniería-Fabricación mediante SolidWorks, CosmosWorks y CosmosMotion como software CADCAE. Actualmente, es docente de Posgrado Facultad de Ingeniería Mecánica y Energía en Universidad Nacional del Callao, en el programa de Maestría en Gerencia del Mantenimiento. Docente en Tecsup Lima, en el programa de Capacitación Continua, e investigador en dinámica de rotores y vehículos eléctricos. mariochiroque@gmail.com

La estimación de los parámetros de un motor DC y su posterior modelamiento, permiten diseñar

sistemas que a su vez hacen posible un control óptimo del mismo.

José Lazarte, Tecsup

Parámetros estimados en motor DC mediante el método de minimización del error de predicción Estimated Parameters in DC Motor Using Prediction Error Minimization Method

RESUMEN

El artículo presenta una metodología que permite estimar, mediante un procedimiento simple y con la aplicación del algoritmo de Steiglitz-Mcbride, los parámetros que caracterizan la parte eléctrica y mecánica de un motor de corriente directa de imán permanente, para implementar un modelo que represente su comportamiento.

Para ello, revisamos el estado del arte del tema, los fundamentamos por qué se empleó un modelo AXR para representar al motor, damos algunas definiciones del algoritmo de Steiglitz-Mcbride, desarrollaremos el modelado analítico de un motor de corriente continua y lo simplificamos para aplicar el algoritmo mencionado. Para ejemplificarlo, sometimos los valores medidos de un motor de corriente continua de imán permanente al procedimiento para estimar los parámetros. Finalmente, simulamos el funcionamiento del motor con dichos parámetros y lo comparamos con el de los valores medidos.

ABSTRACT

This article presents a methodology to estimate, with a minimum of data and applying the algorithm of SteiglitzMcbride, the parameters characterizing the electrical part and mechanical part of a permanent magnet DC motor, with the aim of generating a model that represents its behavior.

First, we review the state of the art of the subject. Then we explain why we chose an AXR model to represent the motor, and we show some definitions concerning the SteiglitzMcbride algorithm. Further, we develop an analytical modeling of a DC motor and simplify it in order to apply the algorithm.

As example, we used the measured values in a permanent magnet DC motor to estimate the related parameters. Then, we simulated the operation of the motor with these estimated parameters and we compare the results obtained with the measured values.

INTRODUCCIÓN

El uso intensivo de disciplinas tecnológicas como la electrónica, el control aplicado y la mecatrónica ha vuelto la mirada hacia los procesos de modelamiento del comportamiento de sensores y actuadores de diferentes órdenes de aplicación como los relacionados a la domótica, automatización industrial, robótica, entre otros. Los sistemas más usados son los actuadores eléctricos, específicamente, los motores. A pesar de la gran variedad de motores en el mercado, entre los más empleados en aplicaciones relacionadas al control de posición, aún se encuentran los motores DC en sus dos versiones, de imán permanente y de estator bobinado.

Su uso, junto con la aplicación de metodologías de control, requiere conocer el modelo de comportamiento de este actuador para diseñar sistemas de control mediante software, como lo hacen los variadores comerciales de velocidad. Por tanto, estimar parámetros que lo caracterizan resulta de mucha

Palabras Clave Motor DC, parámetros de motor DC, modelo del motor DC, tensión de armadura, corriente de armadura, velocidad angular.

Key words DC motor, DC motor parameters, DC motor model, armature voltage, armature current, angular speed.

VOLUMEN 11, 2017

En este artículo describimos una metodología que, mediante la medición de tres magnitudes durante el funcionamiento de un motor, permite estimar parámetros para poder modelarlo.

polinomios, de forma tal que facilitan el ajuste de parámetros.

Entre ellos tenemos: - Modelo ARX - Modelo Output Error OE - Modelo ARMAX - Modelo Box Jenkins

A lo largo de los últimos años se han realizado trabajos muy importantes al respecto en los que han utilizado herramientas matemáticas como:

En este estudio, seleccionamos el modelo ARX para representar al motor, al considerar que el disturbio r(t) solo es producido por el ruido blanco del sistema [5]. El modelo se expresa por la fórmula:

utilidad, si se considera que no siempre es posible obtenerlos de la información técnica que el fabricante proporciona.

a. Redes neuronales de retropropagación [1]. b. Algoritmo de la ecuación de Pasek [2]. c. Funciones moduladas de Hartley y del método de mínimos cuadrados [3]. d. Observador adaptivo con retroalimentación indirecta de corriente y velocidad angular [4]. e. Algoritmo de Steiglitz-Mcbride para la estimación de filtros digitales, considerando que los coeficientes de los filtros representan los parámetros de operación del motor [5].

Comenzaremos la delimitación de los alcances de la metodología a partir de un motor de corriente directa como sistema determinístico, dinámico y continuo en su comportamiento. En función al grado matemático el tipo de modelo que plantearemos es paramétrico discreto [6].

Ecuación (3).

FUNDAMENTOS Modelado del motor DC El diagrama equivalente a continuación representa la parte eléctrica y mecánica del sistema, del cual establecemos las relaciones siguientes:

El método es una combinación de modelado teórico y de identificación de sistema, para obtener un modelo más exacto [7].

El modelo paramétrico discreto está basado en la siguiente ecuación general [6]:

Ecuación (1).

Figura 1. Modelo del motor DC.

Donde:

q Ɵ u(t) r(t) y(t) G(q-1, Ɵ ) H(q-1, Ɵ ) A(q-1, Ɵ )

-1

= Operador retardo = Vector de parámetros = Entrada al sistema = Ruido de entrada al sistema = Salida del sistema = Parte determinística = Parte estocástica del sistema = Polinomio del sistema

Otra forma de expresar la ecuación (1) es:

Ecuación (2).

La definición de la estructura de este modelo se basa en determinar el orden de cada uno de los polinomios (A, B, C, D, F) denotados por na, nb, nc, nd y nf, así como el retardo entre la entrada y salida nk. Luego, el trabajo consiste en determinar el vector Ɵ, que contiene los coeficientes de los polinomios (ai, bi, ci, di y fi). Estos valores los caracterizan para modelarlo con los datos de entrada y salida del sistema en estudio [6].

Existen modelos que suelen ser usados en la representación de sistemas, los cuales resultan de la simplificación de algunos 20

Donde: Va = Tensión de armadura, (V) Vf = Tensión de campo, (V) Ia = Corriente de armadura, (V) If = Corriente de campo, (V) Ra, Rf = Resistencia de armadura y campo (Ω) La, Lf = Inducción de armadura y campo (H) Laf = Inducción mutua armadura campo (H) Ea = Voltaje contraelectromotor, (V) Tm = Torque entregado por el motor, (N-m) Bm = Coeficiente de fricción viscosa, (kg-m2/s) TL = Torque externo aplicado al motor, (N-m) Jm = Momento de inercia del motor, (kg m2) W = Velocidad angular del motor, (rad/s)

Las ecuaciones que relacionan estos parámetros son:

Ecuación (4).

Ecuación (5).

Ecuación (6).

En base a estas ecuaciones podemos deducir el modelo de espacio de estados no lineal, expresado en la ecuación (7).

Al aplicar la transformada de Laplace, con condiciones iniciales igual a cero, tenemos:

Con el fin de trabajar con este, definimos un modelo lineal el cual se empleará para aplicar la metodología de estimación.

Para ello fijamos las siguientes condiciones: Ecuación (13).

I. El control es por Ia. II. If es constante.

III. No se aplica ningún disturbio: TL = 0

Ecuación (7).

Establecemos, además, las constantes:

K1 = Laf.If

Ecuación (8).

K2 = (La / Laf )2.K1 Ecuación (9).

Si suponemos que: L a / L af =1, entonces K1=K2=K.

Con estas consideraciones, el modelo de espacio de estados queda definido de la manera siguiente:

Ecuación (10).

Relación de parámetros en el motor A partir de la ecuación (10) podemos plantear el siguiente modelo de parámetros de la ecuación de estados.

Ecuación (11).

Sobre la base de las expresiones de la ecuación (13) encontramos las siguientes relaciones de dependencia entre la velocidad angular y la corriente, así como entre la corriente y el voltaje de entrada:

Ecuación (14).

Se observa que el modelo de la función de transferencia entrada salida es del tipo SISO. Asimismo, usamos el algoritmo de Steiglitz-Mcbride, incluido en la librería de herramientas de procesamiento de señales para filtros digitales IIR de MATLAB, cuya sintaxis es:

[b,a] = stmcb(y,x,nb,na,niter) Sintaxis (15).

A través de esta expresión se calculan los coeficientes de los polinomios A y B de la ecuación (3) en forma de cociente, de tal manera que representa la función de transferencia del sistema.

Ya que se opera sobre datos discretos, para trabajar en sistemas continuos hay que realizar un proceso de muestreo o desratización para obtener los datos que se suministrarán al algoritmo, y generar posteriormente el modelo continuo, pues se encuentra en un espacio de estados de la forma: Ecuación (16).

Donde: A = eF.t

t es el tiempo de muestreo y F la matriz que da la forma del espacio de estados continuo.

Para determinar F usaremos la función implementada en MATLAB, que convierte un sistema descrito por A en uno continuo descrito por F. d2cm convierte un sistema discreto LTI en un sistema continuo. La sintaxis es:

Donde:

[NUMc, DENC] = d2cm(NUM, DEN, Ts, ’method’) Sintaxis (17).

De la ecuación (11) se deduce:

Para llevar a cabo el procedimiento usamos el método zoh (Zero-Order-Hold), pues tomamos muestras en instantes de tiempos definidos.

Los parámetros del motor los estimamos a partir de las siguientes relaciones, donde n indica la enésima muestra tomada:

Ecuación (12).

VOLUMEN 11, 2017

Ecuación (18).

21

Los valores de ai dados por el algoritmo de Steiglitz-Mcbride se denominan valores estimados y se denotan aie. en base a los valores estimados podemos encontrar:

El motor fue conectado a dos motores iguales, uno se usó como motor de estudio y el otro como sensor de velocidad.

Consideramos que la inercia del eje del segundo motor es parte de la inercia del motor bajo estudio. Es decir, si Jm es la inercia del motor, definimos J = 2.Jm, para el desarrollo del procedimiento.

Ecuación (19).

Para los valores de R a y L a, se tiene:

Paso 1. Toma de datos del motor:

Ecuación (20).

METODOLOGÍA USADA PARA LA OBTENCIÓN DE LOS PARÁMETROS ESTIMADOS DE UN MOTOR DC

Trabajamos con motores DC de imán permanente de la marca Mabuchi Motors. El modelo de motor es EG-530 KD-2F, con especificaciones 12VDC, 1600/3200 RPM CW.

Hacia el osciloscopio Va en voltios

Se realiza mediante la medición y gráfica de la velocidad expresada como tensión y registrada con un osciloscopio digital. Se aplica un escalón de 9.4 voltios como señal de excitación para alcanzar la velocidad nominal de 3,200 RPM en el eje, medida a través de un tacómetro óptico. Las conexiones respectivas se muestran en la Figura 2.

La gráfica obtenida para velocidad angular w n y la tensión de armadura Va es la correspondiente a la Figura 3.

Para obtener las gráficas de la corriente de armadura Ia y tensión de armadura Va se desarrolló el mismo procedimiento, que se muestra en la Figura 4.

Fuente de 12 V - +

R=1Ω

Motor bajo prueba

Eje de acople

Sensor de velocidad

Hacia el osciloscopio Wn en voltios

Hacia el osciloscopio Ia en voltios Figura 2. Diagrama de conexiones.

Figura 3. Gráfico de w n, Ia y Va a partir de mediciones con un osciloscopio digital.

22

En la imagen se muestran tres gráficas de colores amarillo azul y rojo de las que se extrajeron 1,800 valores muestreados cada 1.38 ms (el osciloscopio usado es de marca LeCroy, de tecnología digital y permite guardar los datos en formato Excel).

Para establecer la relación entre la velocidad en el eje y el valor de voltaje obtenido de las gráficas se midió la velocidad en estado estable con un tacómetro óptico modelo DT-2234C. Ello dio un valor de velocidad aproximadamente 3,200 RPM sin carga en el eje, equivalente a 335.1 rev/s.

Paso 2. Programas usados para procesar los datos: Los tres archivos Excel, generados por el osciloscopio (uno por cada canal), se organizaron en uno solo con tres pestañas x, x1, e y, que contenían los valores medidos de voltaje de entrada Va, corriente Ia y velocidad angular wn, respectivamente. El programa datos_p1.m lee este conjunto de datos y se asignan a vectores en la memoria de MATLAB. Los vectores que contienen los datos son: x = Tensión de armadura en V. x1 = Corriente de armadura en A. y = Velocidad angular en rad/s.

Figura 4. Programa datos_p1.m de lectura de datos de archivo Excel.

Paso 3. Diagrama de bloques del programa usado en el cálculo de parámetros del motor: Usamos el programa que se presenta en el diagrama de bloques de la Figura 6.

Figura 5. Diagrama de bloques del programa usados para la estimación de parámetros.

VOLUMEN 11, 2017

23

Tensión (mV) 70

Al aplicar el programa resultaron los siguientes valores:

60

Kte

0.0276

Je

2.42E-06

Be

7.77E-06

30

Le

1.18E-05

20

Re

0.0948

10

50 40

0

Tabla 1. Parámetros estimados del motor.

-10

COMPROBACIÓN DE LOS PARÁMETROS ESTIMADOS

Para realizar la comprobación del comportamiento del motor se usó la ecuación (10) del modelo de espacios de estado, de la cual se generó una ecuación para la parte eléctrica y otra para la parte mecánica, que se implementaron en Simulink, mediante el siguiente diagrama:

1

1.0005

1.001

1.0015

1.002

Tiempo (s)

Figura 8. Corriente del motor expresada sensado indirectamente como tensión.

Al tabular los valores finales y comparar con los valores reales se tiene: Valor medido en estado estable (aprox.)

Valor simulado con parámetros estimados (aprox.)

Error %

Wn (rad/s)

333.13

340.26

2.10

Ia (A)

0.0921

0.1

7.90

Tabla 2. Valores de error.

CONCLUSIONES

1. El algoritmo de Steiglitz-Mcbride es una herramienta que permite estimar los parámetros de un motor de corriente continua y puede aplicarse para los tipos de imán permanente y de estator bobinado con campo constante.

Figura 6. Diagrama de bloques del modelo del motor DC.

RESULTADOS

A partir de los parámetros estimados procedió a simular el modelo del motor, y se generaron los siguientes resultados gráficos para la velocidad angular y la corriente de armadura: Tensión (mV) 350

3. El método podría ser aplicable a motores de inducción de corriente alterna con algunas restricciones.

300 250

4. Finalmente, la metodología puede ser usada en actividades educativas por el bajo porcentaje de error y la simplicidad del procedimiento.

200 150 100 50 0

1

1.0005

1.001

1.0015

1.002

Figura 7. Velocidad del motor expresada en tensión.

24

2.

Se demostró que con datos obtenidos mediante procedimientos simples es posible describir un sistema real que puede ser simulado y obtener errores en los parámetros estimados de 2.1% y 7.9% para la velocidad angular y corriente de armadura, respectivamente. Dichos errores tenderían a ser menores con el uso de más valores de datos muestreados.

Tiempo (s)

REFERENCIAS [1] Weerasooriya, S. & El-sharkawi, A. (1991).

Identification and Control of a DC Motor Using BackPropagation Neural-Networks. IEEE Transaction on Energy Conversion, 6(4), 663-665.

[2] Lim, Y. C., Jang, Y. H., Cho, K. Y., Chun, H. Y. & Park, G. T. (1992). Time-Domain Identification of Brushless DC Motor Parameter, Proceedings of the IEEE International Symposium on Industrial Electronics, 2, 593-597. Xian, China: IEEE Explore Digital.

[3] Daniel-Berhe, S. & Unbehauen, H. (1996).

Application of the Hartley Modulating Functions Method for the Identification of the Bilinear dynamics of a DC Motor, Proceedings of 35th IEEE Conference on Decision and Control, 2, 1533-1538.

[4] Steiglitz, K. E. & Mcbride, L. E. (1965). A Technique for the Identification of Linear System. IEEE Transaction on Automatic Control, 10(4), 461-464.

[5] Hurtado Rico, F. (2005). Estimación de los parámetros físicos de un motor de corriente directa usando el algoritmo de Steiglitz-Mcbride. (Tesis de Maestría), Instituto Politécnico Nacional, México D. F.

VOLUMEN 11, 2017

[6] Ljung, L. (1999). System Identification: Theory for the User. New Jersey: Prentice Hall.

[7]

Marker, D. (1996). Model Theory and Exponentiation.

American Mathematical Society, 43 (7), 753-759.

ACERCA DEL AUTOR José Jacob Lazarte Rivera Ingenierío Electrónico por la Universidad Nacional de Ingeniería. Ha participado en programas de entrenamiento en Aplicaciones Industriales de la Electrónica en el Instituto Politécnico de Inchon, Corea del Sur. Tiene experiencia en mantenimiento electrónico y desarrollo de soluciones en el campo de la Electrónica Industrial. Asimismo, ha sido consultor en diversas empresas locales. Es profesor a tiempo completo en Tecsup en cursos relacionados a Electrónica Analógica y Digital. Tiene a su cargo el Laboratorio de Electrónica de Potencia en el Departamento de Electrónica de Tecsup. Además, dicta cursos de especialización para profesionales de la industria, especialmente los relacionados con el Control Electrónico de Potencia y Control Automático de Motores Eléctricos. jlazarte@tecsup.edu.pe

25

La necesidad de optimizar los requerimientos

energĂŠticos de una empresa impulsan la aplicaciĂłn de mĂŠtodos

predictivos del consumo de combustible mediante el

uso de modelos inteligentes tales como las redes neuronales artificiales.

Gonzalo Aragón, Neogás

Predicción del consumo de combustible para industrias mediante redes neuronales artificiales Prediction of Fuel Consumption for Industry by Artificial Neural Networks

RESUMEN

El presente artículo expone una metodología utilizada para la predicción de consumo de combustible con el objetivo de realizar estrategias operativas para un abastecimiento continuo con reducción de riesgos y minimización de costos. Ello es posible si se efectúan simulaciones con los resultados predichos.

La predicción se lleva a cabo con la ayuda de Redes Neuronales Artificiales, basada en el histórico de los consumos en un periodo de dos o más años. Se aplicó la metodología en cinco industrias con diferentes productos y ciclos de producción y se obtuvieron resultados muy aceptables (error promedio inferior al 2%) si se considera que el consumo de cada industria está ligado a la demanda de su producto, mantenimientos programados y no programados, entre otros. Así, se demuestra que el uso de redes neuronales es eficiente en el reconocimiento de patrones de consumo de combustible, lo que permite su integración con otras metodologías para optimizar la logística.

ABSTRACT

This article presents a methodology for the prediction of fuel consumption aiming to design operational strategies for a continuous supply, reducing risks and minimizing costs. This is possible if simulations are performed with predicted data.

For prediction we used artificial neural networks, a methodology based on historical consumption in a period of two years or more. It was applied to five industries with different products and production cycles. The results were very acceptable considering that, in each case, fuel consumption is linked to the demand of products or scheduled or non-programmed maintenance. Therefore, it is demonstrated that neural

networks are efficient for identification of fuel consumption patterns allowing their integration with other methodologies in order to optimize logistics of industries.

INTRODUCCIÓN

La competitividad de una empresa está centrada en su capacidad de brindar un buen servicio al menor costo posible.

Aunque esta premisa es muy simple y fácil de comprender encierra varios conceptos y metodologías complejas y muy elaboradas.

La competitividad es definida como la capacidad de generar la mayor satisfacción posible de los consumidores en base a un precio o de ofrecer un menor precio, fijado un estándar de calidad. Por lo tanto, las empresas más competitivas podrán asumir un rol más activo en el mercado al desplazar a las empresas menos competitivas, de no existir distorsiones del mercado que impidan dicho desenvolvimiento [3].

En la actualidad, las empresas buscan ser competitivas (mediante el mejoramiento de sus procesos, el empleo eficiente de sus recursos disponibles, la apuesta en tecnología, investigación e innovación) con inversión de capital humano y/o financiero. En un mundo dinámico y comercialmente agresivo es fundamental estar en un proceso de mejora continua, el cual puede hacer la diferencia entre una empresa que se desarrolla o desaparece. Un ejemplo reciente nos permite ver con mayor claridad este concepto.

A partir del año 2014 se observó, debido a diversos sucesos internacionales (la desaceleración económica de China, la depreciación de divisas frente al dólar, etc.), que las materias primas incluyendo el petróleo (Figura 1) se depreciaron. Como resultado, muchas industrias han suspendido su producción ya que esta no es rentable con los precios actuales de venta.

Palabras Clave Redes neuronales artificiales (RNA), predicción, consumo, combustible.

Key words Artificial Neural Networks (ANN), prediction, consumption, fuel.

VOLUMEN 11, 2017

$140 May. 1987 - January 2016 monthly average Brentspotprices Conversion to actual dollars uses USC Pifor All Urban Consumers (CPI-U) Sources: Energy Information Administration and Bureau of Labor Statistics

$120 $100

Nominal Real

$80 $60 $40 $20

Jan 2016

Jan 2015

Jan 2014

Jan 2013

Jan 2012

Jan 2011

Jan 2010

Jan 2009

Jan 2008

Jan 2007

Jan 2006

Jan 2005

Jan 2004

Jan 2003

Jan 2002

Jan 2001

Jan 2000

Jan 1999

Jan 1998

Jan 1997

Jan 1996

Jan 1995

Jan 1994

Jan 1993

Jan 1992

Jan 1991

Jan 1990

Jan 1989

May 1987 Jan 1988

$0

Figura 1. Precios internacionales del barril de petróleo Brent de mayo de 1987 a junio de 2016.

Fuente: Energy Information Administration and Bureau of Labor Statistics.

Mediante la reducción de costos se logra elevar el margen de ganancia de una empresa, el cual puede servir de amortiguador en diferentes tipos de situaciones: es posible bajar los precios frente a otros competidores para captar un mayor mercado, o ajustarse a la coyuntura y evitar ser desplazado o eliminado.

En el rubro de distribución de combustibles (R500, GLP, GNC, Diésel, etc.) existen diferentes problemas al momento de optimizar costos. Tal vez el que tiene mayor influencia y el más complicado de resolver es el eficiente uso de los recursos de los que se dispone. Para brindar un servicio de calidad y mantener los riesgos al mínimo es muy común que las empresas tiendan a sobredimensionar los recursos necesarios para operar de la mejor manera. En caso de que no puedan permitirse económicamente hacerlo, el servicio que ofrecen es muy deficiente con una calidad por debajo de la esperada. Es muy simple conducir un análisis de los tiempos muertos y tiempos de utilización de cada recurso, realizar el cálculo empírico y nominal de la capacidad de producción que tiene cada uno de los recursos, así como del tiempo y la frecuencia de los mantenimientos requeridos para que todo funcione adecuadamente. De tal manera, se puede comprobar si existe la posibilidad de mejorar u optimizar las operaciones.

La necesidad de optimizar recursos y tomar las decisiones más convenientes solo puede ser sustentable con la planificación.

Sin embargo, si pudiéramos anticiparnos (principal objetivo de la predicción) y ser capaces de conocer con bastante precisión el ritmo futuro de trabajo, podríamos sincronizar los recursos para cubrir los requerimientos y ejecutar las actividades necesarias en el momento oportuno; así por ejemplo: los mantenimientos de las unidades pueden ser programados en los intervalos en los que existirá una baja demanda, puedan realizarse inspecciones y estar preparados antes de un incremento en la demanda, y que todas la necesidades sean agilizadas o ajustadas sin afectar el ciclo logístico para tener un mejor control de las operaciones.

28

Adicionalmente, la realización de simulaciones con las futuras demandas permite que, ante cualquier eventualidad, se planteen diferentes estrategias operativas para resolver o minimizar el impacto de los eventos perjudiciales. Asimismo, es posible contar con diversas estrategias para distintos escenarios, en las que se evaluará riesgo y costo económico, las cuales podrán ser diseñadas y ejecutadas de forma rápida, simple y con un sustento sólido.

En este contexto, el objetivo principal de esta investigación es predecir con un mínimo margen de error la demanda de combustible de las industrias de una forma rápida y sencilla (mediante el análisis de los patrones de consumo de cinco industrias de diferente funcionamiento por medio de redes neuronales) teniendo en cuenta que el consumo de combustible está directamente relacionado con la utilización de la maquinaria de una industria.

FUNDAMENTOS

La predicción con series temporales estima valores futuros a partir de una secuencia de observaciones pasadas mediante diversas técnicas como las redes neuronales o descomposiciones de Fourier. Al respecto, existen diferentes trabajos orientados a la predicción de consumos, tanto de combustibles como de energía eléctrica, la mayoría enfocada a problemas prácticos que han sido analizados de manera detallada con resultados muy prometedores.

Se realizó un estudio [1] presentado por Energas (Ente Nacional Regulador del Gas, Argentina) para la predicción de consumo de gas natural a mediano y corto plazo, en el cual se incluía los consumos residenciales, industriales, GNC, etc. [2]. La predicción a corto plazo se enfocaba en los siguientes de 1 a 5 días mientras que el horizonte de la de mediano plazo era de 1 a 5 años. La metodología tomaba en consideración la temperatura

ambiental como uno de los factores altamente relacionados al consumo, y el posible error de los resultados fue del orden del 10%. El fundamento de la predicción residía en escenarios térmicos preferentemente de los últimos 30 a 40 años, con los que era posible determinar la probabilidad de que se volvieran a repetir. Según un análisis sistemático, el modelo sigue los datos observados en el 90% de los días con desviaciones inferiores al 10%. En este estudio se emplearon las trasformadas de Fourier que se aplicaron a diferentes regiones de Argentina.

Otro estudio [5], enfocado en el uso de minería de datos, intenta predecir el consumo energético en la Universidad de León en un grupo de 30 edificios considerados de consumo elevado. Con este fin se implementa una arquitectura de triple capa, transparente y modular, aplicable al análisis de diferentes tipos de consumos energéticos (sistemas eléctricos, de calefacción o refrigeración). Además, se recogen datos de variables ambientales que influyen en el nivel de consumo.

Luego de analizar esa información e interpretar los resultados, se generan predicciones. Adicionalmente, se propusieron métodos para la predicción del consumo eléctrico a corto (1 día) y mediano plazo (1 mes).

Si a lo anterior se agrega el hecho de que la aplicación en diferentes industrias implica que se tienen diversos productos, procesos heterogéneos, distintas máquinas y empresas en diferentes ubicaciones, la metodología a aplicarse debe ser lo suficientemente robusta para poder manejar las perturbaciones que afectan directa e indirectamente la predicción.

METODOLOGÍA

Las redes neuronales artificiales son consideradas un instrumento y un método para la aproximación de funciones y comportamientos no lineales. Su utilidad en el modelamiento de fenómenos complejos ha permitido su aplicación en diferentes campos [4].

La estructura de una red neuronal artificial está compuesta de datos de entrada, neuronas en capas (si hay más de una se llama red neuronal multicapa) ocultas y datos de salida (Figura 3).

ENTRADA

CAPAS OCULTAS

SALIDA

La predicción de los consumos que describiremos se realiza con ayuda de redes neuronales artificiales, para lo cual se define una metodología aplicable a diferentes empresas que tienen entornos operativos distintos. Dado que el propósito de la predicción es la toma de decisiones y el planteamiento de estrategias operativas, se contempla un plazo corto (brindar predicciones para cada dos horas) y mediano (horizonte de varios días). En razón de su asociación la logística de las empresas, la metodología debe poder utilizarse en conjunto con otras empleadas en estrategias operativas.

Mantenimientos

Eficiencia

Figura 3. Red neuronal artificial multicapa.

Materia prima CONSUMO DE COMBUSTIBLE

Suministros

Demanda

Jornadas laborales

Inventarios

Figura 2. Variables que afectan el consumo de combustible.

Puesto que el consumo de combustible por hora de una industria está sujeto a variables tanto externas como internas (Figura 2). Su predicción en muchos casos puede no seguir un comportamiento lineal o ser fácil de diagnosticar. La limitación del estudio recae en industrias que no poseen ningún patrón de producción (uso de máquinas que cambian continuamente; los productos que desarrollan son a pedido, y de características únicas; habilitación y deshabilitación de productos de forma completamente aleatoria), si la industria no presenta ningún patrón será imposible encontrar un tipo de tendencia en consumo por lo tanto su consumo no podrá ser predicho.

VOLUMEN 11, 2017

Debido a la cantidad de factores que pueden afectar el consumo de una industria, se utiliza la metodología conocida como caja negra, que consiste en realizar el análisis sin saber que ocurre dentro de dicha caja (todo lo que ocurre dentro es desconocido para nosotros); es decir, solo nos basaremos en los datos de entrada y de salida sin darle importancia a lo que ocurra entre estos dos datos. Para este estudio se emplean redes neuronales artificiales. Así, el esquema de análisis quedaría de la forma planteada en la Figura 4. En ella se observan tipos de datos de entrada que serían los consumos registrados antes de la predicción y los identificadores, así como los datos de salida, definidos como los consumos pronosticados para las siguientes 24 horas.

Consumos anteriores

CONSUMOS FUTUROS

Identificadores

Figura 4. Aplicación de la metodología de la caja negra.

29

Como todo proceso de entrenamiento (procedimiento por el cual se preparan las neuronas artificiales para su funcionamiento), para que el sistema realice una predicción de los consumos debemos proporcionar la información necesaria para llevar a cabo dicho análisis; es decir, suministrar menos datos de los requeridos no permite que las respuestas sean lo suficientemente precisas, y proveer datos adicionales que no estén relacionados hace que el sistema entre en corrupción (que el sistema brinde datos que no corresponden) y se aleje de la precisión deseada. Al tomar en consideración que existen diferentes métodos de análisis respecto a la inferencia y grado de relevancia de los datos de entrada, es necesario recordar que el enfoque de esta metodología apunta a ser aplicada en diferentes industrias. Por lo tanto, si alguna de ellas no posee de todos los datos de entrada requeridos, queda descartada (si para alguna industria no es relevante la proximidad de un feriado para la predicción, no se tomará en cuenta). Los datos adicionales a los consumos registrados del histórico los llamamos identificadores (Figura 4), y deben ser aplicables en cualquier industria.

Cada industria tiene sus propias políticas de confidencialidad, pues limita el acceso a los datos que podremos utilizar, por lo tanto se utilizarán datos de dominio público. La forma como definimos los identificadores son: • Hora del día a predecir.

• Día de la semana a predecir.

• Cercanía del día a analizar de un feriado.

• Proximidad del día a analizar de la mitad de mes.

de consumo u otros, los consumos que se calculan y se retienen para el diagnóstico son el los de cada dos horas.

(1) Consideremos un ejemplo práctico, en el cual el promedio de consumo histórico de una industria de dos periodos consecutivos es 400 y 420, y el valor de consumo real es de 320 y 380, respectivamente (las unidades pueden ser medidas en galones, litros, MBTU, calorías, etc.). En este caso, los factores de corrección para el primer consumo (ecuación 2) y el segundo consumo (ecuación 3) serían:

(2)

(3)

El factor de corrección sería mayor a 1 si el consumo actual supera al promedio de los históricos de consumo del cliente para el periodo de tiempo correspondiente, en tanto que sería menor a 1 si el consumo actual es menor al promedio histórico respectivo. Además, si logramos estimar el factor de corrección para los dos periodos antes mencionados podríamos transformarlos en el consumo actual pertinente (ecuación 4) con sus unidades respectivas.

• Proximidad del día a analizar de fin de mes.

(4)

• Cercanía de los días del histórico a un feriado.

• Cercanía de los días del histórico a la mitad de mes.

• Proximidad de los días del histórico a fin de mes.

Para la red neuronal se utilizan 180 entradas que incluyen los consumos anteriores y los identificadores. La salida arroja 12 datos que estiman la proyección de consumo por cada dos horas; es decir, corresponden al consumo de las siguientes 24 horas. Se usan dos capas, una de neuronas 10 y otra de 12 neuronas, y el entrenamiento se efectúa por medio de Back Propagation (un algoritmo de entrenamiento de redes neuronales que en base a un patrón inicial este se propaga desde la primera capa a través de las capas siguientes de la red, hasta generar una salida que compara la señal de salida con la de salida deseada y se calcula una señal de error para cada una de las salidas). Dado que tenemos el histórico de los consumos de las industrias, se realiza un procesamiento adicional de los datos para obtener el promedio del consumo de cada industria que identifica cada día y cada hora, y luego calcula cuál es la variación fraccionaria respecto a este promedio (ecuación 1). Por lo tanto, la predicción se ajusta a este factor de corrección, el cual al ser multiplicado por el promedio de consumo de un día y hora determinados brinda el consumo esperado. Ello hace posible trabajar independientemente de las unidades en las que se mide el consumo. Para evitar problemas como falsas lecturas, picos

30

RESULTADOS

Después del entrenamiento respectivo con el histórico de dos años y sus respectivos identificadores genéricos (los 180 datos de entrada incluyen los consumos de las últimas dos semanas y los identificadores del día a predecir) se procedió a comparar los valores pronosticados con los observados.

En las siguientes gráficas (Figura 5 a Figura 9) se muestra la comparación de 72 horas de predicción tomando el consumo proyectado cada dos horas para las diferentes industrias, cada una con diferentes rasgos característicos respecto al consumo real de combustibles. Asimismo, para todas las series de datos, el error absoluto es calculado como el valor absoluto de la diferencia entre el valor de corrección real y el predicho. Cabe resaltar que el periodo de observación de 72 horas empezó el 8 de marzo del 2017 a las 00:00 horas (huso horario de la respectiva industria) y culminó el 11 de marzo del 2017 a la 00:00.

En la Industria 1 (Figura 5) se objetiva un consumo relativamente estable, ya que el factor de corrección no muestra grandes variaciones.

1.2 1.1 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1

Real

Predicho

11/03 00:00

10/03 18:00

10/03 12:00

10/03 06:00

10/03 00:00

09/03 18:00

09/03 12:00

09/03 06:00

09/03 00:00

08/03 18:00

08/03 12:00

08/03 06:00

08/03 00:00

0

Error Absoluto

Figura 5. Comparaciรณn entre los valores reales y los valores predichos en la Industria 1.

1.2 1.1 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1

Real

Predicho

11/03 00:00

10/03 18:00

10/03 12:00

10/03 06:00

10/03 00:00

09/03 18:00

09/03 12:00

09/03 06:00

09/03 00:00

08/03 18:00

08/03 12:00

08/03 06:00

08/03 00:00

0

Error Absoluto

Figura 6. Comparaciรณn entre los valores reales y los valores predichos en la Industria 2.

Real

Predicho

11/03 00:00

10/03 18:00

10/03 12:00

10/03 06:00

10/03 00:00

09/03 18:00

09/03 12:00

09/03 06:00

09/03 00:00

08/03 18:00

08/03 12:00

08/03 06:00

08/03 00:00

1.7 1.6 1.5 1.4 1.3 1.2 1.1 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0

Error Absoluto

Figura 7. Comparaciรณn entre los valores reales y los valores predichos en la Industria 3.

VOLUMEN 11, 2017

31

10/03 18:00

11/03 00:00

11/03 00:00

10/03 12:00

10/03 06:00

10/03 00:00

09/03 18:00

09/03 12:00

09/03 06:00

Predicho

10/03 18:00

Real

09/03 00:00

08/03 18:00

08/03 12:00

08/03 06:00

08/03 00:00

1.5 1.4 1.3 1.2 1.1 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0

Error Absoluto

Figura 8. Comparación entre los valores reales y los valores predichos en la Industria 4.

1.2 1.1 1.0 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1

Real

Predicho

10/03 12:00

10/03 06:00

10/03 00:00

09/03 18:00

09/03 12:00

09/03 06:00

09/03 00:00

08/03 18:00

08/03 12:00

08/03 06:00

08/03 00:00

0

Error Absoluto

Figura 9. Comparación entre los valores reales y los valores predichos en la Industria 5.

En las gráficas correspondientes a los resultados de las industrias 2, 3, 4 y 5 se observa que los factores de corrección no son tan uniformes como en el caso de la Industria 1 (Figura 5). Sin embargo, las predicciones siguen muy estrechamente las tendencias de los valores reales.

El empleo del factor de corrección y no del valor del consumo, permite la estimación relativa del consumo de cada industria (no es lo mismo un error de 50 galones cuando el consumo es de 70 o de 500) de manera que los resultados son aplicables a la especialidad de cada industria.

32

Cuando se compara el análisis del consumo promedio diario predicho y el observado de las industrias estudiadas (Figura 10) para determinar si el grado de precisión de la predicción disminuye significativamente para un periodo de alcance temporal mayor (diario), podemos constatar que el error del factor de corrección es incluso menor que para el caso anterior, de horizonte temporal más corto (de horas).

Error absoluto en predicción diaria 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0

Industria 1

Industria 2 08/03/2017

Industria 3 09/03/2017

Industria 4

Industria 5

10/03/2017

Figura 10. Comparación del error absoluto en la predicción de 24 horas en las industrias estudiadas.

CONCLUSIONES •

Se implementó una metodología con resultados muy aceptables (error absoluto máximo del 10% en corto plazo y 6% en mediano plazo) basada en el uso de redes neuronales artificiales compatibles con industrias de ciclo de producción continuo.

•

Se comprobó que las redes neuronales artificiales son una herramienta muy poderosa y de aplicación simple para la predicción de datos.

•

Datos de entrada correctos son vitales para plantear un sistema de redes neuronales artificiales, ya que realizar un entrenamiento con información no relevante puede producir resultados con errores significativos.

•

La metodología utilizada es lo suficientemente general para ser aplicable con diferentes industrias.

•

Cuando se requiera mayor precisión en las predicciones, habría que estudiar independientemente cada caso con el fin de agregar datos de entrada que sean característicos de cada industria. Sin embargo, ello no es compatible con el planteamiento de una metodología general para diferentes industrias.

•

•

Es posible realizar la predicción de consumos con una precisión aceptable en industrias que poseen un régimen de producción relativamente continuo. Si el objeto de estudio es una industria de producción por lotes y por pedido deberán incluirse datos adicionales a la entrada ya que los datos de identificación convencionales utilizados serían demasiado genéricos para este tipo de casos.

Gracias a la precisión y naturaleza de las predicciones, es posible emplearlas en conjunto para optimizar las operaciones dentro de una industria, o mejorar el servicio de entrega o suministro de combustibles a dicha industria, independientemente de que la predicción del consumo tenga un horizonte de corto o mediano plazo.

VOLUMEN 11, 2017

REFERENCIAS [1]

Gil, S., Deferrari, J., & Duperron, L. (2002). Modelo generalizado de predicción de consumos de gas natural a mediano y corto plazo. 3er. Congreso Latinoamericano y del Caribe de Gas y Electricidad, Instituto Brasileiro de Petróleo e Gás, Santa Cruz de la Sierra – Bolivia.

[2] Gil, S.& Deferrari, J. (1999). Modelo de predicción de consumo de gas natural en la República Argentina.

Petrotecnia, Revista del Instituto Argentino del Petróleo y del Gas, XL(3), 27-32.

[3] Haidar, J. (2012). Impact of Business Regulatory Reforms on Economic Growth. Journal of the Japanese and International Economies 26(3), 285-307.

[4] Heinamann, M. (2000). Adaptive learning of rational expectations usind neural networks. Journal of Economic Dynamics and Control, 24(5-7), 1007-1026.

[5] Morán, A. (2012). Análisis y predicción de perfiles de consumo energético en edificios públicos mediante técnicas de minería de datos (Tesis Doctoral).

Universidad de Oviedo, España.

ACERCA DEL AUTOR Gonzalo Eduardo Aragón Polanco Profesional técnico en Mantenimiento de Maquinaria Pesada por Tecsup. Candidato al título de Ingeniero Mecatrónico por la Universidad Católica de Santa Maria, Arequipa. Experiencia de dos años en operaciones y logística en la entrega de gas natural. g-aragon@hotmail.com

33

Método experimental para incorporar

parámetros del mecanismo de reducción de un motor eléctrico los

a su circuito equivalente.

Arturo Rojas, UTEC

Determinación experimental de los parámetros del circuito equivalente de un motor de inducción trifásico con caja de reducción Experimental Estimation of Parameters of the Equivalent Circuit of a Three-Phase Induction Motor with Gearbox RESUMEN

En este trabajo se elabora el circuito equivalente de un motor de inducción jaula de ardilla con mecanismo de reducción mediante el empleo de los parámetros determinados en pruebas experimentales estandarizadas: la prueba DC, la prueba a rotor bloqueado y la prueba sin carga. Dicho circuito se utiliza para generar el circuito Thevenin equivalente del motor y para calcular las potencias eléctricas del motor. El circuito Thevenin permite determinar el torque inducido, de arranque y de ruptura, así como también graficar las curvas características de torque inducido-velocidad y corriente-velocidad.

ABSTRACT

In this work an induction motor equivalent circuit with cage rotor and gear box is elaborated using parameters determined from standardized tests: the DC test, the no load test, and the blocked rotor test. This equivalent circuit is employed to generate the Thevenin equivalent circuit of the motor, and to calculate the motor electric powers. The Thevenin circuit is also used for computing the starting, and the pullout torques, and ploting the induced torque-speed and current-speed characteristics.

FUNDAMENTOS

La determinación de los parámetros del circuito equivalente de un motor de inducción es aún materia de investigación. En [1], [2], [5] y [7] se desarrollan metodologías para modelar y simular el motor de inducción en Simulink. Un circuito equivalente para simulación dinámica es el objeto de estudio en [4], mientras que en [6], a partir de los datos de placa y de la información asociada se logra definir el circuito equivalente. En [8] se emplea el paquete LabVIEW para simular dicho circuito.

En la referencia [9] se emplean los parámetros del circuito equivalente del motor usado en este trabajo para formular el modelo dinámico no lineal del motor de inducción en el sistema de coordenadas d-q (d: directo, q: en cuadratura). Con el fin de demostrar la validez del modelo dinámico propuesto se diseñó un controlador de modos deslizantes basado en ese modelo para estabilizar la velocidad del motor, y cumplir las especificaciones de diseño establecidas.

Las pruebas estandarizadas aplicadas en una máquina de inducción polifásica se encuentran en la norma IEEE 112 [10].

Cabe anotar que en este trabajo tales pruebas estandarizadas se realizaron en los terminales de la unidad motor más caja de reducción. Por ello, el circuito equivalente determinado corresponde a la unidad motor más caja de reducción.

Palabras Clave Motor de inducción (MI), circuito equivalente, determinación de parámetros, MI con caja de reducción.

Key words Induction motor, equivalent circuit, parameters determination, IM with gear box.

VOLUMEN 11, 2017

Donde ωslip y ωsync en rad/s son la velocidad angular de deslizamiento y del campo magnético, respectivamente. En porcentaje:

METODOLOGÍA

La Figura 1 muestra el motor de inducción empleado: Item # VHI590S2T-100-Oriental Motors. Posee un rotor tipo jaula de ardilla, estator en conexión estrella y una caja de reducción de engranajes de 100:1. Los datos de placa o nominales son: voltaje en el estator = 220 V, frecuencia en el estator ( ƒse)= 60 Hz, velocidad nominal = 18 rpm, corriente nominal = 0.6 A a 60 Hz, potencia nominal = 90 W (1/8 HP), torque nominal = 350 lb-in (40 N-m), número de polos (P) = 4. El torque antes de la caja de reducción es 100 veces menor, mientras que la velocidad es 100 veces mayor.

El circuito equivalente del motor requiere la prueba en DC para calcular la resistencia R1 del estator; la prueba a rotor bloqueado para estimar la resistencia R2 del rotor y las reactancias X1 y X2 del estator y rotor, respectivamente; y la prueba sin carga para obtener la resistencia de magnetización XM y la resistencia de pérdidas RC. Los datos extraídos también son usados para construir el circuito Thevenin equivalente del motor con el fin de calcular el torque de arranque τstart, el torque de ruptura τmax , el torque de carga τload , y el deslizamiento máximo Smax.

Este circuito se emplea, además, para graficar las curvas de torque inducido-velocidad y corriente-velocidad, así como para calcular las potencias de entrada Pin, de entrehierro PAG, de conversión Pconv, de pérdidas en el cobre del estator PSCL y del rotor PRCL, y las pérdidas rotacionales Prot .

(4)

De (2) y (3) se demuestra que: (5) (6) De acuerdo a la fórmula (5), cuando nm= 0, el deslizamiento s = 1 y la frecuencia ƒse iguala a la frecuencia eléctrica ƒre en el rotor.

Cuando nm = nsync = , s = 0 y ƒre = 0. Por consiguiente, se puede afirmar que ƒre es directamente proporcional a ƒse. Esto es:

(7)

El modelo transformador del motor de inducción [8] se representa en la Figura 2, donde Vp es la tensión por fase, I1 es la corriente del estator, R1 es la resistencia del estator, X1 es la magnitud de la reactancia de fuga del estator, Rc es la resistencia de pérdidas, XM es la magnitud de la reactancia de magnetización, I2 es la corriente en el primario, E1 es el voltaje primario, IR es la corriente en el rotor, XR es la magnitud de la reactancia de fuga del rotor, RR es la resistencia del rotor, E R es el voltaje en el secundario y aeff es la relación efectiva de vueltas. En la Figura 2, es la unidad imaginaria y jX1, jXM y jXR representan las reactancias con magnitudes X1, XM y XR, respectivamente.

Figura 1. Motor de inducción de 90 W (1/8 HP).

Fuente: Orientalmotor. Recuperado de https://goo.gl/PncoRV

El circuito equivalente La velocidad de rotación síncrona nsync en rpm del campo magnético en el motor de inducción se calcula de:

(1) La velocidad de deslizamiento nslip define el movimiento relativo entre la velocidad del campo magnético (nsync ) y la velocidad del eje del rotor (nm). Se expresa como:

Figura 2. Modelo transformador del motor de inducción.

Fuente: Chapman, S. (2012). Electric Machinery Fundamentals.

Sea ERO el voltaje inducido a rotor bloqueado. Por consiguiente, para cualquier deslizamiento s, el voltaje inducido en el rotor resulta: (8) Si XR0 es la reactancia a rotor bloqueado, al usar (7) la reactancia del rotor resulta:

(9)

(2) El deslizamiento S del motor se determina por: (3)

36

En (9), L R es la inductancia de XR. Las ecuaciones (8) y (9) generan el modelo del circuito del rotor mostrado en la Figura 3.

Determinación de los parámetros Los parámetros del circuito equivalente de la Figura 5 se determinan empleando tres pruebas estandarizadas que se describen a continuación.

Prueba DC para determinar R1 Figura 3. Modelo del circuito del rotor.

Fuente: Chapman, S. (2012). Electric Machinery Fundamentals.

La ecuación que gobierna al circuito de la Figura 3 es:

Para el estator conectado en estrella (Figura 6) variamos la tensión de la fuente DC hasta alcanzar una corriente nominal IDC 0.6 A del motor. Dicha corriente se logra con VDC = 23 V. Luego:

(10) La relación (10) produce el modelo del circuito del rotor expuesto en la Figura 4.

(15)

Por consiguiente (ver Figura 6):

(16)

Figura 4. Modelo final del circuito del rotor.

Fuente: Chapman, S. (2012). Electric Machinery Fundamentals.

Empleando la forma de cálculo que se usa para un transformador, de la Figura 4 se obtienen las siguientes ecuaciones: Figura 6. Estator conectado en estrella.

Fuente: Chapman, S. (2012). Electric Machinery Fundamentals.

(11)

(12)

(13)

(14)

Prueba a rotor bloqueado para determinar R 2, X1 y X 2 Para esta prueba bloqueamos el rotor y variamos la tensión de la fuente hasta alcanzar la corriente nominal. Para esta situación, la ecuación (3) s = 1 pues n m = 0 . Los datos obtenidos a rotor bloqueado de línea (Lbr: Line blocked rotor) fueron: V lbr = =72.5 V, Ibr = I2 = 0.6 A, PLbr = 3 Pbr = 34 W. El circuito equivalente se muestra en la Figura 7, en la cual no aparecen Rc ni XM debido a que se desprecian porque:

Por consiguiente, el circuito equivalente final del motor se muestra en la Figura 5.

Figura 7. Circuito equivalente para la prueba a rotor bloqueado.

Fuente: Chapman, S. (2012). Electric Machinery Fundamentals.

En la Figura 7 la resistencia total del circuito es: Figura 5. Circuito equivalente final del motor de inducción.

Fuente: Chapman, S. (2012). Electric Machinery Fundamentals.

VOLUMEN 11, 2017

(17)

37

De (17) se despeja R 2. La impedancia del circuito se calcula de: (18)

(19) Se considera que el diseño del motor es clase A, de acuerdo a las recomendaciones NEMA (National Electrical Manufacturers Association):

Figura 8. Circuito equivalente para la prueba sin carga.

Fuente: Chapman, S. (2012). Electric Machinery Fundamentals.

(20) Prueba sin carga determinar

La ecuación del torque inducido

XM y Rc

Cuando no existe carga, el motor gira prácticamente a la velocidad síncrona, esto es: nsync = nm. Por lo que en (3) s = 0.

Así, R 2/s en la Figura 5 se hace muy grande (circuito abierto en la práctica) y, por consiguiente, para esta prueba sin carga, el circuito equivalente de la Figura 5 toma la forma de la Figura 8.

Los

obtenidos (Lnl: Line no load) fueron: = 220 V, PLnl = 3Pnl = 36 W, Inl = I1 0.521 A. En esta prueba, la pérdida en el cobre del rotor es despreciable. La potencia de pérdida rotacional Prot se calcula de:

VLnl =

datos

El circuito Thevenin equivalente entre los terminales de la tensión E1 de la Figura 5 se presenta en la Figura 9, en la que el voltaje Thevenin resulta:

(27)

La impedancia Thevenin se formula como:

(28)

(21) En la Figura 8, la impedancia por fase y el voltaje de magnetización VM por fase toman la siguiente forma cuando Rc >>XM:

(22)

(23)

Figura 9. Circuito Thevenin equivalente del motor de inducción.

Fuente: Chapman, S. (2012). Electric Machinery Fundamentals.

A partir de la Figura 9, el módulo de la corriente I2 se formula:

Al usar (22) y (23) se calcula: (29)

(24) Por consiguiente, la potencia en el entrehierro se calcula de:

(25)

A partir de la Figura 8 también se obtiene:

(30)

El torque inducido en el rotor toma la forma de la expresión:

(26)

(31)

El torque de arranque se halla para la velocidad nula del motor. Es decir, cuando =0. De acuerdo a la ecuación (3), s toma el valor de 1 para esta situación. De (31): 38

Al despejar Smax de (33) e insertarla en (31) con S= Smax se obtiene el torque máximo inducido:

(32)

Según la Figura 9, la máxima potencia transferida a la resistencia de carga R 2/smax (s toma su valor máximo smax ) ocurre cuando:

(34)

La ecuación (31) se usa para elaborar la curva de torque inducido versus velocidad (Figura 10), mientras que la curva de corriente en el rotor versus velocidad (Figura 11) se grafica mediante el empleo de (29).

(33)

Curva de torque vs. velocidad del motor de inducción Torque de ruptura

1.2

Torque inducido (N-m)

1 0.8 0.6 Torque de arranque

0.4 0.2 0

smax 0

200

400

600

800

1000

1200

1400

1600

1800

Velocidad del motor (rpm) Figura 10. Torque inducido versus velocidad del motor de inducción.

Curva de corriente vs. velocidad del motor de inducción 2 1.8

Corriente rotótica (A)

1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0

0

200

400

600 800 1000 1200 Velocidad del motor (rpm)

1400

1600

1800

Figura 11. Corriente del rotor versus velocidad del motor de inducción.

VOLUMEN 11, 2017

39

Potencias en el motor de inducción

La Figura 12 muestra el diagrama de flujo de potencia para un motor de inducción.

PAG

Pconv

Pout

La potencia rotacional Prot se debe a las pérdidas en el núcleo por fricción en los rodamientos, el viento y otras fuentes de fricción o movimiento del aire en el rotor. Se obtiene de:

=

Pin

Pc

PSCL

PRCL

Prot

(41)

(42)

RESULTADOS

Los resultados obtenidos en este trabajo son los siguientes:

Figura 12. Diagrama de flujo de potencias donde .

Fuente: Chapman, S. (2012). Electric Machinery Fundamentals, modificada.

La potencia de entrada Pin y de salida Pout= 90 w (dato de placa) se formulan como: (35) (36)

Prueba DC (Figura 6): resistencia del estator R1 = 19.17 Ω.

Prueba a rotor bloqueado (Figura 7): resistencia del rotor R2 = 12.31 Ω, reactancias del estator X1 = 31.13 Ω y del rotor X2 = 31.13 Ω.

Prueba sin carga (Figura 8): reactancia de magnetización

XM = 208.62 Ω, reactancia de pérdidas RC = 1738.06 Ω.

Cálculos del circuito Thevenin (Figura 9): voltaje Thevenin

Donde cos ϴin es el factor de potencia de entrada, τload es el torque de carga y ωm es la velocidad de rotación del motor.

Asimismo, están presentes las potencias por pérdidas, que son de diversa naturaleza. PSCL (SCL: stator copper loss) representa pérdidas en el cobre del estator y se expresa como: (37)

PC denota las pérdidas en el núcleo debido la histéresis y a las corrientes de Foucault. Estas últimas son corrientes circulares inducidas entre los conductores y producidas por cambios en el campo magnético. Las pérdidas en el núcleo son despreciables en el rotor cuando este opera a una velocidad cercana a la síncrona. Se halla a partir de la fórmula: (38) Donde E1 es la tensión de magnetización por fase (Figura 5).

La potencia en el entrehierro PAG (AG: air-gap) es aquella transferida al rotor de la máquina a través del aire y del entrehierro y prácticamente se consume en la resistencia R 2/S. Se calcula con la ecuación: (39) Después que se transfiere PAG, una porción PRCL (RCL: rotor copper loss) se pierde en el rotor y el remanente Pconv se convierte a potencia mecánica. Sus expresiones son:

(40)

40

VTH = 110.17 V, resistencia Thevenin RTH = 14.42 Ω, reactancia Thevenin XTH = 28.24 Ω, velocidad síncrona nsync = 1800 rpm = 188.5 rad/s, torque de arranque τstart = 0.56 N-m, deslizamiento máximo Smax = 0.2, torque de ruptura o máximo τmax = 1.28 N-m, torque de carga τload = 0.52 N-m.

Cálculo de potencias: potencia de entrada Pin = 160.25 W, pérdidas en el cobre del estator PSCL = 15.6 W, pérdidas en núcleo Pc = 20.95 W, potencia entrehierro PAG = 123.7 W, pérdidas en cobre del rotor Prcl = 13.3 W, potencia de conversión Pconv = 110.39 W, pérdidas rotacionales Prot = 20.4 W, potencia de salida Pout = 90 W. Curva de torque versus velocidad del motor de inducción (Figura 10). Cabe anotar que la curva mostrada corresponde al funcionamiento del motor antes de la caja de reducción.

Los valores de los torques se multiplican por 100 y de las velocidades se dividen entre 100 cuando el funcionamiento del motor se considera después de la caja de reducción.

Asimismo, observar en la Figura 10 que el torque inducido del motor es cero a la velocidad síncrona y nunca puede exceder el torque de ruptura τmax. De hecho, este torque es 3.25 veces el torque nominal (0.4 N-m) del motor. Debido a la presencia de la caja de reducción, el torque nominal de salida es 100 veces mayor, es decir: 40 N-m.

Curva de corriente versus velocidad del motor de inducción (Figura 11). Notar en esta curva que el torque de arranque (0.56 N-m) es 40% mayor que el torque nominal y ligeramente mayor que el torque de carga (0.52 N-m) para que lo pueda vencer. Sin embargo, si el motor gira más rápido que la velocidad de sincronismo, entonces la dirección del torque inducido se revierte y la máquina se convierte en generador.

CONCLUSIONES

Journal of Emerging Technology and Advanced Engineering, 4(1), 93-97.

En este trabajo se determinaron los parámetros del circuito equivalente de un motor de inducción jaula de ardilla con mecanismo de reducción incorporado mediante el empleo de pruebas experimentales estandarizadas.

[6] Lee, K., Frank, S., Sen, K. Gentile, L., Alahmad, M. & Waters, C. (2012). Estimation of induction motor equivalent circuit parameters from nameplate data. North American Power Symposium (NAPS) (pp. 1-10), Champaign, Ilionios: IEEE.

El circuito equivalente sirvió para construir el circuito Thevenin equivalente del motor de inducción, el cual permitió calcular las potencias eléctricas del motor y elaborar las curvas características de torque inducidovelocidad y corriente-velocidad.

[7] Soe N., Han T. & Sandar S. (2008). Dynamic modeling and simulation of three phase small power induction motor, World Academy of Science, Engineering and Technology, 2(6), 11391142.

Los parámetros del circuito equivalente del motor también sirven para formular el modelo dinámico no lineal del motor de inducción en el sistema de coordenadas d-q.

Dicho modelo permite diseñar controladores no lineales basados en modelos tales como controladores por modos deslizantes, adaptativos, backstepping, predictivos, de orden fraccionario, entre otros.

[8] Zhou Z. & Johnson J. (2009). LabVIEW simulation of induction motors. Southeast Section Conference (ASEE) (pp. 1-8), Georgia, ASEE.

REFERENCIAS [1]

Ansari A. & Deshpande D. (2010). Mathematical model of an synchronous machine in MATLAB/ Simulink, International Journal of Engineering Science and Technology, 2(5), 1260-1267.

[2] Ayasun S. & Nwankpa Ch. (2005). Induction motor tests using MATLAB/Simulink and their integration into undergraduate electric machinery courses, IEEE Transaction on education, 48(1), 37-46.

[3] Chapman S. (2012). Electric machinery fundamentals (5th ed.). New York: McGraw-Hill.

[4] Diaz, A, Saltares, R., Rodriguez, Ch., Nuñez, R., Ortiz-Rivera, E. & Gonzalez-Llorente, J. (2009).

Induction motor equivalent circuit for dynamic simulation. IEEE International Electric Machines and Drives Conference (pp.858-863). Miami, FL, USA:IEEE Xplore.

[5] Kumar, M., Chauhan, M., Kumar, A. , & Saxena, N. (2014). A methodology to develop a Simulink model of a three phase induction motor, International

VOLUMEN 11, 2017

[9] Rojas, A. (2016). Parameter Extraction of an Induction Motor with Gearbox for Dynamic Simulation, IEEE Andean Council International Conference (ANDESCON) (pp.1-4), Arequipa, Perú: IEEE. [10] IEEE Xplore (2014). 112TM IEEE Standard Test Procedure for Polyphase Induction Motors and Generators, IEEE Standards, New York.

ACERCA DEL AUTOR Arturo Rojas Moreno Es Ingeniero Mecánico y Electricista y máster en Ingeniería Electrónica por la UNI. Ph.D. en Ingeniería Eléctrica por Utah State University, Estados Unidos. Realizó un posdoctorado en el Laboratorio de Dinámica Espacial en Logan, Estados Unidos; y estadías de investigación en el Instituto de Control Automático de la Universidad Tecnológica de Aachen, Alemania, y en General Motors Institute, Flint, Estados Unidos. Trabajó como ingeniero de control por doce años en la planta de fibras de Bayer A.G. (Lima y Alemania). Es Senior Member de la IEEE. En la actualidad es profesor de la carrera de Ingeniería Electrónica de la UTEC. arojas@utec.edu.pe

41

Las pruebas periรณdicas en una mรกquina

deben hacerse en lo posible bajo las

mismas condiciones de temperatura, humedad y tensiรณn aplicada.

Gerson La Torre García, Universidad Nacional de San Agustín y Empresa de Generación Eléctrica de Arequipa

Evaluación práctica del aislamiento eléctrico en máquinas rotativas de gran potencia Practical Evaluation of Electrical Insulation in High Power Rotating Machines

RESUMEN

Para la evaluación integral del aislamiento eléctrico en máquinas rotativas existen en el mercado diversos tipos de pruebas que se emplean en forma periódica, lo que resulta en un servicio de alto costo para las empresas; además, si consideramos que no hay una prueba estándar con alta confiabilidad, el problema se agrava.

Este trabajo propone técnicas predictivas a través de la aplicación de tensión continua sobre el aislamiento de las máquinas rotativas, para de monitorear y anticipar potenciales fallas o deterioro de dicho aislamiento mediante el uso de equipos comerciales de bajo costo. Esta metodología permite obtener hasta cinco parámetros (corriente de absorción, corriente de conducción, índice de absorción, índice de polarización y resistencia del aislamiento) en una sola prueba, que al ser aplicada en forma periódica simplifican el monitoreo y evaluación del estado del aislamiento en máquinas rotativas de gran potencia.

ABSTRACT

In the evaluation of electric insulation in rotating machines, it is necessary to perform periodically several tests, in spite high cost for enterprises as well as a lack of high reliability standard.

This paper presents a predictive technique using application of direct current voltages to the insulation of rotating machines, with the aim of monitoring and anticipating potential faults or deterioration of the insulation using low cost

commercial equipment. This methodology can measure up to five parameters (absorption current, conduction current, absorption index, polarization index and, insulation resistance) in a single test. Its periodical application would be used in monitoring and evaluation of insulation state in high-power rotating machines.

INTRODUCCIÓN

La evaluación de materiales dieléctricos utilizados como aislantes eléctricos en máquinas rotativas de gran potencia implica realizar pruebas para identificar el grado de envejecimiento y de contaminación. Son pruebas específicas que determinan si el aislamiento es adecuado con referencia a algún parámetro particular. Si bien estos tests no son suficientes para la evaluación integral del aislamiento, el análisis de tendencias del conjunto de parámetros obtenidos en cada prueba sí nos puede ofrecer estimaciones válidas para evaluar el estado del aislamiento eléctrico, así como anticiparnos a potenciales fallas.

Por ello, dicho monitoreo debe ser periódico, además de contemplar la aplicación de diferentes pruebas para la obtención de los parámetros a controlar.

Existen en el mercado diversos tipos de pruebas que deben ser aplicadas en forma periódica, aunque de manera individual para la evaluación integral del aislamiento eléctrico en máquinas rotativas. Si a ello le sumamos que a la fecha no se cuenta con una prueba estándar de alta confiabilidad, el problema se agrava puesto que las alternativas son onerosas y generan un alto costo para las empresas.

Palabras clave Aislamiento eléctrico, evaluación de máquinas rotativas, corriente Palabras Clave de absorción, corriente de Estilos, aprendizaje, TIC, metodologías conducción, índice de polarización. activas.

Key words Key words Electrical insulation, evaluation

Styles, learning, ICT, active methodologies. of rotating machines, absorption current, conduction current, polarization index.

VOLUMEN 11, 2017

Ante este panorama, la implementación de un método de bajo costo que posibilite el monitoreo de ciertos parámetros para evaluar potenciales fallas o deterioro del aislamiento eléctrico en máquinas rotativas se hace necesaria en los planes de mantenimiento predictivo de las empresas.

En el presente artículo se presentan, en primer lugar, los fundamentos del comportamiento de los materiales aislantes frente a solicitaciones eléctricas en tensión continua; para luego explicar la metodología e implementación de la prueba a realizar; y finalmente, analizar los resultados y validar el método mediante la comparación con otras pruebas estándar.

FUNDAMENTOS

El material aislante que cubre el conductor puede ser considerado como el dieléctrico de un condensador en el que uno de los electrodos es el propio conductor y el otro, el elemento del cual se pretende aislar (por ejemplo, el núcleo del bobinado). Bajo estas consideraciones, el material aislante puede representarse como un circuito equivalente R-C [1] en paralelo con resistencias de alto valor, como se muestra en la Figura 1.

Cuando se aplica una tensión continua al aislamiento en estudio se generan diversas corrientes dentro del material aislante que varían en el tiempo (ver Figura 2) cuyo análisis en forma independiente permite evaluar el estado del material.

En forma general, la corriente de absorción se debe a: - El movimiento de electrones libres a través del aislamiento.

- La distorsión molecular de la capa negativa de los electrones que circulan alrededor del nucleo, orientándolos hacia el polo positivo del campo.

- La alineación de las moléculas polarizadas dentro del campo aplicado [3].

La corriente de absorción es una propiedad intrínseca de cada material aislante y para propósitos prácticos se puede representar mediante un circuito R-C [11].

Respecto a la corriente de conducción, su valor parte de cero y aumenta conforme decae la corriente capacitiva, para luego ser constante en el tiempo. Es producida por la existencia de electrones libres en el aislamiento imperfecto, los cuales fluyen por efecto del campo eléctrico. Estos iones susceptibles a recombinaciones son nocivos para el material aislante porque provienen de productos fácilmente disociables bajo el campo eléctrico (por ejemplo, el agua tiene un alto poder de disociación en esas condiciones [4]). El valor de la corriente de conducción generalmente se incrementa por la presencia de otra corriente denominada de fuga superficial, debida a la contaminación o humedad de la superficie del aislamiento.

Cuando se deja de aplicar tensión, el material empieza a descargarse y aparecen dos corrientes: la primera corresponde a la carga capacitiva, cuyo valor se hace cero en un periodo corto de tiempo; y la segunda, a la corriente de reabsorción que es idéntica a la corriente de absorción pero de sentido contrario.

I

-

Corriente de carga capacitiva Inicio de descarga

+

Corriente de absorción Corriente de conducción I fuga

I capacitiva

I conducción

I absorción

t I total

Figura 1. Circuito equivalente del material aislante.

Fuente: IEEE Std 43-2000 (R2006) [1].

Al inicio se genera una corriente capacitiva que corresponde a la corriente requerida para cargar la capacitancia del aislamiento.

Al principio su valor es elevado, pero cae exponencialmente a un valor cercano a cero en un periodo corto de tiempo. Existen, además, una corriente de conducción y otra de corriente de fuga, que no permiten llevar la corriente total a cero, las cuales son producto de la imperfección del dieléctrico y del estado de contaminación y deterioro del mismo.

Otra corriente generada conjuntamente con la corriente capacitiva es la de absorción [2], llamada también de polarización lenta, producida por impurezas iónicas en el aislamiento que aumentan con el envejecimiento. Estas se desplazan lentamente hacia los electrodos, aunque no llegan a descargarse sobre ellos, y su movimiento es medido en forma de corriente.

44

Corriente de reabsorción

Corriente capacitiva Figura 2. Corrientes generadas en el material dieléctrico.

La corriente total se expresa en función de la corriente de conducción y de absorción, que son las predominantes durante el ensayo, mediante la siguiente ecuación:

(1) Donde: Ic: corriente de conducción; k: amplitud de la corriente de absorción (independiente de la tensión aplicada); t: tiempo y n: índice de la estructura íntima del material (independiente de la tensión aplicada).

Como se observa en la ecuación anterior la corriente de conducción permanece durante los primeros instantes de tiempo cubierta por la corriente de absorción, debido a que esta tiene una disminución exponencial. Ante esta condición, para calcular la corriente de conducción se obtienen tres medidas de corrientes totales (I1, I2, I3) correspondientes a tres tiempos que varían en progresión geométrica (t1=60s, t 2=190 s, t3=600 s) y se aplica la siguiente ecuación: (2) Donde: I1: corriente total medida en el tiempo t = te; I2: corriente total medida en el tiempo t = ate, I3: corriente total medida en el tiempo t = a2te; a: coeficiente de progresión geométrica.

La demostración matemática de esta ecuación se realiza mediante el uso de la ecuación (1) y el desarrollo de las expresiones del numerador y denominador.

Al trabajar con el numerador:

El estándar 43-2000 del IEEE [1] establece el nivel de aislamiento mínimo corregido a 40 ºC, así como la tensión de prueba a ser aplicada de acuerdo a la tensión nominal de la máquina rotativa (Tabla 1).

Tipo de motor

Resistencia de aislamiento

Bobinado antes de 1970

> 1 MΩ + 1MΩ/kV

Bobinado después de 1970

> 100 MΩ

Bobinado preformado y armaduras de CC

> 5 MΩ

Tensión nominal del motor

Tensión de prueba

Menos de 1,000 V

500 V

1,000 V a 2,500 V

500 a 1,000 V

2,501 V a 5,000 V

1,000 a 2,500 V

5,001 V a 1,2000 V

2,500 a 5,000 V

12,000 V a más

5,000 a 10,000 V

Tabla 1. Valores mínimos seguros recomendados para máquinas rotativas.

Fuente: IEEE Std 43-2000 (R2006) [1].

Al tratar el denominador:

Corriente de absorción De acuerdo a las premisas dadas para el modelamiento matemático, se determina el valor de la corriente de absorción para el tiempo t1 = un minuto después de iniciado el ensayo.

Con ese valor se calcula el índice:

Finalmente, al simplificar el numerador y el denominador se obtiene la misma ecuación (2).

Las corrientes de absorción para los tiempos t1, t2 y t3 se calculan al restar la corriente de conducción (Ic), de la corriente total medida.

(3)

METODOLOGÍA Resistencia de aislamiento La prueba de resistencia de aislamiento es un test puntual que se realiza mediante la aplicación de una tensión y tomándola medición el valor de la resistencia de aislamiento a un minuto de iniciado el ensayo.

VOLUMEN 11, 2017

(4)

Donde: I A: índice para evaluar el aislamiento en función de la corriente de absorción; Iabs: corriente medida a un minuto de iniciado el ensayo corregida a 20 °C (mA); Vprueba: tensión de prueba (V); y Cmaterial: capacitancia del material (F).

La valoración numérica se indica en la Tabla 2: Valor (mA V-1 F-1)

Estado del aislamiento

>7

Malo

4-7

Pobre

2-4

Cuestionable

<2

Adecuado

Tabla 2. Valoración del aislamiento por corriente de absorción.

Fuente: Guía de pruebas de diagnóstico de aislamiento a tensiones superiores a 1 kV [2].

45

Corriente de conducción

(7)

En este caso también se calcula de la misma manera que el índice para la corriente de absorción:

(5) Donde: IC: índice para evaluar el aislamiento en función de la corriente de conducción; Icond: corriente medida a un minuto de iniciado el ensayo corregida a 20 °C (mA), Vprueba: tensión de prueba (V); Cmaterial: capacitancia del material (F). La clasificación numérica se presenta en la Tabla 3.

Valor (mA V-1 F-1)

Condiciones del aislamiento

>20

Anomalía, aislamiento contaminado

2 - 20

Si en la siguiente prueba aumenta en 50% indica anomalía

0.3 - 2

Si en la siguiente prueba aumenta en 100% indica anomalía

<0.3

Aislamiento bueno

Tabla 3. Valoración del aislamiento según la corriente de conducción.

Fuente: Manual de equipos eléctricos primarios Endesa-Chile [5].

Valor

Condicion del aislamiento

<1

Aislamiento pobre

1–2

Aislamiento cuestionable

2–4

Aislamiento confiable

>4

Aislamiento bueno

Tabla 5. Valoración de la condición del aislamiento por índice de polarización.

Fuente: Guía de pruebas de diagnóstico de aislamiento a tensiones superiores a 1 kV [2].

Asimismo, se deben tener en cuenta las recomendaciones del estándar IEEE 43-2000, referidas a la evaluación del material de acuerdo a la clase de aislamiento, que se exponen en la Tabla 6.

Valor

Condicion del aislamiento

Índice de absorción

Clase A

>1.5

Brinda información respecto a la pendiente de la curva de carga y está dado por la relación entre la corriente de absorción a los 30 y 60 segundos de iniciado el ensayo.

Clase B

>2

Clase F

>2

Clase H

>2

(6)

La valoración numérica se muestra en la tabla 4:

Tabla 6. Valoración de la condición de acuerdo al Índice de polarización según la clase de aislamiento.

Fuente: IEEE Std 43-2000 (R2006) [1].

<1.1

Peligroso

1.1 – 1.3

Cuestionable

Si bien, valores por encima de 4 pueden representar un aislamiento en buenas condiciones, también pueden indicar la presencia de grietas o zonas quebradizas en el aislamiento [1], si el valor aumenta en más del 20% de un ensayo a otro sin haber realizado mantenimiento alguno.

1.3 – 1.4

Confiable

Implementación de la prueba

>1.4

Bueno

Para las mediciones llevadas a cabo durante la prueba se utilizaron un medidor de aislamiento estándar (megóhmetro) y un multímetro capaz de medir capacitancia [7]. El proceso consiste en medir el aislamiento en cada fase en tiempos predefinidos de 30, 60, 190 y 600 segundos a una tensión establecida según la norma IEEE Std 43-2000:Resistencia de aislamiento e índice de polarización (maquinas nuevas y usadas) y de acuerdo al esquema general presentado en la Figura 3.

Valor

Condicion del aislamiento

Tabla 4. Valoración de la condición del aislamiento de acuerdo al Índice de absorción.

Fuente: Métodos de medición de aislamientos. Instrucción técnica de ABB [6]

Índice de polarización Es una relación de dos corrientes, la primera medida a un minuto de iniciado el ensayo y la segunda a los diez. El índice de polarización se expresa de la siguiente manera:

46

Este cociente da una idea sobre el grado de contaminación del material aislante y la escala numérica adoptada para su evaluación se muestra en la Tabla 5:

Estator Fase R

Megóhmetro Fase S

V+ Guard

5

20

10

30

40

50 60

Ground 1000 500

Fase T

2500 V

5000

On/Off

Figura 3. Esquema de conexiones.

Las resistencias obtenidas se utilizan para el cálculo de las corrientes respetivas, que debe considerar también la curva de carga y la resistencia interna propias del medidor de aislamiento dadas en los manuales de operación del equipo. Los valores a 30 y 60 segundos permiten calcular el índice de absorción, y los de 60 y 600 segundos, el índice de polarización. La resistencia

de aislamiento [1] es medida a 60 segundos. Finalmente, los valores de la corriente total a 60, 190 y 600 segundos sirven para calcular las corrientes de conducción y absorción mediante la aplicación de las ecuaciones (2) y (3). A manera de ejemplo, la Figura 4 muestra los datos recolectados con este método en un caso específico.

Central :

Equipo :

Central Térmica de Mollendo Descripción :

Grupo 2 Fecha :

Prueba de Aislamiento Responsable :

31/05/05

Observaciones :

Gerson La Torre

Página : 1/1

S/O

Tensión Nominal :

13.8 kVac

Tensiones de Prueba :

Temperatura :

23

ºC

Humedad rel :

65

%

2500 a 5000 V

Tensión elegida :

5.0 kVcc

Tipo de embobinado :

después de 1970

Clase de aislamiento :

Clase F

Datos de campo : Resistencia (M? )

Tensión Tiempo (s)

Fase R

Fase S

Fase T

5.0

30

5000

5000

5500

0.800

5.0

60

8000

9000

9000

0.600

5.0

190

20000

20000

22000

0.400

5.0

600

25000

25000

30000

Capacidad (µF) 0.148

0.147

Corriente vs tiempo

1.000

(kVcc)

0.149

0.200 0.000 0

200 Fase R

Cálculo de valores :

400 Fase S

Corriente corregida a 20°C (µA)

Corrección de R a 40ºC (M? )

(kVcc)

(s)

Fase R

Fase S

Fase T

Fase R

Fase S

Fase T

5.0

30

0.820

0.820

0.745

1544

1544

1699

5.0

60

0.512

0.455

0.455

2471

2780

2780

5.0

190

0.205

0.205

0.186

6177

6177

6795

5.0

600

0.164

0.164

0.137

7722

7722

9266

0.158

0.156

0.125

Tensión Tiempo

Iconducción : Corriente Conduc :

0.21

0.21

0.17

Iabsorción :

0.355

0.299

0.330

Corriente Absorc:

0.48

0.41

0.44

IP :

3.12

2.78

3.33

IA :

1.87

2.22

1.88

600 Fase T

Figura 4. Protocolo de pruebas aplicando el método expuesto en la Central Termoeléctrica de Mollendo.

Fuente: Departamento de mantenimiento térmico Egasa.

VOLUMEN 11, 2017

47

RESULTADOS

de las centrales eléctricas de Edegel (Hco 1, Hco 2, Hco 3, Mat 1, etc.)

En las figuras 4 y 5 se muestran los valores de corriente de absorción y de corriente de conducción obtenidos de las pruebas realizadas en algunos generadores de la central térmica de Mollendo de Egasa (Mol 1, Mol 2) y de generadores

Para efectos de análisis y comparación entre máquinas se toma como valor representativo el promedio de las fases a fin de evaluar la unidad como un todo en lo referente a las corrientes de absorción (en mA V-1 F-1) y de conducción (en mA V-1 F-1), considerando las valoraciones de la tabla 2 y tabla 3 respectivamente.

14.00 Central

12.00

Huinco

Corriente de absorción (mAV-1F-1)

Aislamiento malo Matucana

10.00 Callahuanca Moyopampa

8.00

Aislamiento cuestionable

6.00

Huampani

Santa Rosa

4.00

Aislamiento pobre

Mollendo

2.00

Grupo Hco 1 Hco 2 Hco 3 Hco 4 Mat 1 Mat 2 Cal 1 Cal 2 Cal 3 Cal 4 Moy 1 Moy 2 Moy 3 Hua 1 Hua 2 BBC 2 BBC 3 BBC 4 UTI 5 UTI 6 Mol 1(2000) Mol 2(2000) Mol 3(2000) Mol 1(2005) Mol 2(2005)

Aislamiento adecuado 0.00

Grupos de generación

Figura 4. Evaluación del aislamiento eléctrico de grupos de generación en función de la corriente de absorción.

3.9 3.6

Central

Si en la siguiente prueba aumenta en 50% indica anomalía

Huinco

3.3 Matucana

Corriente de conducción (mAV-1F-1)

3.0 2.7

Callahuanca

2.4

Moyopampa

2.1

Huampani

1.8 Santa Rosa

1.5 1.2

Si en la siguiente prueba aumenta en 100% indica anomalía Mollendo

0.9 0.6 0.3

Aislamiento bueno

0.0

Grupos de generación

Figura 5. Evaluación del aislamiento eléctrico de grupos de generación en función de la corriente de conducción.

48

Grupo Hco 1 Hco 2 Hco 3 Hco 4 Mat 1 Mat 2 Cal 1 Cal 2 Cal 3 Cal 4 Moy 1 Moy 2 Moy 3 Hua 1 Hua 2 BBC 2 BBC 3 BBC 4 UTI 5 UTI 6 Mol 1(2000) Mol 2(2000) Mol 3(2000) Mol 1(2005) Mol 2(2005)

Validación de los resultados En noviembre del 2004, Egasa contrató un servicio por terceros (IEE Transmotor SAC) para el diagnóstico del aislamiento eléctrico de sus generadores, el cual incluyó las pruebas de

aislamiento, HI POT, factor de potencia y Surge. La Tabla 8 muestra los resultados de esas pruebas realizadas en los generadores de la central térmica de Mollendo.

GRUPO 1

GRUPO 2 Fase R

Fase S

GRUPO 3

Fase R

Fase S

Fase T

Fase T

Fase R

Fase S

Fase T

Resistencia de aislamiento 40°C@5030V

2345 @5010 V

2023 @5010 V

2144 @5010 V

2099 @5030

2126 @5030

2120 @5030

2099 @5030 V

2745 @5020V

2771 @ 5020V

Indice de absorcion

1.48

1.33

1.46

1.41

1.48

1.62

1.41

1.38

1.47

Indice de polarizacion

3.13

2.93

2.86

4.09

4.04

4.11

4.09

3.79

3.52

Resultado

Bueno

Bueno

Bueno

Bueno

Bueno

Bueno

Bueno

Bueno

Bueno

Tension Escalon (Vdc)

1000

1000

1000

1000

1000

1000

1000

1000

1000

Tension Final (Vdc)

10020

10030

10010

10000

10020

10030

10010

10090

10030

Cte Fuga final (uA)

1.403

1.972

1.456

1.299

1.285

1.421

1.293

1.33

1.243

Perfil cte fuga

Bajo

Bajo

Bajo

Bajo

Bajo

Bajo

Bajo

Bajo

Bajo

Resultado

Bueno

Bueno

Bueno

Bueno

Bueno

Bueno

Bueno

Bueno

Bueno

%FP (8kV)

1.57

1.56

1.56

1.61

1.62

1.58

1.69

1.69

1.68

Capacitancia a 8kV (uF)

0.14658

0.14646

0.14596

0.14703

0.1471

0.14692

0.14683

0.14618

0.14642

Tip Up

0.74

0.69

0.67

0.69

0.68

0.66

0.73

0.68

0.74

Resultado

Valores similares entre fases indica Valores similares entre fases indica Valores similares entre fases indica aislmiento aceptable. Valores Tip aislmiento aceptable. Valores Tip aislmiento aceptable. Valores Tip Up referenciales para otras pruebas Up referenciales para otras pruebas Up referenciales para otras pruebas

Prueba de Aislamiento

Prueba HI POT

Factor de Potencia

Prueba Surge

Tension de prueba

9850

9960V

9960V

4%

8%

8%

Distorsion

Ninguna

Ninguna

Ninguna

Resultado

Bueno

Bueno

Bueno

Desviacion EAR

Tabla 8. Pruebas de aislamiento realizadas por IEE Transmotor SAC en la C.T. Mollendo.

Fuente: Servicio de diagnóstico de aislamiento eléctrico de generadores de EGASA 8.

El diagnóstico del grado de aislamiento de las unidades examinadas es favorable en todas las pruebas, según el informe presentado por el contratista [8]. Sin embargo, se observa un ligero compromiso del aislamiento por contaminación en el Grupo 1 evidenciado, principalmente, en el índice de polarización y la corriente de fuga final.

Asimismo, las pruebas de la calidad del aislamiento mediante el método aplicado en este trabajo fue realizado en el año

VOLUMEN 11, 2017

2000 sobre los mismos generadores, resultaron también en un diagnóstico positivo del nivel del aislamiento, con un ligero compromiso del Grupo 1 reflejado en el índice de polarización y la corriente de conducción.

En cuanto a las tendencias en el índice de polarización (según la Tabla 5) y la corriente de conducción, los resultados obtenidos con el método expuesto y los de la empresa IEE Transmotor SAC son similares (Figura 6 y Figura 7).

49

4.5

Aislamiento bueno

4.0 3.5 Indice de polarización

Aislamiento confiable

3.0 2.5 2.0 Aislamiento cuestionable

1.5 1.0

Aislamiento pobre

0.5 0.0

Grupo 1

Grupo 2

Grupo 3

Grupos de generación Prueba método expuesto

Prueba IEE Transmotor

Figura 6: Comparación del índice de polarización entre el método expuesto y las pruebas realizadas por IEE Transmotor.

CORRIENTE DE CONDUCCIÓN SEGÚN MÉTODO EXPUESTO

CORRIENTE DE CONDUCIÓN SEGÚN PRUEBAS DE IEE TRANSMOTOR 1.8 Corriente de condución (uA)

Corriente de condución (uA)

0.2

0.2

0.1

0.1

1.6 1.4 1.2 1.0 0.8 0.6 0.4 0.2

0.0

G1

G2 Grupos de generación

G3

0.0

G1

G2 Grupos de generación

G3

Figura 7: Comparación de las corrientes de conducción entre el método expuesto y las pruebas realizadas por IEE Transmotor.

Esta coincidencia de los diagnósticos del nivel de aislamiento obtenidos en las dos evaluaciones valida el método empleado en este estudio, el cual nos asegura un aceptable nivel de confianza. Además, garantiza un menor costo de implementación y la posibilidad de trabajar en condiciones de indisponibilidad de máquina relativamente bajo, esto último debido a que el propietario puede elegir el momento más oportuno desde el punto de vista económico para evaluar las máquinas.

Si se consideran los altos costos de servicio o adquisición de equipos para pruebas de evaluación del aislamiento en máquinas rotativas, este método práctico proporciona los elementos necesarios para una evaluación general del aislamiento a un costo relativamente bajo.

CONCLUSIONES

El monitoreo en el tiempo de los parámetros evaluados permite ampliar los criterios técnicos para la toma de decisiones en cuanto a la optimización de los programas de mantenimientos mayores o reemplazos de las máquinas.

La comparación de los resultados del método expuesto con otros verifica su validez, al constatarse la coincidencia en la evaluación general y particularmente en las tendencias de inicios de degradamiento en las unidades intervenidas.

50

La prueba permite una intervención planificada, rápida y programada de las máquinas (desde el punto de vista técnico y económico), lo que reduce costos por indisponibilidad de máquina.

RECOMENDACIONES Se recomienda poner a tierra los bobinados de fases por un periodo de 30 minutos antes de realizar el ensayo. Luego de probar una fase, colocar a tierra por un periodo igual a cuatro veces el tiempo que estuvo en prueba [1].

Las pruebas se deben realizar con un medidor de aislamiento con lectura analógica, debido a que el movimiento de la aguja proporciona información valiosa difícil de discernir en una pantalla LCD a dígitos. La velocidad y la deflexión de la aguja indican el estado del aislamiento y permiten tomar decisiones en cuanto a la suspensión del ensayo en salvaguarda del equipo en prueba.

Verificar la calidad del probador de aislamiento a través de la curva de tensión de salida versus resistencia de carga [9]. Un equipo de calidad tendrá una elevación rápida de la tensión seleccionada hasta un nivel de resistencia aceptable como buen aislamiento.

Verificar la corriente de cortocircuito en las especificaciones del medidor de aislamiento [10] para conocer la resistencia interna correspondiente a la tensión seleccionada, que permite realizar un cálculo más exacto de las corrientes.

Las pruebas periódicas en una máquina deben hacerse en lo posible bajo las mismas condiciones de temperatura, humedad y tensión aplicada. Las temperaturas deberían ser corregidas a una de referencia para las comparaciones.

También debe asegurarse que, al momento de realizar la prueba, la temperatura esté sobre el punto de rocío para evitar la condensación.

Según las instalaciones y el tipo de máquina rotativa se deben tomar medidas de seguridad para la prueba y los equipos adyacentes, como bloqueo de equipos de maniobra, bloqueo de sistemas de protección eléctrica y sistema contra incendio, poner en cortocircuito y conectar a tierra los sensores de temperatura, o apagar el sistema de calefacción.

REFERENCIAS [1] Electric Machinery Committee (Ed.) (2006). IEEE Recommended Practice for Testing Insulation Resistance of Rotating Machinery. IEEE Std. 432000(R2006). New York: IEEE - Power and energy society.

[2] MEGGER (Ed.) (2002). Guía para pruebas de diagnóstico de aislamiento a voltajes superiores a 1 kV. España: Megger.

[3] Callister, W. (2007). Introducción a la Ciencia e Ingeniería de los Materiales. Barcelona: Reverte.

[4] Fink, D. & Beaty, H. (1996). Manual de Ingeniería Eléctrica: tomo I. (13a ed.) México DF: MCGRAW-HILL. [5] Endesa (Ed.) (1996). Manual de equipos primarios MEE-C-4.2. Santiago de Chile: ENDESA Chile.

[6] ABB (ed.) (1994). Instrucción Técnica, Métodos de Medición de aislamientos. Madrid: ABB. [7] Piugmal, J. (1995). Diagnóstico del estado del aislante en grandes máquinas eléctricas rotativas mediante el estudio de la capacidad del bobinado.

Recuperado de https://goo.gl/RG59p1.

[8] IEE transmotor SAC. (2004). Informe técnico ITM44-04, Servicio de diagnóstico de aislamiento eléctrico a generadores de Egasa. Arequipa: IEE transmotor SAC. [9] MEGABRÁS (Ed) (1999) Megóhmetro electrónico Mi 10 kVe, Especificaciones técnicas e Instrucciones de uso. Sao Paolo Brasil: MEGABRAS. [10] AEMC instruments (Ed) (1998). Manual del Usuario Megóhmetro 5100. Massachusetts: AEMC Instruments.

[11] Stone G., Boulter E., Culbert I., Dhirani H. (2004).

Electrical Insulation for Rotating Machines. New Jersey USA: IEEE Press.

ACERCA DEL AUTOR Gerson La Torre García Ingeniero electricista por la Universidad Nacional de Ingeniería (UNSA). Egresado de la maestría en Turbomáquinas en la Universidad Nacional de San Agustín. Miembro activo de la IEEE (Institute of Electrical and Electronics Engineers) de las sociedades PES (Power and energy society) y DEIS (Dielectrics and Electrical Insulation Society). Asesor de la rama estudiantil del capítulo PES de la UNSA. Cuenta con veinte años de experiencia en mantenimiento y operación de centrales eléctricas. Ha laborado en el Departamento de Mantenimiento Térmico de Egasa, y actualmente trabaja en el Departamento del Centro de Control. Es catedrático adscrito al Departamento Académico de Ingeniería Eléctrica de la UNSA, en cursos de Sistemas de Potencia, Control de Sistemas de Potencia y Medidas Eléctricas. glatorreg@hotmail.com

VOLUMEN 11, 2017

51

precipitación de proteínas es la tecnología más apropiada para tratar al efluente La

de una industria de salsas orientales de soya.

Huguez Ames, Tecsup/ Enrique Cáceres, Tecsup / María Reque, Stockholm Mining/ César Vásquez, Stockholm Mining

Precipitación de proteínas en el tratamiento de efluentes de la producción industrial de salsas de soya Treatment of Efluents by Protein Precipitation in Industrial Production of Soy Sauces RESUMEN

La fabricación de salsas orientales tiene como principal materia prima la soya, además de la utilización de otros aditivos orgánicos, diversos microorganismos y enzimas para las fermentaciones propias de la bioquímica del proceso. Ello genera elevada contaminación orgánica evidenciada en el alto valor promedio de demanda química de oxígeno (DQO) inicial de 1,746 mg/L, mientras que la normativa peruana exige como máximo 1,000 mg/L de DQO en el vertimiento a la red de alcantarillado.

El estudio se centró en métodos de oxidación avanzada (tecnología de oxidación que genera radicales hidroxilo durante su proceso, sin producir sustancias contaminantes más peligrosas). Se aplicaron cuatro métodos distintos en los que se evalúa la remoción de contaminantes que permite alcanzar niveles de DQO por debajo de los valores máximos admisibles (VMA) de acuerdo a la normativa vigente del Ministerio de Vivienda, Construcción y Saneamiento del Perú.

Luego, se analiza la viabilidad económica, que en el presente estudio está expresada en los costos operativos (OPEX) por el gasto de productos químicos. En base a ella se determina el método más apropiado para proyectar una etapa de pilotaje en planta y confirmar dosis de reactivos químicos, tiempos de retención y variables de operación.

En las pruebas de laboratorio se evidenció que la tecnología de tratamiento que mejor se ajusta a los criterios descritos líneas arriba es la secuencia alcalinización – precipitación de proteínas – coagulación – floculación, seguida de la separación sólido – líquido que consta de clarificación, filtración y adsorción con carbón activado.

ABSTRACT

The main raw material of oriental sauces is soy, in addition other organic additives, microorganisms and enzymes for fermentation generated in the process biochemistry. This produces high organic contamination evidenced in the high average value of initial chemical oxygen demand (COD) of 1,746 mg/L, while Peruvian regulations require a maximum of 1,000 mg/L of COD in the sewage network discharge.

The study focused on advanced oxidation methods (oxidation technology that generates hydroxyl radicals during its process, without producing more dangerous pollutants). Four different methods were applied. The pollutant removal efficiency is evaluated to identify which methods reach COD levels under the maximum admissible values ​​(VMA), according to current regulations of the Peruvian Ministry of Housing, Construction and Sanitation.

We then analyze the economic viability, defined for the present study by the OPEX costs of chemical products. Based on it, the most appropriate method to design a pilot project in the plant and to check dosages of chemical reagents, retention times and operating variables is determined.

Laboratory tests showed that the treatment technology that best meets criteria described above is the sequence alkalization - protein precipitation - coagulation - flocculation, followed by solid - liquid separation with the stages of clarification, filtration and adsorption with activated carbon.

Palabras Clave Salsa de soya, DBO, DQO, precipitación deClave proteínas, Palabras oxidación avanzada,TIC, Fenton, Estilos, aprendizaje, metodologías CAPEX, activas. OPEX.

Key words Soy sauce, BOD,ICT, COD, protein Styles, learning, active methodologies. precipitation, advanced oxidation, Fenton, CAPEX, OPEX

VOLUMEN 11, 2017

INTRODUCCIÓN

• A partir de setiembre del 2014 se ha implementado el DS 021-2009 Vivienda (modificado por el DS 001-2015 Vivienda), que regula los valores máximos admisibles (VMA) de los efluentes vertidos a la red de alcantarillado de las empresas del sector no doméstico. Es necesario que las empresas del sector industrial, en general, y de la industria alimentaria de salsas de soya y similares, en particular, traten sus efluentes para cumplir con dicha normativa legal.

• Una limitante del sector industrial es el poco espacio disponible para instalaciones de tratamiento biológico de efluentes, pues a pesar de que los valores de DBO y DQO indiquen que el efluente sí es biodegradable, estas demandan mayor área. Por ello, la investigación se orienta a la aplicación de técnicas fisicoquímicas, específicamente, la remoción del DQO por precipitación de proteínas [10].

• En el presente estudio se han probado diversas tecnologías para tratar al efluente de una industria de salsas orientales de soya. De acuerdo a los criterios de eficiencia de remoción y viabilidad económica se determinó que la tecnología más apropiada en dicho tratamiento debe basarse en la precipitación de proteínas seguida de procesos de coagulación y floculación.

Figura 1. Salsa de soya o siyau.

Fuente: Salsa de Soja. [11]

Las dos materias primas más importantes son la soya y la harina de trigo. De la soya hay que resaltar que contiene más proteínas que la carne y el pescado y tres veces más que el huevo. Posee una composición nutricional muy equilibrada, con cerca de 40% de proteínas, 20% de lípidos y 30% de carbohidratos [3].

SOYA Componente

TRIGO Porcentaje

El SIYAU es una salsa oriental muy cotizada por su sabor y combinación con diversas comidas, incluso de la gastronomía peruana. Antes de obtenerlo como producto final, pasa por dos etapas: KOJI, se origina de la mezcla de las semillas de soya remojadas, vaporizadas y aplastadas; el trigo tostado y aplastado; y, el hongo Aspergillus oryzae. En esta etapa se incrementa el contenido de enzimas catalíticas, incluyendo la amilasa que convierte el almidón en azúcares más simples.

54

Porcentaje

Proteínas

40%

Almidón

70%

Lípidos

20%

Proteínas

10%

Carbohidratos

30%

Polisacáridos distintos a almidón

2%

Otros

10%

Lípidos

2%

Otros

16%

FUNDAMENTOS

Descripción del proceso de preparación de salsa de soya

Componente

Tabla 1. Composición química de la soya y trigo.

Parámetros importantes en el tratamiento de aguas con carga orgánica Demanda química de oxígeno (DQO o COD): La DQO indica “la cantidad de oxígeno necesario para oxidar la materia susceptible a oxidación por medios químicos; en el caso de la materia orgánica se convierte en dióxido de carbono y agua” [1].

Demanda bioquímica de oxígeno (DBO o BOD):

MOROMI, para conseguirlo se añade una salmuera con 20% a 25% de sal, levaduras y bacterias lácticas para luego empezar la fermentación en grandes tanques a temperaturas y aireación controladas, etapa que puede durar de seis meses a dos años.

La DBO es un indicador de “la cantidad de oxígeno que los microorganismos, especialmente bacterias (aerobias o anaerobias facultativas: Pseudomonas, Escherichia, Aerobacter, Bacillus), hongos y plancton, consumen durante la degradación de las sustancias orgánicas contenidas en la muestra” [1].

Durante la fermentación, el Aspergillus oryzae genera enzimas como la proteasa y la amilasa, que convierten las proteínas de soya en péptidos y aminoácidos, y el almidón en azúcares simples. Se producen moléculas que son precursoras del sabor, del aroma y el color.

Como el proceso de descomposición varía según la temperatura, el análisis se realiza en forma estándar durante cinco días a 20 ºC, y se denomina DBO5.

La DBO proporciona una medida solo aproximada de la materia orgánica biodegradable presente en las aguas residuales.

Algunos valores referenciales:

- Agua pura 0 - 20 mg/L - Agua levemente contaminada 20 - 100 mg/L - Agua medianamente contaminada 100 - 500 mg/L - Agua muy contaminada 500 – 3,000 mg/L - Agua extremadamente contaminada 3,000 – a más mg/L El valor de la DQO siempre será superior al de la DBO debido a que muchas sustancias orgánicas pueden oxidarse químicamente, pero no biológicamente. Es decir, los gramos o miligramos de oxígeno se refieren, en el caso de la DBO, a los requeridos para la degradación biológica de la materia orgánica; mientras que en el caso de la DQO representan los necesarios para la degradación química de la materia orgánica.

La relación entre la DBO5 y la DQO da una idea del nivel de contaminación de las aguas [1]:

por Salas (1993), cuando el pH de una mezcla se ajusta al pH del punto isoeléctrico de uno de los componentes, la mayor parte o casi todo el componente precipitará.

Según Salas (1993): “El punto isoeléctrico de una proteína es el valor de pH en el cual la molécula no posee carga eléctrica y en consecuencia no existe repulsión electrostática entre moléculas de proteínas vecinas, las cuales tienden a reunirse y precipitar, entonces la proteína presenta su mínima solubilidad”.

• Si la relación (DBO 5/DQO) es mayor a 0.60, hablamos de vertidos de naturaleza más biodegradables, conforme el valor de dicha relación aumenta. Estas aguas residuales, puede ser tratadas mediante tratamientos biológicos [1].

Los efluentes urbanos normalmente cumplen esta característica.

Sólidos suspendidos totales (SST o TSS) Estima la cantidad de sólidos (en mg/L) no disueltos que pueden ser separados por medios mecánicos, como la filtración en vacío o la centrifugación del líquido, o métodos fisicoquímicos como la coagulación, la floculación o la flotación. Se asocia a la turbidez del agua, la cual está relacionada con los sólidos no disueltos. Se mide en unidades nefelométricas NTU y suele usarse en la salida de las plantas de tratamiento de aguas para indicar la calidad de los procesos. Utilizar la turbidez como medida de la eficiencia de una planta de tratamiento de aguas resulta muy práctica, pues es muy sencillo determinar su valor con métodos ópticos de medición en línea [8].

Tratamientos de precipitación, coagulaciónfloculación y filtración de contaminantes Precipitación de proteínas La solubilidad de algunos compuestos o sustancias tales como las proteínas dependen, entre otros factores, del pH. La solubilidad y las propiedades de las proteínas con puntos isoeléctricos distintos son afectadas fuertemente por el pH del medio (Mc Murry, 2008). Según Lehninger (1982) citado

VOLUMEN 11, 2017

H H

C R1

• Si la relación (DBO 5/DQO) es menor a 0.20, entonces hablamos de vertidos de naturaleza industrial, poco biodegradables y convienen los tratamientos fisicoquímicos.

• Si la relación (DBO5/DQO) está en el rango entre 0.20 – 0.50, podemos aplicar un tratamiento fisicoquímico solo o combinarlo con un sistema biológico. Bajo este escenario se deberá tener en cuenta el área disponible para el sistema biológico, el capital de inversión y los costos operativos para decidir la técnica de tratamiento.

OH

O

Grupo carboxilo

Carbono α

N

Grupo amino

H Grupo R o cadena lateral (parte variable)

Figura 2. Estructura química de un aminoácido, la unidad que forma la proteína.

Fuente: Departamento de Fisicoquímica UNAM

Oxidación avanzada Procesos que implican la formación de radicales hidroxilo (•OH) de potencial de oxidación (E°= 2.8 voltios) mucho mayor que el de otros oxidantes tradicionales como permanganato de potasio y dicromato de potasio. Estos radicales son capaces de oxidar compuestos orgánicos, principalmente por abstracción de hidrógeno o por adición electrolítica a dobles enlaces. Ello genera radicales orgánicos libres (R°) que reaccionan a su vez con moléculas de oxígeno y forman un peroxiradical, lo que inicia una serie de reacciones de degradación oxidativa que pueden conducir a la completa mineralización de los contaminantes [4].

•

Proceso Fenton

Es un proceso de oxidación avanzada en el cual se producen radicales altamente reactivos de hidroxilo (•OH). Se lleva a cabo en condiciones de pH ácido y presión y temperatura ambiente, con oxidantes fuertes a base de peróxido de hidrógeno (H2O2) estabilizado que está catalizado con metales de transición, generalmente hierro. La reacción se aplica para el tratamiento efectivo de aguas residuales [5]: Fe2+ + H2O2 --------------- Fe 3+ + OH- + •OH Fe 3+ + H2O2 --------------- Fe2+ + •OOH + H+

METODOLOGÍA

Para investigar la tecnología más apropiada de remoción de contaminantes de agua se parte de la caracterización de la misma. En este caso, se compara los resultados con los VMA exigidos en el DS 021-2009 y su actualización en el DS 001-2015, ambos del Ministerio de Vivienda, Construcción y Saneamiento.

55

Parámetro

Unidad

pH

Límite de detección

Resultados

VMA

…

…

6.97

6a9

Demanda bioquímica de oxígeno (DBO)

mg/L

2

1,291

500

Demanda química de oxígeno (DQO)

mg/L

2

1,746

1,000

Sólidos suspendidos totales (SST)

mg/L

2

120

500

Sulfatos

mg/L

0.5

238.6

1,000

Tabla 2. Resultados promedio de monitoreo del efluente generado.

Como notamos en la Tabla 2, el pH está dentro del rango aceptado, y los niveles de sólidos suspendidos y sulfatos están por debajo de los VMA. Sin embargo, la DQO y la DBO están por encima del límite permitido, lo que las convierte en parámetros críticos debido a la alta carga orgánica de los mencionados efluentes. La investigación se centró en remover la DQO hasta los niveles que exige la normativa (por debajo de 1,000 mg/L) para verter los efluentes al desagüe. Esta remoción de la DQO trae consigo también la disminución y el cumplimiento de la norma correspondiente a la DBO.

para evaluar si cumple con los VMA, y si económicamente sus consumos corresponden proyección de los costos operativos por insumos químicos. Los costos operativos de personal y de energía suelen ser entre 30% y 50% del OPEX químico. En esta investigación, el OPEX químico es el criterio económico para decidir qué tecnología pasará a la etapa de planta piloto en un posterior estudio.

Descripción del proceso Los resultados del trabajo con las muestras debían proyectarse a un caudal de 25 m3/día. Se realizó la siguiente secuencia de actividades para la investigación: Toma de muestra Para cada prueba de laboratorio se tomó una muestra tipo compósito, almacenada durante 5 horas, con el objetivo de que fuese representativa y no puntual, para así determinar la variabilidad de la fuerza de carga contaminante en el efluente a tratar. La caracterización de cada muestra se presenta en la Tabla 3.

Luego se aplicaron cuatro metodologías de tratamiento: • Método A: Precipitación de proteínas – oxidación avanzada Fenton – coagulación – floculación.

• Método B: Oxidación avanzada Fenton – precipitación de proteínas – coagulación – floculación.

• Método C: Alcalinización – precipitación de proteínas – coagulación – floculación.

• Método D: Alcalinización – precipitación de proteínas – coagulación – oxidación avanzada Fenton.

Es importante resaltar que a pesar de que el efluente sí es tratable biológicamente debido a su relación DBO/DQO, de 0.74 (calculado a partir de los resultados de la Tabla 2), no se probó ninguna variante de dicha tecnología pues no existen los espacios necesarios para su aplicación en la planta. Ello obliga a que los tratamientos a investigar sean fisicoquímicos y no biológicos.

En cada prueba se determinan las dosis óptimas de productos químicos, y el resultado de cada metodología se compara 56

Figura 3. Muestra compósito del efluente a tratar.

En los resultados que se muestran posteriormente se observará que la metodología más viable técnica y económicamente es el método C, cuya secuencia se explica a continuación.

Alcalinización del efluente Los efluentes muestreados tenían un pH promedio de 6.97 por lo que se elevó el pH a 11.8 con soda cáustica al 10%, a una dosis de 10-12 mL/L para desencadenar la desnaturalización de proteínas a fin de producir variación en el grado de ionización de distintos grupos funcionales (carboxilo, amino, hidroxilo) implicados en las interacciones, sobre todo de los enlaces iónicos y puentes de hidrógeno y con ello un cambio en la estructura química. El tiempo batch de reacción de laboratorio fue de 30 minutos (equivalente a 60 minutos en condiciones de flujo continuo) a 200 rpm.

Precipitación de proteínas En esta etapa se proyecta un tiempo de 30 minutos a consecuencia del proceso de desnaturalización, debido a la desprotonización completa de los grupos carboxilos (cadena lateral) y la protonización de los grupos aminos (carbono alfa), para llegar al punto isoeléctrico, se forme el zwiterion y precipiten las proteínas.

Figura 4. Muestra antes y después de la precipitación de proteínas.

Figura 6. Filtración de la carga orgánica en suspensión.

Acidificación

Adsorción en columna de carbón activado

El clarificado del producto de la precipitación de proteínas es acidificado con ácido sulfúrico 0.10 N a una dosis de 19 mL/L (este ácido puede sustituirse por ácido clorhídrico) durante 10 minutos a nivel de flujo continuo para disminuir el pH desde 11.8 hasta un rango entre 8.0 y 8.5 a 300 rpm, y luego generar el medio de aglomeración de pequeñas partículas en suspensión (materia orgánica).

Es el pulido final de contaminantes orgánicos disueltos que han quedado en el agua a pesar de las etapas de tratamiento anteriores. Esta última etapa en el proceso industrial se podría evitar (by pass) siempre que los valores de DQO a la salida del lecho filtrante estén por debajo de 1,000 mg/L. En caso de que estén por encima se haría pasar al agua por columnas de carbón activado. También disminuye color o ligera turbidez que pueda tener, para así obtener un efluente que cumpla con los VMA del DS 001-2015 Vivienda. Se proyecta que 200 kg de carbón activado distribuido de forma en paralelo (100 kg por cada columna) puede tratar un caudal de agua de 25 m3/día.

Coagulación y floculación Una vez llevada la solución a pH 8.5 se aplica un coagulante orgánico (polielectrolito) para simular una mezcla a 400 rpm y un floculante aniónico a una velocidad de agitación 100 rpm con el fin de producir flocs necesarios que puedan ser separados fácilmente en el sistema de separación sólido – líquido por medio de un lecho filtrante.

En la proyección de la planta real, para la homogenización del coagulante orgánico, se deberá implementar mezcladores estáticos en la línea, seguidos de un tanque de agitación para homogenizar el polímero aniónico a una fuerza de agitación entre 80 y 100 rpm, y un tiempo de mezcla entre el coagulante y floculante de hasta 20 minutos, siendo la concentración de ambos reactivos a nivel de laboratorio de 0.1% y una dosis de 50 y 15 mL/L respectivamente.

Figura 7. Adsorción de carga orgánica residual y remoción de turbidez.

Figura 8. Efluente industrial final tratado.

RESULTADOS Figura 5. Clarificación por coagulación – floculación.

Filtración como pulido de SST Se procede a la separación sólido – líquido de los SST generados por la coagulación y floculación, después de adecuar y estandarizar el rango de pH entre 8.0 y 8.5. Con ello se termina de remover la mayor carga orgánica en suspensión.

VOLUMEN 11, 2017

Las cuatro metodologías se aplicaron por tres semanas. Se analizaron únicamente los resultados que se obtuvieron en cinco días intercalados de los últimos diez del estudio, pues durante el periodo anterior solo se determinaron las dosis ya que aún había inestabilidad del proceso. Cada prueba se llevó a cabo sobre muestras tomadas el mismo día. Los resultados se encuentran en la Tabla 3.

57

Valores Costos Iniciales Fecha

Método aplicado OPEX (US$/Mes)

OPEX (US$/m3)

pH

Método A

3,575.70

4.77

6.90

Método B

2,658.75

3.55

6.58

15/06/2015

39.00

DQO Inicial (mg/L)

Turbidez (NTU)

DQO Final (mg/L)

Remoción de la DQO (%)

7.40

630.00

65.19%

10.30

930.00

48.62%

1,810.00

Método C

1,253.25

1.67

6.40

6.07

670.00

62.98%

Método D

3,575.70

4.77

6.30

7.13

760.00

58.01%

Método A

5,448.50

7.26

6.54

7.35

1,230.00

30.90%

Método B

5,150.27

6.87

6.59

9.68

879.00

50.62%

17/06/2015

57.00

1,780.00

Método C

1,208.36

1.61

6.58

6.12

630.00

64.61%

Método D

2,757.00

3.68

6.60

6.98

930.00

47.75%

Método A

4,071.00

5.43

7.10

7.65

585.00

66.38%

Método B

3,304.83

4.41

6.90

9.88

530.00

69.54%

19/06/2015

47.00

1,740.00

Método C

999.38

1.33

7.14

7.08

370.00

78.74%

Método D

3,062.58

4.08

7.02

8.95

410.00

76.44%

Método A

2,175.00

2.90

7.44

12.40

810.00

53.98%

Método B

1,275.00

1.90

7.43

10.30

1,310.00

25.57%

22/06/2015

62.00

1,760.00

Método C

939.00

1.25

7.42

8.97

550.00

68.75%

Método D

958.00

1.28

7.40

9.81

730.00

58.52%

Método A

2,710.35

3.61

7.32

9.47

1,310.00

20.12%

Método B

1,813.05

2.42

7.30

9.80

1,230.00

25.00%

24/06/2015

Turbidez (NTU)

Finales

48.00

1,640.00

Método C

1,256.55

1.68

7.10

8.03

720.00

56.10%

Método D

1,654.88

2.21

7.25

10.30

920.00

44.41%

Valores iniciales Promedio

6.97

50.80

1,746.00

Tabla 3. Resumen de resultados: parámetros antes y después de aplicar los métodos para el tratamiento del efluente.

• El principal resultado que observamos en la Tabla 3 es que el método C es el que genera la mayor remoción de la DQO en todas las pruebas. Solo el 15/06/2015, el método A obtuvo mayor remoción por una pequeña diferencia. La tecnología que produce la menor remoción varía de acuerdo al día de las pruebas. El método A lo fue el 17/06/2015, el 19/06/2015 y el 24/06/2015; en tanto que el B, el 15/06/2015 y el 22/06/2015. Por ello, según este estudio, desde el punto de vista técnico, el método C se presenta como la mejor opción de tratamiento, descarta los métodos

58

A y B, y considera el método D aún como alternativa en otras condiciones.

• Esta ventaja se refuerza al aplicar el criterio económico, pues el método C integra las dosis óptimas y los más bajos OPEX químicos (costos operativos de sustancias químicas utilizadas). Los métodos A y B, así como el D en menor medida, presentan mayores costos operativos químicos (Tabla 3). Todo ello confirma que el método C es el de más costo-efectico para el tratamiento del efluente estudiado.

Producto

Utilidad

Costo (US$/Kg)

H2SO4

Regulador de pH

0.6

Al2(SO4)3

Coagulante inorgánico

0.4

REDIMEX

Reductor

0.7

OXICAT

Catalizador de oxidación

0.7

OXIMAX

Oxidante en base a H2O2

0.8

NaOH

Regulador de pH

0.85

ARCAFLOC 70

Coagulante orgánico

ARCAFLOC 20

Floculante

4.

Al analizar los OPEX químicos, el método C presenta las dosis óptimas y por lo tanto menores costos operativos.

Ello, junto a su ventaja técnica lo que lo reafirma como el método seleccionado para continuar el estudio.

5.

El método más adecuado de tratamiento fisicoquímico para remover la contaminación orgánica del efluente proveniente de una fábrica de salsas orientales es el método C.

6.

La secuencia de método C es: alcalinización – precipitación de proteínas – coagulación – floculación, seguida de separación sólido – líquido y adsorción con carbón activado.

7.

El mayor costo-eficiencia del método C para tratar el efluente de esta fábrica de salsas orientales que se observa en esta investigación debe confirmarse en un estudio piloto en condiciones de caudal en continuo de efluente recién generado, monitoreo y control en periodos de trabajo para corroborar las etapas del proceso, así como las dosis y costos operativos de los químicos, energía y personal sobre una proyección de costos de capital (CAPEX) de la planta, además de sentar las bases de lo que será el diseño e ingeniería de la futura planta de tratamiento.

6 5.5

Tabla 4. Precios de los productos químicos usados en los métodos de tratamiento fisicoquímico.

• Los OPEX químicos tanto en US$/mes y US$/m3 que aparecen en la Tabla 3 fueron calculados a partir de los precios de los productos químicos en el mercado en el tiempo en que se hicieron las pruebas, de acuerdo a la proyección de pruebas batch a proceso continuo con un caudal de 25m3/día.

Los precios planteados en la Tabla 4 fueron multiplicados por los consumos de químicos y por los caudales.

Nota N° 1: Para hallar los US$/m3 se utilizó la siguiente fórmula:

REFERENCIAS

(US$/kg de producto químico) x (kg de producto químico/m3 de efluente)

[1] Nota N° 2: Para calcular los US$/mes se aplicó la fórmula: (US$/kg de producto químico) x (kg de producto químico/m3 de efluente) x (m3 de efluente/mes)

CONCLUSIONES

1.

2.

3.

Los contaminantes del efluente son principalmente orgánicos, lo que se evidencia en los altos valores de la DBO y la DQO de la cabeza, los cuales no cumplen con los VMA del DS 021-2009 del Ministerio de Vivienda. Por ello, dichos niveles se constituyen como los parámetros críticos del tratamiento a investigar. De la materia prima usada en el proceso industrial se deduce que el grueso de los contaminantes está compuesto por proteínas, bajo la forma de sólidos coloidales, es decir no solubles en el agua.

Desde el punto de vista técnico, los cuatro métodos empleados A, B, C y D, (con algunas excepciones en los dos primeros) logran remover la DQO hasta alcanzar valores que cumplen con los VMA del DS 021-2009 y 001-2015, ambos del Ministerio de Vivienda.

El método de tratamiento C es el que mejor se ajusta a los VMA exigidos por el DS 021-2009 y 001-2015 del Ministerio de Vivienda, pues llega a menores valores finales de DQO y, por ende, produce mayor remoción de contaminantes con respecto a la cabeza inicial.

VOLUMEN 11, 2017

Crites, R. y Tchobanoglous, G. (2000). Small and Decentralized Wastewater Management Systems. Boston: McGraw-Hill.

[2] Valores Máximos Admisibles (VMA) de las descargas de aguas residuales no domésticas en el sistema de alcantarillado sanitario. DS. 00-2015 (09 de enero del 2015). En Normas Legales, N° 544502. Diario Oficial “El Peruano”. Lima: Ministerio de Vivienda Construcción y Saneamiento.

[3] Gastronomía & Cía. (2011). Moromi. Recuperado de https:// gastronomiaycia.republica.com/2011/01/16/moromi/ [4] Gómez, L., Urkiaga, A., Gutiérrez M. y De las Fuentes, L. (2000). Foto oxidación de vertidos químicos: revisión y experiencias de procesos de oxidación avanzada.

Ingeniería química, 32 (371), 211-216.

[5] Lombraña, J., Varona, F., Menéndez, A. y de Luis, A. (2009). Kinetic study and hydrogen peroxide consumption of phenolic compounds oxidation by Fenton’s Reagent.

Korean Journal Chemical Enginering, 26 (1), 41-48.

[6] Orozco, C., et al. (2005). Contaminación ambiental. Una visión desde la química. Madrid: Editorial Thomson.

[7] Salas, A. (1993). Recuperación e identificación de las proteínas sarcoplasmáticas eliminadas en la elaboración de Surimi de sardina. (Tesis de Ingeniero), Universidad Nacional Agraria La Molina, Lima.

59

[8] Severiche, C., et al (2013). Manual de métodos analíticos para la determinación de parámetros fisicoquímicos básicos en aguas. Cartagena de Indias: Biblioteca Virtual Eumed. Recuperado de www.eumed.net [9] Ranade, V. & Bhandari, V. (2014). Industrial Wastewater Treatment, Recycling, and Reuse.

Oxford: Elsevier.

[10] Yáñez, F. (1998). Criterios para selección de sistemas de tratamiento de aguas residuales. Lima: Centro Panamericano de Ingeniería Sanitaria y Ciencias del Ambiente (CEPIS).

[11] Salsa de soja (2017). Salsa de Soja china y japonesa ¿conoces los diferentes tipos?. Recuperado de http://salsadesoja.com/conoces-la-salsa-soja/ [12] Facultad de Química (2011). Estructura de los aminoácidos. Mexico D.F: Departamento de programas audivsuales - Universidad Nacional Autónoma de México. Recuperado de http://depa. fquim.unam.mx/proteinas/estructura/EPamm1.html

ACERCA DE LOS AUTORES Huguez Enrique Ames Ramírez Ingeniero Químico por la Universidad Nacional Mayor de San Marcos. Magister en docencia universitaria por la Universidad de Piura. Miembro del Colegio de Ingenieros del Perú. Experiencia en la industria química y metalúrgica, principalmente en el tratamiento de aguas residuales de procedencia doméstica e industrial. Ha sido docente en la Universidad Nacional Agraria La Molina, Lima; la Universidad Continental, Huancayo y el Instituto de Ciencias y Humanidades, Lima. Es autor de diversos textos universitarios y preuniversitarios. Ha sido consultor del Ministerio de Educación en currículo, evaluación y materiales en ciencias. Actualmente, es coordinador de la carrera de Procesos Químicos y Metalúrgicos de Tecsup Lima. Además es consultor técnico para una empresa dedicada al tratamiento de aguas y de efluentes industriales. hames@tecsup.edu.pe

60

Enrique Cáceres Aguinaga Ingeniero Metalúrgico por la Universidad de Lima.

Maestría en Ciencias Ambientales en la Universidad Nacional Agraria La Molina-UNALM. Especialización en Gestión de la Calidad Total, en Tokio-Japón. Experiencia en el sector industrial y metalúrgico. Docente-consultor en el Departamento de Minería, Química y Metalurgia de Tecsup; docente del diplomado en Sistemas Integrados de Gestión en la Universidad Nacional Mayor de San Marcos. Consultor en la ONG Kallpa para WeltHungerHilfe, Comisión Europea en gestión de riesgos de desastres. ecaceres@tecsup.edu.pe María Janet Reque Córdova Bióloga por la Universidad Nacional San Luis Gonzaga.

Estudios de Biología Molecular Vegetal en la Universidad Nacional Mayor de San Marcos. Experiencia en la industria alimentaria como analista de control de calidad en la empresa Icatom S.A., como jefa de control de calidad en plantas agroexportadoras de diversos productos agrícolas, así como asesora externa en biología molecular vegetal para diversas entidades. Actualmente, trabaja en la empresa Stockholm Mining S.A.C. que ofrece soluciones integrales en el tratamiento de aguas y de efluentes industriales. greque@consorciostockholm.com César Daniel Vásquez Rodríguez Ingeniero Metalúrgico por la Universidad Nacional Mayor de San Marcos. Estudios de diplomado en Sistemas de Gestión Integrada en EHSQ group y Sistema de Gestión QA/QC en Tecsup. Miembro del Colegio de Ingenieros del Perú. Experiencia en la industria metalúrgica de fundición como supervisor en el Área de Procesos de Diseño de Sistema de Alimentación en AutoCAD, en la industria de la corrosión como supervisor de sistema de protección catódica e integridad de ductos en el Proyecto de Camisea en Malvinas Provincia de Echarte, La Convención, Cusco.

Actualmente, trabaja en la empresa Stockholm Mining S.A.C. que ofrece soluciones integrales en el tratamiento de aguas y de efluentes industriales. cvasquez@consorciostockholm.com

La medición de la

disponibilidad de la interface en el switch,

a través del software desarrollado, coincide con el equipo de medición NetTool

Mauricio Surco, Tecsup

Determinación de parámetros para el monitoreo de la disponibilidad de las interfaces de los switch CISCO Determination of Parameters for the Monitoring the Availability of the CISCO Switch Interface RESUMEN

to the operator, we specified the time-frequency and the application language in both the server and the client.

La medición de la disponibilidad en las interfaces de red es muy importante, ya que permiten reducir la disconformidad del usuario al interactuar con las herramientas informáticas de red.

This paper proposed that it is possible to develop a low-cost tool, customizable and commensurate to requirements of the network administrator’s for Monitoring the Availability of the CISCO Switch Interface.

El presente trabajo tiene por objetivo, identificar los parámetros para la medición de la disponibilidad de la interfaces de red en los Switch Cisco. Para ello, primero se definió la calidad de la métrica, luego se determinó cómo obtener la métrica del equipo de comunicación, utilizando para ello el protocolo de administración simple de red (SNMP). Finalmente para mostrar la información al operador, se precisó el tiempo de frecuencia y el lenguaje de aplicación tanto en el servidor como en el cliente.

Se propone que es posible desarrollar una herramienta de bajo costo, personalizable y acorde a los requerimientos que tenga el administrador de la red para el monitoreo de la disponibilidad de las interface de los Switch Cisco.

ABSTRACT

The Measuring of the availability of network interfaces is very important because it would help to avoid user dissatisfaction as they interact with computer tools.

This paper aims to identify parameters for measuring network interface availability in Switch CISCO Network. To reach this objective, first, we defined the quality of the metrics, then we determined how to obtain the metric from the communication equipment, using for that, the Simple Network Management Protocol (SNMP). Finally to be able to show this information

INTRODUCCIÓN

La infraestructura de red de las empresas debe estar acorde con la demanda del usuario, debido a que el 80% de procesamiento es externo a través de los servicios de red y el procesamiento local es mínimo lo que conlleva a un mayor tráfico de datos por la red. Debido a esta dependencia se requieren redes confiables, estables y disponibles.

Para lograrlo no solo basta con adquirir componentes de calidad sino que el monitoreo constante del rendimiento de la red es importante, pues permite anticiparse a los posibles problemas del usuario.

Entre los parámetros de red que pueden ser monitoreados para tener un buen rendimiento, tenemos: latencia, jitter, pérdida de datagramas y porcentaje de ocupación de la interface.

Este artículo se enfoca en la determinación de los parámetros para el monitoreo de la disponibilidad de las interfaces de los Switch. Este es un parámetro muy importante, pues si el puerto cae o el tráfico se incrementa, el rendimiento de la aplicación puede ser afectado así como la experiencia del usuario final frente al servicio. La obtención de la información de los Switch se realizó a través del protocolo SNMP y se utilizaron los lenguajes de programación PHP, CSS y JSON para mostrar la información.

Palabras claves Ancho de banda, protocolo de administración simple de red, Palabras Clave monitoreo, Switch, identificadores Estilos, aprendizaje, TIC, metodologías de objeto, disponibilidad. activas.

Key words Key words Bandwidth, Simple Network

Styles, learning, ICT, active methodologies.

Management Protocol, monitoring, Switch, Object Identifiers, Availability.

VOLUMEN 11, 2017

suelen ser de tipo half-duplex, debido a que realizan detección de colisiones para que el dispositivo escuche antes de transmitir (Cisco, 2005).

FUNDAMENTOS

El monitoreo de la red en las empresas muchas veces es subestimado debido al costo de la licencia del software o por desconocimiento de su importancia. Por ello, al no realizar el monitoreo las empresas asumen el riesgo de tener pérdida de datagramas, incremento de latencia y jitter, e inclusive, ser vulnerables a ataques informáticos (Acevedo, 2015). Esto conlleva a que el área de Tecnología de la Información solo reaccione de forma reactiva frente a incidentes que pudieran presentarse.

Entonces, para calcular el ancho de banda se necesita tomar dos ciclos de interrogación1 en un tiempo establecido de los octetos entrantes y salientes. En la comunicación half-duplexse mide por separado, se explica en la siguiente fórmula.

El medir el porcentaje de ocupación de las interfaces en los Siwtch permitiría poder predecir los siguientes problemas (Gerometta, 2007): • Cuello de botella, podría deberse a un mal dimensionamiento del tamaño de las troncales con los equipos de comunicación o al incremento de las aplicaciones que consumen la red.

• Tormenta de paquetes, existen diferente tipos como broadcast, unicast y multicast. Podrían originarse por intentos de ataque en capa 2, virus o problemas con la infraestructura virtual (Microsoft, 2017).

• Virus, buscan autopropagarse por la red o colapsarla.

Las métricas son aquellas que se utilizan para interpretar lo que ocurre, y la referencia para que los responsables tomen decisiones que pueden ser correctivas o preventivas (Tejada, 2014). Para el sistema de monitoreo utilizamos el porcentaje de ocupación como métrica, por lo que la presentación de este parámetro debe cumplir con ciertos requisitos para que sea una métrica de calidad: • Dar los mismos resultados independientemente de la aplicación, para ello se contrasta el resultado con equipos de medición de red.

• Indicar cuándo hacerlas y la frecuencia.

• Cuanto más fácil sea obtenerla es mejor, su interpretación no deberá de suponer esfuerzo o tiempos excesivos.

• Estar bien detalladas para evitar problemas de interpretación.

En la presentación de este valor se colocan etiquetas para identificar el puerto y la unidad del equipo.

• Presentar la evolución de los atributos en el tiempo, esto se consigue almacenando el parámetro en una base datos y se muestra mediante una aplicación gráfica.

La información se obtiene de los Switches de distribución, pues son los equipos más cercanos al usuario.

Para calcular el ancho de banda de una interface se realiza de forma diferente, según el modo de la interface. Es decir, si se encuentra en full-duplex o half-duplex. Las conexiones LAN

Figura 1. Fórmula de cálculo de ancho de banda, comunicación half-duplex.

Fuente: Cisco, 2005.

Para una comunicación full-duplex se utiliza la fórmula de la Figura 2, en la que se toma el valor más alto de los octetos entrantes y salientes.

Figura 2. Fórmula de cálculo de ancho de banda, comunicación full-duplex.

Fuente: Cisco, 2005.

En este artículo se utiliza la fórmula de half-duplex debido a que es el modo de comunicación por defecto que viene en las tarjetas Ethernet, y el recomendable para la comunicación del Switch con los usuarios. ΔifInOctects: Es la diferencia entre dos ciclos de interrogación de la consulta SNMP del objeto ifInOctects, el cual representa la cantidad de octetos entrantes de un tráfico. ΔifOutOctets: Es la diferencia entre dos ciclos de interrogación de la consulta SNMP del objeto ifOutOctects, el cual representa la cantidad de octetos salientes de un tráfico. ifSpeed: Es la velocidad de la interface, de la consulta SNMP del objeto ifSpeed.

La información de los octetos entrantes y salientes se almacena y visualiza en un régimen binario. Se utiliza un multiplicador 8, pues un octeto son 8 bits y se les conoce como unidades bps.

Este artículo se basa en los Switch Cisco, el cual tiene los siguientes identificadores de objeto (Object Identifier - OID).

Objeto

OID

Descripción

ifInOctets

.1.3.6.1.2.1.2.2.1.10

Número total de octetos recibidos en una interface.

ifOutOctets

.1.3.6.1.2.1.2.2.1.16

Número total de octetos enviados en una interface.

ifSpeed

.1.3.6.1.2.1.2.2.1.5

Ancho de banda actual estimado de una interface en bits por segundos.

Tabla 1. Objetos SNMP con OID.

1

64

Ciclo de Interrogación, es el tiempo en el que cada elemento es monitoreado una vez. (Valadas & Salvador, 2008)

Al hacer la consulta SNMP al Switch sobre los OIDs de la Tabla 1, estos muestran todos los octetos entrantes o salientes de las interfaces, como lo muestra la Figura 3, por lo que se debe especificar el identificador de la interface a consultar.

regresa al servidor web en el punto 5. Finalmente, se reenvía al cliente, punto 6.

1

2 Serv.

Web

Estación Monitoreo

PHP 5 3

4 6

Figura 5. Flujo de la información.

Figura 3. Salida dela consulta al OID de octetos entrantes.

Para obtener el identificador de la interface se consulta al OID 1.3.6.1.2.1.2.2.1.8, el cual devuelve todos los identificados así como el estado de la interface, es decir si está levantada, como se muestra en la Figura 4.

La métrica se obtiene de la diferencia de valores de los octetos, para lo cual se aplica la fórmula de la Figura 1.

El sistema solicita un segundo valor a los 5 segundos. El flujo de la petición sigue el esquema de la Figura 5, con la diferencia de que la solicitud del segundo valor no se realiza a través del refresco que utiliza cabeceras html, porque actualizaría toda la página, e incrementaría el tiempo de visualización de los resultados.

El siguiente esquema muestra el flujo de información para solicitar el segundo valor de los octetos y así completar los parámetros de la fórmula en la Figura 1.

SERVIDOR WEB DATOS XML

JSON XML

XMLHttpRequest

XML

INTERFAZ AJAX

Figura 4. Salida dela consulta al OID de ifOperStatus.

El lenguaje de programación debe consultar el OID ifOperStatus y extraer toda la tabla; luego, procesar el resultado línea por línea para extraer el ID de la interface; y, finalmente, su estado.

El lenguaje utilizado es PHP por las funciones que tiene para trabajar con SNMP. A partir de la versión 5.3.3 ya tiene soporte en SNMP. La información sobre las interfaces que están funcionando y el valor inicial de los octetos por cada una se muestra en la Figura 4.

En la Figura 5, muestra el flujo de la información, donde el punto 1, el usuario envía una petición al servidor web. En el punto 2, esta petición se emite al servidor de aplicaciones PHP. En el punto 3, este manda un comando SNMP walk al Switch para solicitar los datos de la Tabla 1 y el objeto ifOperStatus.

En el punto 4, el Switch devuelve lo solicitado al servidor PHP para ser procesado y se genere código html. Dicha información

VOLUMEN 11, 2017

DOM

CSS XHTML

CODIGO

JAVASCRIPT

INTERFAZ DE USUARIO Figura 6. Flujo de tecnologías.

La Figura 6 muestra el flujo de información en el navegador del usuario en el que se implementa código JavaScript, el cual solicita cada 5 segundos los octetos de entrada y salida del Switch a través de un script en PHP, como lo indica la Figura 5. Las peticiones de datos se envían mediante JSON para que pueda trasmitir los dos octetos de cada interface. Cuando los parámetros son devueltos, una API DOM ejecuta la fórmula escrita en la Figura 1 y ejecuta de forma óptima los elementos en los controles de la interface del usuario.

65

RESULTADOS

Para probar la métrica se implementó un prototipo como se muestra en la Figura 7.

Eth3

Eth6

PCPrueba

Eth9

PCMonitor

1

EtherScope

NetTool Figura 7. Prototipo de infraestructura

En la figura 8 se observa que el equipo EtherScope genera tráfico al 50% de la utilización de la interface con dirección a la

MAC de la PCPrueba, durante 60 segundos, tiempo suficiente para realizar las mediciones necesarias.

Figura 8. Pantalla de EtherScope.

Fuente: Equipo EtherScope

66

El primer equipo que realiza las mediciones es el NetTool de Fluke, es muy confiable porque permite medir el ancho de banda del flujo de tráfico que lo atraviesa.

En la Figura 9 se observa que el porcentaje de utilización de la interface está al 50%. Indica lo que recibe del equipo EtherScope.

Figura 9. Pantalla de NetTool.

Fuente: Equipo NetTool

El flujo de tráfico es recibido por la PCPrueba, como se aprecia en la Figura 10. Esta herramienta de medición de red del Administrador de tareas de Windows muestra que el porcentaje de utilización en la interface es del 39%.

Figura 10. Administrador de tareas de PCPrueba, Fuente: Administrador de tareas Windows 7

Cuando se ingresa al software del equipo PCMonitor para visualizar los resultados, se observar que el tráfico entra por la interface 9 (IN) y sale por la interface 5 (out). La Figura 11 indica que solo las interfaces antes mencionadas llegan a medir +-50%.

Figura 11. Pantalla de monitoreo PCMonitor.

CONCLUSIONES

La degradación del rendimiento de la red puede ocasionar problemas de calidad de servicio con el usuario y servidores.

Para evitarla, se deben mantener los parámetros en los niveles adecuados.

El protocolo SNMP permite extraer información de diferentes equipos de comunicación y equipos finales. Este protocolo es

VOLUMEN 11, 2017

fácilmente accesible gracias a los lenguajes de programación como PHP, el cual nos permite desarrollar varias soluciones de monitoreo.

La medición de la disponibilidad de la interface en el Switch, a través del software desarrollado, coincide con el equipo de medición NetTool, lo que lleva a afirmar que la métrica tomada es de calidad.

Se demostró que es posible medir la disponibilidad de la interface de una forma simple y económica.

67

REFERENCIAS [1]

Acevedo, J. (2015). Cómo responder a la pregunta: ¿Qué tan seguros estamos?. PCWorld en Español.

Recuperado de https://goo.gl/whdzS2

[2] Gerometta, O. (2007). 10 Causas frecuentes de baja perfonance de la red. Mis Libros de Networking.

Recuperado de https://goo.gl/E6Up89 [3] Microsoft Support. (2017). Tormenta de difusión se produce después de que un switch virtual duplica un paquete de red en Windows 8.1. Recuperado de https://goo.gl/dzc6oA [4] Support, C. -T. (26 de 10 de 2005). How To Calculate Bandwidth Utilization Using SNMP. Obtenido de https://goo.gl/o9JjNQ [5] Tejada, E. (2014). Gestión de servicios en el sistema informático. Malaga: IC Editorial.

68

ACERCA DEL AUTOR Mauricio Surco Máster en Tecnologías de la Información Aplicadas a la Empresa por la Universidad Politécnica de Madrid.

Profesional técnico en Redes y Comunicaciones de Datos en Tecsup Arequipa. Se desempeñó durante siete como consultor en el desarrollo de sistemas para el Área de Proyectos de Tecsup Arequipa elaborando proyectos para importantes empresas mineras.

Actualmente es docente del Programa de Redes y Comunicación de Datos. Tiene certificación Microsoft MCTS (Microsoft Certification Technology Specialist NET), Elastix Certified Engineer (VoIP), Certified Ethical Hacking por EC Council, Cobit Foundation Isaca, VCP5-DCV VMware Certified Professional-Data Center Virtualization, Fluke Networks Airmagnet Survey – Analyzer. msurco@tecsup.edu.pe

tecnologías de la información y la comunicación (TIC) en el

La aplicación de las

proceso de enseñanza-aprendizaje influye positivamente en la motivación del estudiante para participar activamente de su propio aprendizaje.

Julio Rivera, Tecsup

Influencia de la pizarra digital interactiva en el proceso de enseñanza y aprendizaje Influence of the Interactive Whiteboard in the Teaching and Learning Process

RESUMEN

La pizarra digital interactiva es un recurso didáctico innovador que favorece el proceso de enseñanza y aprendizaje al formar un nuevo esquema mental en los estudiantes y docentes.

Además, los ejercicios pueden realizarse repetidas veces bajo condiciones que posiblemente no podrían darse en una pizarra tradicional, pues permite acciones como producción de gráficos, interacción virtual con los compañeros y el profesor en tiempo real, y acceso a ayudas digitales. En esta investigación se muestra la influencia de la pizarra digital interactiva en el proceso de enseñanza y aprendizaje de los estudiantes de Física de Tecsup Arequipa. Se trabajó con dos grupos, el grupo A experimental que usó la pizarra digital interactiva en el desarrollo académico del curso, evaluaciones escritas y resolución de problemas de Física; y el grupo B de control, que no tuvo acceso a la pizarra digital interactiva. Se realizaron tres evaluaciones escritas a los alumnos de cada uno de los grupos mencionados; los resultados de las evaluaciones de ambos grupos fueron analizados estadísticamente para comprobar que existen diferencias en cuanto al rendimiento académico.

Se concluye que la pizarra digital tiene efectos positivos sobre el proceso de enseñanza y aprendizaje y la resolución de problemas en la asignatura de Física.

ABSTRACT

The interactive whiteboard is an innovative didactic resource that favors the teaching and learning process by forming a new mental outline in students and teachers. In addition, exercises can be performed repeatedly under conditions that might not be possible on a traditional whiteboard, because it allows actions such as graphics production, virtual interaction with peers and the teacher in real time, and access to digital aids. This research shows the influence of the interactive whiteboard in the teaching and learning process of Tecsup students in Arequipa. We worked with two groups, the experimental group A used interactive whiteboard in the academic development of the course, written assessments and resolution of problems of physics; And control group B didn’t have access to it. Three written evaluations were carried out to the students of each of the groups mentioned; the results of the evaluations of both groups were analyzed statistically to verify that there are differences in the academic performance. It is concluded that the digital whiteboard has positive effects on the teaching and learning process and problem solving in the subject of Physics.

Palabras Clave Pizarra digital interactiva, Física, enseñanza y aprendizaje, rendimiento académico.

Key words Interactive whiteboard, Physics, teaching and learning, academic performance.

VOLUMEN 11, 2017

INTRODUCCIÓN

Como herramientas dentro del proceso de enseñanza y aprendizaje, las tecnologías de la información y comunicación (TIC) deben ayudar a desarrollar en los alumnos habilidades que les permitan su adaptabilidad a los cambios de manera positiva, así como contribuir al enriquecimiento de sus potencialidades intelectuales.

La mayoría de aulas académicas de estudios superiores cuenta con proyector multimedia y una pantalla sobre cuya superficie es imposible escribir o graficar. Por ello, se requiere una pizarra acrílica y plumones recargables. Otro inconveniente es que si se precisa grabar la clase para compartirla con los alumnos, es necesaria una nueva instalación, además de filmadora, videocámara, etc.

La reforma educativa de Tecsup está orientada a elevar la calidad educativa, mediante la adaptación de los planes y programas de estudio a las necesidades reales y la modernización de los métodos y procedimientos de enseñanza y aprendizaje. Con el fin de mejorar dichos procesos se implementó la pizarra digital interactiva (PDI) con la aplicación de Explain Everything en el curso de Física, ya que resulta más fácil escribir, dibujar, combinar y mover imágenes, y subrayar desde la propia pantalla, sin necesidad de dirigirse al ordenador. La presente investigación describe la influencia de la PDI en la motivación y participación del alumno para mejorar su rendimiento académico, así como la interacción y la comunicación entre el docente y el estudiante.

FUNDAMENTOS

El uso de las TIC genera nuevas y distintas formas de aprender, no lineales, ni secuenciales sino hipermediales. Este nuevo tipo de aprendizaje implica el empleo de una variedad de medios para responder a una diversidad de estilos que le son propios [1]. La revolución tecnológica transforma varios sectores de la sociedad, entre ellos el de la educación [2]. Las TIC proponen a los docentes y alumnos, como nueva herramienta educativa, la PDI que es un material que genera grandes posibilidades de aumentar y fortalecer la calidad académica [3]. El contexto educativo y social en el que nos situamos requiere continuas adaptaciones, pues con el avance de la sociedad de la comunicación, la tecnología evoluciona de forma vertiginosa.

Esta evolución ha producido muchos cambios e interrogantes en el ámbito de la educación [4] [5]. Las PDI son versátiles y adaptables a las necesidades y exigencias de los alumnos durante su proceso de aprendizaje [6] [7]. La realización de actividades con el apoyo de la PDI facilita el aprendizaje de competencias, el tratamiento de la información, la comunicación lingüística y la autonomía e iniciativa personal. Sin embargo, los procesos de enseñanza y aprendizaje dependen de muchos factores, por lo que no se puede afirmar que exista una relación directa entre el mayor rendimiento de los alumnos y las actividades de aprendizaje con dicha herramienta [8]. Un proceso de aprendizaje desarrollado con metodologías activas e integración de las TIC desarrolla las capacidades de análisis

72

y síntesis con pensamientos críticos que propician la solución de problemas [9]. El uso adecuado de las TIC en el proceso de enseñanza y aprendizaje ayuda al alumno a la adquisición de nuevos conocimientos y la mejora de sus competencias [10]. Para la evaluación de actividades, pruebas o exámenes, la pizarra digital puede resultar muy útil, ya que los estudiantes siguen la corrección/autocorrección con mayor facilidad [11].

Es importante que la comunidad educativa aproveche todos los beneficios de la PDI para facilitar la labor docente en el aprendizaje significativo del estudiante [12].

METODOLOGÍA

A pesar de sus limitaciones, las actividades llevadas a cabo con el apoyo de la PDI facilitan la adquisición de competencias [13] [14]. En este estudio se tomaron en consideración los aspectos curriculares que el maestro diseña y en los que define su metodología y las estrategias didácticas apropiadas para enseñar [15]. Para elegir el tipo de PDI utilizada se realizó un cuestionario [16]. La aplicación Explain Everything cumple con las condiciones mencionadas, por tanto es la que usamos en la investigación. Se llevó a cabo un muestreo ramdon entre las especialidades, luego entre los cursos que se dictan en la especialidad y por último entre los grupos de alumnos que están en el curso. Al finalizar el proceso de selección se trabajó con dos grupos conformados por alumnos del curso de Ondas y Calor, de la especialidad de Mantenimiento de Maquinaria Planta, del primer ciclo Tecsup Arequipa. A los grupos formados en el proceso de selección se les denominaron, grupo A como experimental, que usó Explain Everything como PDI en el desarrollo académico del curso, evaluaciones escritas y resolución de problemas de Física; y el grupo B como control, que no tuvo acceso al uso de la PDI. Dicho de otro modo, el diseño experimental implicó la selección aleatoria de un grupo experimental y otro de control. La experiencia con el uso de la PDI permitió obtener información cualitativa basada en la observación del comportamiento natural de los participantes.

Para cuantificar los efectos de la intervención se aplicaron tres evaluaciones escritas (entrada, proceso y salida) de acuerdo a los aspectos curriculares existentes. Se desarrollaron los mismos temas, evaluaciones y exigencia académica a ambos grupos para compararlos. Las evaluaciones sirven para medir el rendimiento académico durante el proceso de enseñanza y aprendizaje. Para comprobar el rendimiento académico mediante las evaluaciones realizadas, las notas de los alumnos fueron sometidas al proceso estadístico prueba t de Student por cada grupo por separado. La prueba t de Student fue realizada en Microsoft Excel 2013 esto mediante el comando de análisis de datos.

RESULTADOS

Cada grupo de trabajo contó con 20 alumnos, los cuales se eligieron según la metodología mencionada. Así mismo, al realizar las evaluaciones planificadas se obtuvieron los resultados presentados en la Figura 1, Figura 2 y Figura 3.

Promedio de Notas de cada Evaluaciรณn 16

Promedio de notas

14 12 10 Grupo A

8

Grupo B 6 Entrada

Proceso

Salida

Evaluaciรณn Figura 1. Promedios de cada evaluaciรณn escrita.

La Figura 1 muestra los promedios obtenidos por cada grupo en cada una de las tres evaluaciones escritas. Notamos que ambos grupos tiene mejoras en sus evaluaciones pero el grupo A quien utilizo la PDI tiene mayor promedio.

5 10%

10 20%

6 20% 9 20%

7 5% 8 25%

La evaluaciรณn de entrada como menor nota el 10% de alumnos obtuvo 05; y como mayor nota el 20% de alumnos obtuvo 10; y en la evaluaciรณn salida como menor nota el 10% de alumnos obtuvo 10; y como mayor nota el 40% de alumnos obtuvo 14.

12 5 11 5% 5% 6 10% 15% 7 25%

10 15% 9 10%

Nota 1

Nota 1 8 5% 13 30%

10 20%

13 8 10% 10% 12 20%

9 10% 10 20%

11 15%

11 30%

12 30%

Nota 2

Nota 2

15 16 10 11 12 5% 5%5% 5% 5%

14 40%

8 15%

13 35%

Nota 3

13 20%

14 8 5% 5% 9 10%

12 20%

11 40%

Nota 3

Figura 2. Notas de la evaluaciones de los alumnos del grupo A. Figura 3. Notas de la evaluaciones realizadas a los alumnos del grupo B.

La Figura 2 muestra el porcentaje de alumnos del grupo A que obtiene una nota aprobatoria o desaprobatoria en cada una de las evaluaciones.

VOLUMEN 11, 2017

La Figura 3 muestra el porcentaje de alumnos del grupo B que obtiene una nota aprobatoria o desaprobatoria en cada uno de las 73

evaluaciones. En la prueba de entrada, 5% de estudiantes obtuvo 5 como menor calificación y 5% alcanzó 12 como mayor puntaje.

En comparación, en la evaluación de salida 5% de participantes obtuvo 8 de nota mínima, en tanto que 5% alcanzó un puntaje de 14 como máxima calificación.

Para llevar a cabo el análisis estadístico utilizamos la prueba t de Student en el grupo A, y luego en el grupo B. Los resultados de la prueba estadística realizada al grupo A se muestran en la Tabla 1 y Tabla 2.

Media Varianza

Varianza agrupada

2.87105263

1.94473684

20

20

2.40789474 0

Grados de libertad Estadístico t

38 -7.54020191

P(T<=t) una cola

2.3126E-09

Valor crítico de t (una cola)

1.68595446

Nota 1

Varianza agrupada

Nota 2

8.45

10.7

3.94473684

2.11578947

20

20

Observaciones

Nota 2 11.55

Diferencia hipotética de las medias

Prueba t de Student para dos muestras suponiendo varianzas iguales

Varianza

7.85

Observaciones

Los resultados de la prueba estadística realizada al grupo B se muestran en la Tabla 3 y Tabla 4.

Media

Prueba t de Student para dos muestras suponiendo varianzas iguales Nota 1

En la Tabla 2 se comprueba que p=0.00015119<0.05 por lo que se rechaza la hipótesis de que las medias son iguales.

3.03026316

Diferencia hipotética de las medias

0

Grados de libertad

38

Estadístico t

-4.08735487

P(T<=t) una cola

0.00010886

Valor crítico de t (una cola)

1.68595446

P(T<=t) dos colas

0.00021772

Valor crítico de t (dos colas)

2.02439416

Tabla 3. Prueba t de Student para la Nota 1 y Nota 2 del grupo B.

P(T<=t) dos colas

4.6251E-09

Valor crítico de t (dos colas)

2.02439416

En la Tabla 3 se advierte que p=0.00021772<0.05, por lo que se rechaza la hipótesis de que las medias son iguales.

Prueba t de Student para dos muestras suponiendo varianzas iguales

Tabla 1. Prueba t de Student para Nota 1 y Nota 2 del grupo A.

En base al análisis estadístico anterior, como p=4.6251E-09<0.05 se rechaza la hipótesis de que las medias son iguales.

Nota 2

Media Varianza

Prueba t de Student para dos muestras suponiendo varianzas iguales Nota 2

Media Varianza Observaciones Varianza agrupada Diferencia hipotética de las medias Grados de libertad Estadístico t

Observaciones

Nota 3

11.55

13.35

1.94473684

1.71315789

20

20

Diferencia hipotética de las medias Grados de libertad Estadístico t P(T<=t) una cola

1.82894737 0 38 -4.20893192

10.7

11.4

2.11578947

2.25263158

20

20

2.18421053 0 38 -1.49778954 0.07122471

Valor crítico de t (una cola)

1.68595446

P(T<=t) dos colas

0.14244941

Valor crítico de t (dos colas)

2.02439416

P(T<=t) una cola

7.5596E-05

Tabla 4. Prueba t de Student para Nota 2 y Nota 3 del grupo B.

Valor crítico de t (una cola)

1.68595446

P(T<=t) dos colas

0.00015119

Sobre la base de los resultados previos, como p=0.14244941>0.05 se acepta la hipótesis de que las medias son iguales.

Valor crítico de t (dos colas)

2.02439416

Tabla 2. Prueba t de Student para la Nota 2 y Nota 3 del grupo A.

74

Varianza agrupada

Nota 3

Los resultados estadísticos realizados al grupo A muestran que hubo mejora en la evaluación de entrada, proceso y salida. Los resultados estadísticos realizados al grupo B muestran que solo hubo mejora en la evaluación de entrada y proceso.

CONCLUSIONES

Al aplicar la prueba t de Student a los datos obtenidos concluimos que el grupo A y el grupo B presentan mejoras en sus evaluaciones, pero el grupo que usó la PDI tiene mayor progreso en sus notas.

En el proceso de investigación se observó que la implementación de la PDI influye en la interacción, la comunicación oral, gráfica y visual entre el docente y el alumno, y además, incrementa la participación y motivación de los estudiantes hacia el aprendizaje.

Por último, debemos promover una formación continua, real e integral del alumnado y profesorado en el uso de las TIC en el aula, ya que cuando estos adquieren las habilidades suficientes en el uso de la PDI son capaces de mejorar sus capacidades de aprendizaje.

REFERENCIAS [1]

Riveros, V. & Mendoza, M. (2005). Bases teóricas para el uso de las TIC en Educación. Encuentro Educacional, 12(3), 315 – 336.

[2] Prats, M., Riera, J., Gandol, F. & Carrillo, E. (2012).

Autopercepción y demandas del profesorado de infantil y primaria sobre formación en pizarra digital interactiva. Revista de Medios y Educación, 40, 89100.

[3] Sánchez, J. & Toledo, P. (2013). Utilización de la pizarra digital interactiva como herramienta en las aulas universitarias. Apertura: revista de inovación educativa, 5(1), 20-35.

[4] Noda, A. (2009). Pizarra digital interactiva en aulas de matemáticas. Revista de Didáctica de las Matemáticas, 72, 121–127.

[5] Sánchez, D. (2012). La pizarra digital interactiva en las aulas de Castilla-La Mancha: Análisis del rendimiento y de la integración. Revista de Educación a Distancia, 38, 1-23.

[6] Dorado, C. (2011). Creación de objetos de enseñanza y aprendizaje mediante el uso didáctico de la pizarra digital interactiva. Teoría de la Educación. Educación y Cultura en la Sociedad de la Información, 12 (1) 116-144.

[7] Marqués, P. & Casals, C. (2002). La pizarra digital en el aula de clase, una de las tres bases tecnológicas de la escuela del futuro. Revista Fuentes, 4, 36-44.

[8] Domingo, M. (2011). Pizarra digital interactiva en el aula: Uso y valoraciones sobre el aprendizaje.

VOLUMEN 11, 2017

Revista semestral del Departamento de Educación de la Facultad de Filosofía y Letras de la Universidad de Navarra, Pamplona, 20, 99-116.

[9] Toledo, P. & Sánchez, J. (2015). Diseño y validación de cuestionarios para percibir el uso de la pizarra digital interactiva (PDI) por docentes y estudiantes.

Píxel-Bit: Revista de Medios y Educación, 47, 179-194.

[10] Esteve, F. & Gisbert, M. (2011). El nuevo paradigma de aprendizaje y las nuevas tecnologías. Revista de Docencia Universitaria, 9 (3), 55-73.

[11] Gallego, D., Cacheiro, M. & Dulac, J. (2009). La pizarra digital interactiva como recurso docente.

Revista Electrónica Teoría de la Educación.

Educación y Cultura en la Sociedad de la Información, 10(2), 127-145.

[12] Pozuelo, J. (2014). ¿Y si enseñamos de otra manera? Competencias digitales para el cambio metodológico. Revista digital de investigación en docencia, 2(1), 1-21. Recuperado de https://goo.gl/ G7nFKM. [13] Sáez, J. & Ruiz, J. (2012). Metodología didáctica y tecnología educativa en el desarrollo de las competencias cognitivas: aplicación en contextos universitarios. Profesorado: Revista del curriculum y formación del profesorado, 16 (3), 373-391.

[14] Sánchez, O. (2014). Implementación del recurso tecnológico: pizarra digital en el área de Lengua y Literatura en quinto año de educación básica en la ciudad de Guayaquil. Revista de Investigación Educativa de la Escuela de Graduados en Educación, 4(8), 2-9.

[15] Ramírez, A. & Aguilar, R. (2014). La pizarra digital interactiva: componentes, configuraciones, posibilidades y singularidades. Revista Ensayos Pedagógicos, 9(1), 137-158.

[16] Bayón, L., Grau, J., Mateos, J., Ruiz, M. & Suárez, P. (2009). La pizarra digital interactiva como herramienta básica en el marco de la adaptación al EEES. Actas del XVI Congreso universitario de innovación educativa en las enseñanzas técnicas.

ACERCA DEL AUTOR Julio Cesar Rivera Taco Magister en Ciencias de la Educación y Licenciado en Física por la Universidad Nacional San Agustín de Arequipa, Perú. Actualmente docente de Física en el Departamento de Estudios Generales de Tecsup. jrivera@tecsup.edu.pe

75

En el proceso de formación de nuevos

profesionales nos enfrentamos hoy a jóvenes “nativos digitales”

con distintos estilos de aprendizaje y que nos

obligan a aplicar metodologías que permitan el aprendizaje activo.

Huguez Ames, Tecsup

Relevancia de la identificación de los estilos de aprendizaje de los estudiantes para planificar las sesiones de enseñanza-aprendizaje en educación técnica superior Relevance of the Identification of the Student Learning Styles to Plan the Teaching-Learning Sessions in Higher Technical Education RESUMEN

La presente investigación tiene como objetivo identificar los estilos de aprendizaje de los estudiantes de V y VI ciclo de la carrera de Procesos Químicos y Metalúrgicos en Tecsup – Lima. Sobre la base de los resultados, se pretende informar a los profesores acerca de las características de las formas de aprender de los alumnos, para que puedan utilizar las metodologías de enseñanza que potencien dichos estilos de aprendizaje. Ello va de la mano con la campaña de Tecsup 2.0 en la cual se capacita a los docentes en TIC (tecnologías de información y comunicación) y metodologías activas, cuya importancia es demostrada en este estudio en función de las formas de aprender de los estudiantes.

En el marco teórico se presentan las definiciones y las distintas versiones de los modelos de los estilos de aprendizaje. La exposición se centra posteriormente en el instrumento creado por Richard Felder y Barbara Soloman, el cual se utiliza para plantear el problema de investigación, y la metodología adecuada para el diseño de la investigación.

Finalmente, se dan a conocer los resultados obtenidos y se realiza una discusión. Asimismo, se generan las conclusiones que deben fundamentar el uso de TIC y metodologías activas en la enseñanza en educación técnica superior.

ABSTRACT

The research aims to identify the learning styles in students of V and VI cycle of the career of Chemical and Metallurgical Processes in Tecsup - Lima. The goal is to inform teachers

about the characteristic features of their students’ ways of learning, so that they can use the teaching methodologies that enhance these learning styles. That is accord with Tecsup 2.0 campaign in which teachers are trained in ICT and active methodologies.

The theoretical framework describes different learning styles and their models, focusing on the instrument of Richard Felder and Barbara Soloman, in order to raise the problem of research and choose the suitable methodology for the design of the study.

The results are then presented and a discussion is carried out. The conclusions of the study support the use of ICT and active methodologies in higher technical education teaching.

INTRODUCCIÓN

Hasta hace un tiempo, los procesos de enseñanzaaprendizaje se centraban en los contenidos y en el docente.

Las exposiciones y apuntes a los que apelaban serían los generadores de aprendizajes en los estudiantes, sin distinguir estilo de aprendizaje alguno. Gracias al avance de la psicología y la pedagogía hoy se sabe que cada persona tiene una forma de aprender, que es singular y única las cuales han sido agrupadas de acuerdo a rasgos comunes y denominadas estilos de aprendizaje. Existen diferentes modelos al respecto, pero este estudio se basa en el cuestionario de identificación de estilos de aprendizaje de Richard Felder y Barbara Soloman.

La investigación pretende fundamentar la aplicación de metodologías activas y TIC en la campaña de Tecsup 2.0 mostrar la necesidad de renovar los estilos de enseñanza en la

Palabras Clave Estilos de aprendizaje, TIC, metodologías activas.

Key words Learning Styles, learning, ICT, active methodologies.

VOLUMEN 11, 2017

educación técnica superior con el fin de lograr un aprendizaje más significativo. Con ese objetivo, el primer paso fue identificar los estilos de aprendizaje predominantes en los estudiantes de la carrera de Procesos Químicos y Metalúrgicos.

La campaña Tecsup 2.0 busca preparar docentes con capacidades de enseñanza para las generaciones del siglo XXI, que logren aprendizajes significativos en los estudiantes.

Conocer sus estilos de aprendizaje permitirá a los profesores dar clases de manera más eficiente y tener éxito en la consecución de los objetivos. Ello fundamentaría la necesidad del uso de TIC y metodologías activas. Esta experiencia debe convertirse en un referente para la educación técnica superior en el Perú y Latinoamérica.

FUNDAMENTOS Estilos de aprendizaje El estilo de aprendizaje es un concepto que depende de la visión de la teoría educativa. Keefe (1988) señala que los estilos de aprendizaje son rasgos cognitivos, afectivos y fisiológicos, que sirven como indicadores relativamente estables de la respuesta de los estudiantes a sus contextos.

Kogan (1981) citado por Puente (1994), menciona que es una variación individual de los modos de percibir, recordar y pensar, o formas distintas de aprender, almacenar, transformar y emplear la información.

Los estilos de aprendizaje son ciertas preferencias o tendencias globales que definen el aprendizaje (Navarro, 2008). El estilo de aprendizaje es algo que hace única a la persona, cada uno aprende de manera distinta.

Modelos de estilos de aprendizaje Modelo de Kolb Los estilos de aprendizaje son tendencias u orientaciones individuales hacia el aprendizaje resultantes de un triple influjo o, dicho de otro modo, capacidades de aprender que se destacan por encima de otras como resultado del aparato hereditario, de las experiencias propias y de las exigencias del contexto de aprendizaje actual (Kolb, 1984). En base a este modelo, se han desarrollado instrumentos para determinar el estilo de aprendizaje predominante, entre los que se distingue el cuestionario Honey - Alonso (CHAEA), que en base a lo expresado por Kolb diferencia cuatro tipos: a) Activos o acomodadores: son aquellos que para aprender, les agrada involucrarse en actividades nuevas, les gusta experimentar. b) Reflexivos o asimiladores: son aquellos que prefieren recoger datos y los analizarlos detalladamente antes de llegar a una conclusión. c) Teóricos o divergentes: Loret de Mola (2011) explica que los teóricos enfocan los problemas de forma escalonada, por etapas lógicas. Tienden a ser perfeccionistas. d) Pragmáticos o convergentes: son pragmáticos gustan de actividades improvisadas como actuar, dramatizar, bailar, imitar, etc.

78

Modelo VAK (visual - auditivo - kinestésico) La Programación Neurolingüística (PNL) es un modelo que integra diversas teorías psicológicas y las orienta según cómo la gente piensa, siente, actúa; además de tener en cuenta sus objetivos, creencias y valores. También las relaciona con los significados que da el sujeto a través de la cultura. Pretende comprender cuáles son las vías de entrada, procesamiento y salida de la información. De acuerdo al sentido predominante en su aprendizaje, este modelo clasifica a los estilos de aprendizaje en: a) Estilo de aprendizaje visual: son los que aprenden mejor cuando ven la información de alguna manera (Bandler y Grinder, 1988). Esto puede ser en un video, un tutorial, una animación, una fotografía. b) Estilo de aprendizaje auditivo: corresponde a los que se sienten más cómodos en las escuelas, suelen ser ordenados, planean lo que van a realizar, buscan pruebas de lo que dicen y les es fácil seguir instrucciones. Se les dificulta las actividades espaciales como armar algo real. (Sánchez y Andrade, 2014). c) Estilo de aprendizaje kinestésico: es una forma de aprender con los sentidos distintos a la vista y el oído; Sánchez y Andrade (2014) indican que estos individuos aprenden con todo el cuerpo. Tienen gran habilidad de armar y desarmar rompecabezas, juguetes, maquinarias y motores.

Modelo de Felder y Silverman El modelo de Richard Felder y Linda Silverman (1988) plantea cinco dimensiones. Se basa en las formas de aprender observada por los autores, que generaron distintas formas de enseñanza en respuesta a esos estilos de aprendizaje de sus estudiantes de Ingeniería en la Universidad de Carolina del Norte. El modelo fue concebido en 1988, pero fue Felder conjuntamente con Barbara Soloman quienes, en 1991, crearon la primera versión de cuestionario para determinar estilos de aprendizaje, denominado Index of Learning Styles (ILS). En 1994 varias series de respuestas se sometieron a un proceso de análisis, y los ítems sin aporte significativo fueron descartados y reemplazados por otros, lo que derivó en la versión actual.

METODOLOGÍA La metodología de la presente investigación, tuvo como etapas: Selección de objetivos La formulación de los objetivos se trabajó en una matriz de consistencia para el planteamiento del problema, los propios objetivos y la hipótesis de investigación.

Recolección de la información Se profundizó en la información mediante la revisión de los antecedentes de estudio en instituciones educativas para analizar diversos enfoques acerca del aprendizaje y distintos modelos de los estilos de aprendizaje, para luego centrarse en el modelo de Felder y Silverman (1988), así como los estilos de aprendizaje en el cuestionario de Felder y Soloman (1994) con el fin de precisar qué acciones deben darse para potenciar los estilos de aprendizaje.

Definición de la población objeto La población seleccionada la constituyen los estudiantes de V y VI ciclo (los dos últimos) de la carrera de Procesos Químicos y Metalúrgicos de Tecsup. El objetivo de estudio fue cómo aprenden los estudiantes que han pasado por un proceso completo de formación en Tecsup. El instrumento fue aplicado a la totalidad de estudiantes de los ciclos indicados, exactamente a 56 estudiantes.

Disposición de los recursos La encuesta fue diseñada en un material impreso, que fue distribuida a los sujetos de la investigación para recoger datos.

Selección del cuestionario El cuestionario elegido fue la adaptación del instrumento Felder y Soloman (1994) desarrollada en la investigación Marcos Zapata y Luzmila Flores (2008) en la Universidad Piura titulada Identificación de los estilos de Aprendizaje Estudiantes Universitarios.

de de de en

Validación del cuestionario La encuesta se administró a una muestra piloto de diecisiete estudiantes de cuarto ciclo (no incluido en el presente Dimensión

La encuesta se aplicó a los estudiantes de V y VI ciclo de la carrera de Procesos Químicos y Metalúrgicos de Tecsup – Lima dentro del tiempo de clases de los cursos que el investigador imparte (Operaciones Industriales I y Operaciones Industriales II). Primero se realizó una sensibilización para luego proceder al desarrollo del cuestionario.

La variable y dimensiones que constituyen el objeto de investigación se presentan y definen operacionalmente en la Tabla N°1.

Es importante recalcar que también se introdujeron variables sociodemográficas: sexo y procedencia de los estudiantes, definida como el lugar donde el estudiante cursó la educación secundaria. Esta información es importante ya que es de sumo interés distinguir estilos de aprendizaje entre los estudiantes de Lima-Callao y los de provincias para relacionarla con el efecto de la alta cantidad de alumnos del interior del país en Tecsup, que se ha incrementado con el programa Beca 18 y el crédito educativo.

Definición operacional

Los estudiantes activos son aquellas personas que aprenden mejor en grupo. Desarrollan las nuevas tareas de forma inmediata, y comprenden instrucciones mientras tratan de ejecutarlas.

Además recuerdan mejor cuando participan. En un examen con muchas posibilidades de respuesta es posible que no les alcance el tiempo. Prefieren los textos con nueva información y con actividades para desarrollarlas posteriormente.

En contraposición, los estudiantes reflexivos son aquellos que aprenden más fácilmente cuando estudian solos o con una persona más. Frente a las nuevas tareas prefieren primero analizarlas y pensar cómo desarrollarlas, y para seguir instrucciones antes tienen que entender cómo se ejecutan.

Además recuerdan mejor lo que leen y reflexionan, para leer prefieren un libro que los haga reflexionar.

El aprendiz sensorial es una persona realista, si enseñara lo haría sobre la base de casos de la vida cotidiana.

Aprende más fácilmente los hechos concretos, tiene buena memoria y en los exámenes con varias posibilidades de respuesta es muy posible que no le alcance el tiempo. Para leer prefiere un texto con nueva información que lo lleve a hacer actividades.

Por otro lado, el aprendiz intuitivo es una persona imaginativa. Si tuviera que enseñar lo haría induciendo a que los estudiantes reflexionen sobre las ideas.

Aprende más fácilmente ideas y conceptos abstractos. Tiene mala memoria, con frecuencia olvida y pierde cosas. Le gusta crear e innovar.

Cuando da un examen de respuesta múltiple, es posible que se distraiga y pierda puntos por no leer bien las instrucciones ni las preguntas. Al leer prefiere un libro que le hagan reflexionar.

Estilos visual-verbal

Estilos sensorialintuitivo

Aplicación de la encuesta

El aprendiz visual es una persona que al recordar las actividades que realizó ayer, llegan a su mente, imágenes y figuras. Capta mejor la información a través de gráficos, esquemas y mapas conceptuales. Se concentra en figuras y tablas de los libros. Recuerda más fácilmente lo que puede ver.

Para llegar a un lugar que no conoce opta por orientarse con croquis o mapas.

Estilos secuencial-global

Estilos de aprendizaje

Estilos activo- reflexivo

Variable

estudio) para verificar si las preguntas eran comprensibles y si el instrumento aplicado está contextualizado. Se agregaron dos aclaraciones al cuestionario mediante paréntesis con el significado de ciertos términos.

El estudiante secuencial es un individuo que al empezar un tema nuevo le parece fácil y progresivamente se le vuelve más complicado.

Para aprender requiere mucho estudio para captar la información, memoriza fácilmente un listado de datos. Entiende primero las partes de un texto para luego ir al concepto general.

Al resolver problemas de matemática, trata de llegar paso a paso a la solución y aprovecha mejor una información presentada secuencialmente.

El aprendiz verbal es un individuo que al recordar las actividades que hizo ayer, le llegan a su mente frases y descripciones verbales.

Capta mejor la información mediente explicaciones o instrucciones verbales o escritas. Se concentra en el texto, mas no en figuras y tablas de los libros. Retiene más fácilmente lo que se le transmite verbalmente.

Para llegar a un lugar que no conoce prefiere tener indicaciones escritas.

El aprendiz global es una persona que cuando comienza un tema nuevo le parece complicado y poco a poco se le hace más fácil.

Para aprender estudia paulatinamente para asimilar la información, memoriza con facilidad un texto completo que incluye hechos de una lista. Comprende primero el concepto general y luego las partes.

Al resolver problemas de matemática, tiene una idea de la solución, pero le resulta difícil saber los pasos que se requieren para llegar a ella y aprovecha mejor una información cuando se le presenta la idea general y luego se le relaciona con otros temas.

Tabla 1. Variable y dimensiones de la variable de investigación.

VOLUMEN 11, 2017

79

Método de análisis de datos

RESULTADOS

70

67.86%

60 50 Recuento

Se utilizaron el programa estadístico SPSS y la hoja de cálculo Excel. La presentación de resultados se hizo mediante tablas y gráficos estadísticos. Luego, con el uso de la técnica de la triangulación, se llevaron a cabo el análisis y la discusión de resultados para, finalmente, extraer las conclusiones.

40 30

25.00%

20

Frecuencia Porcentaje

Válido Activo

Porcentaje válido

Porcentaje acumulado

30

53.6

53.6

53.6

Reflectivo

26

46.4

46.4

100.0

Total

56

100.0

100.0

Tabla 2. Resultados generales de la dimensión activo–reflexivo.

60 53.57%

Porcentaje

50

7.14%

10

Promedios generales obtenidos en cada una de las dimensiones.

0

Sensorial

Intuitivo

Figura 2. Resultados generales de la dimensión sensorial–intuitivo.

El estilo sensorial con el 67.86% predomina sobre el intuitivo y el 25.00% es equilibrado, es decir el estudiante tiene rasgos equitativamente distribuidos de ambos estilos. Al respecto, Jácome (2011) señala que los estudiantes con estilo de aprendizaje sensorial se caracterizan por su pensamiento práctico y orientado a procedimientos. Se distinguen, además por aprender con actividades concretas y prácticas, aplicativas. Las pedagogías activas y las TIC encajan muy bien para este tipo de estilo.

46.43% Frecuencia

40 30

Porcentaje válido

Porcentaje acumulado

48

85.7

85.7

85.7

Verbal

8

14.3

14.3

100.0

56

100.0

100.0

10

Total Activo

Porcentaje

Válido Visual

20

0

Equilibrado

Sensorial intuitivo

Reflexivo

Tabla 4. Resultados generales de la dimensión de estilo visual–verbal.

Activo reflexivo Figura 1. Resultados generales de la dimensión activo–reflexivo

Frecuencia

Sensorial

Porcentaje

Porcentaje válido

Porcentaje acumulado

38

67.9

67.9

67.9

4

7.1

7.1

75.0

Equilibrado

14

25.0

25.0

100.0

Total

56

100.0

100.0

Intuitivo

90

85.71%

80 70 60 50 Recuento

El estilo activo supera al reflexivo solo por 7.14%, es decir la predominancia del estilo activo es mínima. De acuerdo a Zapata y Flores (2008), los estudiantes con estilo activo comprenden mejor la información cuando esa información la pueden aplicar a la realidad, en cambio los reflexivos examinan la información minuciosamente. Ello indica que los estudiantes de V y VI ciclo de la carrera de Procesos Químicos y Metalúrgicos de Tecsup logran un mejor aprendizaje cuando participan en la construcción de su conocimiento, intercambian ideas, discuten y analizan la información con sus compañeros de manera grupal.

40 30 20

14.29%

10 0

Visual

Verbal Visual verbal

Tabla 3. Resultados generales de la dimensión sensorial–intuitivo.

80

Figura 3. Resultados generales de la dimensión visual–verbal.

Frecuencia Porcentaje

Válido Secuencial

70 60

57.1

57.1

57.1

Global

24

42.9

42.9

100.0

Total

56

100.0

100.0

Tabla 5. Resultados generales de la dimensión secuencial–global.

42.86%

40 30 20 10

Porcentaje Porcentaje válido acumulado

32

57.14%

50 Recuento

Se constata en los estudiantes examinados un predominio del estilo visual, que representa el 85.71% del total. Durán y Costaguta (2007) explican que los estudiantes con estilo visual se caracterizan por su pensamiento concreto. Asimismo, prefieren que les enseñen con estrategias relacionadas con actividades concretas y prácticas, muy aplicativas, en las cuales se utilicen gráficos, mapas conceptuales, esquemas, fotografías y videos. Como en el caso anterior, las TIC son adecuadas para enriquecer este estilo de aprendizaje.

0

Secuencial

Global

Secuencial global

Figura 4. Resultados generales de la dimensión secuencial–global.

El estilo secuencial predomina ligeramente con 57.14% sobre el 42.86% del estilo global. Rodríguez, Fajardo y De la Paz (2004) conceptualizan que el estilo de aprendizaje secuencial implica una comprensión cuando se siguen pasos lógicos y predeterminados.

Resultados específicos de la dimensión que contrapone el estilo activo con el estilo reflexivo.

N° ítem

1

5

9

Ítem

Frecuencia

Porcentaje

A) Con un grupo de personas.

16

28.57%

B) Solo o con una persona más.

40

71.43%

A) Tratar de desarrollarla inmediatamente.

7

12.50%

B) Analizarla y pensar cómo haré para desarrollarla.

49

87.50%

A) Después de que intento ejecutarlas inmediatamente.

18

32.14%

B) Después de tomarme un tiempo para entender cómo se ejecutan.

38

67.86%

A) Yo mismo participo en la elaboración de algún tema.

40

71.43%

B) Leo y reflexiono sobre un tema.

16

28.57%

A) Aprender si intercambio ideas con otros.

45

80.36%

B) Aprender si pienso yo solo.

11

19.64%

A) Discutir y analizar la información grupalmente.

38

67.86%

B) Que hayan pausas para poder hacer anotaciones a partir de las ideas que se presentan.

18

32.14%

A) Probar como funciona.

36

64.29%

B) Leer antes el manual y seguir las instrucciones.

20

35.71%

Generalmente estudio mejor:

Cuando tengo que aprender alguna tarea nueva prefiero:

Para mí es más fácil comprender instrucciones:

13

Me parece que tengo más facilidad para recordar, cuando:

17

Cuando tengo que aprender algún tema nuevo, me es más fácil:

21

En la exposición de un tema, yo prefiero:

25

Alternativas

Cuando compro una herramienta o aparato nuevo, yo tiendo a:

Tabla 6. Resultados por ítems de la dimensión activo–reflexivo.

VOLUMEN 11, 2017

81

Resultados específicos de la dimensión que contrasta el estilo sensorial con el estilo intuitivo.

N° ítem 2

6

Ítem

Alternativas

Creo que, por lo general, tiendo:

Si tuviera que enseñar, lo haría:

10

Para mí es más fácil aprender:

26

Cuando puedo escoger un tema para leer, prefiero:

Frecuencia

Porcentaje

A) A ser realista.

31

55.36%

B) A ser imaginativo.

25

44.64%

A) Planteando situaciones y soluciones aplicables a la vida cotidiana.

44

78.57%

B) Haciendo que reflexionen sobre las ideas.

12

21.43%

A) Hechos concretos (que podemos percibir).

50

89.29%

6

10.71%

A) Temas con información nueva o cómo desarrollar actividades.

32

57.14%

B) Temas que me hagan reflexionar.

24

42.86%

B) Ideas y conceptos abstractos.

Tabla 7. Resultados por ítems de la dimensión sensorial–intuitivo.

Resultados específicos de la dimensión que contrapone el estilo visual con el estilo verbal.

N° ítem

3

7

11

15

Ítem

Alternativas

Cuando me acuerdo de las actividades que realicé ayer, me vienen a la mente:

Es mejor cuando la información nueva llega a mí a través de:

Cuando los textos que reviso tienen muchas figuras, esquemas, diagramas, etc., es posible que:

Prefiero las clases en las que los docentes:

Frecuencia

Porcentaje

A) Imágenes y figuras.

42

75.00%

B) Frases y descripciones verbales.

14

25.00%

A) Gráficos, esquemas, mapas conceptuales, etc.

35

62.50%

B) Explicaciones o instrucciones verbales o escritas.

21

37.50%

A) Me concentre en las figuras y tablas.

44

78.57%

B) Centre mi atención en el texto.

12

21.43%

A) Desarrollan los temas utilizando esquemas, diagramas, etc.

51

91.07%

5

8.93%

48

85.71%

8

14.29%

A) Tener un mapa o un croquis para orientarme.

36

64.29%

B) Tener indicaciones escritas para llegar.

20

35.71%

A) Lo que vi.

26

46.43%

B) Lo que explicó sobre el tema.

30

53.57%

B) Explican verbalmente la mayor parte del tiempo.

A) Que puedo ver.

19

Tengo más facilidad para recordar aquello: B) Que es transmitido verbalmente.

23

27

Cuando tengo que ir a un lugar que no conozco, prefiero:

Cuando el docente utiliza diagramas o esquemas, yo recuerdo:

Tabla 8. Resultados por ítems de la dimensión visual-verbal.

82

Resultados específicos de la dimensión que contrasta el estilo secuencial con el estilo global.

N° ítem

8

12

20

24

28

Ítem

Alternativas

Mi ritmo de estudio para aprender implica:

Tengo mayor facilidad para memorizar:

Cuando resuelvo problemas de matemática:

Después de haber leído algún texto, recuerdo:

Aprovecho mucho mejor la información cuando:

Frecuencia

Porcentaje

A) Estudiar a un ritmo regular. Estudio mucho para captar la información.

19

33.93%

B) Hacerlo paulatinamente (poco a poco). Al principio me confundo, hasta que de pronto, todo cobra sentido.

37

66.07%

A) Un listado de datos.

31

55.36%

B) Un texto completo que incluye los hechos de la lista.

25

44.64%

A) Trato de llegar paso a paso a la solución.

39

69.64%

B) Tengo idea de la solución, pero me resulta difícil saber los pasos que se requieren para llegar a ella.

17

30.36%

A) Los hechos que leí, tratando de relacionarlos para comprender el tema.

44

78.57%

B) Solo la conclusión, mas no los incidentes previos, y necesito revisar nuevamente el material para recordar.

12

21.43%

A) Se me presenta secuencialmente.

23

41.07%

B) Se me presenta la idea general y se relaciona con los otros temas.

33

58.93%

Tabla 9. Resultados por ítems de la dimensión secuencial–global.

Distribución de los estilos de aprendizaje según la variable sexo.

70%

68.42%

66.67%

60%

80% 72.22%

70% 60% 50%

80%

50% 40%

55.26%

30%

44.74%

30%

27.78%

10%

22.22%

Masculino

Femenino

Activo

Reflexivo

La Figura 5 muestra que los estudiantes de sexo masculino son más reflexivos que activos; mientras que las de sexo femenino son más activas que reflexivas.

11.11%

5.26% Masculino Sensorial

Figura 5. Distribución de los estilos activo y reflexivo por sexo.

VOLUMEN 11, 2017

10% 0%

20%

0%

26.32%

20%

40%

Intuitivo

Femenino Equilibrado

Figura 6. Distribución de los estilos sensorial e intuitivo por sexo.

En la Figura 6 se observa que los estudiantes de sexo masculino son más sensoriales que intuitivos, con un porcentaje de más de 20% de equilibrado entre sensorial e intuitivos; mientras que en el sexo femenino se repite la misma tendencia solo que los equilibrados entre sensorial e intuitivo constituyen más del 11%.

83

100% 90%

86.84%

En la Figura 9 se observa que los estudiantes que proceden de Lima – Callao son más activos que reflexivos; mientras que los que proceden de otras provincias son más reflexivos que activos.

83.33%

80% 70%

80%

60%

70%

50%

72.22% 65.79%

60%

40% 50%

30%

40%

20% 10% 0%

16.67%

13.16% Masculino Visual

Femenino

Figura 7. Distribución de los estilos visual y verbal por sexo.

La Figura 7 indica que en los estudiantes de ambos sexos el estilo predominante es el visual, con más de 80% sobre el verbal.

63.16% 60%

55.56%

50%

5.26% Lima-Callao Sensorial

Otras provincias Intuitivo

Equilibrado

Figura 10. Distribución de los estilos sensorial e intuitivo de acuerdo a la procedencia de los estudiantes.

100% 90%

44.44%

88.89% 84.21%

80%

36.84%

30%

70% 60%

20%

50%

10% 0%

0%

16.67% 11.11%

En la Figura 10 se aprecia que en los estudiantes que proceden de Lima – Callao y provincias son más sensoriales que intuitivos.

70%

40%

20% 10%

Verbal

28.95%

30%

40% Masculino Secuencial

Femenino

30% 15.79%

20%

Global

Figura 8. Distribución de los estilos secuencial y global por sexo.

En la Figura 8, se expresa claramente que los estudiantes de sexo masculino son de aprendizaje más secuencial que global, mientras que las de sexo femenino son más secuenciales que globales.

Presentación e interpretación de la distribución de los estilos de aprendizaje de acuerdo a la variable procedencia.

11.11%

10% 0%

Lima-Callao Visual

Otras provincias Verbal

Figura 11. Distribución de los estilos visual y verbal de acuerdo a la procedencia de los estudiantes.

La Figura 11 muestra que tanto los estudiantes que proceden de Lima – Callao como de otras provincias son más visuales que verbales.

70%

70%

60% 60%

57.89%

55.56%

50% 42.11%

44.44%

60.53% 50.00% 50.00%

50% 40%

39.47%

40%

30% 30%

20% 20%

10%

10% 0%

0% Lima-Callao Activo

Otras provincias Reflexivo

Figura 9. Distribución de los estilos activo y reflexivo de acuerdo a la procedencia de los estudiantes.

84

Lima-Callao Secuencial

Otras provincias Global

Figura 12. Distribución de los estilos secuencial y global de acuerdo a la procedencia de los estudiantes.

En la Figura 12 se observa que los estudiantes que proceden de Lima – Callao son de aprendizaje más secuencial que global; mientras que los que proceden de otras provincias tienen equilibrados los estilos secuencial y global.

CONCLUSIONES

[3] Bandler, R y Grinder, J. (1988). La estructura de la magia. Chile: Editorial Cuatro Vientos.

[4] Briggs, K. y Myers, I. (1991). Introducción a la tipología psicológica. Gainesville: Centro para la Aplicación de la Tipología Psicológica.

[5] Brites, G. (2006). Inteligencias Múltiples. Argentina: Bonum.

Luego de realizar la investigación, podemos concluir que los estudiantes de V y VI ciclo de la carrera de Procesos Químicos y Metalúrgicos de Tecsup: • Como grupo, presentan un ligero predominio del estilo activo sobre el reflexivo. Estos estudiantes logran un mejor aprendizaje cuando experimentan y comprueban la información.

• Aprenden a través de actividades concretas y prácticas, muy aplicativas, dada la clara preeminencia del estilo sensorial sobre el intuitivo. Ello orienta a que el docente aplique metodologías activas y se apoye en herramientas TIC. • El estilo secuencial es más frecuente entre los estudiantes que el global, aunque de este último tienen ciertos rasgos.

Los docentes buscarán que ellos relacionen los conceptos en etapas mediante la resolución de casos, que es una metodología activa.

• Los varones son principalmente reflexivos con tendencia al equilibrio y las mujeres son considerablemente activas.

Esto permitirá al docente reforzar diferencialmente el aprendizaje en cada sexo de acuerdo a su estilo.

• Tanto hombres como mujeres son predominantemente sensoriales y visuales, es decir ambos tienden a usar sus sentidos en actividades concretas y prácticas, prefieren aprender a través de imágenes, fotografías, videos, TIC. • Los varones tienen mayoritariamente un estilo secuencial de aprendizaje en comparación con las mujeres, que son globales–secuenciales equilibradas.

• Los estudiantes que proceden de Lima y Callao son eminentemente activos, sensoriales, visuales y secuenciales; mientras que los de provincias son reflexivos, sensoriales, visuales y equilibrados secuencial-global.

REFERENCIAS [1]

Alonso, C., Gallego D. y Honey, P. (1994). Los Estilos de Aprendizaje: procedimientos de diagnóstico y mejora.

Bilbao: Ediciones Mensajero.

[2] Alonso, C. y Gallego, D. (2004). Tecnología y Educación.

Madrid: UNED.

VOLUMEN 11, 2017

[6] Brito, D. y Espinosa, R. (2014). Evaluación de la fiabilidad del cuestionario sobre estilos de aprendizaje de Felder y Soloman en estudiantes de medicina. San Luis de Potosí: Departamento de Fisiología y Biofísica de la Universidad Autónoma de San Luis de Potosí.

[7] Durán, E. y Costaguta, R. (2007). Minería de datos para descubrir estilos de aprendizaje. Santiago del Estero. Universidad Nacional de Santiago del Estero.

[8] Felder, R. y Silverman, L. (1988). Learning and Teaching Styles in Engineering Education Application.

Enginnering Education, 7(78), 674 – 681.

[9] Fleming, N. (1992). Not another inventory, rather a catalyst for reflection. The Academy, 1(11), 137-149.

[10] Goleman, D. (2002). Inteligencia emocional. México: Vergara.

[12] Ismaila, A., Hussaina, R. y Jamaluddina, S. (2010).

Assessment of students learning styles preferences in the faculty of science, Tishreen University, Siria. Procedia Social and Behavioral Sciences, 2, 4087-4091.

[13] Jácome, S. (2011). Estilos de aprendizaje y rendimiento académico en educación superior. Sangolquí Ecuador: Departamento de Ciencias Humanas y Sociales; Escuela Politécnica del Ejército.

[14] Keefe, J. (1988). Aprendiendo perfiles de aprendizaje.

Manual del examinador. Reston: Asociación Nacional de Principal de Escuela de Secundaria.

[14] Kolb, D. (1984). The Learning Style Inventory: Technical manual. Boston: McBer. [15] López, M. (2011). Estilos de aprendizaje. Diferencias por género, curso y titulación. Revista Estilos de Aprendizaje, 7(7), 1-26.

[16] Loret de Mola, J. (2011). Estilos y Estrategias de aprendizaje en el rendimiento académico de los estudiantes de la Universidad Peruana Los Andes de Huancayo – Perú. Revista Estilos de Aprendizaje, 8(8), 1-40.

85

[17] Navarro, M. (2008). Cómo diagnosticar y mejorar los estilos de aprendizaje. Andalucía, España: Asociación Procompal [18] Puente, A. (1994). Estilos de aprendizaje y enseñanza. Madrid: Cepe [19] Quintanal, F. (2011). Estilos de Aprendizaje y Rendimiento Académico en Física y Química.

Revista Estilos de Aprendizaje, 8(8), 198 – 223.

[20] Sánchez, L. y Andrade, R. (2014). Inteligencias múltiples y estilos de aprendizaje. Diagnóstico y estrategias para su potenciación. México D.F.: Alfaomega.

[21] Secretaría de Educación Pública del Gobierno de Chile (2014). Manual de estilos de aprendizaje.

Chile: Secretaría de Educación Pública.

[22] Zapata, M. y Flores, L. (2008). Identificación de los estilos de aprendizaje en estudiantes universitarios.

Revista Estilos de aprendizaje, 2(1), 1-23.

86

ACERCA DEL AUTOR Huguez Enrique Ames Ramírez Ingeniero Químico por la Universidad Nacional Mayor de San Marcos. Magister en docencia universitaria por la Universidad de Piura. Miembro del Colegio de Ingenieros del Perú. Experiencia en la industria química y metalúrgica, principalmente en el tratamiento de aguas residuales de procedencia doméstica e industrial. Ha sido docente en la Universidad Nacional Agraria La Molina, Lima; la Universidad Continental, Huancayo y el Instituto de Ciencias y Humanidades, Lima. Es autor de diversos textos universitarios y preuniversitarios. Ha sido consultor del Ministerio de Educación en currículo, evaluación y materiales en ciencias. Actualmente, es coordinador de la carrera de Procesos Químicos y Metalúrgicos de Tecsup Lima. Además es consultor técnico para una empresa dedicada al tratamiento de aguas y de efluentes industriales. hames@tecsup.edu.pe

La aplicaciรณn del

Aprendizaje Invertido permite desarrollar en los estudiantes competencias tales como trabajo

en equipo, comunicaciรณn efectiva e iniciativa,

aspectos que demandan actualmente las empresas en los nuevos profesionales.

Nonie Salazar, Tecsup

Aprendizaje invertido para mejorar las competencias laborales en estudiantes de último ciclo Flipped Learning to Improve Working Skills in Last Cycle Students

RESUMEN

Este trabajo muestra la efectividad de un programa basado en la Evaluación de Desempeño mediante la metodología de Aprendizaje Invertido en el curso de Inducción al Mercado Laboral, específicamente en el desarrollo de competencias laborales para ser seleccionados en una entrevista de trabajo.

Se adecuaron las metodologías de Evaluación de Desempeño y Aprendizaje Invertido, para elaborar cuatro sesiones basadas en dinámicas vivenciales, assessment center, evaluación de equipos de trabajo y entrevista personal.

Los resultados de la aplicación del programa son relevantes debido a que el 94% de estudiantes del grupo experimental pasó la entrevista de trabajo para iniciar sus prácticas profesionales en la primera y segunda oportunidad; mientras que en el grupo control, solo el 68% aprobó.

ABSTRACT

This work shows the effectiveness of a program based on performance evaluation of job skills and success in job interview through Flipped Learning methodology during an induction course of Labor Market. The program was adapted for four sessions including experiential dynamics, assessment centers, evaluation of teams and personal interview.

The results of program implementation are relevant, 94% of students in the experimental group passed job interview on the two first tries; while in the control group, only 68% approved it.

This research analyses a program to evaluate the performance of last semester students. It also presents tools to measure job skills (effective communication, teamwork and initiative); as well as a schedule of classroom sessions based on Flipped Learning methodology.

Esta investigación aporta un programa para evaluar el desempeño en estudiantes de último ciclo, así como instrumentos para medir competencias laborales: comunicación eficaz, trabajo en equipo e iniciativa; además de sesiones de clase basadas en la metodología de Aprendizaje Invertido.

Palabras Clave Aprendizaje Invertido, evaluación de desempeño, competencias laborales, assessment center.

Key words Flipped Learning, performance evaluation, job skills, assessment center.

VOLUMEN 11, 2017

INTRODUCCIÓN

El mundo es cada vez más complejo y cambiante, lo que genera una demanda de mejores resultados de aprendizaje (Spady, 1994, pp. 18–23). Por ello, muchas instituciones educativas adoptan modelos o técnicas basados en competencias. En ese sentido, la evaluación del desempeño valora las acciones y los productos que realiza el estudiante durante el proceso de aprendizaje, lo cual permite retroalimentar su aprendizaje y confirmar el desarrollo de sus competencias (OIE, 2016).

Pero, ¿cómo encontrar un espacio para tratar conceptos e información importante sin alargar el tiempo de la sesión? El Aprendizaje Invertido responde a esa pregunta, pues no solo favorece la autonomía del aprendizaje y promueve la iniciativa en el estudiante, sino también convierte el salón de clase en un lugar para desarrollar experiencias retadoras e interactivas de aprendizaje. Los profesores emplean el tiempo en actividades más enriquecedoras y significativas. Los alumnos se involucran más en prácticas, debates, ejercicios y actividades, lo que permite evaluar el aprendizaje directo mientras aplican lo aprendido. Al implementar este modelo, los estudiantes salen de clase con un nivel de claridad y sentido de logro que es difícil de obtener con los formatos utilizados en las clases tradicionales (Edutrends, 2014, p. 10).

Objetivo general Determinar si la aplicación de un programa de Aprendizaje Invertido aumenta significativamente las competencias laborales de comunicación eficaz, trabajo en equipo e iniciativa en los estudiantes del sexto ciclo de la carrera de Tecnología Mecánica Eléctrica.

Objetivo específicos Diseñar un programa de Aprendizaje Invertido para mejorar las competencias laborales en los estudiantes del sexto ciclo de la carrera de Tecnología Mecánica Eléctrica.

Aplicar el programa de Aprendizaje Invertido para mejorar las competencias laborales en dichos estudiantes.

Comparar los niveles de competencias laborales en los estudiantes de sexto ciclo durante la aplicación del programa.

Comparar los porcentajes de egresados que pasaron entrevista laboral, del grupo control y el experimental.

FUNDAMENTOS Marco teórico En el método tradicional de aprendizaje el contenido educativo se presenta en el aula y las actividades de práctica se asignan para realizarse en casa. El Aprendizaje Invertido da un giro a dicho método, al impartir instrucción directa fuera del tiempo de clase, generalmente a través de videos y así llevar a cabo actividades de aprendizaje más significativas en el salón como

90

discusiones, ejercicios, laboratorios y proyectos, además de incentivar la colaboración entre los estudiantes (Pearson, 2013, p. 5), lo que mejora la experiencia en el aula (Fulton, 2014, pp.

3-4). Con este método, el profesor asume un nuevo rol como guía durante el proceso de aprendizaje de los estudiantes y deja de ser la única fuente o diseminador de conocimiento. Facilita la educación a través de una atención más personalizada, así como actividades y experiencias retadoras que requieren desarrollo de pensamiento crítico para solucionar problemas de forma individual y colaborativa.

En ese contexto, la evaluación del desempeño es la que se aplica en el modelo Educativo Basado en Competencias. Esta involucra la observación, el seguimiento y la medición de las conductas de los alumnos en el momento en que efectúan alguna acción relacionada con el proceso de aprendizaje, sea de manera individual o colectiva (Hancock, 2007, p. 219).

Con esta actividad se espera que el alumno demuestre la adquisición de conocimientos y habilidades en uno o varios ámbitos disciplinarios. Los productos o propuestas que se generen conforman el cúmulo de evidencias de base para inferir el nivel de competencias logradas al momento de la evaluación. Al mismo tiempo, el assessment center permite observar el desempeño de los alumnos en circunstancias semiestructuradas similares a las que se les presentarán en situaciones de trabajo futuras. Este reúne a directivos, asesores, consultores y expertos con amplia experiencia en el campo laboral. Se combinan la metodología cuantitativa y cualitativa con el objetivo de medir el desempeño. Al finalizar el assessment center, los evaluadores retroalimentan a los estudiantes en su desempeño relacionado a las competencias laborales, y éstos últimos toman apuntes de las acciones de mejora, las mismas que se les recuerda en cada clase.

Esta innovación educativa adecúa las metodologías de evaluación de desempeño y Aprendizaje Invertido para desarrollar competencias laborales como comunicación efectiva y trabajo en equipo e iniciativa, relevantes en la evaluación de nuevos candidatos por las empresas de reclutamiento y selección de personal.

Inés Temple las denomina competencias emocionales, cada vez más valoradas por el mercado laboral: la capacidad de integrarse, trabajar en equipo, comprometerse con la empresa, ir más allá de lo que se pide, ser asertivos y, sobre todo, muy flexibles. (Temple, 2010, p. 50).

METODOLOGÍA

Tipo de investigación Es de tipo sustantiva puesto que combina las características de la investigación pura y la aplicada, es decir se asume una perspectiva teórica para describir y explicar un problema, y al mismo tiempo los resultados del estudio pueden ser de utilidad.

Diseño de investigación Cuasi experimental. Diseño con pretest y postest, para el grupo control y experimental.

Al inicio de semestre se aplicó un assessment center como pretest a ambos grupos, que además sirvió para verificar si son equivalentes (no se encontraron diferencias significativas entre los resultados de los pretest de ambos grupos). Del mismo modo, al final del semestre se aplicó un assessment center como postest a ambos grupos para comparar los resultados.

Selección Se eligieron dos grupos del sexto ciclo del curso de Inducción al Mercado Laboral, uno de la carrera de Tecnología Mecánica Eléctrica y el otro de la de Tecnología de la Producción. El grupo experimental lo constituyen 32 estudiantes de ambos sexos entre 18 y 26 años, de la carrera de Tecnología Mecánica Eléctrica. El grupo control está conformado por los estudiantes de la carrera de Tecnología de la Producción, quienes recibirán una clase tradicional.

Ambos grupos presentan dificultades en las competencias laborales de comunicación, trabajo en equipo e iniciativa, según el Informe de Resultados de Pasantías – 2014.

Proceso de implementación de la metodología Al inicio del ciclo, la docente del curso de Inducción al Mercado Laboral presentó al área de Calidad Educativa el programa de Aprendizaje Invertido para mejorar las competencias laborales en los estudiantes de sexto ciclo. Además, se coordinó la estructuración de cuatro sesiones de clase en las que se utilizó la metodología correspondiente:

Antes de clase - Video clase - Lectura de un artículo - Actividad individual - Evaluación individual virtual

Después de clase

- Debate - Evaluación grupal de caso - Evaluación de desempeño: assessment center

- Autoevaluación de desempeño virtual - Lectura de recomendaciones - Metas personales - Feedback virtual del docente - Entrevista personal

Tabla 1. Diseño de sesión: aprendizaje Invertido.

Mientras que para el grupo control se siguió la secuencia de enseñanza tradicional: Inicio

Desarrollo

- Repaso sesión anterior - Debate del nuevo tema - Presentar objetivos - Motivación mediante video.

- Para el programa se contemplaron cuatro sesiones de Aprendizaje Invertido en las cuales se trabajaron dinámicas vivenciales, assessment center, evaluación de equipos de trabajo y entrevista personal.

- Para el desarrollo de competencias laborales se consideraron la comunicación efectiva, el trabajo en equipo y la iniciativa. Los jefes de las carreras de Tecnología Mecánica Eléctrica y Tecnología de la Producción, la coordinadora de Calidad Educativa y la responsable del Centro de Desarrollo Profesional participaron en la evaluación de estas competencias. Así mismo, para garantizar la transparencia de la evaluación se invitó a un grupo de consultores de la empresa Manpower Perú, quienes participaron del pretest y postest; el instrumento de evaluación seleccionado fue assessment center.

Durante la clase

- Presentar los contenidos de la sesión mediante ppt- Mostrar ejemplos de aplicación, casos reales, analogías - Promover la participación solicitando opiniones - Debatir y discutir los contenidos

Variables Del grupo experimental: Variables

Técnicas e instrumentos

Independiente Evaluación de desempeño mediante la metodología de Aprendizaje Invertido

- Cuatro sesiones de aprendizaje invertido - Cuatro sesiones basadas en dinámicas vivenciales, assessment center, evaluación de equipos de trabajo y entrevista personal

Dependiente Competencias laborales

- - - - -

VOLUMEN 11, 2017

- Realizar un resumen de lo aprendido - Comentar el tema de la siguiente sesión - Lectura para la siguiente clase

Tabla 2. Diseño de sesión: enseñanza tradicional.

Luego, se compararon los resultados del pretest y el postest en cada grupo, así como los del grupo de experimental versus los del grupo de control.

Diseño de las sesiones

Para el grupo experimental se elaboraron las sesiones de acuerdo a los pilares de Aprendizaje Invertido. Así mismo, se seleccionaron cuatro ejercicios de assessment center para evaluar el desempeño:

Cierre

Fichas y cuestionarios Entrevista por competencias Informe de assessment center Reporte de retroalimentación Informe del Centro de Desarrollo Profesional

Tabla 3. Relación de técnicas por variables.

91

Del grupo control:

100% 90%

Variables

Técnicas e instrumentos

Independiente Enseñanza tradicional

- Diseño de sesión de clase tradicional - Videos, lecturas, ppt

80% 70% 60%

60%

50% 40% 30%

Dependiente Competencias laborales

- Fichas y cuestionarios

20%

- Entrevista por competencias

10%

- Informe de assessment center

40% 44%

34%

22% 0%

0% No logró la competencia

- Informe del Centro de Desarrollo Profesional

Competencia en ascenso Mecánica

Producción

Tabla 4. Relación de técnicas por variables.

Se observa que en las técnicas e instrumentos de enseñanza tradicional no se realizó retroalimentación por considerarla estrategia de la evaluación de desempeño.

Evaluación para medir las competencias laborales Se llevó a cabo con la técnica assessment center, el instrumento de medición correspondiente denominado Evaluación de entrada y salida para medir las competencias laborales, elaborado por el equipo de consultores de la empresa de recursos humanos, Manpower Perú.

Figura 1. Competencia laboral: comunicación eficaz.

Los resultados de la Figura 1 muestra que 66% de los estudiantes de Tecnología Mecánica Eléctrica (grupo experimental) desarrollaron la competencia de comunicación eficaz a diferencia del 40% de los del grupo control.

100% 80% 60%

53%

50%

44%

40% 30%

RESULTADOS

18%

20%

Además de la evaluación del pre y post test del programa a cargo de los consultores de Manpower Perú, se evaluaron mensualmente (3 ocasiones) las competencias laborales de comunicación efectiva, trabajo en equipo e iniciativa mediante rúbricas que estuvieron a cargo de los jefes de las carreras de Tecnología Mecánica Eléctrica y Tecnología de la Producción, la coordinadora de Calidad Educativa y la responsable del Centro de Desarrollo Profesional. Los criterios de calificación fueron los siguientes: Puntaje

Competencia lograda

Criterio de calificación

6%

0%

No logró la competencia

Competencia en ascenso

Competencia lograda

Mecánica

Producción

Figura 2. Competencia laboral: trabajo en equipo.

La Figura 2 evidencia que un 94% los alumnos de Tecnología Mecánica Eléctrica (grupo experimental) adquirieron la competencia de trabajo en equipo frente a un 48% del grupo control.

100%

0 - 12

No logró la competencia

13 - 17

Competencia en ascenso

18 - 20

Competencia lograda Tabla 5. Relación de puntajes y criterios.

A continuación se presentan los resultados de evaluación de las competencias laborales: comunicación eficaz, trabajo en equipo e iniciativa.

80% 60% 40%

47%

40%

38% 28%

25%

23%

20% 0% No logró la competencia

Competencia en ascenso

Producción

Competencia lograda

Mecánica

Figura 3. Competencia laboral: iniciativa.

92

Los resultados de la Figura 3 indican que 72% de los estudiantes de Tecnología Mecánica Eléctrica (grupo experimental) desarrollaron la competencia de iniciativa en comparación al 63% del grupo control.

En los siguientes gráficos se presentan los resultados de la evaluación obtenidos mediante el assessment center, a cargo de los consultores de la empresa Manpower Perú, al inicio y al final del dictado del curso. Se aplicó enseñanza tradicional en el grupo control (Tecnología de la Producción), y el Aprendizaje Invertido en el grupo experimental (Tecnología Mecánica Eléctrica).

experimental) fueron considerados aptos o aptos con observaciones, respectivamente. Respecto a los alumnos de Tecnología de la Producción (grupo experimental), 48% fueron calificados aptos con observaciones y 40%, como no aptos.

Finalmente, para verificar el logro de las competencias en el tiempo se revisó el Informe de Prácticas Profesionales elaborado por el Centro de Desarrollo Profesional, cuyos resultados se grafican en la siguiente figura: 100% 80%

100% 60% 80% 40% 60%

50%

44% 40%

28%

55% 56% 38%

40%

20%

20%

38%

8% 0%

0% 20%

8% 6%

0% Aptos con observaciones

3° vez

4° vez

5%6% Requisito

Mecánica

Aptos Figura 6. Resultados del porcentaje de egresados que pasaron la entrevista laboral.

Mecánica

Producción

Figura 4. Resultados del assessment center: pretest.

En la Figura 4, se constata que los estudiantes de Tecnología Mecánica Eléctrica (grupo experimental) y de Tecnología de la Producción (grupo control) obtuvieron resultados similares al inicio del curso.

Los resultados evidencian que el 94% de egresados que participaron del programa (estudiantes de Tecnología Mecánica Eléctrica) pasaron la entrevista laboral en la primera o segunda oportunidad, en contraposición con el 68% de egresados que no se les aplicó el programa (estudiantes de Tecnología de la Producción).

CONCLUSIONES

100% 80% 60% 48%

20%

2° vez Producción

No aptos

40%

1° vez

0%

40%

44%

38%

19% 13%

0% No aptos

Aptos con observaciones Producción

Aptos

Mecánica

Figura 5. Resultados del assessment center: postest.

Los resultados de la Figura 5 indican que 38% y 44% de los estudiantes de Tecnología Mecánica Eléctrica (grupo

VOLUMEN 11, 2017

El diseño metodológico del analizado es altamente beneficioso para desarrollar competencias laborales en estudiantes del último ciclo y verificar el resultado de los logros cuando egresan y se presentan a la entrevista de trabajo para prácticas profesionales.

La aplicación de la Evaluación de Desempeño mediante un modelo Educativo Basado en Competencias permite estimar y predecir la actuación de los alumnos en circunstancias similares a las que se les presentarán en situaciones laborales futuras.

El efecto de la metodología de Aprendizaje Invertido en las competencias laborales es positivo, debido a que promueve la iniciativa para aprender antes de clase, aumenta el autoconcepto, suscita la actitud provechosa frente a la crítica, desarrolla la comunicación eficaz oral y escrita, genera capacidad para la retroalimentación, y mejora el trabajo en equipo durante las actividades en clase.

93

REFERENCIAS [1] Blanco, A. (2009). Desarrollo y evaluación de competencias en educación superior. España: Narcea.

[2] Calidad Educativa (2013). Rúbrica de evaluación directa. Lima: Tecsup.

[3] Centro de Desarrollo Profesional (2016). Informe de prácticas profesionales. Lima: Tecsup.

[4] Centro de Desarrollo Profesional (2014). Informe de resultados de pasantías. Lima: Tecsup.

[5] Edutrends. Tecnológico de Monterrey (2014).

Aprendizaje Invertido. México: Instituto Tecnológico y de Estudios Superiores de Monterrey.

[6] Edutrends. Tecnológico de Monterrey (2015).

Aprendizaje basado en Competencias. México: Instituto Tecnológico y de Estudios Superiores de Monterrey.

[7] Edutrends. Tecnológico de Monterrey (2016).

Evaluación de desempeño en el modelo educativo basado en competencias. México: Instituto Tecnológico y de Estudios Superiores de Monterrey.

[8] ManpowerGroup. (2015). Encuesta de Talento Manpower: Puestos técnicos 2015. México: ManpowerGroup.

[9] Fulton, K. (2014). Time for Learning: Top 10 Reasons Why Flipping the Classroom Can Change Education. USA: Corwin a Sage Company.

94

[10] Hancock, D. (2007). Effects of performance assessment on the achievement and motivation of graduate students. Active Learning In Higher Education, 8 (3), 219-231.

[11] Pearson & The Flipped Learning Network (2013).

Pearson Partners on Flipped Learning. Electronic Eduction Report, 20 (14), 5. Recuperado de la bases de EBSCO Business Source Premier.

[12] Spady, W. (1994). Choosing Outcomes of Significance. Educational Leadership. Educational Leadership, 51(6), 18-22 [13] Temple, I. (2010). Usted S.A.: Empleabilidad y marketing personal. Lima: Planeta.

ACERCA DEL AUTOR Nonie Salazar Castillo Psicóloga especialista en Innovación Educativa en Tecsup Norte. Experiencia en selección y capacitación docente para las carreras de Ingeniería y en diseño instruccional en ambientes virtuales de aprendizaje. Plantea y desarrolla programas para facilitar la adaptación al cambio educativo: mentoring docente en metodologías activas y herramientas TIC, escala de aprendizaje para medir su impacto en el rendimiento académico. Ha sido invitada para exponer sobre su investigación en los congresos de Innovación Educativa en el Tecnológico de Monterrey, en la ciudad de México y Frontiers in Education, en Estados Unidos, entre otros. nsalazar@tecsup.edu.pe

INSTRUCCIONES A LOS AUTORES PARA LA PRESENTACIÓN DE ARTÍCULOS

La revista Investigación Aplicada e Innovación, I+i es publicada anualmente con el objetivo de difundir trabajos de investigación en ingeniería y tecnología, apoyando al sector productivo en la mejora de sus procesos, eficiencia de sus procedimientos e incorporando nuevas técnicas para fortalecer su competitividad. Las áreas principales de su cobertura temática son: Automatización Industrial, Aviónica, Electrotecnia, Electrónica, Energía, Química y Metalúrgica, Educación, Gestión, Gestión Industrial, Mantenimiento Industrial, Operaciones Mineras, Tecnología Agrícola, Tecnología de la Producción, Tecnología Mecánica Eléctrica, Seguridad e Higiene Ocupacional y Tecnologías de la Información y Comunicaciones (TIC).

Va dirigida a los profesionales de los sectores productivos y académicos en las áreas de la cobertura temática.

Requisitos para la publicación de artículos: 1. CRITERIOS DE ACEPTACIÓN

• El trabajo debe ser original, inédito y con buen uso del idioma: cumplir con las condiciones necesarias de coherencia, cohesión, claridad, concreción, pertinencia y centralidad que las hagan comprensible el estudio.

• Se aceptarán artículo escritos en idioma español, portugués o inglés.

• El artículo debe tener una extensión entre 7 y 14 páginas escritos a una sola columna.

• El interlineado será sencillo, fuente Tahoma, tamaño 11 puntos. Todos los márgenes son de 2,5 cm en tamaño de página A4.

• El artículo debe enviarse en formato Word, además de la versión en pdf.

• Las tablas, figuras y gráficas deberán incluirse con buena resolución y presentarse según los lineamientos de las Normas Apa, sexta edición. Las ecuaciones deben estar bien definidas, digitadas y no presentadas como imágenes.

2. ESTRUCTURA DEL ARTÍCULO

Título del artículo: Se colocará el título de la investigación en el idioma original y en inglés. El título no debe exceder de 12 palabras y debe dar cuenta del objeto de investigación.

Autores y afiliación: Es necesario nombres y apellidos completos de los autores y su afiliación académica e institucional. Se recomienda no exceder a 04 el número de autores.

Resumen: Breve contenido del artículo en el idioma original e inglés, no debe exceder las 300 palabras. Se debe evitar el uso de siglas, ecuaciones, tablas, fórmulas. La estructura a presentar incluye: introducción, objetivos, metodología, resultados y conclusiones.

Palabras clave: identifica los temas principales del artículo redactados en el idioma original e inglés y presentados en orden de prioridad, no exceder de 08 palabras claves.

El artículo debe dividirse en: - INTRODUCCIÓN: Explicar el problema general, definir el problema investigado, definir los objetivos del estudio e interesar al lector en conocer el resto del artículo.

- FUNDAMENTOS: Presentar los antecedentes que fundamentan el estudio haciendo uso de citaciones según Norma APA. Describir el estudio de la investigación incluyendo premisas y limitaciones.

- METODOLOGÍA: Explicar cómo se llevó a la práctica el trabajo, justificando la elección de procedimientos y técnicas.

- RESULTADOS: Resumir la contribución del autor; presentar la información pertinente a los objetivos del estudio en forma comprensible y coherente; mencionar todos los hallazgos relevantes, incluso aquellos contrarios a la hipótesis.

- CONCLUSIONES: Inferir o deducir una verdad de otras que se admiten, demuestran o presupone. Las conclusiones deben estar acorde a los objetivos del trabajo, responden a la(s) pregunta(s) de investigación planteadas en la introducción y a las interrogantes que condujeron a la realización de la investigación.

- REFERENCIAS: Incluir todas las fuentes mencionadas en el artículo. Es necesario el uso de referencias de autoridad y de carácter académico. Se debe incluir documentos de actualidad incluidos en bases de datos especializadas. Su presentación es bajo el formato del American Psychological Association (Normas APA); de no hacerse correctamente, el artículo será rechazado en la primera revisión.

- ACERCA DEL AUTOR(ES): Incluir Información profesional breve de cada autor (institución y labor que desempeña).

3. SELECCIÓN DE ARTÍCULOS

Recepción de artículos: El Comité Editorial realiza una primera revisión del cumplimiento a las instrucciones a los autores, incluyendo la verificación de la originalidad a través de la herramienta Turnitin.

Sistema de arbitraje: Consiste en la entrega del texto anónimo a dos árbitros, uno externo y uno interno, especialistas en el tema. Si ambos recomiendan su publicación, se acepta su dictamen y se comunica al autor; si no coinciden, el dictamen de otro miembro será definitivo. Los resultados finales del sistema de arbitraje son los siguientes: • Publicable sin modificaciones: El trabajo no tiene ningún tipo de observación de fondo y se publica como fue recibido.

• Publicable con ligeras modificaciones: El trabajo amerita fundamentalmente modificaciones de forma.

• Publicable con modificaciones sustanciales: El trabajo amerita algunas modificaciones de fondo corregibles.

• No publicable: el artículo no es recomendable para su publicación.

Los artículos publicables pasarán por un proceso de corrección de estilo y ortografía debiendo obtener respuesta de los autores dentro de los plazos que se estimen.

4. RECEPCIÓN DE ARTÍCULOS

Envío del artículo junto con los formatos de postulación por vía electrónica a investigacioneinnovacion@tecsup.edu.pe Más información y descarga de formatos ingrese a http://www.tecsup.edu.pe/, opción “Consultoría y Asistencia Técnica”.

98

Se terminó de imprimir en los talleres gráficos de Tarea Asociación Gráfica Educativa Pasaje María Auxiliadora 156 - Breña Correo e.: tareagrafica@tareagrafica.com Página web: www.tareagrafica.com Teléf. 332-3229 Fax: 424-1582 Noviembre 2017 Lima - Perú

Tecsup Sede Norte Mz. A Sub lote 1 Urb. Tecsup Victor Larco Herrera, Trujillo - Perú informestrujillo@tecsup.edu.pe T. (044) 485420 Sede Centro Av. Cascanueces 2221 Santa Anita, Lima 43 - Perú informeslima@tecsup.edu.pe T. (51-1) 317-3900 Sede Sur Urb. Monterrey Lote D-8 José Luis Bustamante y Rivero, Arequipa - Perú informesarequipa@tecsup.edu.pe T. (54) 426610 F. (54) 426654