Depuración Fotoquímica - Electroquímica de Compuestos Orgánicos Persistentes en Agua Residual

Universidad Nacional Mayor de San Marcos
Universidad del Perú. Decana de América
Dirección General de Estudios de Posgrado

Facultad de Ingeniería Geológica, Minera, Metalúrgica y
Geográfica
Unidad de Posgrado
“Depuración fotoquímica- electroquímica de

compuestos orgánicos persistentes en agua residual
sintética de la industria textil Puente Piedra-Lima”
TESIS
Para optar el Grado Académico de Doctor en Ciencias
Ambientales
AUTOR
César GUTIÉRREZ CUBA
ASESOR
Dr. Tomás Ezequiel GALLARDAY BOCANEGRA
Lima, Perú
2020
Reconocimiento - No Comercial - Compartir Igual - Sin restricciones adicionales
https://creativecommons.org/licenses/by-nc-sa/4.0/
Usted puede distribuir, remezclar, retocar, y crear a partir del documento original de modo no
comercial, siempre y cuando se dé crédito al autor del documento y se licencien las nuevas
creaciones bajo las mismas condiciones. No se permite aplicar términos legales o medidas
tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita esta licencia.
Referencia bibliográfica
Gutiérrez, C. (2020). Depuración fotoquímica- electroquímica de compuestos

orgánicos persistentes en agua residual sintética de la industria textil Puente Piedra-
Lima. Tesis para optar el grado de Doctor en Ciencias Ambientales. Unidad de
Posgrado, Facultad de Ingeniería Geológica, Minera, Metalúrgica y Geográfica,
Universidad Nacional Mayor de San Marcos, Lima, Perú.
HOJA DE METADATOS COMPLEMENTARIOS
Código ORCID del autor
DNI del autor 28276220
Código ORCID del asesor 0000-0003-1055-4237
DNI del asesor 08009915
Grupo de investigación
Agencia financiadora Ninguno
Laboratorio de Investigación de la
Universidad Nacional del Callao.
Ubicación geográfica donde se
desarrolló la investigación Coordenadas geográficas (GMS):
12°03′40″S 77°07′02″O
Año o rango de años en que se

2015-2019
realizó la investigación
Ingeniería
Disciplinas OCDE Ingeniería ambiental
http://purl.org/pe-repo/ocde/ford#2.07.01
Nota: tomar en cuenta la forma de llenado según las precisiones colocas en la web.
https://sisbib.unmsm.edu.pe/archivos/documentos/recepcion_investigacion/Hoja%20de%20metadatos%20co
mplementarios_30junio.pdf
Dedicatoria:
A mi madre, mis hijos, y

esposa, que son el
soporte y aliciente para
seguir adelante.
AGRADECIMIENTO
Un agradecimiento a la Universidad Nacional Mayor de San Marcos y a los

docentes del Posgrado de la Facultad de Ingeniería Geológica, Minera,
Metalúrgica y Geográfica por su contribución en nuestra formación y en
especial a mi asesor el Dr. Tomás Ezequiel Gallarday Bocanegra por su
estimulo y apoyo permanente en el desarrollo del presente trabajo de
investigación.
III
INDICE DE CONTENIDOS
Pág
CAPÍTULO I.
INTRODUCCIÓN
1.1. Situación Problemática 1

1.2. Formulación del Problema 8
1.2.1. Problema general 8
1.2.2. Problemas específicos 8
1.3. Justificación Teórica 8
1.4. Justificación Práctica 9
1.5. Justificación Ambiental 10
1.6. Objetivos de la Investigación 11
1.6.1. Objetivo general 11
1.6.2. Objetivos Específicos 11
CAPÍTULO 2.
MARCO TEÓRICO
2.1. Marco Filosófico de la Investigación 12

2.1.1. Glosario 15
2.1.2. Marco legal 18
2.1.2.1. Normas específicas en la gestión del recurso hídrico 18
2.2. Antecedentes de Investigación 20
2.3. Bases Teóricas 29
2.3.1. Colorantes Reactivos 29
2.3.2. Tratamientos de aguas residuales 41
2.3.3. Procesos de oxidación avanzados (POAs) 41
2.3.4. La reacción Fenton 44
2.3.5. La reacción foto-Fenton 45
2.3.6. Química del hierro en el agua 54
2.3.7. Variables de proceso en foto Fenton 62
2.3.8. Reactores Fotoquímicos 63
2.3.9 Oxidación electroquímica 66
2.3.10. Métodos de tratamiento combinado 77
2.3.11. Metodología de superficie de respuesta 80

IV
CAPÍTULO 3.
METODOLOGÍA
3.1. Materiales y equipos 99

3.2. Parte experimental 100
3.3. Tipo y diseño de investigación 101
3.4. Hipótesis y variables 104
3.4.1. Hipótesis general 104
3.4.2. Hipótesis específicas 104
3.4.3. Identificación de variables 105
3.4.3.1. Variables dependientes 105
3.4.3.2. Variables independientes 105
3.4.3.3. Operacionalizacion de variables 105
3.4.4. Unidad de análisis 107
3.4.5. Población de estudio 109
3.4.6. Muestra 109
3.4.7. Selección de la muestra 109
3.5. Técnicas de recolección de datos 109
3.6. Análisis e interpretación de los datos 110
CAPÍTULO 4.
RESULTADOS Y DISCUSIÓN
4.1. Presentación de resultados 111

4.2. Discusión de resultados 115
4.2.1. Resultados y análisis etapa electroquímica 116
4.2.1.1. Resultados análisis estadístico empleando software jmp v11 116
4.2.1.1.1. Test de significancia de regresión global 116
4.2.1.1.2. Análisis de varianza 117
4.2.1.1.3. Expresión del modelo de predicción 121
4.2.1.1.4. Chequeo de adecuacidad del modelo electroquímico 123
4.2.1.1.5. Optimización del proceso electroquímico empleando jmp 11 125
4.2.1.2. Resultados análisis estadístico empleando software
design expert v9 126
4.2.1.2.2. Chequeo de adecuacidad del modelo 129
4.2.1.2.3. Optimización del proceso 133
4.2.1.2.4. Resultados optimización etapa electroquímica 136
V
4.2.2. Resultados y análisis etapa fotoquímica 137

4.2.2.1. Test de significancia de regresión global empleando
software jmp v11 137
4.2.2.2. Análisis de varianza 138
4.2.2.3. Chequeo de adecuacidad del modelo 144
4.2.2.4. Optimización del proceso foto químico 145
4.2.2.5. Resultados analisis estadistico empleando software design
expert v9 146
4.2.2.5.2. Chequeo de adecuacidad del modelo 148
4.2.2.5.3. Optimización del proceso fotoquímico con design expert v9 152
4.2.2.5.4. Resultados optimización etapa fotoquímica 153
4.2.3. Validación de los modelos matemáticos 154
4.3. Pruebas de hipótesis 156
4.3.1. Pruebas de hipótesis principal 156
4.3.2. Prueba de hipótesis especificas 157
CONCLUSIONES 164
RECOMENDACIONES 167
REFERENCIAS BIBLIOGRÁFICAS 178
ANEXOS 185
VI
INDICE DE CUADROS
Pág.
Cuadro 1. Ejemplos de valores de parámetros de agua residual de la

industria textil 3
Cuadro 2. Fabricación de productos textiles en kg periodo

enero-octubre 2018 y enero-octubre 2019 4
Cuadro 3. Valores máximos admisibles (VMA) de las descargas de

aguas residuales no domésticas en el sistema de
alcantarillado sanitario en Perú 6
Cuadro 4. Estándares de la industria textil para contaminantes de
agua en efluentes textiles en China y Alemania 6
Cuadro 5. Valores máximos admisibles de la descarga de
parámetros de aguas residuales de varios países en el
Mundo 7
Cuadro 6. Campo semántico del agua en la sociedad pre-moderna y
sociedad moderna 14
Cuadro 7. La intensidad relativa de las cuatro fuerzas de unión 32
Cuadro 8. Sistemas reactivos importantes en colorantes reactivos 33
Cuadro 9. Potencia de oxidación Relativa 43
Cuadro 10. Métodos de oxidación comunes y las especies
producidas en cada proceso 44
Cuadro 11. Colección de las reacciones principales relacionadas al
sistema Fenton y sus correspondientes valores de
constantes de velocidad de reacción de segundo orden 54
Cuadro 12. Niveles de factores empleados en procesos de
Experimentación 83
Cuadro 13. Estructura de Diseño General para m factores en
experimentos de Cribado definitivo 86
VII
Cuadro 14. Estructura de una matriz de DCDA con m+1 a m+4

factores categóricos 91
Cuadro 15. Tabla de Diseño experimental que se aplicó para el
estudio de la etapa electroquímica 102
Cuadro 16. Diseño experimental a aplicar para el estudio de la etapa
Fotoquímica 103
Cuadro 17. Operacionalización de variables 106
Cuadro 18. Ejemplos de formulaciones Reales de empresa Textil en
Puente Piedra para el proceso de teñido Reactivo 107
Cuadro 19. Composición del agua residual textil sintético 108
Cuadro 20. Concentraciones de Biftalato como DQO en ppm
empleados para determinar la curva de calibración 111
Cuadro 21. Características Fisicoquímicas agua residual textil 112
Cuadro 22. Resultados de pruebas experimentales en el módulo de
Reactores Electroquímicos 114
Reactores Fotoquímicos 115
Cuadro 24. Resumen del ajuste proceso Electroquímico 116
Cuadro 25. Análisis de varianza proceso Electroquímico 117
Cuadro 26. Estimación de parámetros etapa Electroquímica 118

Cuadro 27. Pruebas de los efectos 119
Cuadro 28. Análisis ANOVA modelo cuadrático (suma parcial de
cuadrados- Tipo III) 127
Cuadro 29. R2 y R2adj proceso Electroquímico 127
Cuadro 30. Términos a considerar para la ecuación de
modelamiento proceso Electroquímico con Design
Expert v9 128
Cuadro 31. Resumen de variables en sus valores óptimos del
proceso Electroquímico empleando Software JMP v11 y
DesignExpert v9 136
Cuadro 32. Resumen del ajuste proceso Foto químico 137
Cuadro 33. Análisis de varianza proceso Foto químico 138
Cuadro 34. Falta de ajuste proceso Foto químico 139
Cuadro 35. Evaluación de coeficientes de Regresores etapa
Fotoquímica con Software JMP v11 140
Cuadro 36. Pruebas de los efectos proceso Foto químico 140
VIII
Cuadro 37. Análisis ANOVA modelo cuadrático (suma parcial de

cuadrados- Tipo III) 147
Cuadro 38. R2 y R2adj proceso Foto químico 147
Cuadro 39. Términos a considerar para la ecuación de
modelamiento proceso Foto químico con Design Expert
v9 148
Cuadro 40. Resumen de variables en sus valores óptimos
Empleando JMP v11 y DesignExpert v9 153
Cuadro 41. Resultados de tratamiento del agua residual sintética con
las variables en sus puntos óptimos 156
Cuadro 42. Valores de F y p 159
Cuadro 43. Valores de R2adj 160
Cuadro 44. Variables de proceso en sus valores óptimos 163
IX
ÍNDICE DE FIGURAS
Pág.
Figura 1. Espectro electromagnético 29

Figura 2. El proceso de la visión 30
Figura 3. Energías relativas de transiciones electrónicas en sistemas
conjugados 31
Figura 4. Estructuras químicas de centros reactivos 34
Figura 5. Proceso de fijación dicloro-s-triazina sobre fibras
celulósicas 35
Figura 6. Ejemplos de grupos cromóforos y colorantes que los
contienen en su estructura 36
Figura 7. Los componentes de 4-Hydroxyazobenzene 37
Figura 8. Estructura colorante reactivo Monofuncional 38
Figura 9. Estructura colorante reactivo Bifuncional 38
Figura 10. Valores de fijación para colorantes reactivos
monofuncionales y bifuncionales 40
Figura 11. Métodos de tratamiento aplicados de acuerdo al
contenido de COT en el efluente residual 41
Figura 12. Características importantes del radical Hidroxilo 42
Figura 13. Principio de procesos de oxidación Avanzada 43
Figura 14. Especiación de Fe(III) 0,5 mM entre pH 1 a 4 a 25 °C y
fuerza iónica de 0,1 47
Figura 15. Espectro de absorción UV-Vis de complejos de Fe(III) en
solución acuosa 48
Figura 16. Rutas por las cuales reacciona la materia orgánica con los
radicales Hidroxilo 52
Figura 17. Esquema simplificado del sistema foto Fenton 52
Figura 18. Esquema general de reacción pára la mineralización de
un compuesto aromático por radicales hidroxilo 53
X
Figura 19. Especies de Hierro Férrico presentes en solución acuosa

a diferentes pH a una concentración de 20 mg/L 55
Figura 20. Mecanismo de coagulación por adsorción 57
Figura 21. Mecanismo de Coagulación-precipitación 58
Figura 22. Reacciones de Hidrolisis de Hierro 59
Figura 23. Formas de producto de hidrólisis del hierro 60
Figura 24. Diagramas de Pourbaix para Fe: (a) Diagrama E-pH
bidimensional; (b) Diagrama E-pH tridimensional 61
Figura 25. Foto ReactoresBatch 65
Figura 26. Reactores Electroquímicos Batch: (a) Sin celda dividida y
(b) Con celdas divididas 67
Figura 27. Diagrama conceptual de un reactor electroquímico 68
Figura 28. Esquemas para tratamiento electroquímico de
contaminantes: (a) Oxidación directa y (b) Oxidación
Indirecta 69
Figura 29. Esquema de las reacciones y procesos envueltos en la
oxidación del colorante 72
Figura 30. Clasificación de reactores electroquímicos de acuerdo a la
configuración de la celda, geometría del electrodo y tipo
de flujo 74
Figura 31. Representación de combinaciones de métodos de
tratamiento propuestas en la literatura 78
Figura 32. Combinaciones y hibridaciones propuestas de
tratamientos para agua residual de tintes 79
Figura 33. Representación esquemática considerando los factores y
la respuesta de un proceso 81
Figura 34. Región de Operabilidad y Región experimental de interés 82
Figura 35. Tabla de Diseño de cribado definitivo para seis factores
con trece pruebas experimentales 87
Figura 36. Estructura 1 un diseño de cribado definitivo mostrando los
seis pares foldover 88
Figura 37. Estructura 2 de un diseño de cribado definitivo 88
Figura 38. Estructura 3 de un diseño de cribado definitivo 89
XI
Figura 39. Estructura de un diseño DCDA para m=5 (A, B, C, D y E)

factores continuos y c=1 (F) factor categórico 92
Figura 40. Gráfico que combina superficie de respuesta y gráfica de

contorno 96
Figura 41. Resultados de la curva de calibración de DQO obtenido
en el Espectrofotómetro Varian 112
Figura 42. Salida gráfico de observados frente a previstos para la
variable respuesta DQO dado por JMP v11 117
Figura 43. Contribuciones de porcentaje de parámetros efectivos
para el proceso electroquímico 120
Figura 44. Salida Expresión de Predicción para la Etapa
Electroquímica dado por JMP v11 122
Figura 45. Salida Gráfico de residuos vs previstos dados por JMP
v11 124
Figura 46. Salida Gráfico de residuos vs Nro de Prueba dado por
JMP v11 125
Figura 47. Salida Perfilador de Predicción para concentración de
cloruros=4 g/L, Densidad de carga=800 A/m2,
temperatura= 42 ˚C, pH=7, tiempo de tratamiento=180
min y electrodo de Platino dado por JMP v11 126
Figura 48. Salida Gráfico de probabilidad normal vs los residuales
externamente Estudentizados dado por DesignExpert v9 130
Figura 49. Salida Gráfico de los residuales Estudentizados vs los
valores predichos dado por Design Expert v9 131
Figura 50. Salida Gráfico de residuales estudentizados vs el Nro de
Prueba experimental dado por Design Expert v9 132
Figura 51. Salida Gráfico de valores predichos vs los valores
experimentales dado por Design Expert v9 133
Figura 52. Estableciendo como objetivo una reducción hasta 220
mg/L en DQO en Design Expert v9 134
Figura 53. Salida valores de variables de proceso en sus puntos
óptimos dado por Design Expert v9 135
XII
Figura 54. Salida Gráfico de deseabilidades por variable dado por

Design Expert v9 135
Figura 55. Salida Gráfico de Observados frente a previstos para la
variable respuesta DQO proceso fotoquímico dado por
JMP v11 138
Figura 56. Contribuciones de porcentaje de parámetros efectivos
para el proceso Fotoquímico 142
Figura 57. Salida Expresión de Predicción para la Etapa Fotoquímica
dado por JMP v11 143
Figura 58. Salida Gráfico de residuos vs previstos proceso
fotoquímico dado por JMP v11 144
Figura 59. Salida Perfilador de predicción con valores de Factores en
sus valores medios, Software JMP v11 145
Figura 60. Salida Perfilador de Predicción para RelreactFen=17,
IntRad=4, pH=3 y tiempo de tratamiento=180 min software
JMP v11 146
externamente Estudentizados. Fuente: Software
DesignExpert v9 149
Figura 62. Salidas residuales estudentizados vs los valores
predichos 150
Figura 63. Salidas residuales estudentizados vs el Nro de Prueba
Experimental 151
Figura 64. Salida de valores predichos vs los valores experimentales 151
Figura 65. Valores de Variables de proceso en sus puntos óptimos 152
Figura 66. Gráfico de deseabilidades por Variable 153
Figura 67. Gráficas de distribución normal proceso Fotoquímico. 162
Figura 68. Gráficas de la relación entre los valores experimentales y
los valores predichos. 162
XIII
RESUMEN
En esta investigación se realizó un tratamiento de oxidación combinado

(Fotoquímico-Electroquímico) a un agua residual sintética de la industria textil con
un DQO inicial de 1458 mg/L que contenía una mezcla de tres colorantes reactivos.
El diseño experimental de cribado definitivo de tres niveles y la metodología de
superficie de respuesta se empleó para entender como los factores influencian a la
respuesta (el contenido de DQO en el agua residual tratada) y para optimizar el
tratamiento. Factores de cada etapa de tratamiento (etapa Fotoquímica: Relación
de reactivos Fenton 11,25-26,25, Tiempo de tratamiento 60-180min, potencia de
lámpara 4-18 W, pH 2-4; etapa electroquímica: densidad de corriente: 800-1000
A/m2, pH 7-11, concentración de cloruros 4-6 g/L, temperatura 30-42 ˚C, tiempo de
tratamiento 60-180 min, tipo de electrodo Pt-Ti/Ru-Ir), sus interacciones y efectos
cuadráticos han sido investigados. Ecuaciones polinomiales de segundo orden
fueron utilizados para modelar cada etapa de tratamiento. Se obtuvo coeficientes de
determinación ajustados de 0,999 para la etapa fotoquímica y 0,986 para la etapa
electroquímica indicando que los modelos son adecuados para propósitos
predictivos. Se encontró que la relación de reactivos Fenton con 49,9 % y tiempo de
tratamiento con 37,9 % son las contribuciones más significativas para la etapa
fotoquímica y la concentración de cloruros con 61,76 % y el efecto de segundo
orden de esta variable con 10,16% y la densidad de carga con 8,07 % son las
contribuciones más significativas para la etapa electroquímica. Empleando variables
de proceso en sus estados óptimos (etapa fotoquímica: relación de reactivos
Fenton 18, potencia de lámpara 4 W, pH 2,5, tiempo de tratamiento 180 min; etapa
electroquímica: concentración de cloruros 4 g/L, densidad de corriente 800 A/m2,
pH 7, tiempo de tratamiento 15 min, electrodo Pt) el método de tratamiento
combinado consiguió una reducción de la carga orgánica persistente de 97,7%
indicando que es adecuado para el tratamiento de este tipo de aguas residuales.
Palabras clave: Métodos de oxidación avanzada combinada. Método Foto químico.

Método electroquímico. Diseño experimental de cribado definitivo. Agua residual
textil. Demanda química de oxígeno. Colorante reactivo.
XIV
ABSTRACT
In this investigation a combined oxidation treatment (Photochemical-
Electrochemical) was carried out on a synthetic wastewater of the textile industry
with an initial COD of 1458 mg/L containing a mixture of three reactive dyes. The
experimental design of definitive three-level screening and the response surface
methodology was used to understand how the factors influence the response (the
COD content in the treated wastewater) and to optimize the treatment. Factors of
each treatment stage (Photochemical stage: Fenton reagent ratio 11.25-26.25,
Treatment time 60-180min, lamp power 4-18 W, pH 2-4; electrochemical stage:
current density: 800 -1000 A/m2, pH 7-11, chloride concentration 4-6 g/L,
temperature 30-42 ,C, treatment time 60-180 min, electrode type Pt-Ti/Ru-Ir), their
interactions and quadratic effects have been investigated. Second order polynomial
equations were used to model each stage of treatment. Adjusted coefficients of
0.999 were obtained for the photochemical stage and 0.986 for the electrochemical
stage indicating that the models are suitable for predictive purposes. It was found
that the ratio of Fenton reagents with 49.9% and treatment time with 37.9% are the
most significant contributions for the photochemical stage and the concentration of
chlorides with 61.76% and the second order effect of this variable with 10.16% and
the current density with 8.07% are the most significant contributions for the
electrochemical stage. Using process variables in their optimal states
(photochemical Stage: ratio of Fenton 18 reagents, lamp power 4 W, pH 2.5,
treatment time 180 min; electrochemical stage: chloride concentration 4 g/L, current
density 800 A/m2, pH 7, treatment time 15 min, electrode Pt) The combined
treatment method achieved a reduction of the persistent organic load of 97.7%
indicating that it is suitable for the treatment of this type of wastewater.
Key words: Combined advanced oxidation methods. Chemical Photo Method.

Electrochemical method Experimental design of definitive screening. Textile
Wastewater. Chemical demand for oxygen. Reactive dye.
1
CAPITULO 1: INTRODUCCION
1.1. SITUACION PROBLEMÁTICA
El agua es de primordial importancia para procesos que implican el

surgimiento y la preservación de la vida. La alteración de sistemas acuáticos
debido a la descarga de efluentes de diferentes industrias genera graves
problemas.
En la actualidad, la contaminación es la principal causa de enfermedad y
muerte prematura. La contaminación es un problema sustancial que pone en
peligro la salud de la población, degrada los ecosistemas de la Tierra, socava
la seguridad económica de los países y es responsable de una enorme carga
mundial de enfermedad, discapacidad y muerte prematura. Las enfermedades
causadas por la contaminación fueron responsables de aproximadamente 9
millones de muertes prematuras en 2015 (Landrigan et al, 2017).
La Industria textil provoca considerables impactos a la contaminación del agua

mediante la descarga de sus aguas residuales en varios cuerpos receptores
que incluyen estanques, ríos y el alcantarillado público. Las cargas de
contaminantes mayor de las industrias textiles provienen de sus operaciones
de procesamiento como el desgrasado, el blanqueado, la mercerización y
fundamentalmente el teñido (Radha et al, 2009). En este sentido las empresas
Textiles deben tener un verdadero compromiso con el uso responsable de los
2
recursos hídricos y cumplir con todas las normas de calidad del agua tanto a
nivel nacional e internacional después de su uso. Deben contar con un
sistema de tratamiento adecuado y un programa de monitoreo de la calidad
del agua que incluya el muestreo y análisis del agua luego del proceso
productivo y que se envía a los cuerpos receptores de agua luego del
tratamiento respectivo.
La industria textil en el Perú tiene una participación próxima al 2% del producto

bruto interno del país y en el período 2008-2017 represento el 10% de la
producción manufacturera. Es uno de los sectores de mayor complejidad, que
agrupa a 46 000 pequeñas, medianas y grandes empresas, intensiva en mano
de obra y genera 400 000 empleos directos y 300 000 indirectos
(declaraciones de César Tello, presidente del Comité de confecciones ADEX,
el 19/03/2019 en el diario El Peruano).
La industria textil presenta problemas medioambientales vinculados

principalmente al uso y gestión del agua. Se generan alrededor de 100 - 200
L de agua residual para producir 1 kg de fibra textil (Atimtay y Duygulu, 2011;
Ozturk et al 2014). El agua residual producida durante el proceso contiene
altas concentraciones de colorantes (que es la fuente más perentoria de
contaminación), auxiliares textiles, sales y trazas de metales como Cr, As, Cu
y Zn que son peligrosos para el medio ambiente y la salud humana. En el
cuadro 1 se muestra ejemplos de valores de parámetros de agua residual de
la industria textil.
3
Cuadro 1. Ejemplos de valores de parámetros de agua residual de la

industria textil
Rango prevaleciente
(1) (2) (3) (4) (5) (6) (7)
Referencia Manenti Salas Shohidullh Clemente Rodriguez, Al Kdasi A. Uwidia I. E.
et al, C. G., Miah, 2012 P., 2008 2003 et al., 2004 y Ejeomo
2014 2003 C., 2013
Parámetro
BOD5 (mg/L) 200 270 550 40-900 120-440 80-6000 646-880
DQO (mg/L) 1200 1100 1448 1500-2800 300-1100 150-12000 2190-2984
BOD5/DQO 0,167 0,245 0,38 0,321 0,4 0,5 0,295
TDS (mg/L) 900 3500 200-5000 15-8000 5157-6930
TSS (mg/L) <3 500 1229 50-120 2900-3100 506-663
pH 11,3 5-10 9-12 10-12 8-11 7-9 9,5-11,2
Conductividad 18 4-9,6
(mS/cm)
Temperatura (°C) 31,4 30-33,5
Aceites y Grasas 100 1000-3000
(mg/L)
Color (Pt-Co) 50-2500
Del cuadro 1, se observa que las aguas residuales textiles generadas

presentan las siguientes características:
- Variabilidad de carga contaminante.

- La mayor contaminación se encuentra en forma soluble
- Aguas generalmente coloreadas.
- Carga orgánica fuerte. Presentan elevado DQO, la razón de DBO5/DQO
oscila entre 0,16 a 0,5 indicando que la materia orgánica es de tipo
recalcitrante y difícil de degradar.
- Elevada temperatura, pH inestable, sólidos en suspensión y contenido de
cloruros elevado.
En general, las aguas residuales son sometidas a etapas de tratamiento

convencional que incluyen homogenización, neutralización, tratamiento
biológico y decantación para separar los lodos activados del efluente final (Lafi
4
et al, 2018). Los métodos convencionales disponibles no pueden tratar las

aguas residuales textiles para cumplir con los estándares de descarga (Sathya
et al, 2019; Sahinkaya et al, 2019; Lafi et al, 2018; Dehghani et al 2016).
En el cuadro 2, se ha estimado la producción mensual en kg (considerando

datos de 20 meses de enero-octubre 2018 y enero-octubre 2019) de hilo e
hilado de algodón, telas de algodón y fabricación de prendas de vestir (incluye
polos, pantalones, camisas ropa de bebes, ropa interior y pijamas).
Cuadro 2. Fabricación de productos textiles en kg periodo enero-octubre 2018

y enero-octubre 2019
Descripción Unidad Enero-Octubre (1) (2) Producción
de 2018 2019 Total (20 Peso por promedio
medida meses) unidad mensual
(UM) (kg) (kg)
Hilo de algodón kg 19 645 332 18 674 853 38 320 185 - 1 916 009,3
Tela de algodón kg 234 996 272 094 507 090 - 25 354,5
Polo und 53 794 832 51 746 989 105 541 821 0,22 1 160 960,03
Pantalón und 4 230 687 4 032 452 8 263 139 0,70 289 209,87
Camisa und 1 815 273 2 083 411 3 898 684 0,35 68 226,97
Ropa de bebé und 961 843 940 548 1 902 391 0,25 23 779,9
Ropa Interior und 4 578 757 4 516 884 9 095 641 0,2 90 956,41
Pijama und 527 879 608 123 1 136 002 0,35 19 880,04
TOTAL 1 653 013,2
Notas:
1) Columna producción promedio mensual, cálculo para hilo y tela de algodón: (1)/20
2) Columna producción promedio mensual, cálculo para prendas de vestir: [(1)*(2)]/20
3) Fuente datos: Ministerio de la Producción. Estadística Manufactura producción productos
textiles enero-octubre 2018 y enero-octubre 2019.
Empleando dato Total del cuadro 2, la cantidad de agua residual mensual,

generado es:
𝑚3 𝑎𝑔𝑢𝑎 𝑟𝑒𝑠𝑖𝑑𝑢𝑎𝑙 𝑘𝑔 𝑝𝑟𝑜𝑑 𝑡𝑒𝑥𝑡𝑖𝑙 0,15 𝑚3 𝑎𝑔𝑢𝑎 𝑚𝑒𝑠

= 1 653 013,2 𝑥 𝑥
𝑑𝑖𝑎 𝑚𝑒𝑠 𝑘𝑔 𝑝𝑟𝑜𝑑 𝑡𝑒𝑥𝑡𝑖𝑙 30 𝑑𝑖𝑎𝑠
𝑚3 𝑎𝑔𝑢𝑎 𝑟𝑒𝑠𝑖𝑑𝑢𝑎𝑙
= 8 265
𝑑𝑖𝑎
5
De cálculos, en el Perú se genera aproximadamente 8 265 m 3/día de agua

residual (considerando un consumo de 150 L/Kg de fibra textil) para procesar
productos textiles de algodón.
El Organismo de Evaluación y Fiscalización Ambiental (OEFA) prioriza la

supervisión de las Entidades de Fiscalización Ambiental (EFA) encargadas de
asegurar el adecuado manejo de las aguas residuales en el Perú.
También la Superintendencia Nacional de Servicios de Saneamiento (Sunass)
como parte de su función normativa, supervisora y fiscalizadora, incorpora y
supervisa el cumplimiento de los valores máximos admisibles (VMA) en sus
respectivos reglamentos con sanciones económicas y corte de servicio
eventualmente, para quienes no cumplan con los VMA en las descargas de
aguas residuales en las alcantarillas. Por eso las empresas textiles y de otros
tipos, desde pequeñas hasta grandes plantas de fabricación, tienen que
instalar sistemas de tratamiento y control de sus efluentes. Los parámetros de
control son: La Demanda Bioquímica de Oxígeno, la demanda Química de
Oxígeno, sólidos totales suspendidos, aceites y grasas. Y de otro lado,
metales como aluminio, arsénico, plomo, mercurio y otros elementos.
El Decreto Supremo No 010-2019-VIVIENDA en su anexo 1, establece los

valores máximos admisibles (VMA) de las descargas de aguas residuales no
domésticas en el sistema de alcantarillado sanitario, que están indicados en
el cuadro 3.
6
Cuadro 3. Valores máximos admisibles (VMA) de las descargas de aguas

residuales no domésticas en el sistema de alcantarillado
sanitario en Perú
Parámetro Unidad Expresión VMP para descargas
al sistema de
alcantarillado
Demanda Bioquímica de mg/L DBO5 500

Oxígeno (DBO5)
Demanda Química de mg/L DQO 1000
Oxígeno (DQO)
Sólidos suspendidos mg/L S.S.T. 500
totales
Aceites y grasas mg/L AyG 100
Fuente. Decreto Supremo No 010-2019-VIVIENDA del 11 de marzo de 2019.
Es interesante indicar como los valores máximos admisibles de DBO y DQO

en nuestro país: DBO=500 mg/L, DQO=1000 mg/L (ver cuadro 3), son
elevados cuando se comparan con normativas de otros países (ver cuadros 4
y 5) cuyos valores de DBO están en el rango de 25 a 200 mg/L y la Demanda
Química de Oxígeno (DQO) está en el rango de 160-300 mg/L.
Cuadro 4. Estándares de la industria textil para contaminantes de agua en

efluentes textiles en China y Alemania
Parámetro Límites de Concentración Límites de Concentración
en la descarga en la Descarga para
empresas Nuevas
China Alemania China
DQO (mg/L) 100 160 60

DBO (mg/L) 25 25 15
pH 6-9 6-9
TSS (mg/L) 70 20
Fuente. Zongping et al (2011).
7
Cuadro 5. Valores máximos admisibles de descarga de parámetros de aguas

residuales otros países.
Parámetro CCME China BIS FEPA Méxi- Tailan- Filipi- Indo- Bangla-
co dia nas nesia desh
pH 6,5-8,5 6-9 5,5-9 6-9 6-8,5 5-9 6-9 6-9 6,5-9
Temperatura 30 -- 50 40 -- -- 40 -- 40-45
Color (Pt-Co) 100 80 -- 7 (Lov) -- -- 100-200 -- --
TDS (mg/L) 2000 -- 2100 2000 -- 2000-5000 1200 -- 2100
TSS (mg/L) 40 150 100 30 -- 30-150 90 60 100
DQO (mg/L) 80 200 250 80 <125 120-400 200-300 250 200
DBO (mg/L) 50 60 30 50 <30 20-60 30-200 85 150
Grasas y -- -- 10 10 -- 300 5-15 5 10
aceites (mg/L)
Oxígeno 6000 -- -- -- -- -- 1000- -- 4500-
Disuelto 2000 8000
(mg/L)
CCME-Canadian Council of Ministers of the environment; BIS-Bureau of Indian Standards;
FEPA-Federal Environment Protection Agency (United States)
Fuente. Ghaly A. E. et al (2014)
En la actualidad hay un creciente interés en el desarrollo de procesos

innovadores para el tratamiento de aguas residuales textiles que contienen
contaminantes orgánicos tóxicos y no biodegradables que con los métodos
tradicionales no pueden ser oxidados completamente.
En los últimos años, ha habido un creciente interés en el uso de técnicas
combinadas (Basha et al, 2011; Rodrigues et al, 2014; Manenti et al, 2014;
GilPavas et al, 2017; Soares et al, 2017; Nadeem et al, 2017; Kumar et al,
2018; Silva et al, 2018; Lafi et al, 2018; Pan et al, 2019; Zazou et al, 2019;
Sathya et al, 2019; Sahincaya et al, 2019; Aydiner et al, 2019; Popat et al,
2019; Badmus et al, 2019; Bilinska et al, 2019 ) para el tratamiento de aguas
residuales textiles debido a que son efectivos para la decoloración de aguas
residuales y pueden descomponer significativamente las moléculas de
colorante en comparación con los procesos individuales.
8
En base a estos precedentes, se está interesado en aplicar un proceso

combinado fotoquímico-electroquímico para el tratamiento de un agua
residual sintética de la industria textil, debido a su naturaleza recalcitrante.
1.2. FORMULACIÓN DEL PROBLEMA
1.2.1. PROBLEMA GENERAL
¿Bajo qué condiciones óptimas, la depuración combinada fotoquímica-

electroquímica permitirá una reducción de los compuestos orgánicos
persistentes del agua residual sintética de la industria Textil Puente
Piedra-Lima?
1.2.2. PROBLEMAS ESPECÍFICOS
¿Cómo evaluar con método de demanda química de oxígeno que el agua

residual sintética de la industria textil Puente Piedra – Lima supera el
valor máximo admisible de la normativa de agua residual del sistema de
alcantarillado?
¿Cuáles son los modelos matemáticos que permitirán realizar

predicciones exactas de la depuración fotoquímica–electroquímica del
agua residual sintética de la industria textil Puente Piedra - Lima?
¿Cuáles son los valores óptimos de las variables que permitirá una
depuración fotoquímica-electroquímica efectiva del agua residual
sintética de la industria textil Puente Piedra - Lima?
1.3. JUSTIFICACIÓN TEORICA

Uno de los problemas más desafiantes de las últimas décadas es la presencia
de compuestos recalcitrantes en aguas residuales, debido a su toxicidad tanto
para la salud humana como para el medio ambiente. Entre estos compuestos
9
recalcitrantes se tienen a los colorantes sintéticos que se emplean en la

industria textil en los procesos de teñido, también están los contaminantes
emergentes como los productos químicos de alteración endocrina y los
productos de cuidado personal y farmacéuticos que incluyen las hormonas,
medicamentos, cosméticos, perfumes y complementos alimenticios. Debido a
la dificultad de eliminar estos compuestos recalcitrantes, es necesario
introducir métodos de tratamiento más efectivos. En este contexto, el empleo
de procesos de oxidación avanzada proporciona una opción de atenuación
viable para el tratamiento de una amplia gama de contaminantes. Métodos
combinados e híbridos están siendo aplicados en muchos trabajos de
investigación a nivel mundial. Si bien estas técnicas todavía no son
económicamente competitivas a gran escala, debido al alto costo de reactivos
como el peróxido de hidrógeno y empleo de energía extra (debido a que
requiere una fuente de radiación en el proceso fotoquímico y el empleo de una
fuente de corriente para el proceso electroquímico), comparado por ejemplo
con tratamientos biológicos, en la actualidad es uno de los métodos que tienen
mayor proyección a ser empleadas más intensamente en un futuro próximo.
1.4. JUSTIFICACION PRACTICA

Los procesos combinados de Oxidación Avanzada son una tecnología
alternativa apta que puede ser aplicada para el tratamiento de aguas
residuales textiles. Los esfuerzos para frenar los problemas ambientales se
han vuelto más importantes, y uno de los principales problemas ambientales
es la descarga de aguas residuales de tintes provenientes de industrias
textiles. Dado su origen sintético y estructura compleja, los colorantes son
extremadamente recalcitrantes y difíciles de tratar, por ello, se pretende
contribuir mediante el empleo de estas técnicas, a la reducción de
contaminación ambiental por orgánicos persistentes por parte de aguas
residuales industriales en la industria textil. Métodos de tratamiento
combinados de oxidación avanzada pueden ser implementados para ser
aplicados en el tratamiento de las aguas residuales que generan las empresas
textiles, atenuando o eliminado su toxicidad.
10
Este trabajo de investigación emplea el método combinado fotoquímico-

electroquímico para el tratamiento de un agua residual textil sintético
permitiendo obtener valores de parámetros óptimos para un tratamiento eficaz
en su aplicación práctica.
1.5. JUSTIFICACION AMBIENTAL

La calidad del tratamiento de las aguas residuales industriales y municipales
es un reflejo del nivel de ingresos de un país. Países de altos ingresos en
promedio tratan cerca del 70 % de las aguas residuales que generan; países
de ingresos medios altos es del 38%; países de medios bajos es del 28 % y 8
% en países de bajos ingresos (WWAP, 2017). Países pobres o en vías de
desarrollo, liberan aproximadamente el 80% de aguas residuales sin
tratamiento al medio ambiente (WWAP, 2017). La industria textil es la segunda
industria más contaminante del medio ambiente y tiene altos consumos de
agua, reactivos químicos y energía.
El vertido de aguas residuales sin tratar tendrá consecuencias como efectos
adversos para la salud humana; efectos ambientales negativos (disminución
de la biodiversidad, degradación de los ecosistemas acuáticos, olores
desagradables, aumento de la temperatura del agua, bioacumulación de
toxinas) en la calidad del agua que a su vez afecta la cantidad de recursos
hídricos disponibles para uso directo. Disponibilidad de agua dulce de calidad
es fundamental para el bienestar económico de la comunidad. El agua
contaminada también limita indirectamente la exportación de ciertas
mercancías debido a restricciones e incluso prohibiciones de productos
contaminados (WWAP, 2017). Las aguas residuales textiles contienen
colorantes sintéticos que son empleados masivamente en el proceso
productivo, éstos son de alto peso molecular, no biodegradables y causan
poca o nula transparencia del agua disminuyendo el contenido de oxígeno
disponible, disminución de la actividad fotosintética y aumento de la carga
orgánica.
De lo expuesto, es necesario que se disponga de métodos de tratamiento
como el propuesto en la investigación que sea adecuado para la degradación
o eliminación de los contaminantes del agua residual, para que esta agua
11
pueda reutilizarse de forma segura con mínimos impactos ambientales,

además de cumplir con las regulaciones de vertido.
1.6. OBJETIVOS DE LA INVESTIGACIÓN
1.6.1. OBJETIVO GENERAL
Determinar condiciones óptimas de depuración combinada fotoquímica-

electroquímica que permitan conseguir una reducción de los
compuestos orgánicos persistentes del agua residual sintética de la
industria Textil Puente Piedra-Lima mediante
1.6.2. OBJETIVOS ESPECÍFICOS
Determinar la demanda química de oxígeno al agua residual sintética de

la industria textil Puente Piedra - Lima.
Establecer modelos matemáticos que permitan realizar predicciones

exactas de la depuración fotoquímica-electroquímica del agua residual
sintética de la industria textilPuente Piedra - Lima.
Determinar valores de las variables en sus estados óptimos para una

depuración fotoquímica-electroquímica efectiva del agua residual
sintética de la industria textil Puente Piedra – Lima.
12
CAPITULO 2: MARCO TEORICO
2.1. MARCO FILOSOFICO DE LA INVESTIGACION
La perspectiva de esta investigación está dentro del enfoque del positivismo,

que pretende implantar un saber positivo, científico como base de una nueva
organización político-social, de esta forma la corriente empirista es un camino
para conocer la naturaleza y transformarla en beneficio del progreso y del
bienestar de la humanidad. La fuente de esta confirmación está en los
adelantos técnicos y científicos. Complementando esta perspectiva también
es necesario considerar la cosmovisión de Tales de Mileto y la pre-hispánica
de América. La cosmovisión (Vargas, 2006) es la forma de ver e integrar el
mundo, está asociado a creencias e ideologías que organizan la percepción
de las partes o del todo en que vive una sociedad.
Tales de Mileto como primer filósofo de la historia, consideraba al agua como

el principio de todas las cosas, el elemento primero de todas las cosas que
existen (Aristóteles. Metafísica, traducción de Patricio de Azcarate, 1873).
En las religiones, el agua tiene una presencia central en su cosmovisión. Con
la modernidad, esta significación fundante y regeneradora del agua se ha
degradado y descuidado. La sacralización de la naturaleza ha funcionado en
las comunidades originarias como una barrera a la depredación y
contaminación.
13
En la cosmovisión pre-hispánica de América (Vargas, 2006), se tenía sentido

comunitario del uso del medio físico. El medio natural se conservaba para
garantizar la vida. Esta forma de vinculación entre el hombre y la naturaleza
permitió el desarrollo de culturas que doblan o triplican en edad a las
civilizaciones de occidente. La cultura occidental, de la cual hoy estamos
invadidos, ve en la naturaleza algo que hay que dominar y reclama mayores
grados de comodidad a cualquier costo, sin sensibilizarse a las consecuencias
de esta actitud. En el cuadro 6 se resume en forma sintética los sentidos
atribuidos al agua en ambas culturas.
Es necesario re-valorar la concepción del hombre con la naturaleza y los

campos semánticos respecto al agua que tenían las culturas antiguas, a las
que se consideran como “primitivos”, “atrasados”, “indígenas” o “salvajes” que
al parecer fueron más avanzadas respecto al tiempo presente en el sentido
de que promovían un uso del recurso con respeto por su integridad.
El agua puede ser fuente de vida o enfermedad y muerte. Vida cuando se
promueve su cuidado y es tratada adecuadamente para eliminar los
contaminantes, muerte cuando es contaminada y vertida sin tratamiento
afectando a los seres vivos.
14
Cuadro 6. Campo semántico del agua en la sociedad pre-moderna y sociedad

moderna
Concepción del Concepto de Campos Valores que sustentan

Hombre en agua semánticos
relación a la presente en de agua
naturaleza su discurso
Sociedad El hombre Elemento vital, Diluvio, Seguridad
pre- convive con la espacio y agua que Solidaridad
moderna naturaleza y no objeto sagrado sana, río Adaptación
es su dueño. origen de la sagrado, Autorregulación
Los elementos vida, ser vivo, guardianes Reciprocidad
de la naturaleza fuente de del agua, Respeto
deben ser salud, danza del Cuidado
utilizados y proveedora de agua, frutos Sustentabilidad
conservados. La alimentos, vía del agua, Vitalidad
adaptación al de otros. Comunidad
medio es comunicación, Sacralidad
garantía de función de
sobrevivencia religar lazos
de todos sociales y
bendición o
castigo divino.
Sociedad El hombre está Recurso Recursos Rentabilidad
Moderna habilitado a natural, factor hídricos, Progreso
dominar y de producción, obras Control
adueñarse de la vía de hidráulicas, Confort
naturaleza. El transporte de agua Individualismo
control de las mercancías, potable, Salubridad
fuerzas insumo para la redes de Extractivismo
naturales y de producción, agua, riego Transformación
los otros bien artificial, Propiedad privada
hombres es la económico, bombas de Mercado…
condición para elemento de la agua,
el progreso. El naturaleza y mercado de
progreso se producto agua, crisis
traduce en industrial de la del agua,
bienestar. El sociedad guerra del
desequilibrio del agua.
medio ambiente
es un efecto no
deseado del
progreso
Fuente. Vargas, 2006.
15
2.1.1. GLOSARIO
COLORANTE: Sustancias que cuando son aplicadas a un sustrato, imparten

color. Los colorantes son retenidos en el sustrato por absorción o por un
enlace iónico o covalente (Gurses et al, 2016).
CROMOFOROS: Grupos funcionales que se encuentran en la molécula y

determinan el color. (Gurses et al, 2016).
AUXOCROMOS: Grupos que por sí solos no producen color a una molécula;

sin embargo, cuando se encuentran en conjugación con un cromóforo,
aumentan la intensidad de color (Gurses et al, 2016).
COLORANTE REACTIVO: Sustancias de estructuras no saturadas,

orgánicas y solubles en agua en medio ácido, básico y neutro. Tienen gran
demanda debido a que dan coloraciones brillantes y poseen elevadas
solideces a los tratamientos en húmedo, a la fricción, así como a la luz (Gurses
et al, 2016).
PRODUCTO AUXILIAR TEXTIL: Compuestos químicos de diferentes

propiedades usados como ayuda en el proceso de la industria textil. Los que
más comúnmente se utilizan son: Humectantes, antiespumantes,
detergentes, secuestrantes, dispersantes, desengrasantes, igualantes,
antiquiebres, retardantes, etc (Gurses et al, 2016).
AGUA RESIDUAL: Agua cuyas características originales han sido

modificadas por actividades humanas y requieren un tratamiento previo, antes
de ser reusadas o vertidas a un cuerpo natural de agua o descargadas al
sistema de alcantarillado (OEFA, 2014).
AGUA RESIDUAL INDUSTRIAL: Resultan del desarrollo de un proceso

productivo, incluyéndose a las provenientes de la actividad minera, agrícola,
textil, energética, agroindustrial, entre otras (OEFA, 2014).
16
VALORES MÁXIMOS ADMISIBLES (VMA): Valor de la concentración de

elementos, sustancias o parámetros físicos y/o químicos, que caracterizan a
un efluente no doméstico que va a ser descargado a la red de alcantarillado
sanitario, que al ser excedido causa daño a la salud, al ambiente y a las
instalaciones de los sistemas de alcantarillado y tratamiento de aguas
residuales (OEFA, 2014).
METODOS DE OXIDACION AVANZADA: Métodos que usan oxidantes

(químicos) para generar radicales •OH de alto potencial oxidante que
descomponen las sustancias orgánicas y reducen los niveles DQO/DBO.
(Bilinska et al, 2016).
TRATAMIENTO ELECTROQUIMICO: La Electroquímica aplicada es el

empleo de los procesos electroquímicos en cualquier tipo de aplicaciones
industriales. Una de las principales aplicaciones industriales de la tecnología
electroquímica es el tratamiento efectivo de aguas residuales con una elevada
concentración de compuestos orgánicos persistentes. En electro-oxidación, el
reactivo principal que se utiliza para eliminar los compuestos orgánicos en las
aguas residuales textiles son los electrones (reactivo limpio) sin necesidad de
añadir el reactivo adicional (Anglada et al, 2009).
TRATAMIENTO FOTOQUIMICO: En los métodos fotoquímicos se degrada

las moléculas de contaminantes orgánicos persistentes empleando radiación
UV en presencia de H2O2 y Fe2+ (Machulek et al, 2012).
TRATAMIENTO COMBINADO: Implican la combinación de procesos

químicos, procesos físicos y biológicos. La aplicación de procesos
combinados puede descomponer significativamente las moléculas de
colorante en comparación con los procesos individuales (Su et al, 2016).
17
TERMINOLOGIA PARA METODOLOGIA DE SUPERFICIE DE

RESPUESTA (conceptos han sido tomados de Montgomery D., 2017):
DISEÑO EXPERIMENTAL: Conjunto específico de experimentos dada en
una matriz y está compuesta por las diferentes combinaciones de niveles de
las variables estudiadas que deben aplicarse experimentalmente para obtener
la respuesta.
EXPERIMENTO CONTROLADO: Un estudio donde los tratamientos son

impuestos sobre la unidad experimental en orden a observar una o más
respuestas.
FACTOR: Una variable que potencialmente afecta la respuesta. Por ejemplo:

la temperatura, el tiempo, la composición química, etc. Variables
experimentales que pueden ser cambiadas independientemente.
TRATAMIENTO: Una combinación de uno o más factores.
NIVELES: Los valores que puede tomar un factor. Por ejemplo, en variable
codificada para dos niveles: -1, +1, para tres niveles: -1, 0, +1.
EFECTO: En cuanto un factor principal o interacción entre dos factores

influencia la respuesta o respuestas.
ESPACIO DE DISEÑO: Rango de valores sobre los que los factores son
variados. Se define por los valores mínimo y máximo de las variables
experimentales estudiadas.
PUNTOS DE DISEÑO: Los valores de los factores a la cual es llevado a cabo

el experimento. Un punto de diseño es un tratamiento. Usualmente los puntos
de diseño son codificados. Por ejemplo, un factor a dos niveles es codificado
como -1 para el nivel bajo y +1 para el nivel alto.
SUPERFICIE DE RESPUESTA: Desconocido, representa la respuesta media

a cualquier nivel dado de los factores en el espacio de diseño.
18
PUNTO CENTRAL: Empleado para medir la estabilidad, variabilidad del

proceso, así como chequear la curvatura sobre la superficie de respuesta.
RESPUESTA: O variable dependiente. Son los valores medidos de los

resultados de los experimentos.
RESIDUAL: Es la diferencia entre el resultado experimental y el resultado

calculado por el modelo para un conjunto determinado de condiciones. Un
buen modelo matemático adaptado a los datos experimentales debe presentar
valores de residuos bajos.
RESOLUCIÓN DE UN DISEÑO: Es la habilidad para separar efectos

principales e interacciones de orden bajo unos de otros. Mientras más alta sea
la resolución, mejor el diseño experimental.
REPLICACION: Es cuando se repite el diseño una 2da, 3ra, etc vez. Por
ejemplo, si su diseño es 22=4 pruebas y desea 3 réplicas, entonces su
experimento tiene 3x22=12 pruebas. Una réplica no es lo mismo que medidas
repetidas que se hace sobre la misma unidad, sino que es un experimento
repetido. Replicación va a ayudar a tener estimados de efectos más exactos.
Réplicas deben ser pruebas que se realizan casi al mismo tiempo (por
ejemplo, el mismo día) para asegurar que todas las condiciones controladas
del experimento son aproximadamente las mismas. Si esto no es posible es
mejor utilizar bloques de experimentos.
2.1.2. MARCO LEGAL
2.1.2.1. NORMAS ESPECÍFICAS EN LA GESTION DEL RECURSO

HIDRICO
La gestión de recursos hídricos cuenta con una normativa legal hacia su uso
sostenido. A continuación (Aquino P., 2017) se detalla el marco legal aplicable
a la gestión sostenible de las aguas residuales.
19
- La Constitución Política del Perú en el numeral 22 del artículo 2,

reconoce como derecho fundamental de la persona humana, a
gozar de un ambiente equilibrado y adecuado al desarrollo de su
vida.
- Ley No 30588 en la que se reconoce el derecho de toda persona de
acceder de forma progresiva y universal al agua potable. El estado
garantiza este derecho priorizando el consumo humano sobre otros
usos.
- Decreto Supremo No 007-2010-AG que declara de interés nacional
la protección de la calidad del agua en las fuentes naturales y sus
bienes asociados, con el objeto de prevenir el peligro de daño grave
o irreversible que amenace a dichas fuentes y la salud de las
actuales y futuras generaciones.
- Ley N° 28611. Ley General del ambiente, indica que toda persona
tiene el derecho irrenunciable a vivir en un ambiente saludable,
equilibrado y adecuado para el pleno desarrollo de la vida. El estado
promueve el tratamiento de las aguas residuales con fines de
reutilización considerando como premisa la obtención de la calidad
necesaria de reúso sin afectar la salud humana, el ambiente o las
actividades en las que se reutilizan.
- Decreto Supremo No 010-2019-VIVIENDA, establece los valores
máximos admisibles (VMA) de las descargas de agua no
domésticas en el sistema de alcantarillado sanitario, a fin de que no
represente riesgo significativo para la salud de las personas, del
medio ambiente y evite el deterioro de instalaciones de
infraestructura sanitaria.
El Perú también cuenta (Aquino P., 2017) con una política (Política Nacional
de Saneamiento) y más de cuatro planes y estrategias (Plan Nacional de
Saneamiento 2017-2021, Estrategia Nacional para el Mejoramiento de la
Calidad de los Recursos Hídricos, Plan Nacional de Recursos Hídricos,
Política y estrategia Nacional de recursos Hídricos, Plan Nacional de Acción
Ambiental, Plan Bicentenario y Política Nacional del Ambiente) orientadas a la
gestión sostenible de los recursos hídricos a mediano y largo plazo, pero falta
20
su integración a efectos de generar políticas coordinadas en la gestión

eficiente de los recursos hídricos y aguas residuales.
2.2. ANTECEDENTES DE INVESTIGACION
Luego de revisar la Bibliografía pertinente al tema planteado, se ha podido

seleccionar e incluir los siguientes trabajos de investigación realizados:
Murthy et al (2011), investiga la Oxidación electroquímica de un agua residual

textil colectado de una empresa textil, emplea Acero Inoxidable como ánodo.
Los resultados han sido reportados en términos de porcentaje de remoción de
DQO, color y variaciones de DBO/DQO para diferentes densidades de
corriente (12 A/m2, 24 A/m2 y 48 A/m2). DQO ha sido reducido en 52%, 63% y
71% respectivamente. Color ha sido reducido en 41%, 55% y 77%
respectivamente. La biodegradabilidad ha sido mejorada a causa del
incremento de la razón de DBO/DQO de 0,1 a 0,58. También incrementando
la densidad de corriente se mejoró la oxidación y velocidad de remoción de
contaminantes. Se concluye que el ánodo de acero inoxidable es efectivo en
el tratamiento y puede ser usado como una etapa de pre tratamiento.
La importancia de este artículo en el presente trabajo es que indica cuáles son
las variables importantes a tener en cuenta en el proceso electroquímico y su
posible aplicación en métodos de tratamiento combinado.
Dogan et al. (2012), estudia la remoción de color y DQO de un agua residual

textil conteniendo el CI Vat Blue 1: Indigo por oxidación electroquímica. El
proceso ha sido llevado a cabo en una celda electrolítica de tipo batch a
potencial constante usando electrodos de platino. Se ha mostrado completa
remoción de color en tiempos muy cortos (16 minutos) a pH 2 por aplicación
de un voltaje continuo entre los electrodos de platino. Experimentos repetidos
extendidos a 40 minutos causan una considerable reducción del DQO (46%)
debido principalmente a la oxidación de Indigo. Se concluye que el método
electroquímico puede ser usado efectivamente como método de pre
tratamiento alternativo para reducir el DQO y color en efluentes textiles antes
de su tratamiento convencional.
21
Este artículo es importante porque indica cuáles son las variables de proceso
a tener en cuenta en el proceso de tratamiento electroquímico y su posible
aplicación en métodos de tratamiento combinado.
Punzi et al (2012), las eficiencias de oxidación foto Fenton homogénea y

heterogénea han sido comparados para el tratamiento de un colorante azo
contenida en un agua residual sintética. La influencia de parámetros tales
como la presencia de cloruro de sodio y almidón han sido evaluados y dosaje
óptimo de hierro y peróxido de hidrogeno han sido determinados.
Decoloración completa de Remazol Rojo RR ha sido conseguida a todas las
concentraciones de NaCl y almidón investigadas. Mineralización en términos
de reducción de DQO fue de 96 % en el tratamiento homogéneo y de 93% en
el tratamiento heterogéneo, pero decreció con el incremento de concentración
de NaCl y almidón. La oxidación homogénea mostró mayor eficiencia en tratar
el agua residual sintética conteniendo Remazol Azul RR o una mezcla de
Remazol Azul RR y Remazol Rojo RR. La mineralización fue más baja para
remazol Rojo RR que muestra la dependencia del tratamiento de la estructura
del colorante.
a tener en cuenta en el proceso de tratamiento fotoquímico y la influencia de
NaCl cuando está presente en la matriz acuosa.
Blanco et al (2014), Oxidación foto Fenton en combinación con un reactor

Batch de secuenciamiento aerobio ha sido investigado a escala de banco para
degradar y reusar un agua residual textil con un contenido de carbono
orgánico total (COT)=390 mg/L y DQO=1560 mg O2/L. Las variables
independientes que han sido consideradas para la evaluación del proceso
oxidativo fueron la temperatura, concentraciones de H2O2 y Fe(II). Los
mejores resultados en el tratamiento han sido obtenidos aplicando proceso
foto fenton y una etapa de pulido, con una reducción de 75% de COT después
de 25 ciclos. El proceso foto fenton acoplado con las condiciones: [Fe(II)]=66,5
mg/L, [H2O2]=1518 mg/L, T=25 °C y pH=2,7 consigue una reducción de DQO
y COT de 97 y 95 % respectivamente. Finalmente, en orden a conseguir
22
calidades de agua para su re-uso interno, el agua resultante ha sido

acondicionado empleando osmosis inversa.
y rangos de valores a tener en cuenta en el proceso de tratamiento
fotoquímico.
Manenti et al (2014), estudia la performance de un sistema de tratamiento

multietapa para tratar un agua residual real. Proceso de electrocoagulación
(EC), oxidación foto-Fenton y degradación biológica de lodos activos han sido
integrados en modo batch. La performance del sistema de tratamiento
integrado ha sido evaluada de acuerdo a tres variables de respuesta:
Demanda Química de Oxigeno (DQO), carbono orgánico disuelto (COD) y
índice de biodegradabilidad. Basado en pruebas preliminares, el tratamiento
de EC ha sido apropiado como primera etapa del sistema integrado, seguido
del proceso foto-Fenton. Un foto reactor ha sido utilizado para estudiar la
influencia de las variables foto-Fenton sobre la performance del proceso. El
mejoramiento de algunos indicadores biológicos relacionados a la
biodegradabilidad de contaminantes orgánicos ha sido investigado en un foto-
reactor a escala piloto. Un reactor biológico de lodos activados a escala de
laboratorio ha sido empleado como etapa final de tratamiento en orden a
conseguir los límites de descarga. Degradación parcial de contaminantes
orgánicos ha sido alcanzado por el proceso de electrocoagulación con una
reducción de 36 % en DQO. En la segunda etapa de tratamiento, un índice de
biodegradabilidad de 70% ha sido conseguido por ajuste de las condiciones
foto-Fenton a 100 mg Fe2+/L, pH=2,8, 12 mM de H2O2 y 6,9 kJ/L de energía
acumulada. Desde un DQO inicial de 1200 mg O2/L en el agua residual textil,
se llegó a un DQO de 139 mg O2/L en el efluente, a la salida del proceso
biológico que está por debajo de los límites establecidos por la legislación
portuguesa.
Este artículo es importante porque emplea un método combinado como
método efectivo para el tratamiento de un agua residual textil.
Torrades et al (2014), realizan un trabajo empleando reactivo Fenton y

radiación UV a escala de laboratorio para el tratamiento de un agua residual
23
real de una empresa textil española. Metodología de superficie de respuesta

y un diseño factorial 23 han sido empleados para evaluar los efectos de tres
variables independientes del proceso oxidativo: Temperatura y
concentraciones Fe(II) y H2O2. En la optimización del proceso se obtuvo como
coeficiente de correlación del modelo (R2) de 0,985 y 0,99 para los
tratamientos Fenton y foto-Fenton respectivamente. Condiciones de reacción
óptimas fueron: pH=3, T=298 K, [H2O2]=73,5 mM, [Fe(II)]=1,79 mM y tiempo
de tratamiento de 2 horas para un agua residual con DQO inicial de 1705 mg/L
O2. La combinación de tratamientos Fenton y foto-Fenton ha sido altamente
efectivo para el tratamiento del agua residual textil con resultados de 62,9% y
76,3% en la reducción de DQO para tratamiento Fenton y foto-Fenton
respectivamente.
a tener en cuenta en el proceso de tratamiento fotoquímico.
Nadeem et al (2017), después del tratamiento biológico, utilizaron diferentes

procesos de oxidación avanzada (AOP) para tratar las aguas residuales de
teñido textil real como un paso final para eliminar el color, la DQO y otros
compuestos orgánicos refractarios, que se eliminaron parcialmente mediante
un proceso biológico. En este estudio, el efluente tratado biológicamente
obtenido de una industria textil se trató para reciclarlo en el procesamiento
húmedo textil para teñir. El agua residual presenta un color lila, con un número
de cromaticidad promedio (DFZ) de 100.8, pH alcalino (7.9), valor de DQO de
186.5 mg/L y carbono orgánico total (COT) de 62.3 mg/L. Se propone una
solución de reciclaje de circuito cerrado de agua después de probar una serie
de opciones de tratamiento para lograr la sostenibilidad en el consumo de
agua industrial. Se evaluó UV/H2O2/O3 como la combinación más efectiva con
un potencial de reutilización de 663,000 m3/año (con 85% de recuperación de
agua, 100% de color y 60.1% de eliminación de DQO), mientras que el
desempeño del ozono (O3), ozono/ultravioleta (O3/UV) y ozono/peróxido de
hidrógeno (O3/H2O2) fue casi lo mismo. Sin embargo, las mayores
eliminaciones de color y DQO se lograron utilizando la oxidación de Fenton,
pero el potencial de reutilización fue cero. Las aguas residuales tratadas (por
24
O3, O3/UV, UV/H2O2/O3, O3/H2O2) se reciclaron de forma segura para teñir con
35% y 20% menos de adición de NaCl y Na2CO3 al baño de tinte,
respectivamente. El ahorro estimado se calculó en 122,400 US $/año para
esta reducción.
Soares et al (2017), informa una estrategia de tratamiento integrada para

aguas residuales de teñido de poliéster-algodón sintético, que combina
procesos de oxidación biológicos y fotoquímicos. La biodegradabilidad de
todos los componentes, colorantes y los productos auxiliares de teñido,
presentes en las aguas residuales textiles de teñido de poliéster sintético se
analizaron. Más del 80% de los componentes son fácilmente biodegradables,
siendo posible lograr su eliminación completa por oxidación biológica. En
consecuencia, las aguas residuales sintéticas se sometieron en primer lugar
a una oxidación biológica, logrando una eliminación de carbono orgánico
disuelto (COD) del 76%. Por otro lado, la fotólisis del peróxido de hidrógeno
usando radiación UVC mostró eficiencias de decoloración del 71% (método
Pt-Co), consumiendo 14.1 mM H2O2 y 3.1 kJUVC/L de dosis de energía
(tiempo = 95 min; lámpara UVC de 6W; pH natural = 8.4; T = 30 ˚C). Se evaluó
el efecto de la dosificación de peróxido de hidrógeno, la potencia de lámpara,
el pH y la temperatura de la solución sobre la eficacia de UVC/H 2O2 para la
decoloración de las aguas residuales. Durante la reacción fotoquímica se
detectaron algunos ácidos carboxílicos de bajo peso molecular, como ácido
oxálico, ácido maleico y ácido tartárico.
La estrategia de tratamiento combinado fue capaz de lograr una calidad de

aguas residuales de acuerdo con los límites de descarga impuestos por la
legislación.
Lak et al (2018), investigó la aplicación del proceso foto-Fenton para tratar el

lixiviado de vertederos con un consumo mínimo de energía y eficiencias
máximas de eliminación de DQO, simultáneamente. Realizó una evaluación
operativa del proceso foto-Fenton en términos de variables pH, relación molar
25
[H2O2]/[Fe2+] y dosis de Fe2+. Diseño compuesto central (DCC) basado en la

metodología de superficie de respuesta (MSR) se aplicó para el análisis
estadístico y la optimización de los parámetros objetivo. La aplicación de luz
UV en el proceso Fenton (es decir, el proceso foto-Fenton) aumentó la
eficiencia de eliminación de DQO hasta en un 10%. Los resultados mostraron
que el tratamiento foto-Fenton es capaz de eliminar la DQO en más del 80%
de la DQO inicial (es decir, 17.200 mg/L de lixiviado de vertedero AradKooh),
aplicando una concentración de hierro de 195–265 mM, [H2O2]/[Fe2+] molar
relación de 15.50–20.55 y el valor de pH de oxidación de 3.75–5.55 (otras
condiciones fueron el tiempo de oxidación de 30 min, el pH de coagulación de
8 y el tiempo de coagulación de 25 min). La regeneración de Fe (II) a partir de
Fe (III) por irradiación con luz UV dio como resultado una degradación mayor
de DQO que la del proceso convencional de Fenton, y también redujo la
cantidad de consumo de catalizador de hierro (se observó una reducción de
aproximadamente el 25%).
Silva et al (2018), aplicó diversos procesos de oxidación avanzada química y

electroquímica (POA/POAE) como un paso de pulido para la remediación de
un agua residual textil, en relación con su descarga al medio ambiente y su
reutilización en la industria textil. Las aguas residuales textiles fueron
previamente sometidas a tratamiento biológico, clarificación y filtración. Se
compararon los siguientes procesos: fotólisis de peróxido de hidrógeno con
radiación ultravioleta UVC (H2O2/UVC), oxidación anódica (OA) con H2O2
electro generada (OA-H2O2) y OA-H2O2 con radiación UVC (OA-H2O2/UVC )
Además, se evaluó la influencia de la concentración de peróxido de hidrógeno
(H2O2) en el proceso H2O2/UVC y la influencia de la densidad de corriente en
el proceso OA H2O2/UVC. La eficiencia de los POA/POAE se evaluó en
términos de decoloración y mineralización. La capacidad de decoloración de
los diversos procesos para tiempos de hasta 25-30 minutos de reacción podría
organizarse en la siguiente secuencia: OA>OA-H2O2/UVC ≈ H2O2/UVC> OA-
H2O2. Para tiempos de tratamiento superiores a 25-30 min, los procesos OA-
H2O2/UVC y H2O2/UVC proporcionaron una mayor decoloración que el
proceso OA.
26
Aydiner et al (2019), demuestra nuevas aplicaciones tecnológicas del reactor

de oxidación de membrana híbrida (MOR) que comprende la ultrafiltración
mejorada Fenton o foto-Fenton (FEUF y pFEUF), para tratar las aguas
residuales de lavado textil. Se exploraron sus rendimientos híbridos
comparativos en base a análisis de superficie de respuesta de diseños
experimentales de Taguchi que fueron optimizados para respuestas
maximizadas en el consumo mínimo de oxidantes y ácidos. De once variables
específicas, las que afectan el rendimiento del tratamiento híbrido a niveles
significativos se encontraron como cantidad de H2O2, tiempo de proceso, tipo
de membrana, concentración de Fe2+ y temperatura. El tratamiento con
pFEUF mostró una mejor y más rápida eficiencia de eliminación de
compuestos orgánicos que con FEUF, y se vio que el proceso de UF se vio
más afectado por las condiciones operativas cambiantes en pFEUF. Los
contaminantes orgánicos fueron oxidados por 56.6 ± 8.7% de degradación y
31.5 ± 3.2% de mineralización, mientras que UF permitió una contribución
sinérgica al rendimiento híbrido de MOR en 38.1 ± 4.7% y 17.3 ± 3.1%,
respectivamente. En comparación con el MOR simultáneo y la UF externa
después de Fenton, el MOR secuencial se encontró como la mejor solución
con una eficiencia de 84.5% de DQO, 70.5% de COT y 155.6 L/m 2 · h. Los
efluentes podrían producirse fácilmente con una calidad adecuada para
descargar directamente al sistema de infraestructura de alcantarillado, lo que
da como resultado un tratamiento completo. Este estudio demostró que las
técnicas MOR desarrolladas son tecnológicamente favorables para el
tratamiento de aguas residuales orgánicas industriales debido a los altos
rendimientos del tratamiento y la menor necesidad de recursos, tiempo y
tierra.
Bilinska et al (2019), estudia las ventajas de la electrocoagulación (EC)

acoplado a la ozonización (O3) como operaciones de un paso (EC + O3) y dos
pasos (EC → O3). La combinación de EC y O3, que funcionan bien en un
ambiente salado, dio muy buenos resultados en el caso de soluciones
27
acuosas y aguas residuales industriales reales que contienen Reactive Black

5 (RB5). Se logró una eliminación de color muy alta, más del 95%, con un
tiempo de tratamiento muy corto (menos de 18 minutos, mientras que se
requirieron aproximadamente 60 minutos en el caso de O3 individual). Al
mismo tiempo, la dosis de ozono aplicada se redujo de 1.69 g/L, cuando se
usaba solo O3, a menos de 0.3 g/L para EC → O3. Los resultados del análisis
de eliminación de color y mineralización indicaron la alta eficiencia de los
procesos EC + O3 y EC → O3; sin embargo, la evaluación de costos reveló
que el tratamiento CE → O3 fue más ventajoso.
Pan et al (2019), presenta tecnologías de membrana junto con procesos

electroquímicos de oxidación avanzada (POAE) para el tratamiento de aguas
residuales. Se discuten varios POAE, incluyendo oxidación anódica
electroquímica, electrocatálisis, fotoelectrocatálisis y electro-Fenton
integrados con tecnologías de membrana para el tratamiento efectivo de
aguas residuales.
Popat et al (2019), estudio la degradación de aguas residuales a través de

una combinación de procesos electroquímicos de oxidación avanzada (POAE)
y tratamiento biológico. Para mejorar la biodegradabilidad de las aguas
residuales, se aplicó el proceso Electro-Fenton, junto con la adición externa
de persulfato, antes del tratamiento biológico.
Se estudió el efecto del voltaje, la concentración de catalizador y la

dosificación de persulfato. Las condiciones optimizadas seleccionadas para
los experimentos fueron pH-3, área efectiva- 25 cm2, espacio entre electrodos-
1 cm mientras el voltaje de 10 V, la dosis de persulfato de 200 mg/ L y la dosis
de catalizador de 10 mg/L se optimizaron durante los experimentos que
condujeron al 60% de la eficiencia de eliminación de DQO en el curso de 1 h
de electrólisis. La adición de alcohol terc-butílico y etanol reveló la existencia
de radicales sulfato e hidroxilo como los oxidantes principales que ayudan en
la degradación de contaminantes mediante la combinación de POAE y
28
tratamiento biológico. Se logró una eficiencia general de eliminación de DQO

del 94%. Por lo tanto, para la degradación de contaminantes orgánicos, el
proceso combinado sirve para ser una opción de tratamiento efectivo y
eficiente.
Zazou et al (2019), aborda el tratamiento de efluentes reales, que contienen

una mezcla de colorantes reactivos (principalmente azul de metileno),
mediante electrocoagulación (EC) junto con procesos electroquímicos de
oxidación avanzada (POAE) como la peroxi-coagulación (PC), oxidación
anódica (OA) y electro-Fenton (EF), individualmente. Para elegir el proceso
de tratamiento adecuado, los criterios clave deben ser una mayor eficiencia
de degradación y un consumo mínimo de energía. Los efluentes textiles se
caracterizan fisicoquímicamente y se investigaron los parámetros de
funcionamiento, es decir, el pH inicial, la densidad de corriente y el tiempo de
electrólisis. El consumo de energía del tratamiento de aguas residuales se
evaluó para cada proceso combinado. Los resultados destacaron la alta
eficiencia de los procesos electroquímicos en la degradación efectiva de
contaminantes orgánicos en las condiciones óptimas de operación. Entre los
procesos electroquímicos de oxidación avanzada probados, se prefería el
tratamiento secuencial de EC-EF y era bastante efectivo, ya que
proporcionaba un radical hidroxilo electro generado especialmente cuando se
usaba el diamante dopado con boro. Así, se lograron eliminaciones de 97%,
100% y 100% para, respectivamente, COT, turbidez y eliminación de color
mediante el uso del proceso combinado EC-EF.
En cuanto al nivel de eficiencia y costo operativo, el proceso combinado EC-

EF ofrece muchas ventajas que permiten la reutilización del agua tratada para
otros fines.
29
2.3. BASES TEORICAS

2.3.1. COLORANTES REACTIVOS
La luz visible (ver figura 1), es la parte del espectro electromagnético (Gurses
et al, 2016) con longitudes de onda entre el límite rojo a aproximadamente 700
nm y el límite violeta de 400 nm. Valores típicos para los colores espectrales
son rojo, 650 nm; naranja, 600; amarillo, 580; verde, 550 y 500; y azul, 450nm.
Figura 1. Espectro electromagnético.

Fuente: Imagen tomada de la ChemWiki de UC Davis (Universidad de California en Davis).
Cuando la luz incide sobre un objeto, una parte de las ondas son absorbidas
y otra parte es reflejada y es captada por nuestros ojos, que son los
responsables de transformar estas ondas en señales con las que el cerebro
interpreta y aporta la sensación de visualizar y reconocer un determinado
color. El proceso de la visión se muestra en la figura 2.
30
Figura 2. El proceso de la visión. Fuente. Brady R., 2017.
Un colorante es una sustancia capaz de impartir su color a un sustrato (papel,

algodón, cuero, etc) dado. Son de tipo natural (se obtienen de materias
vegetales) y sintéticos (se basan en compuestos de petróleo). Debe ser
soluble en el medio de aplicación, generalmente agua. Las propiedades
colorísticas, se definen casi exclusivamente por su estructura química.
La absorción de radiaciones electromagnéticas en las regiones UV y visible

por una molécula de colorante (ver figura 3) provoca la excitación electrónica
y un electrón se mueve de un nivel de energía electrónico más bajo a otro más
alto. Un grupo covalentemente insaturado responsable de la absorción en la
región UV o visible se conoce como cromóforo. Por ejemplo, C = C, C≡C, C
= O, C≡N, N = N, NO2, etc. Si un compuesto absorbe luz en la región visible
(400-800 nm), solo entonces aparece coloreado. Por lo tanto, un cromóforo
puede o no impartir color a un compuesto dependiendo de si el cromóforo
absorbe radiación en la región visible o UV.
31
Figura 3. Energías relativas de transiciones electrónicas en sistemas

conjugados. Fuente. Gurses et al, 2016
Los colorantes reactivos (Lewis, 2014) son una clase muy exitosa de tintes
sintéticos modernos debido a su amplia gama de colores, su flexibilidad en la
aplicación y sus excelentes propiedades de solidez que ofrecen cuando se
tiñen en algodón, lana y seda.
Los colorantes reactivos a la fibra son compuestos orgánicos coloreados que

son capaces de formar un enlace covalente entre los grupos reactivos de la
molécula de colorante y los grupos nucleófilos en las cadenas de polímero
dentro de la fibra. En consecuencia, los colorantes se vuelven químicamente
parte de la fibra mediante la producción de enlaces colorante-polímero, por
ejemplo, con los grupos hidroxilo de la celulosa, los grupos amino, hidroxilo y
mercapto de las proteínas, y los grupos amino de las poliamidas.
Las características estructurales de una molécula de colorante reactivo típico

son (Wadia, D., 2015): uno o dos grupos reactivos, un grupo cromóforo, un
grupo puente y un grupo solubilizante. Cada grupo tiene un efecto sobre las
propiedades físicas de la molécula de colorante total. Estos incluyen color,
tamaño molecular, capacidad de difundirse en fibras, solubilidad,
sustantividad, sensibilidad a la sal, resistencia a la luz, etc
32
Grupos Reactivos: Es importante entender (Fisher A., 2017) qué hace que
los colorantes sean atraídos por las fibras y luego sean retenidos por ellos. En
el teñido existen cuatro tipos diferentes de fuerzas de atracción o enlace:
enlaces iónicos, enlaces covalentes, enlaces de hidrógeno y fuerzas de Van
Der Waals. Los enlaces covalentes son enlaces primarios y son fuertes, están
formados por átomos que comparten un par de electrones. Se necesitará un
alto grado de energía para romper estos enlaces. La resistencia, el tipo y el
grado de enlace químico entre un tinte y una fibra controlarán su solidez, en
particular su solidez química y húmeda. Los colorantes reactivos para algodón
y lana son los únicos colorantes que utilizan este sistema de unión como su
principal método de unión.
La intensidad relativa de las cuatro fuerzas de unión a la fibra, se muestran en

el cuadro 7, de las más fuertes (covalentes) a las más débiles (fuerzas de van
der Waals).
Cuadro 7. La intensidad relativa de las cuatro fuerzas de unión

Tipo de enlace Intensidad relativa
Covalente 30
Iónico 7
Enlaces de Hidrogeno 3
Fuerzas de van der Waals 1
Fuente. Fisher A., 2017.
Los colorantes reactivos (M. Clark, 2011) deben su capacidad de formación

de enlaces covalentes a la presencia de los grupos reactivos en su estructura.
Los grupos reactivos importantes que incluyen los sistemas reactivos
monofuncionales y bifuncionales se enumeran en el cuadro 8.
Sistemas reactivos monofuncionales pueden reaccionar solo una vez con los
grupos nucleofílicos de la fibra. Algunos ejemplos son los sistemas de
halotriazina y vinilsulfona.
33
Cuadro 8. Sistemas reactivos importantes en colorantes reactivos

Sistema Nombre Comercial
Monofuncional
Monoclorotriazina Procion H
Monofluorotriazina Cibacron F
Tricloropirimidina Drimarene X
Difluorocloropirimidina Drimarene K
Dicloroquinoxalina Levafix E
Sulfatosetilsulfona Remazol
Sulfatosetilsulfonamida Remazol D
Vinilo Sulfona
Bifuncional
Bis - monoclorotriazina Procion HE
Bis - mononicotinotriazina KayacelonReact
Monochlorotriazinesulphatoethylsulphone Sumifix Supra
Monofluorotriazinesulfatoetilsulfona Cibacron C
Fuente. Wadia, D., 2015
Sistemas reactivos bifuncionales contienen dos centros reactivos separados

para la reacción con grupos adecuados en la fibra. También tienen el potencial
de combinarse con más de un grupo en la molécula de la cadena de fibra. En
la figura 4 se muestra ejemplos de la estructura química de centros reactivos
importantes empleados en colorantes reactivos.
Como moléculas, los colorantes solubles en agua con sustituyentes

funcionales deben reaccionar con iones celulosa. Para simplificar y por
conveniencia al hablar sobre sus reacciones de tintura, se puede identificar
las moléculas de tinte reactivo como Dye-X, donde la palabra tinte incluye
todos los componentes físicos y estructurales de un tinte reactivo de celulosa
soluble en agua, excepto el grupo saliente X. Todas las fibras reactivas
reaccionan con reactivos nucleofílicos, y las reacciones globales,
independientemente de sus mecanismos, pueden representarse mediante la
siguiente fórmula (M. Clark, 2011):
(1)
Donde Nu- es cualquier anión nucleófilo y X es el grupo saliente.

34
Estructura química Centro reactivo
Monoclorotrizina
Diclorotriazina
Vinilsulfona
Tricloropirimidina
Difluoropirimidina
Figura 4. Estructuras químicas de centros reactivos. Fuente. Wadia, D., 2015.
La figura 5 muestra el proceso de fijación de dicloro-s-triazina sobre fibras

celulósicas.
35
Figura 5. Proceso de fijación dicloro-s-triazina sobre fibras celulósicas. Fuente.

M. Clark, 2011.
Grupos Cromóforos: Los grupos cromóforos (Gurses et al, 2016) poseen un

extenso sistema de doble enlace conjugado que contiene grupos insaturados
y aportan color a las fibras textiles. En la práctica cromóforos de tipo monoazo,
disazo, monoazometalizado, disazometalizado, formazan, antraquinona,
trifenodioxazina y ftalocianina se utilizan en la preparación de colorantes
reactivos. En la figura 6 se muestran ejemplos de grupos cromóforos.
36
Figura 6. Ejemplos de grupos cromóforos y colorantes que los contienen en su

estructura. Fuente. Gurses, 2016.
La intensidad del color se puede aumentar en una molécula de tinte mediante

la adición de sustituyentes que contienen pares únicos de electrones al anillo
de arilo tales como: -OH, -N+, -NH2, -NHR, -NR1R2. Estos grupos conocidos
como auxocromos modifican la habilidad para absorber luz, y alteran la
longitud de onda o la intensidad de absorción.
La molécula de colorante que contiene al cromoforo y auxocromo se conoce

como cromógeno. Como ejemplo, en la figura 7 se muestra los componentes
responsables del color para 4-Hydroxyazobenzene (Solvent Yellow 7).
37
Figura 7. Los componentes de 4-Hydroxyazobenzene.
Fuente. Gurses et al, 2016
Grupos puente: Un grupo puente (Gurses et al, 2016) es el grupo que vincula
el sistema reactivo con el cromóforo. Si bien estos grupos son necesarios por
razones sintéticas, también influyen significativamente en la reactividad, el
grado de fijación, la estabilidad del teñido reactivo y otras características del
teñido, como la sustantividad y la migración. El grupo puente típico es un
grupo imino (-NH-). Los grupos carboxamida y sulfonamida son estables y se
pueden usar como grupos puente en una medida limitada.
Grupos de solubilización: Para hacer que el colorante sea de importancia

industrial, los químicos del color alteran la solubilidad del compuesto e incuyen
grupos para hacer que el colorante sea soluble en agua (Gurses et al, 2016).
El grupo de solubilización dominante en colorantes reactivos es el sustituyente
sulfónico. Ejemplos incluyen el grupo ácido sulfónico –SO3H o el grupo ácido
carboxílico –COOH o sus sales de sodio como –SO3Na y –COONa.
Ejemplos de moléculas de colorante monofuncionales y bifuncionales que

muestran sus características estructurales se muestran en las figuras 8 y 9.
38
Figura 8. Estructura colorante reactivo Monofuncional. Fuente. M. Clark, 2011.
Figura 9. Estructura colorante reactivo Bifuncional. Fuente. M. Clark, 2011.

39
La etapa de teñido (Wadia, D., 2015), es el proceso donde se genera el agua

residual contaminante. Los pasos comunes de un baño para teñido reactivo
implican:
1. El agotamiento del tinte desde el baño de colorante a la superficie de la fibra
2. La adsorción de colorante en la superficie de la fibra
3. La difusión del tinte desde la superficie de la fibra en el poro de la fibra
4. La migración del tinte para dar uniformidad al tinte. La migración ocurre
cuando se alcanza un equilibrio entre el tinte en la solución y el tinte en la
fibra.
5. La fijación del tinte a través de la formación de enlaces covalentes entre el
tinte y la fibra. La fijación a la celulosa se produce principalmente en
condiciones alcalinas, mientras que la fijación a la poliamida se puede
lograr en condiciones débilmente ácidas.
Durante la etapa de fijación, también se produce la hidrólisis competitiva del

colorante reactivo, cuando el colorante reacciona con los iones hidróxido de
la fibra. Dado que el colorante hidrolizado es generalmente muy similar al
colorante reactivo original en las propiedades de difusión y adsorción, agota
junto con la forma reactiva en la superficie de la fibra (Wadia, D., 2015).
La hidrólisis de los colorantes reactivos da como resultado un grado de fijación

inferior al 100%. Después del teñido, el tinte hidrolizado no fijado debe
eliminarse de la fibra a través de un proceso de lavado, para mejorar la solidez
al lavado y la resistencia al lavado. En la práctica, la fijación predomina sobre
la hidrólisis.
Una de las características importantes de los colorantes reactivos

bifuncionales es su capacidad para proporcionar una alta fijación porcentual.
La figura 10 muestra que un colorante reactivo bifuncional típico proporciona
un porcentaje de fijación mayor que los colorantes reactivos monofuncionales
convencionales. En el método pad-batch, los colorantes reactivos
monofuncionales alcanzan un promedio de fijación del 75%. El 25% restante
del colorante se hidroliza y encuentra su camino hacia las aguas residuales.
40
En el caso de un colorante reactivo bifuncional, un grupo reactivo (R1) podría

reaccionar con la fibra en el mismo grado (75%) como un colorante reactivo
monofuncional, con un 25% sin reaccionar. Sin embargo, el tinte parcialmente
hidrolizado, pero aún reactivo, puede reaccionar más, a través del segundo
grupo reactivo (R2). Por lo tanto, aproximadamente el 94% de la cantidad de
colorante aplica enlaces a la fibra y solo el 6% se desperdicia (Wadia, D.,
2015).
Figura 10. Valores de fijación para colorantes reactivos monofuncionales y

bifuncionales. Fuente: Wadia, D., 2015.
Son los colorantes residuales no fijados los que constituyen el grave problema
de contaminación, ya que luego del proceso de teñido son descargados al
sistema de alcantarillado muchas veces sin ningún tratamiento.
2.3.2. TRATAMIENTOS DE AGUAS RESIDUALES

41
Los tratamientos (Acosta, 2009) a los que se deben someter las aguas
residuales tienen que garantizar la eliminación de los compuestos orgánicos
en el grado requerido por la legislación que regula el vertido del residual.
La aplicación de un método u otro depende fundamentalmente de la
concentración del contaminante y del caudal de agua residual (ver figura 11).
Figura 11. Métodos de tratamiento aplicados de acuerdo al contenido de COT en el

efluente residual. Fuente. Acosta, 2009.
El nivel máximo admisible de contaminante puede conseguirse mediante la

utilización de diversas técnicas tanto destructivas (tratamiento biológico
aeróbico o anaeróbico, oxidación química) como no destructivas (adsorción,
extracción en fase líquida, tecnología de membranas).
2.3.3. PROCESOS DE OXIDACION AVANZADOS (POAs)

Son métodos (Krishnan et al, 2017) altamente recomendados para la
eliminación de la materia orgánica recalcitrante o problemática. El principio
básico de los procesos de oxidación avanzada implica la producción de
radicales hidroxilos (•OH) en cantidad suficiente a partir de peróxido de

42
hidrógeno (H2O2), ozono (O3), fotocatálisis y métodos electroquímicos para

interaccionar con los compuestos orgánicos del medio.
El radical hidroxilo (•OH) tiene como características (ver figura 12):

(i) Es un oxidante químico potente comparado a otros oxidantes (ver cuadro
9).
(ii) Altamente reactivo, con constantes de velocidad de reacción muy
grandes (108 – 1011 M-1s-1) que implica reacciones muy rápidas a
temperatura y presión normales y vida corta del radical. Es no selectivo
en sus reacciones químicas, esto es ataca a todo tipo de materia
orgánica presente en la matriz acuosa.
(iii) Fácil de producir y de carácter electrofílico.
Figura 12. Características importantes del radical Hidroxilo. Fuente.

Oppenlander T., 2003.
43
Cuadro 9. Potencia de oxidación Relativa

Oxidantes Potencia de Oxidación
relativa
Cloro 1,00
Acido Hipocloroso 1,10
Permanganato 1,24
Peróxido de Hidrógeno 1,31
Ozono 1,52
Oxígeno Atómico 1,78
Radical Hidroxilo 2,05
+
TiO2 2,35
Fuente. Munter R, 2001
Por lo tanto, el ataque de •OH conduce a una descomposición del compuesto
orgánico y como resultado los métodos de oxidación avanzada disminuyen la

concentración del contaminante.
Estudios (Krishnan et al, 2017) demuestran que, con los métodos de oxidación
avanzada, los químicos orgánicos se desintegran y se vuelven más pequeños
y más fáciles de biodegradar (ver figura 13).
Figura 13. Principio de procesos de oxidación Avanzada. Fuente. Yao H., 2013.
44
En el cuadro 10 se muestran diversos métodos de oxidación que se emplean

para la eliminación de diversos orgánicos recalcitrantes, junto con las
especies reactivas formadas durante cada proceso, se puede concluir que el
• OH altamente reactivo, es el principal impulsor de las reacciones y la
efectividad del método depende de la eficiencia con la que se produce el •OH
en el medio.
Cuadro 10. Métodos de oxidación comunes y las especies producidas en

cada proceso
Método de Oxidación Avanzada Especies Reactivas
● ● -● -●
Tratamiento con Ozono, O3 ● OH, HO2 , HO3 , O2 , O3
● -●
O3/H2O2 OH, O2-●, O3
2+ ●
Proceso Fenton: H2O2/Fe ● OH, HO2
2+
Proceso Foto Fenton: UV/ H2O2/Fe ● OH
● -● -●
UV/O3, UV/H2O2 y UV/H2O2/O3 ● OH, HO2 / O2 , O3
V-UV (λ<190 nm) ● OH, H+, e-aq
● - ●
Tratamiento Fotocatalítico: Luz UV-Vis ● OH, O2-●, HO2 , e , HOO
empleando TiO2, ZnO, etc como
catalizadores
●
Tratamiento ultrasónico ● OH, H
𝛾-Radiolisis ● OH, ●H, e-aq
Fuente. Antonopoulou M. et al, 2014.
2.3.4. LA REACCIÓN FENTON

Hace más de un siglo (Machulek et al, 2012), Fenton demostró que una
mezcla de H2O2 y Fe2+ en medio ácido tenía propiedades oxidantes muy
potentes. El mecanismo clásico es una reacción redox simple que se supone
es una importante fuente de radicales hidroxilos:
(2)
45
En la reacción (2), el Fe2+ se oxida a Fe3+ y el H2O2 se reduce a ión hidroxilo

y a radical hidróxido.
Aunque la reacción (2) sea químicamente muy eficiente, se hace lenta
después de la conversión inicial de Fe2+ a Fe3+, por ello va a requerir la adición
de cantidades relativamente grandes de Fe2+ para degradar el contaminante
de interés. Otra limitación importante de la reacción Fenton es la formación de
compuestos intermedios que inhiben la mineralización completa.
2.3.5. LA REACCIÓN FOTO-FENTON

Se descubrió (Machulek et al, 2012) que la irradiación de los sistemas de
reacción Fenton con luz ultravioleta (UV) y visible acelera fuertemente la
velocidad de degradación de una variedad de contaminantes. Esto se debe
principalmente a la reducción fotoquímica de Fe3+ de nuevo a Fe2+ mediante
las reacciones:
(3)
(4)
Las reacciones (3) y (4) constituyen la clave del proceso foto Fenton. La
radiación UV promueve reacciones fotoquímicas con una especie intermedia
activa a la luz que es el Fe(OH)2+. La reacción (4) producen radicales •OH y

46
regenera el Fe2+ en un ciclo catalítico cerrado de generación de •OH en
conjunto con la reacción (2).
Otra reacción importante en presencia de radiación es la foto reducción de

quinonas y formación de semi-quinonas (Zapata A., 2011), que genera
radicales •OH y acelera la reducción de Fe2+ a Fe3+.
(5)
Por lo tanto (Machulek et al, 2012), la irradiación de la reacción Fenton no sólo

regenera Fe(II), la especie catalítica crucial de la reacción Fenton dada en (2),
sino que también produce un radical hidroxilo adicional, que es la responsable
de la degradación del material orgánico. Estos dos efectos hacen del proceso
foto Fenton más rápido que el proceso Fenton convencional. Dado que el Fe2+
se regenera mediante luz con descomposición de agua (reacción (3)) en lugar
de H2O2, el proceso foto Fenton consume menos H2O2.
El proceso foto Fenton es más estricto en cuanto al control de pH por las

siguientes razones:
(i) Para hacer más eficiente el proceso de tratamiento
(ii) Para evitar la precipitación de hierro.
47
Estudios más datallados (Machulek et al, 2012), de la dependencia de pH de

la reacción foto Fenton han demostrado que el rango de pH óptimo está en el
rango 2,5-3,5. La razón de esta dependencia de pH se vuelve clara cuando
se examina la especiación de Fe3+ en función del pH (ver figura 14) y los
espectros de absorción de las especies de Fe3+ y complejos relevantes en
solución acuosa (ver figura 15).
En la figura 14:
- A pH<2, la especie dominante es Fe(H2O)63+ (o simplemente Fe3+ por
conveniencia).
- A 2,5≤pH≤3,5 , la especie predominante es Fe(H2O)5(OH)2+ (o
simplemente Fe(OH)2+) y que absorbe gran parte de la región espectral
UV.
Estudios de la fotoquímica de Fe(OH)2+ (Machulek et al, 2012) han

demostrado que este compuesto se somete a una fotoreacción eficiente para
producir Fe2+ y el radical hidroxilo (reacción (4)).
Figura 14. Especiación de Fe3+ 0,5 mM entre pH 1 a 4 a 25 °C y fuerza iónica

de 0,1. Fuente. Machulek et al, 2012.
48
Figura 15. Espectro de absorción UV-Vis de complejos de Fe3+ en solución

acuosa. Fuente. S. Gob, 2001.
Luego de la generación de radicales hidroxilos, ●OH, sigue una secuencia de

reacciones compleja (Pignatello et al, 2006) dada por las reacciones (6) a (10):
(6)
(7)
(8)
49
(9)
(10)
El Fe3+ producido, puede reaccionar con H2O2 y con el radical hidroperoxilo (

) mediante las reacciones (11) y (12):
(11)
(12)
La reacción dada por la ecuación (12) produce una especie radical ( ) con
menor poder oxidante. Las especies Fe2+ y Fe3+ están ambos presentes
simultáneamente en la cadena de reacciones.
El H2O2 también puede ser catalíticamente descompuesta por Fe 3+/Fe2+ para
formar radicales oxidantes. La descomposición catalítica homogénea de H2O2
por iones férricos puede ser representada por las reacciones (13):
(13)
50
Una vez formado el radical hidroxilo (Mousset et al, 2017), reacciona con el
contaminante orgánico de diferentes modos:
(i) Abstracción de un átomo de hidrógeno de enlaces C-H, N-H u O-H,

produciendo radicales orgánicos mediante la reacción:
(14)
Esta reacción es típica para alcanos y alcoholes con constantes de velocidad

de reacción en el rango 106-108 M-1s-1.
Subsecuente adición de oxígeno molecular forma radicales peroxilo,

intermedios reactivos que inician cadenas de reacciones que degradan aún
más la materia orgánica:
(15)
(ii) Adición electrofílica a un doble enlace (enlace insaturado) o a anillos
aromáticos mediante las reacciones:
(16)
(17)
Esta vía ocurre principalmente con aromáticos (ArH) con constantes de

velocidad tan altas como 108-1010 M-1s-1.
(iii) Reacciones de transferencia de electrones (vía minoritaria) mediante

las reacciones:
51
(18)
Esta vía ocurre generalmente con inorgánicos oxidables (como por

ejemplo el Fe2+), asi como aniones (por ejemplo, Cl-, NO2-, HCO3-) y
orgánicos.
(iv) Ipso sustitución, consiste en la oxidación de compuestos

perhalogenados de carbono (CxXy) en trihaloalcoholes (CxXy-1OH) en
una primera etapa y reacciones subsecuentes. Por ejemplo, un
mecanismo propuesto para la degradación del CCl4 está dado por las
reacciones (Mousset et al, 2017):
(19)
Un resumen de las rutas y modos por las cuales reacciona la materia orgánica
con los radicales hiodroxilo se muestra en la figura 16.
52
Figura 16. Rutas por las cuales reacciona la materia orgánica con los
radicales hiodroxilo. Fuente. Mousset et al, 2017.
La figura 17 muestra un esquema simplificado del sistema foto Fenton.
Figura 17. Esquema simplificado del sistema foto Fenton. Fuente. Oturan et
al, 2004.
Las reacciones clave del sistema foto Fenton son las reacciones (2) y (3), ya
●
que son las generadoras de OH que atacaran la materia orgánica
recalcitrante y porque establecen un ciclo catalítico cerrado de regeneración
de Fe2+ como se observa en la figura 17.
53
La figura 18 muestra un ejemplo de los mecanismos de reacción (por acción

del radical ●OH) por las cuales ocurre la degradación de una molécula
orgánica.
Figura 18. Esquema general de reacción pára la mineralización de un

compuesto aromático por radicales hidroxilo.Fuente. Oturan et al,
2004.
Brillas (Brillas E., 2014) muestra un resumen de las reacciones principales

relacionadas al sistema Fenton (ver cuadro 11) y sus correspondientes
valores de constantes de velocidad de reacción.
54
Cuadro 11. Colección de las reacciones principales relacionadas al sistema

Fenton y sus correspondientes valores de constantes de velocidad
de reacción de segundo orden.
Reacción
Iniciación
Catalizador: Regeneración de Fe(II)
Propagación
Inhibición
a-Constante de equilibrio
Fuente. Brillas E, 2014.
2.3.6. QUÍMICA DEL HIERRO EN EL AGUA

En solución acuosa (Gernjak W., 2006) las especies de hierro más
abundantes tienen números de oxidación de +2 (Hierro Ferroso) y +3 (Hierro
55
Férrico). Las especies de hierro férrico y ferroso disuelto están presentes en

complejos octaédricos con seis ligandos en agua. El hierro se compleja con
agua y ligandos hidroxilo, siempre que no haya otras sustancias complejantes
presentes. Cuántos de estos ligandos son iones hidroxilo dependen del pH de
la solución (ver figura 19), lo que influye directamente en el equilibrio
ácido/base del complejo acuoso.
Figura 19. Especies de Hierro Férrico presentes en solución acuosa a diferentes pH a

una concentración de 20 mg/L. Fuente. Gernjak W., 2006.
El hierro férrico (Gernjak W., 2006), es la especie de hierro más crítica en el

proceso foto Fenton, porque sus hidróxidos precipitan a un pH más bajo que
los del hierro ferroso. De la figura 19, es evidente que en pH 2,5 a 3,
[Fe(H2O)5(OH)]2+ es la especie dominante. Debido a la baja solubilidad del
hidróxido de hierro férrico (Kps, Fe(OH)3=1x10-37), la precipitación comienza a un
pH 2,5-3,5, dependiendo de la concentración de hierro y la temperatura.
El proceso de precipitación (Gernjak W., 2006), comienza con la formación de

dímeros y oligomeros que a continuación se polimerizan aún más y pierden
agua hasta formar finalmente hidróxidos de hierro insolubles (ver conjunto de
ecuaciones (20)).
56
El proceso de envejecimiento es lento. El precipitado resultante es de color

rojo pardo, contiene mucha agua y tiene un fuerte carácter catiónico,
coprecipitando muchos otros iones y también sustancias orgánicas. Por lo
tanto, el hierro férrico se usa a menudo como coagulante.
Luego del tratamiento foto-Fentón, es necesario retirar el exceso de hierro en

el sistema. Esto se realiza mediante un proceso de coagulación-floculación-
sedimentación. En este caso el sulfato de hierro que es empleado como
catalizador en el proceso foto Fenton, es el coagulante.
La coagulación es el proceso mediante el cual se efectúa la desestabilización

de una suspensión o solución dada. Es decir, la función de la coagulación es
superar aquellos factores que promueven la estabilidad de un sistema dado.
Las desestabilizaciones de las sustancias causantes del color pueden ser

inducidas por diferentes mecanismos. Se pueden hacer las siguientes
subdivisiones (Coagulation and Flocculation. Open Course Ware. Drinking
Water Treatment. September 2007):
- coagulación electrostática
- coagulación por adsorción
- Coagulación por precipitación.

57
En la coagulación electrostática, los iones cargados positivamente se acercan

a los coloides cargados negativamente. En la capa difusora alrededor del
coloide, los iones cargados positivamente se acumulan y desestabilizan el
coloide.
En la coagulación por adsorción, las partículas se adsorben a los productos

hidrolizados como se observa en la figura 20. La coagulación por adsorción
es un proceso rápido. Se forman productos de hidrólisis cargados
positivamente y se adsorben a las partículas cargadas negativamente.
Figura 20. Mecanismo de coagulación por adsorción. Fuente. Coagulation and

Flocculation. Open Course Ware. Drinking Water Treatment. September 2007.
En la coagulación por precipitación o coagulación por barrido, los coloides se

incorporan en flóculos de hidróxido neutro (hierro) como se observa en la
figura 21. Para formar flóculos de hidróxido, se debe dosificar más coagulante
que el necesario para la coagulación por adsorción.
58
Figura 21. Mecanismo de Coagulación-precipitación. Fuente. Coagulation and

Los mecanismos de coagulación discutidos anteriormente ocurren en la

práctica en paralelo.
La floculación es el proceso mediante el cual las partículas desestabilizadas,

o partículas formadas como resultado de la desestabilización, se inducen a
unirse, a hacer contacto y, por lo tanto, a formar grandes aglomerados.
Después de la coagulación y la desestabilización resultante de las partículas,

las partículas deben chocar. La colisión de partículas puede tener lugar en
circunstancias naturales (formación de flóculos periquinéticos) o por
disipación de la energía de mezcla (formación de flóculos ortoquinéticos).
Durante la formación de flóculos perikinéticos, las partículas chocan como

resultado del movimiento browniano. Durante la formación de flóculos
ortoquinéticos al mezclar, la frecuencia de colisión de las partículas aumenta
artificialmente.
El proceso por el cual el material suspendido o coagulado se separa del agua

por gravedad se llama sedimentación.
En el sistema de tratamiento foto Fenton, el Hierro se encuentra como Fe 2+ y

Fe3+ como puede observarse en la figura 17 esquema simplificado del proceso
foto Fenton y primera y segunda reacciones en el cuadro 14. En el tratamiento
59
foto Fenton el pH es de 2 a 3 que debe ser aumentado hasta un valor de 7

agregando OH-, para cumplir con los estándares sobre regulación de pH. El
Fe2+ reacciona con el OH- agregado a Fe(OH)2 y el Fe3+ a Fe(OH)3. Además
del Fe(OH)3, también se forman otros productos de hidrólisis de Fe 3+:
Fe(OH)2+, Fe(OH) 2+ y Fe(OH) 4- (Coagulation and Flocculation. Open Course
Ware. Drinking Water Treatment. September 2007).
En la figura 22 se dan las constantes de solubilidad de las diferentes

reacciones.
Figura 22. Reacciones de Hidrolisis de Hierro. Fuente. Coagulation and

Flocculation. Open Course Ware. Drinking Water Treatment. September
2007.
Con estos datos, cuando se conoce el pH del agua, la cantidad de

producto de hidrolisis puede ser determinado y graficado como en la
figura 23.
60
Figura 23. Formas de producto de hidrólisis del hierro. Fuente. Coagulation and
El pH y el producto de hidrólisis predominante influyen en los mecanismos de

coagulación. De la figura 23 se puede observar que el rango óptimo de pH
para la coagulación por adsorción con sales de hierro está entre 6 y 8.
Esta misma conclusión se puede observar en los diagramas de Pourbaix para

el Fe (Pesterfield et al, 2012) en las figuras 24a (bidimensional) y 24b
(tridimensional), donde a partir de un pH de 6 a más predominan las formas
de Fe sólidas, que cuando se forman precipitarán por sedimentación.
61
(a)
(b)
Figura 24. Diagramas de Pourbaix para Fe: (a) Diagrama E-pH

bidimensional; (b) Diagrama E-pH tridimensional. Fuente.
Pesterfield et al, 2012
62
2.3.7. VARIABLES DE PROCESO EN FOTO FENTON

En procesos foto Fenton (Babuponnusami et al, 2014), el pH es un parámetro
importante para un tratamiento efectivo. El proceso de foto Fenton depende
en gran medida del pH de la solución, principalmente debido a los factores de
especiación del peróxido de hidrógeno y hierro. El pH óptimo para la reacción
foto Fenton se encuentra alrededor de 3, independientemente del sustrato.
La actividad del reactivo de Fenton se reduce a un pH más alto debido a la

presencia de oxohidróxidos de hierro relativamente inactivos y la formación de
precipitado de hidróxido férrico. En esta situación, se generan menos
radicales hidroxilos debido a la presencia de menos iones de hierro libres.
Además, la descomposición del peróxido de hidrógeno se acelera a un pH
alto. A pH por debajo de 3, se observa una disminución en la eficiencia de
degradación. A valores de pH muy bajos, existen especies complejas de hierro
[Fe(H2O)6]2+, que reaccionan más lentamente con el peróxido de hidrógeno
que otras especies.También, el peróxido se solvata en presencia de una alta
concentración de iones H+ para formar un ion de oxonio estable [H3O2]+.Los
iones de oxonio aumentan la estabilidad del peróxido de hidrógeno y reducen
su reactividad con los iones ferrosos. Por lo tanto, un control adecuado del pH
aumentará la eficiencia del proceso.
Respecto a la concentración de iones ferrosos (Babuponnusami et al, 2014),

un incremento en el dosaje de catalizador es a veces beneficioso para mejorar
la velocidad de remoción de contaminantes orgánicos. Sin embargo, el
catalizador no puede ser adicionado sin cualquier limitación. La carga
excesiva de catalizador puede tener efectos negativos, ya que el ●OH puede
ser consumido con el exceso de catalizador (ver reacción (6)), aumenta el
contenido total de sólidos disueltos del efluente y además aumenta el costo
de tratamiento. Por lo tanto, se requiere establecer la carga óptima de iones
ferrosos para mineralizar los compuestos orgánicos.
63
La concentración de peróxido de hidrógeno juega un rol crucial en la eficiencia

global del proceso de degradación ya que es la fuente dominante para la
formación de radicales ●OH bajo acción catalítica. El dosaje óptimo debe ser
determinado experimentalmente. Insuficiente H2O2 va a resultar en un
decrecimiento de la eficiencia del tratamiento del contaminante orgánico
debido a la deficiencia de ●OH generado. Un dosaje excesivo de H2O2
incrementa el costo del tratamiento y también causa un incremento de
demanda química de oxígeno (DQO) en el efluente.
Respecto a la concentración inicial de contaminante, por lo general, se

favorece una concentración inicial más baja de los contaminantes. Para el
agua residual industrial real cuando la concentración de materia orgánica
biodegradable es alta, la dilución es esencial antes de que la oxidación de foto
Fenton sea llevado a cabo.
Si se espera que la temperatura de la reacción aumente más allá de los 40 °

C debido a la naturaleza exotérmica, se recomienda enfriar. La utilización
eficiente del peróxido de hidrógeno disminuye debido a su descomposición
acelerada en agua y oxígeno a temperaturas mayores a 40 °C.
2.3.8. REACTORES FOTOQUIMICOS:

Los siguientes componentes deben estar presentes en orden a tener un
reactor fotoquímico y ocurran las reacciones químicas (Oppenlander T.,
2003):
1. Una fuente que emite fotones (la lámpara)

2. Un catalizador (FeSO4.7H2O), para acelerar y tener reacciones más
rápidas y
3. Un agente oxidante fuerte (H2O2, O3, O2, etc)
64
Para alcanzar una implementación exitosa varios factores deben ser

considerados como, por ejemplo: la geometría del reactor, el tipo de foto
catalizador y la utilización de la fuente de energía radiante. La forma de la
irradiación y su distribución dentro del reactor foto catalítico es esencial para
un tratamiento adecuado y para la extrapolación de los resultados a escala de
laboratorio a operaciones de escala mayor. Una instalación exitosa implica
que se debe de tener el mayor número de fotones absorbidos por unidad de
tiempo y por unidad de volumen. Mientras que algunos de los principios
fisicoquímicos de la fotocatálisis están bien entendidos, el diseño de reactores
y la ingeniería del reactor fotoquímico sólo son relativamente comprendidos,
por ello aún se requieren más estudios al respecto.
La optimización y operación de reactores fotoquímicos necesita considerar la

selección de la fuente de radiación (por ejemplo puede ser solar o empleo de
una lámpara que ilumina artificialmente), potencia de salida, distribución
espectral, el diseño de la geometría del reactor con respecto a la fuente de
radiación (pérdidas de radiación por reflexión y dispersión deben ser
minimizadas) y la saturación de oxígeno optima de la fase acuosa es
necesaria (hay reacciones múltiples que requieren de oxígeno para ocurrir).
Ejemplos de Configuraciones de foto reactores se muestran en la figura 25 (a)

y (b).
65
(a)
(b)
Figura 25. Foto Reactores Batch
Para aplicaciones en tecnología de procesos, los recipientes del reactor

pueden ser construidos de acero inoxidable, titanio, vidrio o plástico
(polipropileno, cloruro de polivinilo). La selección del material depende
fundamentalmente de la corrosividad del agua residual a ser tratada y de
66
consideraciones económicas. Por ejemplo, aguas residuales con altos

contenidos de iones cloruro como son las aguas residuales textiles dañan el
acero inoxidable.
La fuente de radiación UV es un componente muy importante del proceso foto

catalítico. La radiación UV se refiere a la radiación electromagnética en el
rango de longitud de onda de 200 a 400 nm. Se tienen 3 tipos de radiación
UV: UVA, UVB y UVC. UVA cubre el rango de 315 a 400 nm, UVB cubre el
rango de 280 a 315 nm y UVC cubre el rango de 200 a 280 nm. Para el
tratamiento del agua residual textil se debe emplear lámparas que emitan
radiación a 240 nm, esto es ser de tipo UVC.
2.3.9. OXIDACION ELECTROQUIMICA

Un proceso electroquímico típico (Anglada et al, 2009) consiste de una celda
electrolítica, que usa energía eléctrica para efectuar un cambio químico. En
su forma más simple (ver Figura 26), una celda electrolítica consiste de dos
electrodos: ánodo y cátodo, inmersos en una solución electrolítica (el
electrolito) y son conectados juntos a la solución vía un circuito eléctrico que
incluye una fuente de corriente y dispositivos de control.
67
(a)
(b)
Figura 26. Reactores Electroquímicos Batch: (a) Sin celda dividida y (b)Con celdas
divididas. Fuente. Dogan D. y Turkdemir A. (2012)
68
Los procesos químicos que ocurren son oxidación y reducción y tienen lugar
en la interface electrodo/electrolito. El electrodo en el que ocurre la reducción
es referido como cátodo y ánodo es el electrodo donde ocurre el proceso de
oxidación (ver figura 27). El flujo de corriente en la celda electroquímica es
mantenido por el flujo de electrones proporcionado por la fuente. El tipo de
electrolito tiene un efecto importante en la oxidación de especies durante el
proceso.
Figura 27. Diagrama de un reactor electroquímico. Fuente. Anglada et al,

2009.
Oxidación electroquímica (Bashir et al, 2014) es un proceso que ha sido

reconocido como una de las técnicas más efectivas en degradar
contaminantes presentes en aguas residuales textiles, residuales de la
industria papelera, residuales de la industria de pinturas, lixiviados de
vertederos, etc. Es altamente eficiente en reducir compuestos orgánicos
desde varios tipos de aguas residuales cuando es comparado a otras
69
tecnologías fisicoquímicas que únicamente llevan a cabo la transferencia de

fase de los contaminantes en cuestión sin su destrucción química.
La oxidación electroquímica es limpia, versátil y eficiente para la destrucción
de contaminantes orgánicos en aguas residuales. No requiere un producto
químico auxiliar y es apropiado para grandes rangos de remoción de
contaminantes y no requiere de alta temperatura o presión para que las
reacciones tengan lugar. La eficiencia de la técnica electroquímica depende
fuertemente de las condiciones de operación y de la naturaleza de los
materiales de los electrodos.
Oxidación electroquímica de impurezas en aguas residuales es realizada a
través de dos diferentes mecanismos: Oxidación anódica directa, donde los
contaminantes son destruidos en la superficie del ánodo y oxidación
indirecta donde mediadores (HClO, H2S2O8, etc) son electroquímicamente
producidos para llevar a cabo la oxidación. Normalmente durante una electro-
oxidación de residuales acuosos, ambos mecanismos de oxidación pueden
coexistir.
La figura 28 muestra esquemas de tratamiento electroquímico directo e
indirecto de contaminantes.
Figura 28. Esquemas de tratamiento electroquímico de contaminantes. Fuente.

Anglada et al, 2009.
70
La oxidación directa de contaminantes (Bashir et al, 2014; Anglada et al, 2009)

tiene lugar en dos pasos:
i) Difusión de contaminantes desde la solución principal hacia la
superficie del ánodo y
ii) Oxidación de contaminantes en la superficie del ánodo.
Como resultado la efectividad del método electroquímico depende de la

correlación entre la transferencia de masa del sustrato y la transferencia de
electrones desde la superficie del electrodo. La tasa de transferencia de
electrones es determinada por la actividad del electrodo y la densidad de la
corriente. En general dos caminos diferentes de oxidación de sustancias
orgánicas son:
Conversión electroquímica: Las sustancias orgánicas (R), son parcialmente

oxidadas mediante la reacción:
R → RO + e- (21)
Entonces un tratamiento adicional es necesario para destruir completamente

los sustratos oxidados.
a) Incineración electroquímica (combustión): Las sustancias

orgánicas son transformadas en agua, CO2 y otros constituyentes inorgánicos
como en la ecuación:
R → CO2 + H2O + sales+ e- (22)
El radical ●OH puede ser generado por la oxidación de agua por la

reacción:
(23)
Donde M es un electrodo que puede ser diamante dopado con boro (BDD) o
un electrodo de platino. La reacción mostrada es más eficiente cuando se
utiliza un electrodo de tipo BDD (Brillas E., 2014).
71
Durante la oxidación electroquímica indirecta, un agente oxidante fuerte es

electro-cogenerado en la superficie del ánodo y subsecuentemente destruye
los compuestos orgánicos presentes en la solución principal. El oxidante
electroquímico más extendido es el cloro que es producido vía la oxidación
del cloruro en el ánodo. A través de la oxidación indirecta, los agentes
producidos en el ánodo son los responsables para la oxidación de materia
orgánica y materia inorgánica como es el cloro y hipoclorito, peróxido de
hidrogeno, ácido peroxodisulfurico y ozono. La oxidación electroquímica más
extendida que se utiliza en la remoción de impurezas de aguas residuales
textiles ocurre vía la oxidación indirecta utilizando cloro/hipoclorito producido
por oxidación anódica de cloruro que existe en el medio acuoso (mucho de los
residuales de la industria textil contienen NaCl como uno de los mayores
constituyentes y puede ser utilizado como electrolito de soporte).
La cadena de reacciones que involucra al cloro/hipoclorito está dada por las

siguientes reacciones (Mohan et al, 2001; Anglada et al, 2010; Kavitha E.,
2012; Osiewala et al, 2013; Bashir et al, 2014):
Reacciones en el ánodo:
2 Cl- → Cl2 + 2e- (24)
HOCl + 3 H20 → 2 Cl03- + 4 Cl- + 12 H+ + 1,5 O2 + 6 e- (25)
2 H2O → O2 + 4 H+ + 4 e- (26)
4 OH- → O2 + 2 H2O + 4 e- (27)
Reacción en el cátodo:
2 H2O + 2 e- → 2 OH- + H2 (28)
OCl- + H2O + 2 e- → Cl- + 2 OH- (29)
En la solución principal:
Cl2 + H2O H+ + Cl- + HOCl (30)
+ -
HOCl H + OCl (31)
COLORANTE + OCl- INTERMEDIOS CO2 + H2O + Cl- (32)

72
Las moléculas del colorante son inactivadas electrolíticamente. La reacción

(24) ocurre en el ánodo, con liberación de Cl2 que es un oxidante fuerte. Si el
residual con el colorante es generalmente básico o neutral, ocurre la reacción
(27) generando oxígeno que es un oxidante débil y no es útil en el tratamiento
del agua residual textil dado que conduce a una reducción en la eficiencia de
la corriente. La reacción (28) en el cátodo es la reducción de agua cuando
otras especies reducibles no están presentes. En la solución acuosa, el Cl 2
gaseoso se disuelve debido a la ionización de acuerdo a la reacción (30). La
velocidad de reacción (31) es mayor en medio básico debido a la formación
de OCl-, implicando que las condiciones básicas o neutras son más favorables
para la conducción de la reacción.
En la conversión electroquímica, los compuestos aromáticos de alto peso

molecular y los de cadena alifática forman productos intermedios que pueden
ser finalmente mineralizados a CO2 y H2O, reacción (32).
Un diagrama esquemático de la oxidación indirecta de contaminantes se

muestra en la figura 29.
Figura 29. Esquema de las reacciones y procesos envueltos en la oxidación

del colorante. Fuente. Kavitha E., 2012.
73
Para diseñar (Anglada et al, 2009) un sistema de oxidación electroquímico, se

deben tener en cuenta el material del electrodo, la configuración de la celda y
las condiciones de operación.
La elección del material del electrodo es de suma importancia ya que afecta
la selectividad y la eficiencia del proceso. El material del electrodo en lo
posible, debe tener las siguientes propiedades: estabilidad física y química,
buena actividad catalítica, bajo costo y vida útil prolongada (se debe favorecer
el uso de materiales de electrodo que sean baratos y duraderos).
Para evaluar la selectividad de un material de ánodo, se debe considerar la

competencia entre la oxidación de los compuestos orgánicos en el ánodo y la
reacción secundaria de la evolución del oxígeno:
(33)
La oxidación de agua a oxígeno ocurre a aproximadamente 1.2 V contra NHE
(electrodo de hidrógeno normal). Sin embargo, se debe aplicar un voltaje más
alto para que se produzca la oxidación electroquímica del agua en el ánodo.
La diferencia entre el valor de la tensión a la que la oxidación del agua
realmente comienza a tener lugar y el valor termodinámico, es el exceso de
potencial de la evolución de oxígeno.
Los ánodos de baja sobretensión de O2 se caracterizan por una alta actividad

electroquímica hacia la evolución del oxígeno y baja reactividad química hacia
la oxidación de compuestos orgánicos. La oxidación efectiva de
contaminantes en estos ánodos puede ocurrir a bajas densidades de
corriente; a altas densidades de corriente, se espera una disminución
significativa de la eficiencia de la corriente debido a la producción de oxígeno.
Por el contrario, en ánodos de sobretensión de O2 altos, se pueden aplicar
densidades de corriente más altas con una contribución mínima de la reacción
secundaria de evolución de oxígeno.
En vista de los hechos mencionados anteriormente, generalmente se

prefieren los ánodos de alta sobretensión de O2. En particular, se ha informado
que los ánodos de diamante dopado con boro (BDD) producen mayores tasas
74
de oxidación orgánica y mayores eficiencias de corriente que otros óxidos

metálicos comúnmente utilizados, tales como PbO2 y Ti/SnO2-Sb2O5.
Uno de los problemas más importantes en el diseño de la celda es mantener

altas tasas de transferencia de masa ya que las principales reacciones que
tienen lugar en los procesos de oxidación electroquímica tienen lugar en la
superficie de los electrodos. Para mejorar la transferencia de masa a la
superficie del electrodo, se emplean métodos comunes tales como burbujeo
de aire, alta velocidad de fluido, uso de deflectores e incorporación de varios
tipos de promotores de turbulencia.
En la figura 30, se muestra una clasificación de reactores químicos en

términos de configuración de celda, geometría del electrodo y tipo de flujo.
Figura 30. Clasificación de reactores electroquímicos de acuerdo a la

configuración de la celda, geometría del electrodo y tipo de flujo.
Fuente. Anglada et al, 2009.
75
Los tipos de electrodos se pueden clasificar en electrodos estáticos y móviles.

El uso de electrodos móviles conduce a valores incrementados del coeficiente
de transporte de masa debido a la promoción de la turbulencia.
Además de la geometría y configuración del electrodo, la configuración de la

celda (células divididas y no divididas) debe considerarse en el diseño del
reactor. En células divididas, el ánodo y el cátodo están separados por un
diafragma poroso o una membrana conductora de iones (ver figura 28 (b)).
Para las celdas divididas, la elección del diafragma o membrana de
separación es tan importante como la elección adecuada de los materiales del
electrodo para el correcto funcionamiento del proceso electrolítico. En general,
se debe evitar el uso de celdas divididas siempre que sea posible, porque los
separadores son costosos y el ajuste de una celda dividida (reducción de la
separación del electrodo) es difícil y se encuentra muchos problemas
mecánicos y de corrosión.
En el caso de las características de flujo dentro de un reactor, se pueden
considerar dos tipos de comportamiento hidrodinámico limitante, a saber, el
flujo pistón y la mezcla perfecta.
Entre las variables (Anglada et al, 2009) que generalmente se modifican en

los procesos de oxidación electroquímica, la densidad de corriente (intensidad
de corriente por unidad de área del electrodo) es el término al que se hace
referencia con más frecuencia porque controla la velocidad de reacción. Debe
resaltarse que un aumento en la densidad de corriente no necesariamente
resulta en un aumento en la eficiencia de oxidación o velocidad de oxidación
y que, para un material de ánodo dado, el efecto de la densidad de corriente
en la eficiencia del tratamiento depende de las características del efluente
tratado. Sin embargo, el uso de densidades de corriente más altas
generalmente resulta en costos operativos más altos debido al aumento en el
consumo de energía.
Las características fisicoquímicas del agua residual (naturaleza y

concentración del electrolito, valor del pH y concentración de los
contaminantes) también afectan el proceso de oxidación electroquímica.
76
Aunque no se ha llegado a un acuerdo sobre el efecto de la naturaleza y la

concentración de electrolito sobre la eficiencia general de oxidación, debe
tenerse en cuenta que cuanto mayor es la concentración de electrolito, mayor
es la conductividad y, en consecuencia, menor es el voltaje de la celda dada
la densidad de corriente. Por esta razón, el tratamiento de oxidación
electroquímica es más conveniente y rentable cuando las aguas residuales a
tratar ya tienen una alta salinidad.
En las reacciones mediadas por cloruro, el valor del pH puede afectar la

velocidad de oxidación porque determina la especie de cloro activo primario
que está presente en el agua residual.
Durante la oxidación indirecta, la evolución del cloro ocurre en el ánodo
(ecuación (24)). A valores de pH inferiores a 3,3, la especie de cloro activo
primario es Cl2, mientras que, a valores de pH superiores, su difusión lejos del
ánodo se acopla a su reacción de desproporción para formar HClO a pH <7,5
(ecuación (29)) y ClO- a pH> 7.5 (ecuación (30)). En principio, la operación en
condiciones fuertemente ácidas se consideraría la mejor opción ya que el
cloro es el oxidante más fuerte seguido de HClO. Sin embargo, la
configuración del sistema generalmente empleada en la oxidación
electroquímica de las aguas residuales promueve su desorción,
obstaculizando su acción como un agente oxidante.
En consecuencia, valores de pH más altos teóricamente mejorarían la electro
oxidación de contaminantes, ya que HClO y ClO- casi no se ven afectados por
la desorción de gases y pueden actuar como reactivos oxidantes en el
volumen total del agua residual.
En la oxidación electroquímica (Anglada et al, 2009) de agua residual, la
viabilidad técnica del proceso se evalúa en términos del porcentaje de
eliminación del contaminante alcanzado, mientras que la viabilidad económica
se determina por el consumo específico de energía. La disminución de la
concentración de contaminantes durante la electro- oxidación de las aguas
residuales, así como la evolución de cualquier otro parámetro durante el
proceso, pueden representarse en función del tiempo o en función de la carga
eléctrica específica.
77
2.3.10. METODOS DE TRATAMIENTO COMBINADO

La naturaleza compleja y recalcitrante de los colorantes sintéticos, hace que
un único método de tratamiento sea inadecuado para su eliminación de las
aguas residuales industriales. Por ello es necesario el uso de métodos de
tratamiento combinados para mejorar la eficiencia de los procesos de
tratamiento para cumplir con las leyes y regulaciones cada vez más estrictas
relacionadas con la descarga de aguas residuales.
Mediante el uso de tratamientos combinados, se pueden superar las

desventajas de un único tratamiento, proporcionando un proceso de
tratamiento más eficiente con mejores resultados. Las ventajas de los
procesos combinados pueden complementarse entre sí y superar las
limitaciones individuales de una sola técnica.
La importancia de llevar a cabo un método de tratamiento combinado para

las aguas residuales de colorantes también ha sido enfatizada por Hai (Hai et
al., 2007), quien afirmó que un único método de tratamiento no es realista en
el mundo actual ya que se han implementado regulaciones más estrictas con
respecto a la descarga de aguas residuales que contienen colorantes y se
debe llevar a cabo una combinación de métodos de tratamiento para
alternativas más técnicas y económicas. Sun (Sun et al, 2009) afirma que los
procesos combinados son efectivos en la decoloración de aguas residuales
de colorantes y su aplicación puede descomponer significativamente las
moléculas de colorante en comparación con los procesos individuales.
La Figura 31 muestra una representación simplificada de las combinaciones

propuestas por Hai (Hai et al., 2007). Aunque todavía se encuentran en su
mayoría en fase de desarrollo, últimamente se han publicado estudios sobre
la implementación de procesos avanzados de oxidación (POA) y sus
combinaciones para el tratamiento de aguas residuales con colorantes.
78
Figura 31. Representación de combinaciones de métodos de tratamiento propuestas

en la literatura. Fuente. Hai et al, 2007.
Con base en trabajos previos informados por investigadores, Sun (Sun et al,
2009) sugiere combinaciones e hibridaciones (ver figura 32) de tratamientos
propuestos para agua residual de tinte.
En la figura 32 (Sun et al, 2009), se usa un signo de suma (+) entre los
procesos para procesos combinados que muestran que los procesos se llevan
a cabo uno tras otro, en comparación con los procesos híbridos donde se usa
un guión (-) para mostrar que los procesos se integran y se llevan a cabo de
forma sinérgica.
Los procesos combinados se llevan a cabo según el orden de los métodos de

tratamiento enumerados específicamente. Por ejemplo, si un proceso
combinado se enumera como un proceso combinado químico + físico, primero
se lleva a cabo el tratamiento químico, seguido del tratamiento físico. Este
orden es específico para el diseño del tratamiento y el orden no es reversible.
79
Figura 32. Combinaciones y hibridaciones propuestas de tratamientos para agua

residual de tintes. Fuente. Sun et al, 2009.
Entre los procesos de tratamiento químico populares, la oxidación es el

proceso de tratamiento más ampliamente estudiado debido a la simplicidad
del proceso. Los procesos de oxidación avanzada (POA) como la ozonización,
la reacción Fenton, la sonólisis, la electrólisis y la fotocatálisis han sido
ampliamente estudiados por los investigadores para el tratamiento de las
aguas residuales de colorantes. Hai (Hai et al, 2007) también sugirió que una
combinación de dos procesos químicos podría superar algunos defectos de
un tratamiento químico individual.
Ejemplos de combinaciones de POA incluyen sonólisis + reacción Fenton,

radiación UV + ozonización, radiación de microondas + fotocatálisis, sonólisis
+ electrólisis y reacción Fenton/Radiación UV+ electrólisis.
Debido a su origen sintético y estructura compleja derivada del uso de

diferentes grupos cromóforos, los colorantes son extremadamente
recalcitrantes. Por ello en los métodos de tratamiento combinados se
recomienda el uso de tratamientos fotoquímicos. Las reacciones fotoquímicas
funcionan por la generación de radicales libres a través de la radiación
ultravioleta (UV). Los tratamientos fotoquímicos son superiores en la clase de
80
tratamientos químicos ya que pueden degradar moléculas de colorantes

compleja en moléculas más pequeñas con pesos moleculares más bajos.
Si bien los procesos de oxidación avanzada (POAs) se han estudiado

extensamente tanto para las aguas residuales recalcitrantes en general, para
aguas residuales de tinte en particular, su comercialización aún no se ha
realizado debido a barreras prevalecientes. Estos procesos son costosos y
complejos especialmente en cuanto a su desarrollo con propósitos de
escalamiento.
Las ventajas (Sun et al, 2009) del proceso combinado Químico + Químico para
el tratamiento de agua residual de colorantes son:
- Capaz de degradar varios tipos de colorantes

- Tiempo de operación corto
- Baja cantidad de lodo producido.
2.3.11. METODOLOGIA DE SUPERFICIE DE RESPUESTA

El estudio de un proceso (Gernjank W., 2006) a menudo se centra en la
relación entre la respuesta del sistema (variable dependiente) y los factores
de entrada (variables independientes) como se muestra en la figura 33.
81
Factores Modelo Respuesta
Figura 33. Representación esquemática considerando los factores y la

respuesta de un proceso. Fuente. Gutiérrez Pulido y De la Vara
Salazar, 2012.
Para describir la relación entre una respuesta del sistema y los factores de
entrada, típicamente se formula un modelo matemático.
La combinación de diseño experimental y la formulación de un modelo

matemático para obtener una descripción cuantitativa de la respuesta en una
región experimental en un proceso con n factores de entrada continuos se
denominan metodología de superficie de respuesta.
En la etapa de experimentación, hay una región llamada de operabilidad O(X),
esta es la región en la que es posible teóricamente hacer el experimento y
observar los valores de respuesta. Hay una segunda región R(X), que es la
región de interés donde el diseño experimental está confinado. Si se toman
datos fuera de R(X), entonces lo adecuado de la representación de la
superficie de respuesta (modelo) puede estar en cuestión. Para mayor
82
sencillez se consideran regiones de forma regular, como se muestra en la

figura 34.
Figura 34. Región de Operabilidad y Región experimental de interés. Fuente.

Gutiérrez Pulido y De la Vara Salazar, 2012.
La metodología de superficie de respuesta (Khuri A., 2017) son técnicas

estadísticas y matemáticas empleadas con los siguientes propósitos:
i) Establecer una serie de experimentos (diseño experimental) para

predicciones de una respuesta.
ii) Establecer un modelo hipotético (empírico) a partir de los datos
obtenidos empleando el diseño experimental, y
iii) Optimizar la variable de respuesta, esto es, la determinación de las
condiciones óptimas en las variables de entrada que conducen a una
respuesta máxima o mínima dentro de la región de interés.
83
Las etapas implicadas en la aplicación de la metodología de superficie de

respuesta son (Meenu Bhan, 2017):
1. Selección de variables (dependientes, independientes)

Para el proceso de experimentación, es imprescindible la determinación de
las variables de entrada (factores, variables independientes) y la variable
de salida (respuesta, variable dependiente).
Un factor es cualquier variable que se piensa puede afectar la respuesta de
interés. Se tienen como tipos de factores; los continuos, que son aquellos
que toman cualquier valor en un intervalo (por ejemplo, el pH) y los
categóricos que tienen un número de niveles discreto (por ejemplo, el tipo
de electrodo en un reactor electroquímico). Usualmente los factores de
entrada son escalados o codificados de tal manera que el valor mínimo del
factor respectivo en la región investigada sea -1 ó -∝ y el valor máximo sea
+1 o +∝ (ver cuadro 12).
Diseños experimentales que emplean 3 o 5 niveles del factor son
empleados en procesos de optimización y son diseños que emplea la
metodología de superficie de respuesta.
Cuadro 12. Niveles de factores empleados en procesos de

Experimentación
Número de niveles Valor escalado o codificado
empleados del factor
2 -1, +1
3 -1, 0, +1
5 -∝, -1, 0, +1, +∝
Fuente: Elaboración Propia
Una respuesta es un resultado medible (por ejemplo, el rendimiento de una

reacción química) que es dependiente de los factores importantes
implicados en el proceso.
84
2. Realizar un conjunto de experimentos diseñados estadísticamente

Para realizar las pruebas experimentales, primero se debe definir el método
del diseño experimental a utilizar.
El diseño de experimentos es un enfoque sistemático para la investigación
de un proceso. Se diseñan una serie de pruebas o experimentos
estructurados en las que se hacen cambios planificados a las variables de
entrada de un proceso. A continuación, se avalúan los efectos de estos
cambios en la respuesta del proceso. Empleando el diseño de
experimentos, el plan de recolección de datos maximiza la cantidad de
información que se puede obtener para una cantidad dada de esfuerzo
experimental.
En metodología de superficie de respuesta los diseños experimentales más

empleados son:
- Diseños Box-Behnken, con factores a 3 niveles
- Diseños de Cribado definitivo, con factores a 3 niveles
- Diseños Compuesto central, con factores a 5 niveles
El diseño experimental seleccionado para esta investigación fue el diseño de

Cribado Definitivo porque requiere pocas pruebas experimentales para el
estudio de múltiples factores y es más eficiente que el método compuesto
central para estimar los efectos principales y los efectos cuadráticos puros de
los factores.
Jones y Nachtsheim (Jones y Nachtsheim, 2011), proponen una nueva clase

de diseños de cribado definitivo de tres niveles por factor en la presencia de
efectos de segundo orden. Diseños de cribado son atractivos para evaluar el
impacto relativo de un número grande de factores sobre una respuesta de
interés. Se evalúan los factores a tres niveles, ya que teniendo tres niveles se
permite algunas evaluaciones de la curvatura en la relación factor-respuesta.
Los nuevos diseños propuestos tienen las siguientes propiedades deseables

(Jones y Nachtsheim, 2011):
85
a. Número pequeño de pruebas. El número de pruebas experimentales

requeridos es uno más el doble del número de factores, por ejemplo, para
m factores este es 2m+1.
b. Efectos principales ortogonales
c. Efectos principales no correlacionados con interacciones de dos factores
y efectos cuadráticos.
d. Interacciones de dos factores no están completamente cofundados con
otras interacciones de dos factores, aunque puedan estar
correlacionados.
e. Todos los efectos cuadráticos en modelos compuestos de cualquier
número de términos lineales y términos cuadráticos de efectos principales
son estimables (es un diseño de tres niveles)
f. Los efectos cuadráticos son ortogonales a los efectos principales y no
completamente cofundados con efectos de interacción.
g. Proyecciones de tres o más factores permiten ajuste del modelo de
superficies de respuesta.
En el cuadro 13, se muestra la estructura de estos nuevos diseños. Se emplea

xi,j para denotar el ajuste del factor j para la prueba i. Para m factores, las
2m+1 pruebas están basadas sobre los m pares fold-over y un punto central
global. Cada prueba (excluyendo el punto central) tiene exactamente un factor
en su nivel central y a nivel de puntos extremos, estos valores son denotados
como ±1.
86
Cuadro 13. Estructura de Diseño General para m factores en experimentos de

Cribado definitivo
Par Foldover Prueba (i) Niveles de Factor
xi,1 xi,2 xi,3 …… xi,m
1 1 0 ±1 ±1 …... ±1
2 0 ±1 ±1 …... ±1
2 3 ±1 0 ±1 …... ±1
4 ±1 0 ±1 …... ±1
3 5 ±1 ±1 0 …... ±1
6 ±1 ±1 0 …... ±1
. . . . . . .
. . . . . . .
. . . . . . .
m 2m-1 ±1 ±1 ±1 …... 0
m ±1 ±1 ±1 …... 0
Punto Central 2m+1 0 0 0 …… 0
Fuente. Jones y Nachtsheim (2011)
Se asume que la respuesta yi, sigue el modelo:
𝑦𝑖 = 𝛽𝑜 + ∑𝑚 𝛽𝑗𝑥𝑖,𝑗 + ∑𝑚−1 ∑𝑚 𝛽𝑗𝑘. 𝑥𝑖,𝑗𝑥𝑖,𝑘 + ∑𝑚 𝛽𝑗𝑗𝑥2 + 𝜀𝑖

𝑗=1 𝑗=1 𝑘=𝑗+1 𝑗=1 𝑖,𝑗
𝑖 = 1, … . . ,2𝑚 + 1 (33)
Donde los parámetros βo,…..,βjj son constantes desconocidas a ser

determinadas.
Un primer rasgo distintivo de diseños de cribado definitivo son que todos los
factores son continuos y tienen 3 niveles. Un segundo rasgo distintivo es que
son auto foldover. Esto es las pruebas del diseño vienen en pares con su
“espejo” uno del otro. Por ejemplo, si se codifica un factor en su nivel bajo
como “-1”, en su nivel alto como “+1” y el nivel medio como “0”, entonces si
una prueba tiene ajustes de los factores codificados de la forma “+0-+-+”, la
otra prueba “espejo” tiene como factores codificados “-0+-+-“. Juntos las dos
pruebas constituyen un par foldover. Además, cada par foldover tiene un
factor en su nivel medio y el resto de los factores en sus niveles altos y bajos.
87
Un tercer rasgo distintivo es que una prueba está en el centro de la región de

diseño con todos los factores en su posición media.
Como ejemplo, en la figura 35 se tiene un diseño de cribado definitivo para

seis factores con trece pruebas experimentales (el doble de factores más uno).
En la figura 36 se muestra la estructura de un diseño de cribado definitivo con
los seis pares foldover, en la figura 37 se muestra la estructura con el valor
central para cada par foldover y en la figura 38 se muestra la estructura de
una prueba (última fila) con todos los factores en su nivel medio.
Figura 35. Tabla de Diseño de cribado definitivo para seis factores con trece
pruebas experimentales. Fuente. Bradley Jones (2014).
88
Figura 36. Estructura 1 un diseño de cribado definitivo mostrando los seis

pares foldover. Fuente. Bradley Jones (2014)
Figura 37. Estructura 2 de un diseño de cribado definitivo mostrando valores

centrales en cada par foldover. Fuente. Bradley Jones (2014)
89
Figura 38. Estructura 3 de un diseño de cribado definitivo mostrando una prueba

con el nivel de los factores en el valor central. Fuente. Bradley Jones
(2014)
Un uso importante de Diseños de Cribado es que, a partir de muchos factores

considerados, el objetivo es identificar aquellos factores que tienen efectos
importantes en el proceso. Un factor continuo o cuantitativo puede ser de
importancia crítica sobre el espacio de diseño debido a efectos de primer
orden, debido a interacciones de dos factores y debido a efectos cuadráticos
puros.
En su aplicación los Diseños de Cribado Definitivo (DCD) tienen como

limitación que todos los factores deben ser continuos. Jones y Nachtsheim
(Bradley Jones y J. Nachtsheim, 2013), en un trabajo reciente desarrollaron
un método para DCD que pueden acomodar cualquier número de factores
cualitativos o categóricos a dos niveles. Este método denominado Diseño de
Cribado Definitivo Aumentado (DCDA), provee de diseños altamente
eficientes que aún son definitivos en el sentido de que pueden estimar todos
los efectos principales de los factores continuos y ser imparciales a cualquier
efecto activo de segundo orden. Las DCD pueden ser aumentadas empleando
90
factores categóricos a dos niveles de tal forma que se conserve toda o la

mayor parte de sus propiedades. Para su aplicación, se asume que la
respuesta yi sigue el modelo:
(34)
Donde m es el número de factores continuos y c es el número de factores

categóricos. Los parámetros 𝛽0,………., 𝛽𝑚 son constantes desconocidas de las
cuales muchas son cero por asunción de esparsidad de efectos. En forma
matricial el modelo puede ser escrito de la forma:
(35)
Donde es la matriz de diseño para el término intercepto y
los efectos lineales principales en y es la matriz de diseño
correspondiente a efectos de segundo orden, incluyendo
interacciones lineales y efectos principales cuadráticos en Debido a que

el objetivo es el cribado, se asume que como mínimo el experimentador pueda
ajustar la respuesta a un modelo de primer orden.
Un DCDA tiene como objetivo adicionar columnas en una forma tal que el
diseño es altamente eficiente para la estimación del modelo de primer orden
mientras se mantiene la completa independencia entre las estimaciones de
todos los efectos principales y efectos de segundo orden.
91
La estructura de una matriz de DCDA con m+1 a m+4 factores categóricos

se dan en el cuadro 14.
Cuadro 14. Estructura de una matriz de DCDA con m+1 a m+4 factores
categóricos
Prueba Factores Continuos Factores Categóricos
Fuente. Bradley Jones y J. Nachtsheim (2013)
Características deseables de los DCDA son:
a. Efectos principales aproximadamente ortogonales

b. Interacciones de dos factores ortogonales a efectos principales.
c. Todos los efectos cuadráticos siempre son estimables.
d. Efectos cuadráticos son ortogonales a efectos cuadráticos.
92
La figura 39 muestra la estructura de un diseño DCDA para cinco factores

continuos, m=5 (A, B, C, D y E) y un factor categórico, c=1 (F).
Figura 39. Estructura de un diseño DCDA para m=5 (A, B, C, D y E) factores

continuos y c=1 (F) factor categórico. Fuente. Bradley Jones (2014)
3. Generar el modelo o ecuación predictora

En general, el modelo teórico que relaciona las variables de entrada con
una respuesta no está disponible para un proceso complejo, por ello debe
ser aproximada empíricamente a partir de los datos experimentales
obtenidas a partir del diseño experimental. Para ello, los polinomios
proporcionan un enfoque versátil para modelar la respuesta del proceso.
Dependiendo de la complejidad del proceso y de la precisión deseada en
el modelo, generalmente se emplean polinomios de primer o segundo
orden.
La aproximación de la función de respuesta puede ser expresado como:

93
𝑦 = 𝑓(𝑥1, 𝑥2, 𝑥3, … … … 𝑥𝑘) + 𝑒 (36)
Las variables 𝒙𝟏, 𝒙𝟐, … … … , 𝒙𝒌 son las variables independientes y la

respuesta y depende de ellos, entonces la variable dependiente es una
función de 𝒙𝟏, 𝒙𝟐, … … … , 𝒙𝒌 y el error experimental denotado por e. El
término de error, e, representa cualquier error de medida en la respuesta,
así como otro tipo de variaciones no tomadas en cuenta en f. En muchos
problemas de metodología de superficie de respuesta la función de
respuesta verdadera es desconocida.
En orden a desarrollar una aproximación apropiada para f, en metodología

de superficie de respuesta, dos modelos generales importantes son
comúnmente empleados:
a) El modelo de primer grado, es un modelo para describir superficies

planas que pueden estar o no estar inclinadas. Este modelo no es
apropiado para analizar máximos, mínimos y líneas de contorno. Esta
aproximación a la función es razonable cuando la región de estudio no
es demasiado grande y no es demasiado curvada. Este modelo asume
que puede ser una aproximación adecuada a la superficie verdadera
en una región pequeña la ecuación:
𝑦 = 𝛽0 + ∑𝑘𝑖=1 𝛽𝑖𝑥𝑖 + 𝜖 (37)
b) El modelo de segundo grado, es útil en aproximar una porción de la

superficie verdadera con curvatura parabólica. Es un modelo polinomial
de alto grado y se emplea si hay curvatura en la superficie de respuesta.
Este modelo es flexible a causa de que puede tomar una variedad de
formas funcionales para aproximar la superficie de respuesta verdadera
local. El método de mínimos cuadrados puede ser aplicado para
estimar los coeficientes del modelo. Este modelo incluye todos los
términos del modelo de primer orden más todos los términos
94
cuadráticos y todos los términos de producto cruzado, usualmente es

expresado como:
𝑦 = 𝛽0 + ∑𝑘𝑖=1 𝛽𝑖𝑥𝑖 + ∑𝑖<𝑗 ∑ 𝛽𝑖𝑗𝑥𝑖 𝑥𝑗 + ∑𝑘𝑖=1 𝛽𝑖𝑖𝑥2𝑖 + 𝜖 (38)
Dónde:
∑𝑘𝑖=1 𝛽𝑖𝑥𝑖 , representa el efecto individual de cada factor
∑𝑖<𝑗 ∑ 𝛽𝑖𝑗𝑥𝑖 𝑥𝑗 , representa las interacciones entre las variables
∑𝑘𝑖=1 𝛽𝑖𝑖 𝑥𝑖2 , término que toma en cuenta posible efecto no lineal o
curvatura de algunos factores.
El propósito de considerar estos modelos es:

a) Establecer una relación aproximada entre la respuesta (y) y los factores
(x1, x2, ……, xk) que puede ser empleada para predecir valores de la
respuesta.
b) Determinar si la prueba de hipótesis es significativa para los factores.
c) Determinar los ajustes óptimos de los factores que resultan en un
mínimo (o máximo) de la respuesta sobre una cierta región de interés.
Diseños factoriales de dos niveles son de valor para ajustar modelos de

aproximación de primer orden, pero estos no pueden tomar en cuenta la
curvatura de una respuesta. Para ser capaces de hacer esto, es necesario
ajustar a un modelo de segundo orden y emplear diseños factoriales de 3 a
más niveles por factor.
Por ejemplo, para k=2 (donde k es el número de factores) el modelo ajustado

es:
𝑦 = 𝛽0 + 𝛽1𝑥1 + 𝛽2𝑥2 + 𝛽11𝑥2 + 𝛽22𝑥2 + 𝛽12𝑥1𝑥2 (39)

1 2
95
Para k=3:
𝑦 = 𝛽0 + 𝛽1𝑥1 + 𝛽2𝑥2 + 𝛽3𝑥3 + 𝛽12𝑥1𝑥2 + 𝛽13𝑥1𝑥3 + 𝛽23𝑥2𝑥3 +
𝛽11𝑥2 + 𝛽22𝑥2 + 𝛽33𝑥2 (40)
1 2 3
Una vez que los datos han sido colectados, el método de mínimos cuadrados
es empleado para estimar los parámetros en los polinomios.
El análisis de superficie de respuesta se lleva a cabo con los modelos

obtenidos para:
a) Entender la topografía de la superficie de respuesta (ubicación de locales

máximos, locales mínimos, bordes de líneas) y
b) Encontrar la región donde la respuesta óptima ocurre. El objetivo es
moverse rápida y eficientemente a lo largo de un camino para obtener un
máximo o mínimo en la respuesta de tal forma que la respuesta sea
optimizada.
La figura 40 muestra una gráfica de superficie de respuesta obtenida a partir

de un modelo de segundo grado.
96
Figura 40. Gráfico que combina superficie de respuesta y gráfica de contorno. Fuente.
Cámara et al, 2016.
4. Evaluar la aptitud del modelo

Se realiza mediante el empleo de software y se emplean como
indicadores:
a) El análisis de distribución normal o caracterización de la

distribución por su forma:
Se evalúa mediante el contraste de Shapiro-Wilks, histogramas,
gráficos de caja, gráficos Q-Q (gráfico de cuartiles normales), gráficos
P-P (gráfico de probabilidad normal).
Los gráficos Q-Q y P-P trabajan con los datos estandarizados y
ordenados. Cuando los datos observados (experimentales) se
representan frente a los datos esperados (obtenidos a partir del
modelo), se deben tener puntos alineados en la diagonal de un
cuadro, esto es, para una muestra extraída de una población normal,
ambos valores se encontrarán en la misma línea recta. Los gráficos
orientan sobre la procedencia o no de la muestra de una población
97
normal. También es posible trabajar con una prueba estadística (como

el contraste de Shapiro-Wilks) que certifique la normalidad o no de las
variables.
b) Inferencia sobre el modelo:

El contraste de regresión verifica de forma conjunta si las variables
explicativas aportan información de la explicación de la variable
respuesta. Se debe verificar:
1. La bondad de ajuste a través de los valores de R2 (el coeficiente
de determinación) y Radj2(el coeficiente de determinación
corregido).
2. La significación individual de las variables, verifica si cada
variable aporta información significativa al análisis (se emplea una
tabla ANOVA)
3. La significación de la constante, verifica si la variable
dependiente tiene media cero cuando las variables explicativas se
anulan.
4. La predicción: Predicciones para y, la variable respuesta dentro
del rango de aplicación a partir de la determinación de las bandas
de confianza.
5. La Normalidad de los residuos: Análisis de histogramas, gráfico
probabilístico normal, el contraste de Shapiro-Wilks.
6. El análisis de residuos: Verificar que no se violan las hipótesis
sobre las que se estima el modelo y se realiza la inferencia y son:
Datos anómalos
Datos anómalos o atípicos, son datos cuyo residuo es superior a
3 en valor absoluto. Analizar diagramas de caja, presencia de
outliers en gráfico de residuales.
No autocorrelación: Hace referencia a los efectos de la inercia de
una observación a otra que puede indicar la no independencia
entre los residuos. Analizar: Gráficos de residuales, el estadístico
de Durbin-Watson.
98
Homocedasticidad: Hace referencia a la constancia de los

residuos para los valores que van tomando las variables
independientes. Analizar: Gráfico de residuales.
7. No multicolinealidad: Es la asociación, medida como correlación
para 3 o más variables explicativas. El impacto de la
multicolinealidad es la reducción del poder explicativo de cualquier
variable explicativa individual en la medida en que está
correlacionada con otras variables explicativas presentes en el
modelo. Analizar: Índices de acondicionamiento, valores VIF.
5. Obtención de los valores óptimos para cada factor estudiado

El objetivo principal de la aplicación de la metodología de superficie de
respuesta es la optimización de la variable respuesta. La optimización
(Bezerra et al, 2008) se refiere a mejorar el rendimiento del proceso para
obtener el máximo beneficio de él, esto es, descubrir las condiciones en
las que aplicar un procedimiento, es para producir la mejor respuesta
posible. En la actualidad para realizar este procedimiento se emplean
computadores y software estadístico como herramientas estándar. El
software emplea diferentes algoritmos que están disponibles y se
implementan fácilmente. A partir de los datos experimentales obtenidos
en el laboratorio, se puede optimizar un modelo que distinga factores
significativos de no significativos.
6. Verificación de la capacidad predictora del modelo con

experimentos adicionales en los valores óptimos de las variables
de entrada (factores)
Finalmente, una vez que las variables independientes han sido
optimizadas, deben realizarse pruebas de verificación de la predicción a
estos valores para confirmar lo adecuado del modelo para describir el
proceso bajo estudio.
99
CAPITULO 3: METODOLOGIA
3.1. MATERIALES Y EQUIPOS

Para el desarrollo del trabajo de tesis se empleó lo siguiente:
a. MATERIALES:
- Frascos Erlenmeyer de 250 ml.
- Vasos de precipitado de 250 ml, 500 ml, 1 L y 2L.
- Pipetas volumétricas de 0,1 ml, 1 ml, 2 ml, 5 ml y 10 ml.
- Fiolas de 100 ml, 250 ml, 500 ml y 1 L.
- Gradillas de tubos.
- Picetas.
- Lunas de reloj
- Espátulas.
- Varillas de vidrio
b. EQUIPOS:
- Balanza Analítica BOECO BBI-31, capacidad 230 g, d=0,1 mg
- Estufa MM-Venticell, 25-250 °C
- Conductimetro de Mesa Hanna Instruments modelo HI-992.
- Potenciómetro de mesa Hanna Instruments pH meter 300.
- Baño termostático JULABO
100
- Equipo de agitación empleando barra magnética VELP Scientific.

- Fuente Prasek Premium PRP-3705. DC power supply, 0-32V, 0-5 A.
- Multimetros Sanwa DMM CD 771-Digital Multimeter. Mide resistencia,
voltaje y Amperaje.
- Espectrofotómetro UV-Vis Varian Cary 50. Con capacidad para realizar
barridos, curvas de calibración. Rango de uso: 190 – 1100nm.
- Digestor de muestras para análisis de DQO Hach DRB 200. Rango de
temperatura del instrumento: 37 a 165 °C. Tiempo de Digestión: 0 a 480
minutos. Velocidad de calentamiento: de 20 a 150 °C en 10 minutos.
- Electrodos de Platino y Titanio recubierto con Rutenio-Osmio, con
espaciamiento de 5 mm.
- Reactor Electroquímico: 2 L de capacidad con electrodos incorporados,
sistema de agitación magnética y sistema de Baño Termostático.
- Reactor fotoquímico: 1,5 L de capacidad con fuente de radiación
incorporado y sistema de agitación magnética.
3.2. PARTE EXPERIMENTAL

La parte experimental del estudio se dividió en ocho etapas:
1. Construcción del módulo experimental.
2. Caracterización y preparación del Agua Residual textil sintética de la
industria textil de Puente Piedra-Lima.
3. Selección de los Factores de entrada y sus niveles, y la variable de salida
para cada proceso.
4. Determinación del diseño experimental a ser aplicado para la obtención
de datos.
5. Llevar a cabo las pruebas experimentales.
6. Analizar estadísticamente los resultados para evaluar que variables, sus
interacciones o términos cuadráticos son importantes en la depuración
fotoquímica-electroquímica.
7. Optimización de variables del proceso de depuración mediante uso de
software estadístico.
8. Validación del proceso de depuración.
101
3.3. TIPO Y DISEÑO DE INVESTIGACION

La investigación fue de tipo experimental. La experimentación fue empleada
para entender mejor el proceso de tratamiento.
Se construyeron dos reactores electroquímicos (ver Anexo 3) de 2 L de

volumen, con agitación magnética. El volumen útil empleado en cada reactor
fue de 1,25 L. Para la regulación de la temperatura se empleó baños
termostáticos. Para las reacciones electroquímicas se utilizaron electrodos de
Pt (ver Anexo 1) y Ti/Ru-Os (ver Anexo 2).
Se construyeron 3 reactores fotoquímicos (ver Anexo 5) de 1,5 L, con

lámparas UV de 4, 11 y 18 W en la parte central y agitación magnética.
El volumen útil empleado en cada reactor fue de 1,25 L.
Como diseños experimentales, se seleccionaron:
- El Diseño de cribado definitivo aumentado (DCDA), método propuesto por

Jones y Nachtsheim (Bradley Jones y J. Nachtsheim, 2013) para la etapa
electroquímica donde se estudió cinco factores continuos a tres niveles:
densidad de corriente (800, 900 y 1000 A/m 2), la temperatura (30, 36 y 42
˚C), el pH (7, 9 y 11), la concentración de cloruros (4, 5 y 6 g/L), el tiempo
de tratamiento (60, 120 y 180 min) y un factor categórico a dos niveles:
Tipo de electrodo ( Pt y Ti/Ru-Ir). Como respuesta se midió el contenido de
materia orgánica (DQO) persistente en el efluente luego del tratamiento.
El diseño experimental utilizado con los factores y sus niveles considerados
(normales y codificados) para la etapa electroquímica, se muestra en el
cuadro 15.
102
Cuadro 15. Tabla de Diseño experimental que se aplicó para el estudio de la etapa
Electroquímica.
Prueba Niveles de Factor
(i) xi,1 xi,2 xi,3 xi,4 Xi,6 xi,5
Densidad de pH Concentración Temperatura Tiempo de Tipo de electrodo
corriente de cloruros (°C) tratamiento
(A/m2) (g/L) (min)
1 0(900) +1(11) +1(6) +1(42) +1(180) 2(Pt)
2 0(900) -1(7) -1(4) -1(30) -1(60) 1(Ti/Ru-Ir)
3 +1(1000) 0(9) -1(4) +1(42) +1(180) 1(Ti/Ru-Ir)
4 -1(800) 0(9) +1(6) -1(30) -1(60) 2(Pt)
5 +1(1000) -1(7) 0(5) -1(30) +1(180) 2(Pt)
6 -1(800) +1(11) 0(5) +1(42) -1(60) 1(Ti/Ru-Ir)
7 +1(1000) +1(11) -1(4) 0(36) -1(60) 2(Pt)
8 -1(800) +1(11) +1(6) 0(36) +1(180) 1(Ti/Ru-Ir)
9 +1(1000) -1(7) +1(6) -1(30) 0(120) 1(Ti/Ru-Ir)
10 -1(800) +1(11) -1(4) +1(42) 0(120) 2(Pt)
11 +1(1000) -1(7) +1(6) +1(42) -1(60) 2(Pt)
12 -1(800) -1(7) -1(4) -1(30) +1(180) 1(Ti/Ru-Ir)
13 0(900) 0(9) 0(5) 0(36) 0(120) 1(Ti/Ru-Ir)
14 0(900) 0(9) 0(5) 0(36) 0(120) 2(Pt)
Nota: Cinco factores continuos (m=5) a tres niveles y un factor categórico (c=1) a dos niveles,
experimento electroquímico, con factores en sus valores codificados y en su forma normal.
CODo: 1450~1470 mg/L. Fuente. Elaboración Propia.
- Para la etapa fotoquímica, se consideró el Diseño de Cribado Definitivo

de Jones y Nachtsheim (Bradley Jones y J. Nachtsheim, 2011) para 4
factores continuos: Potencia de lámpara (4, 11 y 18 Watt), pH (2, 3 y 4),
relación de reactivos Fenton [H2O2]/[Fe2+] (11,25, 18,75 y 26,25) y tiempo
de tratamiento (60, 120 y 180 min); a tres niveles: -1 (bajo), 0 (medio) y
+1 (alto). Estos diseños requieren de 9 pruebas experimentales.
El diseño experimental utilizado con los factores y sus niveles

considerados (normales y codificados) para la etapa fotoquímica, se
muestra en el cuadro 16.
103
Cuadro 16. Diseño experimental a aplicar para el estudio de la etapa

Fotoquímica.
Prueba Niveles de Factor
(i) xi,1 xi,2 xi,3 xi,4
Relación Potencia de pH tiempo de
reactivos Fenton lámpara (W) tratamiento
[H2O2]/[Fe2+] (min)
1 0(18,75) +1(18) -1(2) -1(60)

2 0(18,75) -1(4) +1(4) +1(180)
3 -1(11,25) 0(11) -1(2) +1(180)
4 +1(26,25) 0(11) +1(4) -1(60)
5 -1(11,25) -1(4) 0(3) -1(60)
6 +1(26,25) +1(18) 0(3) +1(180)
7 -1(11,25) +1(18) +1(4) 0(120)
8 +1(26,25) -1(4) -1(2) 0(120)
9 0(18,75) 0(11) 0(3) 0(120)
Nota: Cuatro factores continuos (m=4) a tres niveles. Valores de
2+
factores en forma normal y codificados. [Fe ]0=400 ppm
Fuente: Elaboración propia.
En el reactor fotoquímico, el contenido de sal se mantuvo constante en 4 g/L.

Como respuesta se midió el contenido de materia orgánica (DQO) en el
efluente luego del tratamiento.
Se realizó dos réplicas para la etapa electroquímica y dos réplicas para la

etapa fotoquímica.
El análisis de DQO se realizó al agua residual sintética recién preparada y a

muestras que fueron tomadas al final de cada tratamiento. Para el análisis de
DQO, se utilizó el método 410.4 Revision 2 EPA. Para valores que superan el
límite de detección (>900 mg O2/L), fue necesaria una dilución. Se realizó la
digestión (ver Anexo 10) de 2,5 ml de muestra por dos horas a 150 °C.
104
El contenido de DQO (en mg O2/L) se analizó en el espectrofotómetro UV-Vis

Varian Cary 50 a 600 nm (ver Anexo 11).
Se empleó metodología de respuesta de Superficie para describir la relación

entre la respuesta del sistema y los factores de entrada, típicamente un
modelo matemático cuadrático fue formulado. La combinación del diseño
experimental y la formulación del modelo matemático permitieron dar una
descripción cuantitativa de la respuesta sobre la región experimental.
Con los datos experimentales obtenidos se procedió a realizar una

optimización a través de un tratamiento estadístico empleando Software JMP
v11y Design Expert v9.
3.4. HIPOTESIS Y VARIABLES
3.4.1. HIPOTESIS GENERAL
Se conseguirá una reducción de los compuestos orgánicos persistentes del

agua residual sintética de la industria Textil Puente Piedra-Lima mediante
condiciones óptimas de depuración combinada fotoquímica-electroquímica
3.4.2. HIPOTESIS ESPECÍFICAS
1. La demanda química de oxígeno del agua residual sintética de la

industria textil supera el valor máximo admisible de la normativa de agua
residual del sistema de alcantarillado.
2. El modelo matemático de regresión lineal multivariable de segundo orden

podrá realizar predicciones exactas del proceso de tratamiento del agua
residual.
3. Proceso de depuración foto químico- electroquímico optimizado en sus

variables permitirá un tratamiento efectivo de agua residual textil.
105
3.4.3. IDENTIFICACION DE VARIABLES
3.4.3.1. VARIABLE DEPENDIENTE
Concentración de compuestos orgánicos persistentes en el agua residual

sintética de la industria textil antes y luego del tratamiento.
3.4.3.2. VARIABLES INDEPENDIENTES
Depuración fotoquímica- electroquímica
3.4.3.3. OPERACIONALIZACION DE VARIABLES
El cuadro 17 muestra la operacionalización de variables que fue empleado

en el desarrollo de la tesis.
106
107
3.4.4. UNIDAD DE ANALISIS

Los componentes y la composición del agua residual sintética preparada
fueron en base a formulaciones reales obtenidas de una empresa Textil de
Puente Piedra (ver cuadro 18).
Cuadro 18. Ejemplos de formulaciones reales de empresa textil en Puente

Piedra para el proceso de teñido reactivo
Teñido Reactivo 80 °C – 60 °C
Reactivos Concentración
Ejemplo 1: Color Ameixa-II
Ladiquest 2005 Pe 1,5 g/L
Albatex DS (Cibatel DS) 1 g/L
Albaflow CIR (Cibaflow CIR) 1 g/L
Cibacron Amarillo S3R 1,7 %
Bezaktiv Rojo S3B 150% 1,98 %
Cibacron Azul FN-R (Cibacron Azul C-R) 1,636 %
Sal textil refinada colombiana 40 g/L
Ejemplo 2: Color WineTawny Port
Ladiquest 2005 Pe 2 g/L
Albatex DS (Cibatel DS) 1 g/L
Albaflow CIR (Cibaflow CIR) 1 g/L
Cibacron Amarillo S3R 1,49 %
CibacronRubi S3B 3,88 %
Cibacron Azul FN-R (Cibacron Azul C-R) 0,7 %
Sal textil refinada colombiana 45 g/L
Fuente. Empresa textil Puente Piedra.
Para preparar el agua residual textil sintética se consideró una relación baño
a peso de tela de 10:1, por ejemplo, por cada kilogramo de baño se emplea
0,1 kilogramo de tela. Si él % de colorante respecto a peso tela es de 2,5%,
entonces la cantidad de colorante a utilizar es de 2,5 g/ L.
108
Se empleo una mezcla tricromatica de colorantes reactivos: Azul (Sunzol

Turquoise Blue G 266 %), Rubí (Sunfix Rubi S3B) y Amarillo (Sunfix Yellow
SS). El Proveedor de los Colorantes fue la Empresa Quimtia S. A.
En la práctica se asumió que el 70% de colorante es retenido por la fibra y un

30% de colorante es perdido como contaminante en el agua residual.
Los componentes y sus cantidades utilizados en la preparación del agua

residual textil sintética se muestran en el cuadro 19.
Cuadro 19. Composición del agua residual textil sintético

Componente Cantidad
Sunzol Turquoise Blue G 266 % 1,75x0,3=0,525 g/L
Sunfix Rubi S3B 0,5x0.3=0,15 g/L
Sunfix Yellow SS 0,25x0,3=0,075 g/L
Soquitquest CMF 1 g/L
Dispersoquit 1 g/L
Cromagen 1 g/L
Suavizante 3 mL/L
Sal textil Ver Nota
Notas:
- La sal textil fue de 4 g/L para todas las pruebas foto Fenton y
cantidad variable (4, 5 ó 6 g/L) de acuerdo al diseño experimental
(ver cuadro 15) para las pruebas electroquímicas.
- Para los colorantes, se multiplican por 0,3 ya que se considera que
el 30% del colorante no es fijado y es perdido como contaminante
en el agua residual.
En el Anexo 8 se muestra los colorantes, auxiliares y sal textil empleados en

la preparación del agua residual textil. El agua residual sintética recién
preparada es de un color azul oscuro intenso (ver Anexo 9).
Para las pruebas experimentales fotoquímicas y electroquímicas, el pH del
agua residual se regulo con NaOH 1M y H2SO4 0,5M, de acuerdo a la prueba
a realizar (ver cuadros 15 y 16 de Diseños Experimentales).
109
Como unidad de análisis, se consideró 1,25 L (volumen del reactor) del agua
residual sintética de la industria textil Puente Piedra – Lima, de acuerdo al
cuadro 19.
3.4.5. POBLACION DE ESTUDIO

Como población de estudio, para cada prueba se consideró 1,25 L (volumen
del reactor) del agua residual sintética de la industria textil Puente Piedra –
Lima, de acuerdo al cuadro 19, preparado en laboratorio.
3.4.6. MUESTRA
El tamaño de muestra para análisis fue de 2,5 ml de agua residual sintética
tratada para cada prueba experimental a la cual se realizó la determinación
de DQO. El número de muestras que se analizó, está definido por los diseños
experimentales y considerando que se realizó 2 réplicas para cada diseño
experimental fue de:
Etapa electroquímica= 14 x3 = 42
Etapa Fotoquímica = 9 x 3 = 27
En total se tomó 69 muestras de 2,5 ml de agua tratada para su respectivo

análisis.
3.4.7. SELECCIÓN DE LA MUESTRA

Luego del asentamiento de lodos para cada prueba del tratamiento
fotoquímico el agua residual sintética tratada en general tiene una
composición homogénea uniforme, se tomó muestras de la parte superior del
reactor. Para cada prueba del tratamiento electroquímico, luego de retirar la
espuma formada en la parte superior, se tomó muestras de la parte media del
reactor.
3.5. TÉCNICAS DE RECOLECCIÓN DE DATOS

La unidad experimental estuvo ubicada en el Laboratorio de Investigación de
la Facultad de ingeniería Química de la Universidad Nacional del Callao.
110
El plan de recolección de datos empleado fue el siguiente:

1. El agua residual sintética recién preparada fue analizada para determinar
sus características fisicoquímicas. Los parámetros que se determinaron
fueron: pH, DQO (demanda química de oxígeno), DBO5 (demanda
Bioquímica de oxígeno), sólidos suspendidos totales, color y
conductividad.
2. Se aplicó diseños experimentales de Jones y Nachtsheim dados en los
cuadros 15 y 16 para cada etapa de tratamiento.
3. La variable respuesta medida fue la demanda química de oxígeno (DQO)
luego de cada prueba. Se utilizó el método EPA 410.4, revisión 2.
4. La muestra fue el agua residual sintética tratada en cada prueba. Se utilizó
2,5 ml para cada análisis.
5. Se obtuvo una matriz de datos para cada tipo de tratamiento que fue
utilizado para el análisis estadístico de datos.
3.6. ANALISIS E INTERPRETACIÓN DE LOS DATOS

Una vez colectados los datos, se procedió a realizar el análisis estadístico
empleando software JMP v11 y Design Expert v9 para construir los modelos
matemáticos de cada proceso de tratamiento.
El análisis estadístico que se realizó se dividió en 4 etapas:

1. Test de significancia de modelo de regresión global
Análisis coeficiente de regresión y coeficiente de regresión ajustado.
Análisis de tabla ANOVA del modelo.
2. Pruebas de coeficientes de regresión individuales
Análisis de tabla ANOVA
3. Chequeo de adecuacidad del modelo
Análisis Gráfico de residuales vs valores ajustados
Análisis gráfico del histograma de residuales
Análisis gráfico de Probabilidad normal de residuales
4. Optimización de variables de proceso
Con los modelos matemáticos obtenidos y empleo de la herramienta
perfilador para optimización del software estadístico.
111
CAPITULO 4: RESULTADOS Y DISCUSION
4.1. PRESENTACION DE RESULTADOS

Se procedió a realizar la curva de calibración (Método 410.4, Revision 2. EPA)
para la toma de datos de DQO, para ello se empleó como patrón el Biftalato
de Potasio a concentraciones de DQO en ppm dados en el cuadro 20.
Cuadro 20. Concentraciones de Biftalato como DQO en ppm empleados

para determinar la curva de calibración.
Patrón Concentración (mg O2/L)
DQO
1 0
2 150
3 300
4 450
5 600
6 800
7 1000
Fuente: Elaboración propia
Resultados de la curva de calibración se muestran en la figura 41.

112
Figura 41. Resultados de la curva de calibración de DQO obtenido en el

Espectrofotómetro Varian.
La ecuación de cálculo con un coeficiente de correlación lineal de 0,9934 es:
Conc (como DQO en mg O2/L)= Abs / 0,00029
Donde:
Abs, representa el valor de absorbancia medida a la muestra.
Conc, es el valor de DQO que corresponde a la muestra
El agua residual sintética preparada fue analizada para determinar sus

características fisicoquímicas. Los parámetros determinados fueron: pH, DQO
(demanda química de oxígeno, Method 410.4, Revision 2, EPA), DBO5
(demanda Bioquímica de oxígeno, SMEWW-APHA-AWWA-WEF Part 5210 B,
23rd Ed.2017.Biochemical Oxygen Demand. 5-Day BOD Test), color
(SMEWW-APHA-AWWA-WEF Part 2120 C, 23rd Ed.2017. Color), SST
113
(Sólidos suspendidos, SMEWW-APHA-AWWA-WEF PART 2540 D, 23 rd Ed.

2017. Total suspended solids dried at 103 - 105 °C) y conductividad.
Los resultados se muestran en el Cuadro 21.
Cuadro 21. Características Fisicoquímicas agua residual textil

Parámetro Valor
DQO 1458,5 mg/L
DBO5 77 mg/L
pH 11,46
Color 6500 UC
SST 92,1 mg/L
Conductividad 11,3 mS/cm
Fuente. Elaboración propia
Se procedió a realizar la colección de datos de acuerdo a los diseños

experimentales de cribado definitivo de Jones y Nachtsheim, donde se
manipulo variables de proceso también llamados factores de acuerdo a una
estrategia bien definida llamada diseño experimental.
Pruebas experimentales realizadas en el módulo de reactores
electroquímicos, de acuerdo al diseño experimental dado en el cuadro 15,
permitió obtener los siguientes resultados:
114
Cuadro 22. Resultados de pruebas experimentales en el módulo de Reactores

Electroquímicos
Pru Niveles de Factor Respuesta
eba xi,1 xi,2 xi,3 xi,4 Xi,6 xi,5 DQO DQO DQO
(i) Densidad de pH Concentra Temperatu Tiempo de Tipo de (mg (mg (mg
corriente ción de ra (°C) tratamiento electrodo O2/L) O2/L) O2/L)
(A/m2) cloruros (min) 1ra 2da
(g/L) replica replica
1 0(900) +1(11) +1(6) +1(42) +1(180) 2(Pt) 821,6 850,6 875,6
2 0(900) -1(7) -1(4) -130) -1(60) 1(Ti/Ru-Ir) 327,6 320,6 335,6
3 +1(1000) 0(9) -1(4) +1(42) +1(180) 1(Ti/Ru-Ir) 217,6 225,6 241,6
4 -1(800) 0(9) +1(6) -1(30) -1(60) 2(Pt) 685,6 645,6 683,6
5 +1(1000) -1(7) 0(5) -1(30) +1(180) 2(Pt) 431,6 485,6 441,6
6 -1(800) +1(11) 0(5) +1(42) -1(60) 1(Ti/Ru-Ir) 1040,6 1029,6 1038,6
7 +1(1000) +1(11) -1(4) 0(36) -1(60) 2(Pt) 285,6 292,6 301,6
8 -1(800) -1(7) +1(6) 0(36) +1(180) 1(Ti/Ru-Ir) 774,6 761,6 785,6
9 +1(1000) +1(11) +1(6) -1(30) 0(120) 1(Ti/Ru-Ir) 670,6 697,6 639,6
10 -1(800) -1(7) -1(4) +1(42) 0(120) 2(Pt) 252,6 267,6 257,6
11 -1(800) +1(11) -1(4) -1(30) +1(180) 1(Ti/Ru-Ir) 538,6 549,6 527,6
12 +1(1000) -1(7) +1(6) +1(42) -1(60) 2(Pt) 787,6 762,6 757,6
13 0(900) 0(9) 0(5) 0(36) 0(120) 1(Ti/Ru-Ir) 745,6 739,6 725,6
14 0(900) 0(9) 0(5) 0(36) 0(120) 2(Pt) 735,6 753,6 761,6
Nota: Tabla de Diseño experimental para 5 factores continuos (m=5) a tres niveles y 1
factor categórico (c=1) a dos niveles, experimento electroquímico, con factores en sus
valores codificados y en su forma normal. DQOo: 1450~1470 mg/L
Se realizaron pruebas experimentales en el módulo de reactores foto

químicos, de acuerdo al diseño experimental dado en el cuadro 16
obteniéndose los siguientes resultados:
115

Reactores Fotoquímicos
Prueba Niveles de Factor Respuesta
(i) xi,1 xi,2 xi,3 xi,4 DQO DQO DQO
(mg (mg (mg
Relación Potencia de pH tiempo de
O2/L) O2/L) O2/L)
reactivos Fenton lámpara (W) tratamiento
1ra 2da
[H2O2]/[Fe2+] (min) Replica Replica
1 0(18,75) +1(18) -1(2) -1(60) 661,6 683,6 687,6
2 0(18,75) -1(4) +1(4) +1(180) 193,6 198,6 210,6
3 -1(11,25) 0(11) -1(2) +1(180) 327,6 332,6 335,6
4 +1(26,25) 0(11) +1(4) -1(60) 345,6 340,6 352,6
5 -1(11,25) -1(4) 0(3) -1(60) 845,6 860,6 852,6
6 +1(26,25) +1(18) 0(3) +1(180) 169,6 156,6 161,6
7 -1(11,25) +1(18) +1(4) 0(120) 915,6 895,6 902,6
8 +1(26,25) -1(4) -1(2) 0(120) 297,6 320,6 304,6
9 0(18,75) 0(11) 0(3) 0(120) 635,6 631,6 642,6
Nota: Diseño experimental para 4 factores continuos (m=4) a tres niveles con factores
2+
en sus valores codificados y en su forma normal. [Fe ]=400 ppm
Fuente: Elaboración propia.
4.2. DISCUSION DE RESULTADOS
Una vez colectado los datos, se procedió a realizar el análisis estadístico

empleando software JMP v11 y Design Expert v9, para obtener los modelos
matemáticos y encontrar el conjunto de regresores apropiados. Este proceso
se conoce como selección de variables.
El análisis estadístico realizado se dividió en 4 etapas:

1. Test de significancia de regresión global
2. Pruebas de coeficientes de regresión individuales
3. Chequeo de adecuacidad del modelo
4. Optimización de variables de proceso
116
4.2.1. RESULTADOS Y ANÁLISIS ETAPA ELECTROQUÍMICA
Se realizó análisis estadístico a los datos del cuadro 22 correspondiente a la

etapa Electroquímica empleando software JMP v11 y DesignExpert v9.
4.2.1.1. RESULTADOS ANALISIS ESTADISTICO EMPLEANDO

SOFTWARE JMP V11
4.2.1.1.1. TEST DE SIGNIFICANCIA DE REGRESIÓN GLOBAL
Para evaluar el test de significancia global se utilizó dos indicadores: 1) Se
analizó el valor de R2 y Radj2 y 2) Se analizó si existe una relación lineal entre
la variable respuesta DQO y las variables regresoras.
Del cuadro 24 Resumen del ajuste, se puede concluir que el modelo es

adecuado para describir la relación entre la variable respuesta DQO y las
variables regresoras ya que el coeficiente de determinación R2=0,98984 y el
Radj2=0,98611 tienen valores próximos y muy cercanos a la unidad,
significando que el modelo para la respuesta evaluada, a un nivel de confianza
del 95%, puede explicar el 98,6 % del proceso electroquímico.
Cuadro 24. Resumen del ajuste proceso Electroquímico
R cuadrado 0,989841
R cuadrado ajustado 0,986116
Raíz del error cuadrático medio 28,7386
Media Respuesta 596,9333
Observaciones (o suma de 42
pesos)
Fuente. JMP v11
Los resultados del resumen de ajuste son reforzados en la figura 42 de valores

de respuesta observados frente a los previstos para la variable respuesta
DQO. Se puede apreciar que los intervalos de ajuste (líneas rojas a trazos)
son muy estrechos, indicando buena relación entre el fenómeno observado
frente al previsto.
117
Figura 42. Salida Gráfico de Observados frente a previstos para la variable

respuesta DQO. Fuente. JMP v11.
4.2.1.1.2. ANALISIS DE VARIANZA

El cuadro 25 muestra el análisis de varianza para el modelo. En general
valores grandes de F y valores pequeños de p (<0,0001) indican que el
modelo es significativo para describir el proceso. De los resultados, se tiene
un valor de F=265,736 y un valor de p<0,0001, concluyendo que el modelo es
significativo en describir la respuesta.
Cuadro 25. Análisis de varianza proceso Electroquímico
Fuente Grados de Suma de Media de los Razón F

libertad cuadrados cuadrados
Modelo 11 2 414 210,1 219 474 265,7365
Error 30 24 777,2 826 Prob>F
C. Total 41 2 438 987,3 <0,0001
Fuente. JMP v11
118
En el cuadro 26 de estimaciones de parámetros, en la columna de

Estimación, podemos observar que existe una relación entre la variable
respuesta DQO y las variables regresoras, ya que el valor de estimación de
los coeficientes de las variables regresoras es diferente de cero. En la
columna Prob>|𝒕|, se muestra el valor de p para los coeficientes de regresión
individuales. A excepción de la interacción Densidad corriente*pH, que tiene
un valor de p igual a 0,4406 y puede ser descartado del modelo y Tiempo
trat*Electrodo que tiene un valor de p de 0,0245, el resto de términos tiene
valores <0,0001, indicando que son significativos e importantes para ser
utilizados en el modelo de ajuste.
Cuadro 26. Estimación de parámetros etapa Electroquímica

Término Estimación Error Razón Prob>ItI Hipótesis
estándar t nula: Ho
Constante del Modelo 744,95897 9,896672 75,27 <0,0001 Rechazado
Densidad corriente (800,1000) -78,4 5,333658 -14,70 <0,0001 Rechazado
pH (7,11) 72,066667 5,333658 13,51 <0,0001 Rechazado
Conc cloruros (4,6) 216,86667 5,333658 40,66 <0,0001 Rechazado
Temperatura (30,42) 56,466667 5,333658 10,59 <0,0001 Rechazado
Tiempo trat (60,180) -33,8 5,333658 -6,34 <0,0001 Rechazado
Electrodo (Ti/Ru-Ir) 41,333333 4,789767 8,63 <0,0001 Rechazado
Densidad corrientexpH 7,9350427 10,15194 0,78 0,4406 Aceptado
Conc cloruros x Conc cloruros -214,5265 13,00924 -16,49 <0,0001 Rechazado
Conc cloruros x Temperatura 95,164103 8,970675 10,61 <0,0001 Rechazado
pH x Electrodo (Ti/Ru-Ir) 21,335043 7,408374 2,88 0,0073 Rechazado
Tiempo trat*Electrodo (Ti/Ru-Ir) 15,117949 6,38482 2,37 0,0245 Rechazado
Fuente. JMP v11.
En el cuadro 27 de Prueba de los efectos, considerando la columna de Suma

de cuadrados, puede calcularse el porcentaje de contribución de cada factor
en el modelo, empleando las siguientes ecuaciones (Shokrollahi, Sharifnia,
2018):
119
(41)
Donde, PCi, PCii y Pij son contribuciones de porcentaje de primer orden,

cuadrática y factores con interacción respectivamente a la respuesta.
Cuadro 27. Pruebas de los efectos
Fuente N Grados Suma de Razón Prob>

parámetros de cuadrados F F
libertad
Densidad corriente 1 1 178 448,5 216,0637 <0,001
(800,1000)
pH (7,11) 1 1 150 782,1 182,5654 <0,001
Conc cloruros (4,6) 1 1 1 365 420,5 1 <0,001
653,237
Temperatura (30,42) 1 1 92 568,9 112,0815 <0,001
Tiempo trat(60,180) 1 1 33 167,6 40,1590 <0,001
Electrodo 1 1 61 504,0 74,4684 <0,001
Densidad corriente*pH 1 1 504,6 0,6109 0,4406
Conc cloruros*Conc cloruros 1 1 224 589,3 271,9305 <0,001
Conc cloruros*Temperatura 1 1 92 945,3 112,5372 <0,001
pH*Electrodo 1 1 6 849,7 8,2936 0,0073
Tiempo trat*Electrodo 1 1 4 630,4 5,6065 0,0245
Fuente. JMP v11
Con los datos de la columna suma de cuadrados del cuadro 27, en la figura
43 se muestra resultados de la contribución de porcentaje de cada factor a la
respuesta. Se puede observar que los porcentajes de contribución en orden
de importancia para explicar el proceso electroquímico son:
Efectos de primer orden:

Concentración de cloruros con 61,76 %
Densidad de corriente con 8,07 %
pH con 6,82 %
120
Temperatura con 4,19 %

Para interacción de dos factores:
Concentración cloruros*Temp con 4,20 %
Para efectos cuadráticos:

Concentración cloruros*concentración cloruros con 10,16 %
Figura 43. Contribuciones de porcentaje de parámetros efectivos para el

proceso electroquímico. Fuente. Excel 2016 con datos de trabajo
experimental.
121
4.2.1.1.3. EXPRESION DEL MODELO DE PREDICCION

En la figura 44 se muestra la expresión de predicción para el DQO
determinada empleando el software JMP v11.
Variables de proceso importantes a tomar en cuenta en el modelo son: la
Densidad de corriente, el pH, la concentración de cloruros, el tiempo de
tratamiento; las interacciones: concentración de cloruros-temperatura,
densidad de corriente-pH y el término cuadrático: concentración de cloruros-
concentración de cloruros.
122
Figura 44. Salida Expresión de Predicción para la Etapa Electroquímica.

Fuente. JMP v11
123
4.2.1.1.4. CHEQUEO DE ADECUACIDAD DEL MODELO

ELECTROQUIMICO
Las mayores asunciones que se realizan en el análisis de regresión son:
1. Los errores están normalmente distribuidos.

2. Los errores no están correlacionados.
3. El término de error 𝜖, tiene media cero.
4. El término de error tiene una varianza constante 𝜎2
5. La relación entre la respuesta y y los regresores es lineal, como mínimo
aproximadamente.
Tomados juntos las asunciones 1 y 2, implica que los errores son variables
aleatorias independientes. La asunción 1 es requerida para la prueba de
hipótesis y estimación de los intervalos. Se debe considerar siempre la validez
de estas asunciones al conducir el análisis al momento de examinar la
adecuacidad del modelo.
Se tienen varios métodos útiles para diagnosticar las violaciones a las

asunciones de regresión básicas. Estos métodos de diagnóstico están
primeramente basados en el estudio de los residuales del modelo.
Para el chequeo de adecuacidad del modelo se realizó el análisis de

residuales para el conjunto de datos. Un gráfico de residuales es un camino
efectivo para investigar que tan bien un modelo de regresión ajusta los datos.
Un residual puede ser visto como una desviación entre los datos y el ajuste y
es también una medida de la variabilidad en la variable respuesta no explicada
por el modelo de regresión. Entonces cualquiera de las asunciones sobre los
errores debe mostrarse en los residuales. El análisis de los residuales es un
camino efectivo para descubrir varios tipos de inadecuacidad del modelo.
Gráficos de residuales también son útiles para detectar potenciales outliers,

esto es puntos dato que tienen varianza grande, residuales grandes pueden
124
indicar que la varianza no es constante o la relación verdadera entre y y los

regresores no es lineal.
En las figuras 45 y 46 se observan gráficos de residuales. La figura 45 muestra

el gráfico de residuales de DQO frente a previstos de DQO, teniendo un
comportamiento normal, es decir, aleatoriamente distribuidos y sin presencia
de outliers (puntos extraños con valores de DQO residuales muy elevados que
afectarían la capacidad predictora del modelo).
Figura 45. Salida Gráfico de residuos vs previstos. Fuente. JMP v11
La figura 46 se muestra valores de residuales vs Nro de experimento y también

muestra un comportamiento aleatorio en su estructura.
125
Figura 46. Salida Gráfico de residuos vs Nro de experimento. Fuente. JMP v11.
4.2.1.1.5. OPTIMIZACIÓN DEL PROCESO ELECTROQUÍMICO

EMPLEANDO JMP 11
El perfilador de predicción es la herramienta que tiene el software JMP para
realizar la optimización del proceso.
Se va a considerar como tratamientos óptimos aquellos en las cuales se
consiguen reducciones de DQO próximas a 220 mg O 2/L, ya que como se
puede ver en el cuadro 23, el valor mínimo que se puede conseguir con este
método es de 217 mg/L.
De la figura 47, condiciones óptimas de tratamiento Electroquímico del agua

residual dado por JMP v11 para las variables son:
- Concentración de cloruros= 4 g/L

- Densidad de Corriente = 800 A/m2
- Temperatura = 42 ˚C
126
- pH=7
- Tiempo de tratamiento 180 minutos
- Tipo de electrodo: Pt
- DQO después de tratamiento=220,2 mg O2/L
- Deseabilidad=0,96
Figura 47. Salida Perfilador de Predicción para concentración de cloruros=4 g/L,

Densidad de corriente=800 A/m2, temperatura= 42 ˚C, pH=7, tiempo
de tratamiento=180 min y electrodo de Platino. Fuente. JMP v11.

SOFTWARE DESIGN EXPERT v9
Datos obtenidos experimentalmente en el módulo Electroquímico ha sido
modelado empleando la opción Definitive Screen en la versión 9 del Software
Design Expert.

Para el análisis estadístico se empleo el método de análisis paso a paso
En el cuadro 28, el valor F del modelo obtenido por el software es 281,71 con
un valor de p<0,0001, lo cual indica que el modelo es significativo para explicar
el proceso.
127
Cuadro 28. Análisis ANOVA modelo cuadrático (suma parcial de cuadrados-

Tipo III)
Fuente Suma de df Media de Valor F Valor-p

cuadrados los Prob>F
cuadrados
Bloque 188,90 2 94,45
Modelo 2,414E+006 10 2,414E+005 281,71 <0,0001 Significante
A- 1,784E+005 1 1,748E+005 208,25 <0,0001
DenCorriente
B-pH 1,508E+005 1 1,508E+005 175,97 <0,0001
C-ConcClor 1,365E+006 1 1,365E+006 1 <0,0001
593,47
D-Temp 92 568,90 1 92 568,90 108,03 <0,0001
E-TiempoTra 33 167,61 1 33 167,61 38,71 <0,0001
F-Electrodo 61 504.00 1 61 504.00 71,78 <0,0001
BD 7 404,80 1 7 404,80 8,64 0,0064
CD 1,628E+005 1 1,628E+005 189,95 <0,0001
A2 2 757,72 1 2 757,72 3,22 0,0833
C2 3,437E+005 1 3,437E+005 401,14 <0,0001
Residual 24 849,66 29 856,88
Cor Total 2,439E+006 41
Fuente: Design Expert v9
En el cuadro 29 se observa que el valor de R2=0,9898 está en razonable

concordancia con el valor de RAdj2=0,9883, teniendo una diferencia menor a
0,2, esto implica que este indicador de ajuste global del modelo es adecuado,
esto es, el modelo explica el 98 % del proceso. El valor de “Adeq Precision”
mide la razón de señal a ruido. Una razón mayor a 4 es deseable. Se observa
que se tiene un valor de razón de 50,172 lo que indica una señal adecuada.
Luego del análisis se concluye que el modelo puede ser utilizado para
propósitos de modelamiento en el espacio de diseño.
Cuadro 29. R2 y R2adj proceso Electroquímico
Std. Dev. 29,27 R-Squared 0,9898

Mean 596,93 Adj R- 0,9883
Squared
C. V. % 4,90 Pred R- 0,9808
Square
PRESS 47 313,83 Adeq 50,172
Precision
Fuente. Design Expert v9
128
El valor “Prob>F” o valor p menor que 0,1 indica que el término del modelo es
significativo. En el cuadro 30, son considerados significativos términos con
valores <0,1 y son: la densidad de corriente, el pH, la concentración de
cloruros, la temperatura, el tiempo de tratamiento, el tipo de electrodo; las
interacciones: pH-Temperatura,concentración de cloruros-temperatura y los
términos cuadráticos: concentración de cloruros-concentración de cloruros y
densidad de corriente-densidad de corriente.
Cuadro 30. Términos a considerar para la ecuación de modelamiento

proceso Electroquímico con DesignExpert v9
Regresor Valor Valor p Hipótesis

Estimación Prob>F nula: Ho
Constante del modelo 743,68 <0,0001 Rechazado
Concentración cloruros,C 216,87 <0,0001 Rechazado
Densidad corriente, A -78,40 0,0005 Rechazado
pH, B 72,07 <0,0001 Rechazado
Tiempo tratamiento, E -33,80 <0,0001 Rechazado
Temperatura, D 56,47 0.0001 Rechazado
Tipo Electrodo, F 41,33 <0,0001 Rechazado
Concentración cloruros x Concentración -227,07 0,0002 Rechazado
2
cloruros, C
Concentración cloruros x Temperatura, CE 92,68 <0,0001 Rechazado
pH x Temperatura, BD -20,78 0,0020 Rechazado
2
Densidad corriente x Densidad corriente, A 21,62 0,0830 Rechazado
Fuente. DesignExpert v9.
La ecuación modelo de ajuste para la etapa electroquímica, en términos de

factores codificados a ser empleado en el análisis de superficie de respuesta
está dado por:
𝐷𝑄𝑂 = 743,68 − 78,4 ∗ 𝐴 + 72,07 ∗ 𝐵 + 216,87 ∗ 𝐶 + 56,47 ∗ 𝐷 − 33,8 ∗ 𝐸 − 41,33 ∗ 𝐹

− 20,78 ∗ 𝐵𝐷 + 92,68 ∗ 𝐶𝐷 + 21,62 ∗ 𝐴2 − 227,07 ∗ 𝐶2
129

Para el análisis de la adecuacidad del modelo se consideró el gráfico de
probabilidad normal vs los residuales externamente estudentizados para
chequear la normalidad de los residuales, el gráfico de los residuales
estudentizados vs los valores predichos, el gráfico de residuales vs el Nro de
Prueba y el Gráfico de valores predichos vs los valores experimentales.
Los gráficos de probabilidad normal ayudan a verificar el supuesto de

distribución normal. En un gráfico de probabilidad normal, los puntos
resultantes deben estar aproximadamente en una línea recta con una
intercepción de cero y una pendiente de uno (estos son la media y la
distribución estándar de los residuales estandarizados). Pequeñas
desviaciones de la normalidad no afectan mucho al modelo, pero desviaciones
importantes pueden ser graves, en estos casos a veces es necesario hacer
una transformación de variables.
En la figura 48 se puede observar el gráfico de Probabilidad normal vs los

residuales externamente estudentizados para el conjunto de datos sometido
a análisis. En el gráfico se puede observar que se tiene una probabilidad
normal adecuada ya que los puntos se encuentran aproximadamente en línea
recta y esto indica que la distribución subyacente es normal.
130

externamente Estudentizados. Fuente. DesignExpert v9.
Un Gráfico de valores residuales frente a los valores ajustados

correspondientes es útil para detectar varios tipos comunes de insuficiencias
en el modelo.
En la figura 49 se puede observar que los residuos están contenidos en una

banda horizontal y fluctúan en una forma más o menos aleatoria dentro de la
banda, esto indica que no hay defectos obvios en el modelo analizado.
131
Figura 49. Salida Gráfico de los residuales Estudentizados vs los valores

predichos. Fuente. Design Expert v9.
En la figura 50 se tiene el gráfico de residuales vs el Nro de prueba

experimental. Se puede observar que los residuos están contenidos en la
banda en un patrón aleatorio que también indica que no hay defectos obvios
en el modelo analizado.
132
Figura 50. Salida Gráfico de residuales estudentizados vs el Nro de Prueba

experimental. Fuente. Design Expert v9.
En la figura 51 se tiene el Gráfico de valores predichos vs los valores

experimentales. En este caso los valores caen aproximadamente en una línea
recta con desviaciones pequeñas, indicando que el modelo es adecuado para
describir la conducta del fenómeno estudiado.
133
Figura 51. Salida Gráfico de valores predichos vs los valores

experimentales. Fuente. Design Expert v9.
4.2.1.2.3. OPTIMIZACIÓN DEL PROCESO
Para la optimización del proceso, se empleó la herramienta de optimización

del software. En la figura 52, se puede observar que, como valor objetivo, se
ha considerado un DQO de 220 mg O2/L, ya que el mínimo valor obtenido en
las pruebas experimentales fue de 217,6 mg/L en DQO.
134
Figura 52. Estableciendo como objetivo una reducción hasta 220 mg/L
en DQO en Design Expert v9.
De los resultados de las figuras 53 y 54, condiciones óptimas de tratamiento

del agua residual, empleando DesignExpert v9, son:

- Densidad de corriente = 800 A/m2
- pH=7,03
- Temperatura=41,6 °C
- Tipo de electrodo: Platino
- DQO después de tratamiento=239 mg O2/L
- Deseabilidad=1
135
Figura 53. Salida valores de variables de proceso en sus puntos óptimos.

Fuente. Design Expert v9.
Figura 54. Salida Gráfico de deseabilidades por variable. Fuente. Design Expert v9.
136
4.2.1.2.4. RESULTADOS OPTIMIZACION ETAPA ELECTROQUIMICA

En el cuadro 31 se muestra un resumen de variables en sus valores óptimos
del proceso Electroquímico empleando Software JMP v11 y DesignExpert v9.
Cuadro 31. Resumen de variables en sus valores óptimos del proceso

Electroquímico empleando Software JMP v11 y
DesignExpert v9
Optimización del Proceso Electroquímico
Variable Software JMP Software
v11 Design
Expert v9
Concentración de cloruros (g/L) 4 4
Densidad de corriente (A/m2) 800 800
pH 7 7,03
Tiempo de tratamiento (min) 180 180
Temperatura (˚C) 42 41,6
Tipo de electrodo Platino Platino
DQO después de tratamiento (mg O2/L) 220,2 239
Deseabilidad 0,96 1
De los análisis realizados con JMP v11 y Design Expert v9, las condiciones
óptimas de tratamiento del método electroquímico son:

- pH=7
- Temperatura=42 °C
- Tipo de electrodo: Platino
- DQO esperado después de tratamiento=220,2 - 239 mg O2/L
- Deseabilidad=0,96 - 1
137
4.2.2. RESULTADOS Y ANÁLISIS ETAPA FOTOQUÍMICA
Se realizó el análisis estadístico a los datos del cuadro 23 correspondiente a

la etapa Fotoquímica.
4.2.2.1. TEST DE SIGNIFICANCIA DE REGRESIÓN GLOBAL EMPLEANDO

SOFTWARE JMP V11
Para evaluar el test de significancia global se utilizó dos indicadores: 1) Se

analizó el valor de R2 y Radj2 y 2) Se analizó si existe una relación lineal entre
la variable respuesta DQO y las variables regresoras.
Del cuadro 32, resumen del ajuste, se puede concluir que el modelo cuadrático
es adecuado para describir la relación entre la variable respuesta DQO y las
variables regresoras ya que el coeficiente de determinación R2=0,999225 y el
Radj2=0,999304 tienen valores próximos y muy cercanos a la unidad,
significando que el modelo para la respuesta evaluada, a un nivel de confianza
del 95%, puede explicar el 99,9 % del proceso fotoquímico.
Cuadro 32. Resumen del ajuste proceso Fotoquímico
R cuadrado 0,999625
R cuadrado ajustado 0,999304
Raíz del error cuadrático medio 7,114892
Media Respuesta 491,2296
Observaciones (o suma de 27
pesos)
Fuente. JMP v11
Resultados del resumen de ajuste son reforzados en la figura 55 de valores

de DQO observados frente a los valores previstos por el modelo de ajuste. Se
puede apreciar que los intervalos de ajuste (líneas rojas a trazos) son muy
estrechos, indicando buena relación entre el fenómeno observado frente al
previsto.
138
Figura 55. Salida Gráfico de Observados frente a previstos para la variable

respuesta DQO proceso fotoquímico. Fuente. JMP v11.
4.2.2.2. ANALISIS DE VARIANZA

En el cuadro 33 se muestra el análisis de varianza para el modelo. En general
valores grandes de F y valores pequeños de p (<0,0001) indican que el
modelo es significativo para describir el proceso. De los resultados, se tiene
un valor de F=3112,196 y un valor de p<0,0001, concluyendo que el modelo
es significativo en describir la respuesta.
Cuadro 33. Análisis de varianza proceso Fotoquímico
Fuente Grados de Suma de Media de los Razón F

libertad cuadrados cuadrados
Modelo 12 1 890 535,6 157 545 3112,196
Error 14 708,7 51 Prob>F
C. Total 26 1 891 244,3 <0,0001
Fuente. JMP v11
139
En el cuadro 34 de Falta de ajuste, el valor Prob>F es el valor p para la prueba

falta de ajuste. Un valor pequeño de p (<0,05) indica una falta significativa de
ajuste. Del valor de p igual a 0,351 se puede concluir que no existe falta de
ajuste al modelo cuadrático propuesto, esto es no se rechaza la hipótesis nula
de que no hay falta de ajuste.
Cuadro 34. Falta de ajuste proceso Fotoquímico
Fuente Grados Suma de Media de Razón F

de cuadrados los
libertad cuadrados
Falta de 5 294,70370 58,9407 1,2813
ajuste
Error puro 9 414,00000 46,0000 Prob>F
Error total 14 708,70370 0,3510
R
cuadrado
máximo
0,9998
Fuente. JMP v11
En el cuadro 35, columna de estimación, se observa que existe una relación

entre la variable respuesta DQO y las variables regresoras, ya que el valor de
estimación de los coeficientes de las variables regresoras es diferente de cero.
También en la columna valor p se muestra valores <0,0001 que indica que los
términos son significativos e importantes para ser utilizados en el modelo de
ajuste. Términos de menor importancia que deben ser tomados en cuenta son:
pH*tiempotrat y pH*Bloque. Los términos: Bloque, Potlam*Bloque y
tiempo trat*Bloque pueden no ser considerados en el modelo debido a que
no son significativos ya que tienen valores de p>0,05.
140
Cuadro 35. Evaluación de coeficientes de Regresores etapa Fotoquímica

con Software JMP v11
Término Estimación Error Razón t Valor p Hipótesis
estándar Prob>ItI nula: Ho
Constante del modelo 635,8037 4,136213 153,72 <0,0001 Rechazado
RelreactFen (11,25,26,25) -212,1667 1,676996 -126,5 <0,0001 Rechazado
Potlamp (4,18) 65 1,778723 36,54 <0,0001 Rechazado
pH (2,4) 23,833333 1,778723 13,40 <0,0001 Rechazado
Tiempotrat (60,180) -196,0833 1,778723 -110,2 <0,0001 Rechazado
Bloque (1) -2,388889 1,452321 -1,64 0,1223 Aceptado
Potlamp*pH -30,5 5,030989 -6,06 <0.0001 Rechazado
RelreactFen*tiempotrat 89,22222 2,904643 30,72 <0,0001 Rechazado
pH*tiempotrat -9,777778 4,107785 -2,38 0,0321 Rechazado
tiempotrat* tiempotrat -218,0556 5,809285 -37,54 <0,0001 Rechazado
Potlamp*Bloque (1) 3,3333333 1,778723 1,87 0,0820 Aceptado
pH*Bloque (1) 4,1666667 1,778723 2,34 0,0345 Rechazado
Tiempotrat*Bloque (1) 2,4166667 1,778723 1,36 0,1957 Aceptado
Fuente. JMP v11.
En el cuadro 36 de prueba de los efectos, considerando la columna Suma de

cuadrados, puede calcularse el porcentaje de contribución de cada factor en
el modelo empleando la ecuación (41) dada por Shokrollahi (Shokrollahi,
Sharifnia, 2018).
Cuadro 36. Pruebas de los efectos proceso Fotoquímico
Fuente N Grados Suma de Razón F Prob>F

parámetros de cuadrados
libertad
RelreactFen (11,25,26,25) 1 1 810 264,50 16 006,27 <0,0001
Potlamp (4,18) 1 1 67 600,00 1 335,396 <0,0001
pH (2,4) 1 1 9 088,44 179,5366 <0,0001
Tiempotrat (60,180) 1 1 615 178,78 12 152,47 <0,0001
Bloque 1 1 136,96 2,7056 0,1223
Potlamp*pH 1 1 1 860,50 36,7530 <0,0001
RelreactFen* tiempotrat 1 1 47 763,63 943,5407 <0,0001
pH* tiempotrat 1 1 286,81 5,6658 0,0321
tiempotrat* tiempotrat 1 1 71 322,34 1 408,928 <0,0001
Potlamp*Bloque 1 1 177,78 3,5119 0,0820
pH*Bloque 1 1 277,78 5,4873 0,0345
tiempotrat*Bloque 1 1 93,44 1,8459 0,1957
Fuente. JMP v11
De datos de la columna suma de cuadrados del cuadro 37, en la figura 56 se

muestra resultados de la contribución de porcentaje de cada factor a la
141
respuesta. Se puede observar que los porcentajes de contribución en orden

de importancia para explicar el proceso foto químico son:
Efectos de primer orden:

Relación de reactivos Fenton con 49,9 %,
Tiempo de tratamiento con 37,9 %,
Potencia de lámpara con 4,16 %;
Para interacción de dos factores:

Relación de reactivos Fenton*Tiempo de tratamiento con 2,94 %
Tiempo de tratamiento*tiempo de tratamiento con 4,39 %
Para efectos cuadráticos:

Tiempo de tratamiento*tiempo de tratamiento con 4,39 %
142
Figura 56. Contribuciones de porcentaje de parámetros efectivos para el

proceso Fotoquímico. Fuente. Excel 2016 con datos de trabajo
experimental.
En la figura 57 se muestra la expresión de predicción para el DQO del software

JMP v11, indicando que las variables de proceso importantes a tomar en
cuenta en el modelo son: la Relación de reactivos Fenton, el pH, el tiempo de
tratamiento, y la Potencia de lámpara; la interacción Relación de reactivos
Fenton-Tiempo de tratamiento y el término cuadrático: Tiempo de tratamiento-
Tiempo de tratamiento.
143
Figura 57. Salida Expresión de Predicción para la Etapa Fotoquímica.

Fuente. JMP v11.
144
4.2.2.3. CHEQUEO DE ADECUACIDAD DEL MODELO

Para el chequeo de adecuacidad del modelo se consideró el análisis de
residuales para el conjunto de datos. En la figura 58 se observa el gráfico de
residuos frente a valores previstos, que tiene un comportamiento normal, es
decir, puntos aleatoriamente distribuidos, sin presencia de outliers o puntos
extraños con valores de DQO residuales muy elevados que afectarían la
capacidad predictora del modelo.
Figura 58. Salida Gráfico de residuos vs previstos proceso fotoquímico.

Fuente. JMP v11
145
4.2.2.4. OPTIMIZACIÓN DEL PROCESO FOTOQUÍMICO

El perfilador de predicción es la herramienta que tiene el software JMP para
realizar la optimización del proceso. Inicialmente todos los valores de las
variables se muestran en sus valores medios del rango de variación como
puede verse en la figura 59.
Figura 59. Salida Perfilador de predicción con valores de Factores en sus valores
medios. Fuente. JMP v11.
Se va a considerar como tratamientos óptimos aquellos en las cuales se

consiguen reducciones de DQO ≤ 200 mg O2/L, ya que como se puede ver en
el cuadro 3, este es el criterio que se maneja como un valor máximo admisible
en otros países para considerar que el agua residual se encuentra
adecuadamente tratado.
Empleando el perfilador de predicción para optimizar el tratamiento, la figura
60 muestra, las condiciones óptimas de tratamiento son:
- Relación de reactivos Fenton=17

- Potencia de lámpara UV=4 W
- pH=3
- Tiempo de tratamiento=180 minutos
- Se consigue un DQO=185,4 mg O2/L luego de tratamiento
- Deseabilidad de 0,89.
146
Figura 60. Salida Perfilador de Predicción para RelreactFen=17, Potlamp=4,

pH=3 y tiempo de tratamiento=180 min. Fuente. JMP v11.

SOFTWARE DESIGN EXPERT v9

El mismo conjunto de datos obtenidos experimentalmente en el módulo
Fotoquímico fue modelado empleando la opción DefinitiveScreen en la versión
9 del Software DesignExpert.
Para el análisis estadístico se empleo el método de análisis paso a paso

El cuadro 37 muestra el valor F del modelo igual a 3129,66 y un valor de

p<0,0001 obtenido por el software, lo cual indica que el modelo es significativo
para explicar el proceso.
147
Cuadro 37. Análisis ANOVA modelo cuadrático (suma parcial de cuadrados-

Tipo III)
Fuente Suma de df Media de Valor F Valor-p

cuadrados los Prob>F
cuadrados
Bloque 186,96 2 93,48
Modelo 1,89E+006 8 2,362E+005 3 129,66 <0,0001 Significante
A-RelreactFen 8,103E+005 1 8,103E+005 10 734,61,25 <0,0001
B-Potlamp 73 472,22 1 73 472,22 973,38 <0,0001
C-pH 9 067,56 1 9 067,56 120,13 <0,0001
D-tiempotrat 6,978E+005 1 6,978E+005 9 244,31 <0,0001
AB 33 196,06 1 33 196,06 439,79 <0,0001
AC 37 868,52 1 37 868,52 501,69 <0,0001
BC 2 576,46 1 2 576,46 34,13 0,0064
C2 71 322,34 1 71 322,34 944,90 <0,0001
Residual 1 207,7 16 75,48
Cor Total 1,891E+006 25
Fuente: Design Expert v9
En el cuadro 38 se observa que el valor de R2=0,9994 está en razonable

concordancia con el valor de Radj2=0,9990, teniendo una diferencia menor a
0,2, esto implica que este indicador de ajuste Global del modelo es adecuado,
esto es, el modelo explica el 99,9 % del proceso. El valor de “Adeq Precision”
mide la razón de señal a ruido. Una razón mayor a 4 es deseable. En la tabla
se tiene un valor de razón de 134,966 lo que indica una señal adecuada.
Luego del análisis se concluye que el modelo puede ser utilizado para
propósitos de modelamiento en el espacio de diseño.
Cuadro 38. R2 y R2adj proceso Fotoquímico
Std. Dev. 8,69 R-Squared 0,9994

Mean 491,23 Adj R- 0,9990
Squared
C. V. % 1,77 Pred R- 0,9982
Square
PRESS 3 493,13 Adeq 134,966
Precision
Fuente. Design Expert v9
El valor “Prob>F” o valor p menor que 0,1 indica que los términos del modelo
son significativos. En el cuadro 39 son considerados significativos términos
148
con valores <0,1 y son: la relación de reactivos Fenton, el pH, el tiempo de

tratamiento, y la potencia de lámpara; las interacciones: Relación de reactivos
Fenton-pH,relación de reactivos Fenton-Potencia de lámpara, Potencia de
Lámpara-pH y el término cuadrático pH-pH.
Cuadro 39. Términos a considerar para la ecuación de modelamiento proceso

Fotoquímico con DesignExpert v9
Regresor Valor Valor p Hipótesis

Estimación Prob>F nula: Ho
Constante del modelo 636,6 <0,0001 Rechazado
Relación Reactivos Fenton, A -212,17 0,0004 Rechazado
Tiempo de tratamiento, D -196,89 <0,0001 Rechazado
Potencia de lámpara, B 63,89 0,0009 Rechazado
pH, C 22,44 <0,0001 Rechazado
Relación de reactivos Fenton x pH, AC -79,44 <0.0001 Rechazado
Relación de reactivos Fenton x Potencia de -128,83 <0,0001 Rechazado
lámpara, AB
Potencia de lámpara x pH, BC -20,72 <0,0001 Rechazado
2
pH x pH, C -218,06 0,0003 Rechazado
Fuente. Design Expert v9.
La ecuación codificada es utilizada para determinar el impacto relativo de los

factores por comparación de sus coeficientes. La ecuación final para el
tratamiento fotoquímico en términos de factores codificados esta dado por:
𝐷𝑄𝑂 = 636,6 − 212,17 ∗ 𝐴 + 63,89 ∗ 𝐵 + 22,44 ∗ 𝐶 − 196,89 ∗ 𝐷 − 128,83 ∗ 𝐴𝐵

− 79,44 ∗ 𝐴𝐶 − 20,72 ∗ 𝐵𝐶 − 218,06 ∗ 𝐶2
Para el chequeo de adecuacidad del modelo se consideró: El Gráfico de

probabilidad normal vs los residuales externamente estudentizados para
chequear la normalidad de los residuales, el gráfico de los residuales
estudentizados vs los valores predichos, el gráfico de residuales vs el Nro de
Prueba y el Gráfico de valores predichos vs los valores experimentales.
149
Los gráficos de probabilidad normal ayudan a verificar el supuesto de

distribución normal. En un gráfico de probabilidad normal adecuado, los
puntos resultantes deben estar aproximadamente en una línea recta con una
intercepción de cero y una pendiente de uno (estos son la media y la
distribución estándar de los residuales estandarizados). Pequeñas
desviaciones de la normalidad no afectan mucho al modelo, pero desviaciones
importantes pueden ser graves, en estos casos a veces es necesario hacer
una transformación de variables.
En la figura 61 se muestra el gráfico de Probabilidad normal vs los residuales
externamente estudentizados para el conjunto de datos sometido a análisis.
Se concluye que se tiene una probabilidad normal adecuada ya que los puntos
se encuentran aproximadamente en la línea recta y esto indica que la
distribución subyacente es normal.

externamente estudentizados. Fuente. DesignExpert v9.
Valores residuales frente a los valores ajustados correspondientes es útil para

detectar varios tipos comunes de insuficiencias en el modelo. En la figura 62
150
se observa que los residuos están contenidos en una banda horizontal y

fluctúan en una forma más o menos aleatoria dentro de la banda, esto indica
que no hay defectos obvios en el modelo analizado.
Figura 62. Salidas residuales estudentizados vs los valores predichos.

En la figura 63 se muestra los residuales estudentizados vs el N ro de prueba

experimental. También se puede observar que los residuos están contenidos
en la banda en un patrón aleatorio que indica que no hay defectos obvios en
el modelo analizado.
En la figura 64 se muestra los valores predichos vs los valores experimentales.

Los valores caen aproximadamente en una línea recta con desviaciones
pequeñas, indicando que el modelo es adecuado para describir la conducta
del fenómeno estudiado.
151
Figura 63. Salidas residuales estudentizados vs el Nro de Prueba

experimental. Fuente. DesignExpert v9.
Figura 64. Salida de valores predichos vs los valores experimentales.

152
4.2.2.5.3. OPTIMIZACIÓN DEL PROCESO FOTOQUÍMICO CON DESIGN

EXPERT v9
Empleando la herramienta de optimización de proceso del software Design

Expert v9, para un valor objetivo de DQO de 200 mg O 2/L, los valores de las
variables en sus puntos óptimos se dan en la figura 65 y las deseabilidades
para cada variable que son la unidad en la figura 66.
Figura 65. Valores de Variables de proceso en sus puntos óptimos. Fuente.

DesignExpert v9.
153
Figura 66. Gráfico de deseabilidades por Variable. Fuente. DesignExpert v9
4.2.2.5.4. RESULTADOS OPTIMIZACIÓN ETAPA FOTOQUIMICA
En el cuadro 40 se muestra un resumen de variables en sus valores óptimos

del proceso Fotoquímico empleando Software JMP v11 y DesignExpert v9.
Cuadro 40. Resumen de variables en sus valores óptimos Empleando JMP

v11 y DesignExpert v9
Optimización del P roceso Fotoquímico
Variable Software Software Design
JMP v11 Expert v9
Relación de reactivos Fenton 17 18,75
(mg/L)
[Fe2+]/[H2O2]
[Fe2+]o=400 mg Fe2+/L
Potencia de lámpara (W) 4 5,1
pH 3 2,04
Tiempo de tratamiento (min) 180 163,74
DQO después de tratamiento (mg 185,35 200
O2/L)
Deseabilidad 0,89 1
Fuente. JMP v11 y DesignExpert v9
154
De los análisis realizados con JMP v11 y Design Expert v9, condiciones
óptimas de tratamiento del agua residual empleando el método Fotoquímico
son:
- Relación de reactivos Fenton= 18

- Potencia de lámpara = 4 Watts
- pH= 2,5
- Tiempo de tratamiento= 180 minutos
- DQO después de tratamiento=185,4 - 200 mg O2/L
- Deseabilidad=0,89-1
4.2.3. VALIDACION DE LOS MODELOS MATEMATICOS
Con los resultados de las etapas optimizadas, se procedió con la validación

de los modelos. Para ello se hicieron pruebas de tratamiento de la siguiente
forma:
a. Tratamiento Electroquímico seguido de tratamiento Foto químico.
b. Tratamiento Foto químico seguido de tratamiento Electroquímico.
Experimentalmente se ha podido comprobar que el tratamiento b es el mejor,

ya que con el tratamiento a, el agua siempre queda con un color verde tenue
(ver anexo 12) que no es eliminado y que visualmente no sería aceptable para
ser considerado como un agua tratada.
El tratamiento b es el mejor ya que da mayor reducción en el contenido de

DQO y además se obtiene un agua residual que no tiene color (ver anexos
13, 14, 15 y 16).
Considerando el tratamiento b como el mejor se procedió a realizar dos
pruebas de validación del proceso de tratamiento en sus condiciones óptimas:
Primera etapa:
155
Tratamiento fotoquímico con los siguientes valores óptimos en sus

variables:
- Relación de reactivos Fenton =18
- Potencia de lámpara = 4 Watts
- pH=2,5
Segunda Etapa:
Tratamiento electroquímico con los siguientes valores óptimos en sus
variables, a excepción de la temperatura que se ha considerado es la
temperatura ambiente, son:
- pH=7
- Temperatura= Ambiente
- Tipo de electrodo= Platino
Para la primera etapa, tratamiento fotoquímico, para tener mejores resultados

en reducción de DQO es importante tratar el agua residual de la siguiente
manera: primero, realizar la reacción con valores de variables en sus
condiciones óptimas por tres horas en medio ácido (pH 2,5),luego dejar en
reposo para el asentamiento del floc verdoso que se forma por unas tres
horas, retirar el agua de la parte superior a otro recipiente y finalmente elevar
el pH a 7 y dejar asentar nuevamente, esto hace que se forme floc adicional
de color amarillo (Fe(OH)2, Fe(OH)3) que decanta y tiene como ventajas
adicionales remover hierro disuelto del sistema acuoso y aclarar aún más el
agua.
Al agua proveniente de la primera etapa se le somete a una segunda etapa
de tratamiento electroquímica con valores de variables en sus condiciones
óptimas, este es un tratamiento adicional para poder reducir un poco más el
156
contenido de DQO y se realiza por poco tiempo (aproximadamente 15

minutos).
En el cuadro 41 se muestra los resultados obtenidos para dos pruebas

experimentales que confirman la validez de los modelos predictivos y las
condiciones óptimas del tratamiento combinado.
Cuadro 41. Resultados de tratamiento del agua residual sintética con las
variables en sus puntos óptimos
Prueba Contenido DQO (mg O2/L)
Experimental Al inicio antes 1ra Etapa 2da Etapa
del tratamiento Fotoquímica Electroquímica
1 1458,5 207,3 30,2
2 1445,6 196,3 35,6
Fuente. Elaboración propia
4.3. PRUEBAS DE HIPOTESIS
4.3.1. PRUEBA DE HIPOTESIS PRINCIPAL

Se ha establecido como hipótesis principal:
“Se conseguirá una reducción de los compuestos orgánicos persistentes del

agua residual sintética de la industria Textil Puente Piedra-Lima mediante
condiciones óptimas de depuración combinada fotoquímica-electroquímica”
Del desarrollo de las pruebas experimentales del método combinado, cada

uno en sus variables óptimas, se ha conseguido una reducción del contenido
de materia orgánica recalcitrante del 98,77% en la primera prueba de
verificación y de 97,54% en la segunda prueba de verificación como se puede
ver en el cuadro 41. Esto prueba la hipótesis principal planteada en el sentido
que el método de tratamiento combinado consigue reducciones considerables
157
en la carga de compuestos recalcitrantes en un porcentaje mayor al 90%. De

esta forma probamos nuestra hipótesis principal.
4.3.2. PRUEBA DE HIPOTESIS ESPECIFICAS
Como primera Hipótesis específica se ha establecido:

“La demanda química de oxígeno del agua residual sintética de la industria
textil supera el valor máximo admisible de la normativa de agua residual del
sistema de alcantarillado”
Del análisis del cuadro 21 se puede ver que el agua residual textil sintética
que contiene la mezcla de tres colorantes reactivos y auxiliares supera el valor
de DQO establecido en la normativa para descargas de aguas residuales no
domésticas que tiene un valor límite de 1000 mg/L. Del análisis de DQO a la
muestra sintética recién preparada tiene un valor de DQO de 1458,5 mg/L.
Otro parámetro de importancia es el pH que tiene un valor en la normativa de
6-9 para su descarga al sistema de alcantarillado. El agua residual tiene un
valor de pH 11,46 de naturaleza muy básica que está fuera de los límites
admisibles. Finalmente, el agua tiene 6500 unidades de color que no le da
buena apariencia estética. De los resultados de los análisis concluimos que el
agua residual sintética de la industria textil supera el valor límite máximo
admisible en su contenido de DQO. De esta forma probamos nuestra primera
hipótesis específica.
Como segunda Hipótesis específica se ha establecido:

“El modelo matemático de regresión lineal multivariable de segundo orden
podrá realizar predicciones exactas del proceso de tratamiento del agua
residual”
Para la investigación se han establecido modelos matemáticos de segundo

orden para el tratamiento combinado.
158
Colectados los datos experimentales de acuerdo a los diseños

experimentales, se determinó los modelos matemáticos para la etapa
fotoquímica y para la etapa electroquímica empleando análisis estadístico
mediante el empleo de software JMP v11 y Design Expert v9.
Las hipótesis apropiadas son:

Ho: 𝜷𝟎 = 𝜷𝟏 = ⋯ = 𝜷𝒌 = 𝟎
H1: 𝜷𝒋 ≠ 𝟎 para al menos una j
El rechazo de la hipótesis nula (Ho) implica que al menos uno de los

regresores contribuye significativamente al modelo.
Para nuestros análisis se rechaza la hipótesis nula para ambas etapas: La
Electroquímica y la Fotoquímica, ya que, con el Software empleado, se puede
concluir que hay varios regresores que contribuyen significativamente al
modelo. Esto puede ser observado en los cuadros 26 (para JMP v11) y 30
(para Design Expert v9) para la etapa Electroquímica y en los cuadros 35 (para
JMP v11) y 39 (para Design Expert v9) para la etapa Fotoquímica donde los
valores de la columna de los coeficientes de los regresores son diferentes de
cero, indicando que contribuyen con el modelo.
En el cuadro 42 del análisis de varianza a los modelos, se muestra que los

valores de Fmodelo>Ftabla y los respectivos valores de p (Prob>F),
proporcionados por el software para todos los casos son <0,0001 indicando
que los modelos son significativos con por lo menos una de sus variables
regresoras diferente de cero y es consistente el rechazo de la hipótesis nula
(Ho).
159
Cuadro 42. Valores de F y p
JMP v11 DesignExpert v9
Método de Valor F Valor p Valor F Valor p
Tratamiento (Prob>F) (Prob>F)
Electroquímica 265,736 <0,0001 281,71 <0,0001

Fotoquímica 3112,196 <0,0001 3129,66 <0,0001
Fuente. JMP v11 y DesignExpert v9.
Otros dos caminos para evaluar la adecuacidad global del modelo son calcular
𝑹𝟐 y 𝑹𝒂𝒅𝒋
𝟐 . En general 𝑹𝟐 nunca decrece cuando un regresor es adicionado al
modelo, sea cual fuere el valor de la contribución de la variable. Por

consiguiente, hay dificultad para juzgar si el incremento en 𝑹𝟐 es importante.
Por ello, al construir el modelo es preferible emplear un estadístico 𝑹𝟐𝒂𝒅𝒋que
toma en cuenta el número de variables en el modelo definido como:
𝑆𝑆𝐸 /(𝑛 − 𝑝)
𝑅𝑎𝑑𝑗
2
=1−
𝑆𝑆𝑦𝑦/(𝑛 − 1)
𝑛 − 1 𝑆𝑆𝐸 𝑛−1
𝑅2 =1−( ) =1− (1 − 𝑅2)
𝑎𝑑𝑗
𝑛 − 𝑝 𝑆𝑆𝑦𝑦 𝑛−𝑝
Dónde:
𝑅2 = Coeficiente de determinación múltiple
𝑅𝑎𝑑𝑗
2 = Coeficiente de determinación múltiple ajustado
𝑆𝑆𝐸 = Suma de los cuadrados de los errores
𝑆𝑆𝑦𝑦 = Suma total de cuadrados corregida
𝑛 =Número de datos
𝑝 =Número de variables de regresión
En este caso 𝑹𝟐𝒂𝒅𝒋 puede incrementarse únicamente cuando la adición de una

variable al modelo reduce el cuadrado medio residual. El 𝑹𝟐𝒂𝒅𝒋 penaliza para
160
la adición de términos que no son útiles así que es de mucha utilidad en

evaluar y comparar modelos candidatos de regresión.
En el cuadro 43 se puede ver valores de 𝑹𝟐𝒂𝒅𝒋

determinados por el Software:
Cuadro 43. Valores de 𝑹𝟐𝒂𝒅𝒋
JMP v11 DesignExpert v9

Etapa Electroquímica 0,986116 0,9863
Etapa Fotoquímica 0,999304 0,9990
Fuente. JMP v11 y DesignExpert v9.
Los valores de 𝑹𝒂𝒅𝒋

𝟐 proporcionados por ambos programas son muy cercanos
a la unidad lo cual indica buena correlación de los datos experimentales con

el modelo, teniéndose que alrededor del 98,6 % de la reducción de DQO es
explicado por el modelo en la etapa Electroquímica y un 99,9 % de la
reducción de DQO es explicado por el modelo de la etapa Fotoquímica.
Una vez que se ha determinado que como mínimo uno de los regresores es
importante, una pregunta lógica es: ¿Cuáles son importantes? Para responder
la pregunta es necesario realizar pruebas de coeficientes de regresión
individuales.
Se debe ser cuidadoso de incluir en el modelo únicamente regresores que

tienen un valor real en explicar la respuesta. La adición de un regresor no
importante puede incrementar el cuadrado medio residual, lo cual puede
decrecer la utilidad del modelo.
La Hipótesis para probar el significado de un coeficiente regresor individual

es:
Ho: 𝜷𝒋 = 𝟎
161
H1: 𝜷𝒋 ≠ 𝟎
Si Ho es rechazado, entonces esto indica que el regresor xj puede ser

considerado en el modelo.
En los cuadros 26, 30, 35 y 39 se analiza para cada caso: la columna Valor
estimación que da los valores de estimaciones de regresores. Valores
diferentes de cero, implica que son importantes para el modelo.
La columna Prob>|𝒕| da el valor de p. Valores de p≥ 0,05 implica que la
hipótesis nula se acepta. Para todos los casos, la columna Hipótesis nula:
Ho indica la aceptación o rechazo de la hipótesis nula.
Otros chequeos de adecuacidad del modelo son el análisis de la gráfica de

probabilidad normal y la gráfica de la relación entre los valores experimentales
y los valores predichos.
En la figura 67 se muestran gráficas de probabilidad normal para la etapa

Fotoquímica y Electroquímica generadas por Design Expert v9. Se puede ver
en la figura que todos los puntos están normalmente dispersos alrededor de
una línea recta sin ninguna desviación significativa, lo que sugiere una
distribución normal de los residuos para ambos casos.
En la figura 68 se muestran gráficas de relación entre los valores

experimentales y los valores predichos para las etapas fotoquímica y
Electroquímica generadas por JMP v11 y Design Expert v9. Se puede ver que
los puntos se distribuyen alrededor de una línea de 45˚ con ligeras
desviaciones, lo que representa una concordancia satisfactoria entre los
valores experimentales y los predichos, así como la capacidad de los modelos
predictivos propuestos para predecir la respuesta del proceso.
162
Figura 67. Gráficas de distribución normal proceso Fotoquímico. Fuente.

Design Expert v9.
Figura 68. Gráficas de la relación entre los valores experimentales y los valores
predichos. Fuente. JMP v11 y Design Expert v9.
163
Del análisis se concluye que los modelos son significativos para el análisis y
son confiables para predecir con alta exactitud la respuesta de los procesos
Foto químico y Electroquímico, de esta forma probamos nuestra segunda
hipótesis específica.
Como tercera Hipótesis específica se ha establecido:
“Proceso de depuración foto químico- electroquímico optimizado en sus

variables permitirá un tratamiento efectivo de agua residual textil”.
De análisis estadístico de los datos experimentales, se ha conseguido obtener

modelos matemáticos que predicen con buena exactitud el comportamiento
del proceso de tratamiento combinado. Valores optimizados de cada etapa de
tratamiento generados con estos modelos se dan en el cuadro 44.
Cuadro 44. Variables de proceso en sus valores óptimos

Etapa de tratamiento
Fotoquímico Electroquímico
Variable Valor Variable Valor
Optimo Optimo
2+
Relación reactivos Fenton([H2O2]/[Fe ] 18 Concentración de cloruros (g/L) 4
2
Potencia de lámpara (W) 4 Densidad de corriente (A/m ) 800
pH 2,5 pH 7
Tiempo de tratamiento (min) 180 Tiempo de tratamiento (min) 15
Temperatura (˚C) Ambiente
Tipo de Electrodo Pt
Fuente. Elaboración propia.
Con los valores de cada etapa en sus óptimos, se permite un tratamiento

combinado efectivo del agua residual textil sintética como se muestra en el
cuadro 41 con reducciones mayores al 97%, con esto probamos nuestra
tercera hipótesis específica.
164
CONCLUSIONES
El tratamiento de un agua residual sintética de la industria textil, ha sido

investigado usando un tratamiento de oxidación avanzada combinado
Fotoquímico-Electroquímico. Luego del tratamiento se consiguió reducir la
carga de contaminante persistente en un 97,9%. De esta forma el método de
tratamiento planteado es adecuado y se recomienda para su aplicación en el
tratamiento de aguas residuales textiles.
A partir de formulaciones reales empleadas en la industria textil, se preparó

un agua residual sintética, compuesto por colorantes sintéticos, auxiliares y
sal textil, que ha servido como punto de partida para la realización de las
pruebas experimentales. Se consiguió caracterizar el agua residual textil
sintética y se pudo comprobar que tiene un DQO inicial promedio de 1458 mg
O2/L. La razón de DBO5/DQO que se obtuvo fue de 0,053 dando un agua
residual difícil de tratar con los métodos convencionales. También el pH inicial
del agua residual sintética es de naturaleza básica teniendo un valor de 11,46,
tiene alta conductividad con un valor de 11,3 mS/cm y es muy coloreada con
6500 UC. De esta forma se confirmó que el agua residual sintética supera los
límites máximos admisibles en varios de sus parámetros y requiere ser
tratada.
Se emplearon diseños experimentales de cribado definitivo y cribado definitivo

aumentado propuestos por Jones y Nachtsheim para el estudio de las
variables: relación de reactivos Fenton [H2O2/Fe2+], potencia de lámpara, pH
165
y tiempo de tratamiento para la etapa fotoquímica y densidad de corriente, pH,

concentración de cloruros, temperatura, tiempo de tratamiento y tipo de
electrodo para la etapa electroquímica. De los resultados obtenidos en las
pruebas de los diseños experimentales y del análisis estadístico realizado, se
obtuvo modelos matemáticos polinomiales de segundo orden con buena
capacidad predictora teniendo coeficientes de determinación ajustados de
0,999 para la etapa fotoquímica y 0,986 para la etapa electroquímica. El
análisis de varianza (ANOVA) muestran valores de F altos y valores de p bajos
(F=265,736, p<0,0001 JMP v11; F=281,71, p<0,0001 Design expert v9 etapa
electroquímica y F=3112,196, p<0,0001 JMP v11 y F=3129,66, p<0,0001
Design expert v9 etapa fotoquímica), indicando que los modelos son
significativos para describir cada etapa de tratamiento. Del análisis
estadístico, se concluyó que las contribuciones de variables en orden de
importancia para explicar el proceso fotoquímico son: la Relación de
reactivos Fenton con 49,9 %, el tiempo de tratamiento con 37,9 %, la
Potencia de lámpara con 4,16 % para efectos de primer orden; relación de
reactivos Fenton*Tiempo de tratamiento con 2,94 % para interacción de
dos factores y tiempo de tratamiento*tiempo de tratamiento con 4,39 %
para efectos cuadráticos. Para el proceso electroquímico las contribuciones
de variables en orden de importancia para explicar el proceso son: La
Concentración de cloruros con 61,76 %, la densidad de corriente con 8,07
%, el pH con 6,82 %, la temperatura con 4,19 %, concentración de
cloruros*temperatura con 4,2 % y concentración de
cloruros*concentración de cloruros con 10,16 %. De esta forma se puede
concluir que los modelos matemáticos generados con propósitos predictivos
son idóneos para cada etapa de tratamiento.
Empleando los modelos matemáticos se pudo determinar los valores óptimos

de los procesos de tratamiento (etapa fotoquímica: relación de reactivos
Fenton =18, potencia de lámpara = 4 Watts, pH=2,5, tiempo de tratamiento
180 minutos; etapa electroquímica: concentración de cloruros= 4 g/L,
densidad de corriente = 800 A/m2, pH=7, tipo de electrodo=Platino; tiempo de
tratamiento 15 minutos). Aplicando estos valores optimizados a cada etapa de
tratamiento, a excepción de la temperatura para la etapa electroquímica que
166
se ha considerado ambiente, el proceso combinado ha podido reducir la carga

orgánica persistente de la siguiente forma: Primera etapa, método fotoquímico
de 1452 mg/L de DQO a 201,8 mg/L con una reducción de 86,1 %; segunda
etapa, método electroquímico de 201,8 mg/L a 32,9 mg /L con una reducción
de 11,63 %. Concluimos que, aplicando el método combinado, se consigue
una reducción de 97,7 de materia orgánica persistente. De esta forma se pudo
comprobar que aplicando el método de tratamiento combinado fotoquímico-
electroquímico en sus variables optimizadas, permite un tratamiento efectivo
y es adecuado para reducir la concentración de compuestos orgánicos
persistentes (colorantes reactivos fundamentalmente) del agua residual textil
sintética.
167
RECOMENDACIONES
Realizar más trabajos de investigación en esta área, ya que los métodos de

oxidación avanzada combinados están teniendo un enorme avance en los
últimos años en cuanto a mejoramiento de electrodos, reducción de costos
de reactivos oxidantes como por ejemplo el H2O2 vía la obtención de éste
por métodos de producción in situ, mayor desarrollo en el manejo de
ecuaciones de diseño fundamentales, ya que la mayor parte de la aplicación
es empírica.
Las aguas residuales textiles contienen una alta conductividad debido al uso
de varias sales (el cloruro de sodio es la sal de mayor uso) durante el proceso
de tintura. Una opción interesante es poder reutilizar el agua tratada en el
proceso de tintura, para ello la conductividad debe reducirse a <1000 μS/cm.
Otra opción es concentrar el cloruro de sodio y obtener productos útiles como
hidróxido de sodio y ácido clorhídrico. Se recomienda a los investigadores
emplear procesos de membrana (nanofiltración, osmosis inversa,
electrodialisis, etc) para el estudio de las opciones planteadas.
A las empresas textiles (pequeñas, medianas y grandes) aplicar estos

métodos de tratamiento para mitigar la contaminación a los sistemas de
alcantarillado permitiendo la conservación de la calidad hidrobiológica de los
sistemas acuáticos, para cumplir con la normativa vigente en cuanto al
cumplimiento de los límites máximos admisibles y fundamentalmente para la
protección de la vida y salud de los ciudadanos.
168
REFERENCIAS BIBLIOGRAFICAS
Acosta, L. (2009). Proceso Fotofenton de oxidación química para el

tratamiento de aguas industriales. Proyecto fin de carrera. Universidad
Carlos III de Madrid - España. Mayo 2009.
Aquino P. (2017). Calidad de agua en el Perú. Retos y aportes para una

gestión sostenible en aguas residuales. Lima. DAR. 2017.
A. K. M. A. Quader (2010). Treatment of Textile with chlorine: An effective

method. Chemical engineering Research Bulletin 14, pp. 59-63.
A. Lopes et al (2004). Degradation of a Textile Dye C. I. Direct Red 80 by

electrochemical processes. Portugaliae ElectrochimicaActa 22, pp.
279-294.
Anglada et al (2009). Contributions of electrochemical oxidation to

wastewater treatment: Fundamentals and review of applications. J.
Chem. Technol. Biotechnol.; 84: 1747-1755.
Anglada et al (2010). Electrochemical oxidation of saline industrial

wastewaters using boron-doped diamond anodes. Catalysis Today.
Elsevier.
Antonopoulou et al (2014). A review on advanced oxidation processes for

the removal of taste and odor compounds from aqueous media Water
Res. 53 215-34.
Aristóteles. Metafísica (2015), traducción de Patricio de Azcarate, 1873.

Copyright 2015. FV Editions. ISBN 90798-10-299-0067-9.
169
Atimtay A. y Duygulu B. (2011). Chapter 6: Color Removal with natural

Materials for reuse of wastewater in textile Industry. Securiuty of
Industrial Water Supply and management. Springer. 2011,
Aydiner et al (2019). Novel hybrid treatments of textile wastewater by

membrane oxidation reactor: Performance investigations,
optimizations and efficiency comparisons. Science of the Total
Environment 683 (2019) 411-426.
Babuponnusami et al (2012). Advanced oxidation of phenol: A comparison

between Fenton, electro-Fenton, sono-electro-Fenton and photo-
electro-Fenton processes. Chemical Engineering Journal. 183. 1-9.
Babuponnusami et al (2014). A review on Fenton and improvements to the

Fenton process for wastewater treatment. Journal of
EnvironmentalChemicalEngineering. 2. 557-572.
Bacardit P. (2007). Tesis Doctoral.Coupled Photochemical-Biological

system to treat Biorecalcitrant wastewaters.Universidad de Barcelona.
Badmus K. (2019). Treatment of persistent organic pollutants in wastewater

with combined advanced oxidation. Thesis in fulfillment of the
requirement for the degree Doctor of Philosophy. University of the
Western Cape. April 2019.
Basha et al (2011). Degradation studies for textile reactive dye by combined

electrochemical, microbial and photocatalytic methods. Separation
and Purification Technology 79 (2011) 303-309.
Bashir et al (2014). Electrochemical Oxidation Process Contribution in

Remediating Complicated Wastewaters. Wastewater Engineering:
Advanced Wastewater Treatment Systems. IJSRPUB.
170
Becerra et al (2008). Response surface methodology (RSM) as a tool for

optimization in analytical chemistry. Talanta. 2008 Sep 15;76(5):965-
977.
Bevilacqua et al (2010). Design of experiments: A powerful tool in food

microbiology. Current research technology and Education Topic in
Applied Microbiology and Microbial Biotechnology.
Bilinska et al (2016). Comparison between industrial and simulated textile

wastewater treatment by AOPs – Biodegradability, toxicity and cost
assessment. Chemical Engineering Journal 306 (2016). 550-559.
Biinska et al (2019). Coupling of electrocoagulation and ozone treatment for

textile wastewater reuse. Chemical Engineering Journal 358 (2019)
992-1001.
Blanco J. (2009). Tesis de Maestría. Degradación de un efluente textil real

mediante procesos Fenton y Foto Fenton.
Blanco J. et al (2014). Photo-Fenton and sequencing batch reactor coupled

to photo-Fenton processes for textile wastewater reclamation:
Feasibility of reuse in dyeing processes. Chemical Engineering
Journal, 240, pp. 469-475.
Bradley Jones (2014). Everything you Wanted to Know about Definitive

Screening Design. Conference SAS.
Bradley Jones y J. Nachtsheim (2013).Definitive Screen Designs with

Added Two-Level Categorical Factors. Journal of Quality Technology.
Vol. 45, No 2, April 2013.
Bradley Jones y J. Nachtsheim (2011). A class of three-level designs for

Definitive Screening in the presence of second-order effects. Journal
of Quality Technology. Vol. 43, No 1, January 2011.
171
Brillas E. (2014). A review on the degradation of organic Pollutants in waters

by UV Photoelectro Fenton and solar Photoelectro Fenton. J. Braz.
Chem. Soc. Vol. 25, No 3, 393-417.
Chao Zang et al (2013). Three-dimensional electrochemical process for
wastewater treatment: A general review. Chemical Engineering
Journal 228, pp. 455-467.
Chen-Lu Yang et al (2005). Electrochemical coagulation for textile effluent

decolorization. Elsevier.
Dehghani et al (2016). Efficiency of the Photo Fenton Process for

Decolorization of Direct Red 81 Dye from the Aqueous solution.
Jundishapur J Health Sci. September 2016.
Dogan D. y Turkdemir A. (2012). Electrochemical Treatment of actual

Textile Indigo Dye Effluent. Pol. J. Environ. Stud. Vol. 21, No 5, pp.
1185-1190.
Drogui P., Blais. J. and Mercier G (2007). Review of electrochemical

technologies for environmental applications. Recent Patents on
Engineering 2007, 1, 257-272.
Fernández-Alba et al (2006). Tratamientos avanzados de aguas residuales

industriales. Informe de vigilancia tecnológica realizado por el equipo
de la Universidad de Alcála del Círculo de Innovación en Tecnologías
Medioambientales y Energía (CITME).
Ferreira et al (2008). Response surface methodology (RSM) as a tool for

optimization in analytical Chemistry. Talanta. 76. 965-977.
Fidaleo et al (2016). Application of a novel Definitive Screening Design to

decoloration of an azo dye on boron-doped diamond electrodes. Int. J.
Environ. Sci. Technol. 13: 835-842.
172
Figueroa et al (2009). Decolorizing textile wastewater with Fenton's reagent

electrogenerated with a solar photovoltaic cell. Water Research. Vol.
43, pp. 283-294.
Gernjak W. (2006). Solar photo-fenton treatment of eu priority substances

– process parameters and control strategies. Doctoral Thesis.
Universität für Bodenkultur Wien. Vienna, March 2006.
Ghaly et al (2014). Production, Characterization and Treatment of Textile

Effluents: A Critical Review. J. Chem Eng. Process Technol. Volume
5, Issue 1.
Gil Pavas et al (2017). Coagulation-flocculation sequential with Fenton or

Photo-Fenton processes as an alternative for the industrial textile
wastewater treatment. Journal of Environmental Management191
(2017) 189-197.
Gioilleo et al (2016). Concepts and Optimization Strategies of Experimental

Design in Continuous-Flow Processing. J. Flow Chem. 2016, 6(3),
167–180.
Gurses et al (2016). Dyes and Pigments. Chapter 2: Dyes and Pigments:

Their Structure and Properties. Springer.
Gutiérrez Pulido y De La Vara Salazar (2012). Análisis y Diseño de

Experimentos. 3 ed. Mc Graw Hill. 2012.
H. Myers R., Montgomery C. D., Anderson Cook C. (2009). Response

Surface Methodology: Process and Product Optimization Using
Designed Experiments. Wiley.
Hach Company. (2010). Oxygen Demand, Chemical. USEPA Reactor

Digestion Method. Method 8000.
173
Hai, F.I., Yamamoto, K., Fukushi, K. (2007). Hybrid treatment systems for
dye wastewater. Critical Reviews in Environmental Science and
Technology 37, 315-377.
Hicham Zazou et al (2019). Treatment of textile industry wastewater by

electrocoagulation coupled with electrochemical advanced oxidation
process. Journal of Water Process Engineering 28 (2019) 214-221.
Kalaw et al (2015). Using Definitive Screening Design to Assess Factor

significance on the compressive Strength and volumetric weight of a
ternary blend Geopolymer. Proceedings of the DLSU
ResearchCongress. Vol. 3.
Kavitha E. (2012). Electrochemical Oxidation of Textile Industry Wastewater

using DSA in Tubular reactor. International Journal of Engineering
Research and Applications. Vol 2, Issue 6, November-December
2012, pp. 444.451.
Kdasi, A., Idris, A., Saed, K. and Guan, C. (2004). Treatment of textile
wastewater by advanced oxidation processes: A. review. Global Nest.
Int. J., 6 (3): 222-230.
Khorbahti B. (2007). Response surface optimization of electrochemical

treatment of textile dye wastewater. Journal of Hazadours Materials
145, pp. 277-286.
Khorbahti B. (2008). Electrochemical Treatment of simulated textile

wastewater with industrial components and Levafix Blue CA reactive
dye: Optimization through response surface methodology. Journal of
Hazadours Materials. Volume 151, pp. 422-431.
Khuri A. (2017). A general overview of Response Surface Methodology.

Biom. Biostat. Int., 513.
174
Krishnan et al (2017). Comparison of various advanced oxidation processes

used in remediation of industrial wastewater laden with recalcitrant
pollutants. Materials Science and Engineering. 206.
Kumar et al (2018). Treatment of ternary dye wastewater by hydrodynamic

cavitation combined with other advanced oxidation processes
(AOP’s). Journal of Water Process Engineering. 23 (2018) 250-256.
Lafi et al (2018). Treatment of textile wastewater by a hybrid

ultrafiltration/electrodialysis process. Chemical Engineering and
Processing-Process Intensification. 2018.
Lak et al (2018). Energy consumption and relative efficiency improvement

of Photo-Fenton-Optimization by RSM for landfill leachate treatment,
a case study. Waste Management 79 (2018) 58-70.
Landrigan et al (2017). The Lancet Commission on pollution and health.

Published on line October 19, 2017. DOI; 10.1016/S0140-
6736(17)32345-0.
Ledakowicz et al (2001). Biodegradation, decolourisation and detoxification

of textile wastewater enhanced by advanced oxidation processes.
Journal of Biotechnology.
Lewis D. (2014). Developments in the chemistry of reactive dyes and their

application processes. Coloration Technology, 130, 382-412.
Lowres et al (2013). Advanced oxidative degradation Processes:

Fundamentals and applications. International Review of Chemical
Engineering. Vol. 5, No 2.
175
Ltaief et al (2017). Electrochemical treatment of aqueous solutions of

catechol by various electrochemical advanced oxidation processes:
Effect of the process and of operating parameters. Journal of
Electroanalytical Chemistry.
M. Clark (2011). Handbook of Textile and Industrial Dyeing. 1st Edition.

Principles, Processes and Types of Dyes.
Machulek et al (2012). Fundamental Mechanistic Studies of the Photo-

Fenton reaction for the degradation of organic pollutants. Organic
pollutants ten years after the Stockholm Convention- Environmental
and Analytical Update. Intec Open.
Martinez Huitle C. y Ferro S. (2006). Electrochemical oxidation of organic

pollutants for the wastewater treatment: direct and indirect processes.
Chem. Soc. Rev., 2006, 35, 1324-1340.
Manenti et al (2014). Assessment of a multistage system based on

electrocoagulation, solar photo-Fenton and Biological oxidation
processes for real textile wastewater treatment. Chemical Engineering
Journal. 252, pp. 120-130.
Meenu Bhan (2017). Response Surface methodology: An important tool in

optimization. International Journal of AdvancedResearch and
Development. Volume 2. 38-40.
Mehmet Kobya et al (2003). Treatment of textile wastewaters by

electrocoagulation using iron and aluminium electrodes. Journal of
Hazadours Materials, pp. 163-178.
Milica Jovic et al (2013). Study of the electrochemical oxidation of reactive

Textile dyes using platinum electrode. Int. J. Electrochem. Sci., 8, pp.
168-183.
176
Mohan et al (2001). Electrochemical treatment of simulated textile Effluent.

Chem. Eng. Technol. 24,7.
Mohan et al (2007). Electrochemical oxidation of textile wastewater and its

reuse. Journal of Hazardous Materials 147 (2007), pp. 644–651.
Montgomery D. (2017). Design and Analysis of Experiments, 9th Edition.

May 2017.
Montserrat et al (2002). Fenton and photo Fenton oxidation of textile

effluents. Water research.
Morris D. (2000). A class of three-level experimental designs for Response

Surface Modeling. Technometrics, Vol. 42 No 2.
Mousset et al (2017). An unprecedent route of OH radical reactivity

evidenced by an electrocatalytical process: Ipso-substitution
withperhalogenocarboncompunds. Applied Catalysis B,
environmental.
Munter R. (2001). Advanced oxidation processes – current status and

prospects. Proc. Estonian Acad. Sci. Chem., 2001, 50, 2, 59–80.
Murty et al (2011). Performance of Electrochemical Oxidation in Treating

Textile Dye Wastewater by Stainless Steel Anode. International
Journal of Environmental Science and Development, Vol. 2, No. 6,
December 2011.
Nava et al (2008). Electrochemical treatment of synthetic wastewaters

containing Alphazurine a Dye: Rol of electrode material in the color
and COD removal. J. Mex. Chem. Soc., 52(4), pp. 249-255.
177
Nadeem et al (2017). Polishing of biologically treated textile wastewater

through AOPs and recycling for wet processing. Journal of Water
Process Engineering 20 (2017) 29-39.
OEFA (2014). Fiscalización ambiental en aguas residuales. Organismo de

Evaluación y Fiscalización Ambiental (OEFA), abril 2014.
Oppenlander T. (2003). Photochemical Purification of Water and Air:

Advanced Oxidation Processes (AOPs) - Principles, Reaction
Mechanisms, Reactor Concepts. Wiley-Vch.
Osiewala et al (2013). Electrochemical, Photochemical and

Photoelectrochemical treatment of Sodium p-Cumenesulfonate.
Water Air Soil Pollut.
Oturan et al (2004). Traitement des micropolluants organiques danslˈeau

par des procédés dˈ oxidation avancée. Lˈactualitéchimique. No 277-
278. 57-63.
Oturan M. and Brillas E. (2007). Electrochemical advanced oxidation

Processes (EAOPs) for environmental applications. Portugalie
Electrochimica Acta 25 (2007) 1-18.
Ozturk et al (2014). Optimization of water and chemical use in a cotton

polyester fabric dyeing textile mill. 9th Conference on Sustainable
Development of Energy, Water and Environment Systems. SDEWES
2014.
P. V. Nidheesh, Minghua Zhou, Mehmet A. Oturan (2017). An overview on

the removal of synthetic dyes from water by electrochemical advanced
oxidation processes. Chemosphere. 2017.
Pan et al (2019). Membrane technology coupled with electrochemical

advanced oxidation processes for organic wastewater treatment:
178
Recent advances and future prospects. Chemical Engineering

Journal. 2019.
P. Box G., Stuart Hunter J., G. Hunter W. (2005). Statistics for

Experimenters: Design, Innovation and Discovery. Wiley Interscience.
Pesterfied et al (2012). Pourbaix (E−pH-M) Diagrams in Three Dimensions.

J. Chem. Educ. 2012, 89, 891−89.
Pey Clemente, J. (2008). Aplicación de procesos de oxidación avanzada

(Fotocatálisis solar) para el tratamiento y reutilización de efluentes
textiles. Tesis doctoral. Universitat Politècnica de València.
Pignatello et al (2006). Advanced oxidation Processes for organic

contaminant Destruction Based on the Fenton reaction and related
Chemistry. Critical Reviews in Environmental Science and
Technology, 36: 1-84.
Popat et al (2019). Mixed industrial wastewater tretatment by combined

electrochemical advanced oxidation and biological processes.
Chemosphere 237 (2019) 124419.
Punzi et al (2012) Treatment of synthetic textile wastewater by

homogeneous and heterogeneous photo-Fenton oxidation. Journal of
Photochemistry and Photobiology A: Chemistry, 248, pp.30-35.
R. Piña et al (2006). Metodología Robusta para superficies de respuesta.

CULCyT.
Radha et al (2009). Electrochemical oxidation for the treatment of textile

industry wastewater, Bioresource technology 100, pp. 987-990.
179
Rangel M. et al (2013). Electrochemical oxidation of reactive blue 222 on

Boron doped Diamond electrodes. Int. J- Electrochem. Sci. 8, pp.
3310-3320.
Ren et al (2016). A novel vertical Flow electro-Fenton reactor for organic

wastewater treatment. ChemicalEngineeringJournal. 298. 55-67.
Rice E. W., Baird R. B, Eaton A. D. (2107). Standard Methods for the

examination of Water and Wastewater. 23rd Edition. AWWA. 2017.
Rodrigues et al (2009). Treatment of textile effluent by chemical (Fenton's

Reagent) and biological (sequencing batch reactor) oxidation. Journal
of Hazadours Materials, 172, pp. 1551-1559.
Rodrigues et al (2014). Synthetic textile dyeing wastewater treatment by

integration of advanced oxidationb and biological processes-
Performance analysis with costs reduction. Journal of Environmental
Chemical Engineering 2 (2014) 1027-1039.
Rodríguez M. (2003). Thesis Doctoral. Fenton and UV-based advanced

oxidation processes in wastewater treatment: Degradation,
mineralization and biodegradably enhancement. Universidad de
Barcelona.
S. Gob. (2001). Optimierung and Modellierung der

PhotochemishBeschleunigten Fenton-reaktion, dissertation, Fakultat
fur Chemieningenieurwesen der UniversitatFridericiana Karlsruhe.
Sahinkaya et al (2019). Performance of a pilot-scale reverse osmosis

process for water recovery from biologically-treated textile wastewater.
Journal of Environmental Management 249 (2019) 109382.
180
Salas C. G. (2003). Tratamiento Físico Químico de Aguas residuales de la

Industria Textil. Rev. Per. Quim. Ing. Quim. Vol. 5. No 2, 2003. Pág.
73-80.
Sala M. et al (2012). Electrochemical Techniques in Textile Processes and

Wastewater Treatment. International Journal of Photoenergy. Article
ID 629103, Volume 2012.
Sarria et al (2003). An innovative coupled solar-biological system at field

pilot scale for the treatment of biorecalcitrant pollutants. Journal of
Photochemistry and Photobiology.
Sathya et al (2019). Evaluation of advanced oxidation processes (AOPs)

integrated membrane bioreactor (MBR) for the rea textile wastewater
treatment. Journal of Environmental Management 246 (2019) 768-
775.
ShohidullhMiah. (2012). Cost-effective Treatment Technology on Textile

Industrial Wastewater in Bangladesh. Journal of Chemical
Engineering, IEB. Vol. ChE. 27, No 1, June 2012.
Shokrollahi y Sharifnia (2018). Optimization of Aqueous NH +4/NH 3
Photodegradation by ZnO/Zeolite Y Composites Using Response

Surface Modeling. International Journal of Chemical Reactor
Engineering. 2018; 20180042.
Silva et al (2018). Chemical and Electrochemical advanced oxidation

processes as a polishing step for textile wastewater treatment: A study
regarding the discharge into the environment and the reuse in the
textile industry. Journal of Cleaner Production (2018).
Simion et al (2015). Enhancing the Fenton Process by UV light applied in

textile wastewater treatment. Environmental Engineering and
Management Journal, vol. 14, No 3, 595-600.
181
Soares et al (2017). Remediation of a synthetic textile wastewater from

polyester-cotton dyeing combining biological and photochemical
oxidation processes. Separation and Purification Technology 172
(2017) 450-462.
Su et al (2016). Combination and Hybridisation of Treatments in Dye

Wastewater Treatment: A Review. Journal of Environmental Chemical
Engineering 4 (3). Julio 2016.
Sun, S., Li, C., Sun, J., Shi, S., Fan, M. & Zhou, Q. (2009). Decolorization
of an azo dye Orange G in aqueous solution by Fenton oxidation
process: Effect of system parameters and kinetic study, Journal of
Hazardous Materials, 161, 2, pp. 1052–1057.
Thuy Khanh Trinh et al (2010). Application of response surface method as

an experimental Design to optimize Coagulation Tests. Environ. Eng.
Res. 2010 June, 15 (2), pp. 063-070.
Torrades et al (2014). Using central composite experimental design to

optimize the degradation of real dye wastewater by Fenton and photo-
Fenton reactions. Dyes and Pigments, 100, pp. 184-189.
Usha N. Murthy et al (2011). Electrochemical Treatment of Textile Dye

Wastewater using Stainless Steel Electrode. International Conference
on Environmental and Computer Science. IPCBEE vol. 19.
Uwidia et al (2013). Characterization of textile Wastewater Discharges in

Nigeria and its Pollution Implications. Global Journal of Researches in
Engineering. General Engineering. Volume 13.
Vargas R. (2006). La Cultura del Agua: Lecciones de la América Indígena.

Unesco Phi.
182
Vogelpohl Alfons and Soo-Myung Kim (2004). Advanced Oxidation

Processes in wastewater treatment. J. Ind. Eng. Chem. Vol. 10, No1,
pp. 33-40.
Wayne B. (1997). The Science of Chemical Oxygen Demand. Technical

Information Series, Booklet No 9. Hach Company.
Wenjun et al (2003). Optimal methods for quenching H2O2 residuals prior to

UFC testing. Water Research, 37, pp. 3697-3703.
WWAP (2017). Informe Mundial sobre el Desarrollo de los Recursos

Hídricos de las Naciones Unidas 2017: Aguas residuales, el recurso
desaprovechado. Programa Mundial de Evaluación de los Recursos
Hídricos (WWAP). 2017.
Xiao et al (2012). Constructing Definitive Screening Designs using
Conference matrices. Journal of Quality Technology. Vol. 44, No 1,
January 2012.
Yao, H. (2013). Application of advanced oxidation processes for treatment

of air from livestock buildings and industrial facilities Department of
Engineering, Aarhus University. Denmark. 36 pp. - Technical report
BCE -TR-8.
Zapata A. (2011). Tesis Doctoral: Descontaminación de Aguas

Biorecalcitrantes mediante foto Fenton solar y oxidación biológica a
escala Industrial. Efecto de las variables del proceso fotocatalítico
sobre la eficiencia del tratamiento combinado. Universidad de Almeria.
Zazou et al (2019). Treatment of textile industry wastewater by

electrocoagulation coupled with electrochemical advanced oxidation
processes. Journal of Water Process Engineering 28 (2019) 214-221.
Zongping Wang, Miaomiao Xue, Kai Huang and Zizheng Liu (2011). Textile
Dyeing Wastewater Treatment, Advances in Treating Textile Effluent,
Peter J. Hauser, IntechOpen. Available from:
183
https://www.intechopen.com/books/advances-in-treating-textile-
effluent/textile-dyeing-wastewater-treatment
Fuentes de Internet:
Brady R (2017). Slides Theory of Color measurement, Australian wool

textile training center. Fuente imagen el proceso de la visión Figura
2. Recuperado de: https://www.woolwise.com/wp-
content/uploads/2017/05/05.1-Theory-of-Colour-Measurement-
Presentation.pdf
Cámara et al, 2016. Diseño experimental y optimización de sistemas con

múltiples respuestas. Recuperado de:
https://www.fbcb.unl.edu.ar/laboratorios/ladaq/wp-
content/uploads/2016/06/3-RSM_Mezclas_2016.pdf
Coagulation and Flocculation. Open Course Ware. Drinking Water

Treatment. September 2007, Delft University of Technology.
Recuperado de: https://ocw.tudelft.nl/wp-
content/uploads/Coagulation-and-flocculation-1.pdf
Fisher A. (2017). Dyeing methods for wool. Recuperado de:

https://www.woolwise.com/wp-content/uploads/2017/05/02.2-Dyeing-
Methods-for-Wool-Notes.pdf
Wadia, Devan N. (2015). Heterocyclic based dyes synthesis

characterization and their application. Chapter-1: Introduction reactive
dyes. Shodhganga a reservoir of Indian theses @ INFLIBNET.
Recuperado de:
184
http://shodhganga.inflibnet.ac.in/bitstream/10603/39781/6/06_chapte
r1.pdf
Fuente datos Cuadro 2, columna de pesos por unidad productos textiles,

recuperado de: https://zenmarket.jp/es/weight.aspx
Fuente imagen de Espectro electromagnético Figura 1, tomada de la

ChemWiki de UC Davis (Universidad de California en Davis).
Recuperado de: https://es.khanacademy.org/science/physics/light-
waves/introduction-to-light-waves/a/light-and-the-electromagnetic-
spectrum
Fuente imagen Figura 26(a), recuperado de: https://ars.els-

cdn.com/content/image/1-s2.0-S0269749116313537-fx1_lrg.jpg
185
ANEXOS
186
ANEXO 1. Electrodos de Pt utilizados en las pruebas. Se muestra

espaciamiento considerado (5 mm) entre electrodos
Electrodo de Pt
187
ANEXO 2. Electrodos de Ti/Ru-Os utilizados en las pruebas. Se muestra

espaciamiento considerado (5 mm) entre electrodos
Electrodo de Ti/Ru-Os
188
ANEXO 3. Módulo de reactores Electroquímicos en el laboratorio de

investigación
ANEXO 4. Reactor Electroquímico en operación

189
ANEXO 5. Módulo de Reactores Fotoquímicos en el laboratorio de

Investigación
190
ANEXO 6. Reactor Fotoquímico en Operación

191
ANEXO 7. Reactor Fotoquímico en Operación

192
ANEXO 8. Colorantes y auxiliares empleados en la preparación del agua

residual textil sintética.
Suavizante Auxiliares:
Soquitquest CMF
Cromagen
Colorantes Sal textil Dispersoquit
ANEXO 9. Agua residual textil sintética recién preparada.

193
ANEXO 10. Insertando muestra en el Digestor Hach.
ANEXO 11. Análisis de DQO en Espectrofotometro UV-Vis Varian.

194
ANEXO 12. Color final del agua residual textil sintética luego del
tratamiento a, Electroquímico-Fotoquímico.
195
tratamiento Fotoquímico
196
tratamiento fotoquímico, regulación de pH a 7 y dejar coagular-
flocular y decantar. Se puede ver el floc de color amarillo
formado en el fondo del vaso por la elevación del pH de 2,5 a
7.
197
ANEXO 15. Formación de floc por cambio de pH en el agua residual luego

del tratamiento Fotoquímico.
198
ANEXO 16. Floc decantado (base del tubo) luego del tratamiento
Fotoquímico y regulación de pH de 2,5 a 7.
199
ANEXO 17. DEMANDA QUIMICA DE OXIGENO (DQO)
La demanda química de oxígeno es un parámetro importante para determinar

la cantidad de contaminante orgánico en el agua.
El test tiene aplicación amplia en medir carga de contaminantes orgánicos en

plantas de tratamiento y en evaluar la eficiencia del tratamiento de un proceso.
La prueba de DQO no determina la concentración de una sustancia

específica; sino que mide el efecto de una combinación de sustancias.
En las pruebas de DQO, se acelera artificialmente el proceso de

biodegradación que realizan los microorganismos mediante un proceso de
oxidación forzada, utilizando un oxidante químico (K 2Cr2O7) en medio ácido
(H2SO4) en presencia de catalizador (Ag).
La demanda de oxígeno es determinada por la medición de la cantidad de

oxidante consumido usando métodos volumétricos o fotométricos. La prueba
no es afectada adversamente por sustancias tóxicas y está disponible en tres
horas.
El dicromato ha sido utilizado para oxidar materia orgánica por más de 70

años. Es preferido sobre los otros oxidantes (persulfato, peryodato, peróxido
de hidrógeno, ferrato, perbromato, hipoclorito, ozono, oxígeno, etc) por su
habilidad superior de oxidación sobre una gran variedad de muestras y su uso
fácil. El test mide el oxígeno equivalente de la cantidad de materia orgánica
oxidada por dicromato de potasio en una solución de ácido sulfúrico al 50%.
Generalmente un compuesto de plata es adicionado como catalizador para
promover la oxidación de ciertas clases de compuestos orgánicos. Un
compuesto de mercurio es adicionado para reducir la interferencia por iones
cloruro.
Se requiere de un tiempo de digestión de dos horas para reducir la materia
orgánica. Después del paso de oxidación, la cantidad de dicromato consumido
es determinado por valoración o colorimétricamente. La cantidad de cromo
reducido (trivalente) o la cantidad de dicromato no reaccionado (hexavalente)
200
puede ser medida. Al final los productos de reacción son CO 2, H2O y varios
estados del ión cromo.
Cuando materia orgánica es oxidada por dicromato en solución de ácido

sulfúrico, mucho del carbono es convertido a CO2. El hidrógeno presente es
convertido a H2O. La reacción está dada, por ejemplo, empleando el Biftalato
de potasio como estándar primario:
2 KC8H5O4 + 10 K2Cr2O7 + 41 H2SO4 16 CO2 + 46 H2O + 10 Cr2(SO4)3 + 11 K2SO4
Iones dicromato (Cr2O 7 2-) forman soluciones de color naranja. Cuando

dicromato es reducido a ión crómico (Cr3+), la solución viene a ser verde.
Para una muestra general se tiene:
Catalizador
-2 + +3
Materia Orgánica (CxHyOz) + Cr2O 7 +H Cr + CO2 + H2O
150 °C
En el método colorimétrico para la demanda de oxígeno teórica y el test de

calibración de DQO, se emplea como estándar de prueba al Biftalato de
Potasio (KHP). La demanda de oxígeno teórica de KHP está dada por la
ecuación:
KC8H5O4 + 7,5 O2 8 CO2 + 2 H2O + KOH
Siete moléculas y media de oxígeno consumen una molécula de KHP.

Base peso:
204,22 𝑔 1000 𝑚𝑔
𝑚𝑔 𝐾𝐻𝑃 = 1 𝑚𝑜𝑙𝑥 𝑥 = 204220 𝑚𝑔 𝐾𝐻𝑃
1 𝑚𝑜𝑙 1𝑔
32 𝑔 1000 𝑚𝑔
𝑚𝑔 𝑂2 = 7,5 𝑚𝑜𝑙𝑥 𝑥 = 240000 𝑚𝑔 𝑂2
1 𝑚𝑜𝑙 1𝑔
240000 𝑚𝑔 𝑂2 1,1752 𝑚𝑔 𝑂2
=
204220 𝑚𝑔 𝐾𝐻𝑃 𝑚𝑔 𝐾𝐻𝑃
201
Por ejemplo, para preparar una solución DQO estándar de 10000 mg/L, la
concentración estándar es dividida por la demanda teórica de oxígeno,
resultando en la cantidad de KHP a ser disuelta en un litro de agua
desionizada:
𝑚𝑔
10000 𝐷𝑄𝑂 (𝑂2) 8509,19 𝑚𝑔 𝐾𝐻𝑃 8,5092 𝑔 𝐾𝐻𝑃
𝐿
= =
1,1752 𝑚𝑔 𝑂2/ 𝑚𝑔 𝐾𝐻𝑃 𝐿 𝐿
Estándares adicionales pueden ser preparados por dilución de esta solución

stock. Los resultados son expresados como mg/L DQO o mg/L O 2.
Compuestos alifáticos de cadena recta no son efectivamente oxidados sin un

catalizador. Varios metales que tienen múltiples estados de valencia son
generalmente efectivos como catalizadores con dicromato. Plata, manganeso,
mercurio, níquel, hierro cobalto y cobre han demostrado tener actividad
catalítica. La plata es el catalizador más efectivo para una gran variedad de
compuestos orgánicos.
La actividad catalítica de la plata es disminuida si están presentes cloruros,

debido a que hay una pérdida de plata libre que precipita. Cuando la muestra
que contiene cloruro es complejada con mercurio o removido empleando otras
técnicas, la plata va a ser un catalizador efectivo.
Cloruro es la interferencia más común y tiene los efectos más grandes sobre
los resultados de la prueba.
A causa de su alta concentración en efluentes, el ión cloruro es a menudo la

mayor fuente de interferencia, ya que éste reacciona con Dicromato de
Potasio mediante la reacción:
6 Cl- + Cr2O72- + 14 H+ 3 Cl2 + 2 Cr3+ + 7 H2O

202
Esta dificultad se supera adicionando HgSO4 a la mezcla para que ocurra una
reacción con el Cl- formando un complejo Cloruro-Hg(II) soluble no
interferente.
La demanda de oxígeno teórica para cloruros es expresada por la ecuación:
4 Cl- + O2 + 4 H+ 2 H2O + 2 Cl2
Una molécula de oxígeno consume cuatro moléculas de iones cloruro. Sobre

una base de peso, la demanda teórica de oxígeno para cloruro es 0,226 mg
O2/mg Cl-. Una muestra conteniendo 1000 mg/L de iones cloruro va a tener
una demanda teórica de oxígeno de 226 mg/L de DQO.
El sulfato de mercurio es el reactivo más ampliamente usado para enmascarar
interferencias de cloruros y es más efectivo cuando la razón de sulfato de
mercurio a cloruros es 10:1 o mayor.
También el Fe2+ y el H2O2 son interferentes, ya que cuando se encuentran en
el medio reaccionan con el dicromato a través de las siguientes reacciones:
K2Cr2O7 (ac) + H2O2 (l) + H2SO4 (ac) → K2SO4 (ac) + 2CrO2 (ac) + 2 H2O (ac) + 3/2O2 (ac)
Cr2O72- + Fe2+ Cr3+ + Fe3+

Depuración Fotoquímica - Electroquímica de Compuestos Orgánicos Persistentes en Agua Residual

Cargado por

Copyright:

Formatos disponibles

Depuración Fotoquímica - Electroquímica de Compuestos Orgánicos Persistentes en Agua Residual

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Depuración Fotoquímica - Electroquímica de Compuestos Orgánicos Persistentes en Agua Residual

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional Mayor de San Marcos

Universidad del Perú. Decana de América

Dirección General de Estudios de Posgrado

“Depuración fotoquímica- electroquímica de

Gutiérrez, C. (2020). Depuración fotoquímica- electroquímica de compuestos

Código ORCID del autor

DNI del autor 28276220

Código ORCID del asesor 0000-0003-1055-4237

DNI del asesor 08009915

Agencia financiadora Ninguno

Año o rango de años en que se

A mi madre, mis hijos, y

Un agradecimiento a la Universidad Nacional Mayor de San Marcos y a los

1.1. Situación Problemática 1

2.1. Marco Filosófico de la Investigación 12

2.3.11. Metodología de superficie de respuesta 80

3.1. Materiales y equipos 99

4.1. Presentación de resultados 111

4.2.2. Resultados y análisis etapa fotoquímica 137

REFERENCIAS BIBLIOGRÁFICAS 178

Cuadro 1. Ejemplos de valores de parámetros de agua residual de la

Cuadro 2. Fabricación de productos textiles en kg periodo

Cuadro 3. Valores máximos admisibles (VMA) de las descargas de

Cuadro 14. Estructura de una matriz de DCDA con m+1 a m+4

Cuadro 26. Estimación de parámetros etapa Electroquímica 118

Cuadro 37. Análisis ANOVA modelo cuadrático (suma parcial de

Figura 1. Espectro electromagnético 29

Figura 19. Especies de Hierro Férrico presentes en solución acuosa

Figura 39. Estructura de un diseño DCDA para m=5 (A, B, C, D y E)

Figura 40. Gráfico que combina superficie de respuesta y gráfica de

Figura 54. Salida Gráfico de deseabilidades por variable dado por

En esta investigación se realizó un tratamiento de oxidación combinado

Palabras clave: Métodos de oxidación avanzada combinada. Método Foto químico.

In this investigation a combined oxidation treatment (Photochemical-

Electrochemical) was carried out on a synthetic wastewater of the textile industry

experimental design of definitive three-level screening and the response surface

each treatment stage (Photochemical stage: Fenton reagent ratio 11.25-26.25,

Treatment time 60-180min, lamp power 4-18 W, pH 2-4; electrochemical stage:

equations were used to model each stage of treatment. Adjusted coefficients of

electrochemical stage. Using process variables in their optimal states

(photochemical Stage: ratio of Fenton 18 reagents, lamp power 4 W, pH 2.5,

treatment method achieved a reduction of the persistent organic load of 97.7%

indicating that it is suitable for the treatment of this type of wastewater.

Key words: Combined advanced oxidation methods. Chemical Photo Method.

1.1. SITUACION PROBLEMÁTICA

El agua es de primordial importancia para procesos que implican el

La Industria textil provoca considerables impactos a la contaminación del agua

La industria textil en el Perú tiene una participación próxima al 2% del producto

La industria textil presenta problemas medioambientales vinculados

Cuadro 1. Ejemplos de valores de parámetros de agua residual de la

Del cuadro 1, se observa que las aguas residuales textiles generadas

- Variabilidad de carga contaminante.

En general, las aguas residuales son sometidas a etapas de tratamiento

et al, 2018). Los métodos convencionales disponibles no pueden tratar las

En el cuadro 2, se ha estimado la producción mensual en kg (considerando

Cuadro 2. Fabricación de productos textiles en kg periodo enero-octubre 2018

Empleando dato Total del cuadro 2, la cantidad de agua residual mensual,

𝑚3 𝑎𝑔𝑢𝑎 𝑟𝑒𝑠𝑖𝑑𝑢𝑎𝑙 𝑘𝑔 𝑝𝑟𝑜𝑑 𝑡𝑒𝑥𝑡𝑖𝑙 0,15 𝑚3 𝑎𝑔𝑢𝑎 𝑚𝑒𝑠

De cálculos, en el Perú se genera aproximadamente 8 265 m 3/día de agua