This study reports, for the first time, on the assessment of a multistage sequential system composed of coagulation–flocculation with different electro-Fenton-based configurations, followed by neutralization (N), for the treatment of raw textile wastewater heavily contaminated with acid black 194 dye and other pollutants. Electrochemical peroxidation (ECP-N), electro-Fenton (EF-N) and peroxi-coagulation (PC-N) were tested at laboratory scale and compared in terms of their efficiency for the removal of organic matter and color, current efficiency and energetic parameter, operating cost and environmental sustainability using life cycle analysis conducted in large-scale virtual reactors. The three electro-Fenton-based systems complied with current environmental standards (color removal > 87%, COD < 400 mg/L, among others) requiring different electrolysis times: ECP-N (52 min) < PC-N (120 min) < EF-N (160 min); energy consumptions: ECP-N (2.27 kWh/m³) < PC-N (4.28 kWh/m³) < EF-N (33.2 kWh/m³); operational costs: ECP-N (2.63 USD/m³) < EF-N (6.65 USD/m³) < PC-N (6.98 USD/m³); among others. Electricity (for ECP-N and EF-N) and reagents (for ECP-N and PC-N) were found as main environmental hotspots. ECP-N presented the lowest carbon footprint of 10.3 kg CO₂-Eq/FU (<PC-N (26.3 kg CO₂-Eq/FU) < EF-N (38.0 kg CO₂-Eq/FU), had lower incidence in all the impact categories analyzed (ReCiPe-2016 at midpoint level) and can be considered technically, economically and environmentally sustainable for large-scale applications.

Varias empresas textiles del eje cafetero colombiano utilizan el colorante negro ácido 194 (NA194) en sus procesos de teñido. Del monitoreo de las aguas residuales de esas empresas, realizados por el grupo de investigación PRISMA (GI-PRISMA), se ha establecido que el uso del NA194 genera efluentes (ARnD) altamente contaminantes que superan los límites permisibles establecidos por la normativa ambiental nacional (color aparente = 45850 U Pt-Co, Demanda Química de Oxígeno, DQO = 3800 mg O₂/L y Demanda Biológica de Oxígeno, DBO₅ = 790 mg O₂/L). Los procesos electroquímicos avanzados de oxidación (PEAOs) han sido reportados como alternativa potencial para el tratamiento de aguas residuales textiles. Entre los PEAOs, el proceso Electro-Fenton (EF) es de especial interés debido a su fácil implementación y altas remociones de carga orgánica. Con el objetivo de disminuir los valores de los parámetros fisicoquímicos de los efluentes mencionados y así poder cumplir con la normatividad ambiental vigente, se evaluaron tres procesos secuenciales de Coagulación/Floculación-EF (CF-EF), considerando que el uso de procesos acoplados CF-PEAOs mejoran la eficiencia global de los tratamientos. Estudios anteriores realizados en el GI-PRISMA se enfocaron en la optimización de las condiciones de operación del proceso CF para el tratamiento del ARnD bajo estudio (con un costo de 6 USD/m³) obteniendo remociones de DQO y color de 60% y 98%, respectivamente. No obstante, parámetros como el DQO y el DBO₅ siguen superando los límites establecidos por la normativa ambiental colombiana. Se evaluaron experimentalmente la eficiencia de tres esquemas de operación del proceso Electro-Fenton: (i) EF convencional, donde el H₂O₂ fue electrogenerado sobre un cátodo de carbon felt comercial (área sumergida (AS)=30.25 cm², ánodo de BDD/Si:NeoCoat®-Electrodes, AS=24 cm²) y el Fe²⁺ fue agregado externamente (solución acuosa de FeSO₄⸱7H₂O, Reagents DUKSAN, extra puro); (ii) Peroxidación-electroquímica (ECP), donde la dosificación de Fe²⁺ se realizó mediante la disolución del ánodo de hierro (Bronces y Láminas S.A.S, AS=20 cm²), y el H₂O₂ (Bioquigen, 30% vol.) fue agregado externamente; y (iii) Peroxi-coagulación (PC), donde los dos reactivos Fenton fueron electrogenerados in situ (cátodo de carbon felt comercial, ánodo de hierro). Las pruebas se llevaron a cabo en una celda electroquímica enchaquetada de un solo compartimiento, operando en modo galvanostático, pH=3, T=20°C, y con 200 mL de un ARnD pretratada mediante CF. Se evaluó el efecto de las condiciones operacionales (densidad de corriente (j), concentración de Fe²⁺ y H₂O₂) sobre la fracción residual de DQO (DQO/DQO₀), la fracción residual de color (CN/CN₀) y los costos operacionales (COpT_{EF-Neutralización}). Para una j=10 mA/cm², el proceso CF-EF convencional logró cumplir la normativa ambiental alcanzando una DQO/DQO₀=0.11 y CN/CN₀=0.03 con un COpT_EF<9.5 USD/m³ para 1mM de Fe²⁺. El proceso CF-ECP consiguió una DQO/DQO₀=0.13 y CN/CN₀=0.03, con un COpT_EF<3.5 USD/m³, cumpliendo con la normatividad ambiental actual, para una j=10 mA/cm² y 0.9511 g/L de H₂O₂. El proceso CF-PC alcanzó una DQO/DQO₀=0.22 y CN/CN₀=0.34, para una j=10 mA/cm², con un COpT_EF≈10 USD/m³.

Response surface methodology (RSM) has been a cornerstone for experimental bioprocess optimization, yet its reliance on polynomial equations often fails to capture complex nonlinearities and requires extensive experimental data to attempt capturing them. This study evaluates the enhancement of RSM through machine learning (ML) techniques, specifically Gaussian Processes and Support Vector Machines, across three biological systems: succinic acid fermentation, biobutanol production, and continuous ethanol cultivation. To mitigate the “black-box” nature of ML, explainability measures such as Mutual Information (MI) and Local Interpretable Model-agnostic Explanations (LIME) were integrated to assess feature importance and ensure biological relevance. Results demonstrate that ML models consistently outperform traditional polynomials in predictive accuracy, even when having access to less experimental data for calibration and a reduced space of features, particularly on validation data sets where errors were significantly reduced (e.g., reaching MAPE lower than 1% in simulated experimental scenarios). Furthermore, the application of Model-Based Design of Experiments using Latin Hypercube Designs achieved optimal conditions with up to 50% fewer experimental runs compared to traditional factorial approaches. These findings suggest that coupling ML with explainability tools improves the reliability of finding optimal conditions for bioprocess development while also significantly enhancing operational efficiency by reducing experimental runs, time, and costs.