Carlos Arturo Martinez Riascos

Carlos Arturo Martinez Riascos

Auto-generated profile, based on publicly available information

Carlos Arturo Martinez Riascos

Departamento de Ingeniería Química y Ambiental, Facultad de Ingeniería, Universidad Nacional de Colombia – Sede Bogotá, Bogotá 111321, Colombia

Research Focus & Metrics

Academic Career Length

25Years (2002-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
1 May 2004 in Chemical Engineering Journal
Verified
Journal Article
Closed access
CRCarlos A.M. Riascos
Carlos A.M. Riascos
JPJosé M. Pinto
José M. Pinto

30 November 2012 in Ingeniería y Ciencia
Verified
Journal Article
Open access
PDF file
LPLuz Dary Carreño Pineda
Luz Dary Carreño Pineda
LMLuis Alfonso Caicedo Mesa Caicedo Mesa
Luis Alfonso Caicedo Mesa Caicedo Mesa
CRCarlos Arturo Martínez Riascos
Carlos Arturo Martínez Riascos
La celulosa bacteriana es un polímero obtenido por fermentación con microrganismos de los géneros Acetobacter, Rhizobium, Agrobacterium y Sarcina, de las cuales la especie más eficiente es la Acetobacter Xylinum. Este polímero presenta la misma estructura química de la celulosa de origen vegetal, pero difiere en su conformación y propiedades fisicoquímicas, lo que lo hace atractivo para diversas aplicaciones, especialmente en las áreas de alimentos, procesos de separación, catálisis y en medicina, gracias a su biocompatibilidad. Sin embargo, el principal problema es la producción a gran escala limitada por los bajos rendimientos, lo que genera la necesidad de desarrollar alternativas que permitan disminuir o eliminar las causas de esta limitación. En este artículo se hace una revisión acerca de la síntesis, producción, propiedades y principales aplicaciones de la celulosa bacteriana, así como de algunas alternativas estudiadas para disminuir los inconvenientes en el escalamiento del proceso.

15 February 2005 in Computers & Chemical Engineering
Verified
Journal Article
Closed access
CRCarlos A.M. Riascos
Carlos A.M. Riascos
AGAndreas K. Gombert
Andreas K. Gombert
JPJosé M. Pinto
José M. Pinto

19 March 2013 in Industrial & Engineering Chemistry Research
Verified
Journal Article
Closed access
DMDiego Fernando Mendoza
Diego Fernando Mendoza
LPLina M. Palacio
Lina M. Palacio
JGJosé E. A. Graciano
José E. A. Graciano
CRCarlos A. M. Riascos
Carlos A. M. Riascos
AJArdson S. Vianna Jr.
Ardson S. Vianna Jr.
GRGalo Carrillo Le Roux
Galo Carrillo Le Roux

1 January 2013
Verified
Book Chapter
Closed access
CRCarlos A.M. Riascos
Carlos A.M. Riascos
AGAndreas K. Gombert
Andreas K. Gombert
LSLuiziane F. Silva
Luiziane F. Silva
MTMarilda K. Taciro
Marilda K. Taciro
JGJosé G.C. Gomez
José G.C. Gomez
GRGalo Carrillo Le Roux
Galo Carrillo Le Roux

1 November 2023 in Digital Chemical Engineering
Verified
Journal Article
Open access
JHJuan D. Hoyos
Juan D. Hoyos
MNMario A. Noriega
Mario A. Noriega
CRCarlos A.M. Riascos
Carlos A.M. Riascos
Due to the complexity of biochemical systems, the development of traditional phenomenological models is limited if the underlying mechanics are not entirely known. As an alternative, hybrid model frameworks, consisting of data-driven models complemented with first principles models like conservation law, are starting to be used for complex systems. In this work, a comparison of the modeling capabilities between a data-driven model and a hybrid model was developed. The enzymatic production of Galactooligosaccharides (GOS) with the effect of metallic ions was considered as case study. Compared with the experimental results, predictions from data-driven model achieve an R2 of 0.9188 in the best training fold, and the hybrid model an R2 of 0.9696 in the best training fold. Illogical predictions were avoided by including non-phenomenological first-principles constraints into the hybrid model. Finally, an optimization analysis was carried out to find the highest GOS productivity using the hybrid model, optimization results present a deviation of 5.99 % compared to the highest productivity found from experimental data.