UTN- FRC -Producción Académica de Investigación y Desarrollo - Artículos

Permanent URI for this collectionhttp://48.217.138.120/handle/20.500.12272/2453

Browse

Author: search.filters.author.Modesti, Mario RobertoHas files: Yes

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Comparison of neural networks. an estimation model in yield of monoglycerides from biodiesel by-product
    (2019-07-17) Álvarez, Dolores María Eugenia; Bálsamo, Nancy Florentina; Modesti, Mario Roberto; Crivello, Mónica Elsie
    Biodiesel is generally manufactured by transesterification, obtaining glycerol as a by-product. The transesterification of methyl stearate selectively produced monoglycerides, for glycerol valuation. Mixed oxides containing lithium catalysed the reaction. The purpose of this work was to develop and compare mathematical models obtained through artificial neural networks (ANN), capable for characterising the relationship between the mole percent conversion of methyl stearate and the yield of the products mono-, di- and triglycerides. The lowest mean squared error (MSE), the highest correlation coefficient (R), similarity in the evolution of validation and simulation errors and absence of data overlearning were considered to select the best model. Three ANNs with backpropagation structures were compared. They evidenced high correspondence between the estimated product yield values and the interpolated experimental ones. The ANN containing 35 neurons with sigmoid transfer function in the hidden layer and a linear neuron in the output one was the simplest. Consequently, the 5, 15 and 60 neurons were also explored in the hidden layer. The ANN structured with an intermediate number of neurons (35) achieved the most adequate MSE, considering mono- and diglyceride products (0.011193, 0.000489). The development of these models contributes to the dynamic estimation of the process.
  • Thumbnail Image
    Item
    Arquitectura ANFIS del proceso de fermentación de aceitunas negras naturales ; entrenamiento a escala piloto y validación a escala industrial
    (2016-10-25) Álvarez, Dolores María Eugenia; Kliger, Luis; Modesti, Mario Roberto
    En el proceso de obtención de aceitunas negras naturales, las condiciones inciden sobre la calidad del fruto fermentado y éstas difieren a distintas escalas. El objetivo del trabajo es generar modelos matemáticos que caractericen las propiedades de las aceitunas negras naturales obtenidas a gran escala, a partir de datos del proceso a escala piloto. Se crearon arquitecturas ANFIS con parámetros físico-químicos como entradas, y de textura y color como salidas. Dichas estructuras se entrenaron con datos obtenidos a escala piloto y se validaron con los industriales. Las redes que demostraron mejor desempeño poseen dos funciones de membresia por entrada incorporada, en forma de campana generalizada y una de salida. Las estructuras logradas demostraron habilidad para predecir la evolución del proceso a escala industrial luego de los primeros días de fermentación. Para incrementar su aptitud, sería conveniente probar otros modelos para el tratamiento de datos, tales como las redes neuronales artificiales