Proyectos de Tesis: 2024
Cintia Briyith Mamani Mamani; Arturo Alatrista Corrales; Rodrigo Nestor Molleapaza Chura
Objetivo
Desarrollar y validar un modelo predictivo basado en redes neuronales artificiales que aborde la complejidad de variables múltiples en secadores solares de deshidratación, con el propósito de generar una herramienta capaz de optimizar el proceso de deshidratación, reduciendo el tiempo de secado y prediciendo el contenido de humedad del producto final para mejorar su calidad.
Resumen:
Este proyecto de investigación propone el desarrollo y validación de un modelo predictivo basado en redes neuronales artificiales para optimizar un deshidratador solar, centrado en múltiples variables que influyen en el proceso de deshidratación. El objetivo principal es diseñar un sistema que permita reducir el tiempo de secado y predecir el contenido de humedad del producto final, lo cual es clave para mejorar la calidad del producto deshidratado. Para alcanzar estos objetivos, el deshidratador solar será equipado con avanzados sistemas de medición. Se instalarán sensores para monitorear la humedad, la temperatura ambiental, la radiación solar, la temperatura interna y la velocidad del flujo de aire dentro del deshidratador. La recolección de datos se facilitará mediante el uso de un Arduino, el cual, junto con el software Mentor Monitor, se llegara a configurar para la adquisición y análisis de datos en tiempo real. Adicionalmente, se empleará el software Matlab para desarrollar y procesar el modelo de redes neuronales, permitiendo una evaluación y ajuste precisos del modelo predictivo basado en los datos recopilados. El diseño y funcionalidad del deshidratador serán evaluados mediante pruebas experimentales y análisis computacionales, utilizando metodologías que incluyen pruebas controladas en diferentes condiciones ambientales para validar la eficacia del modelo predictivo. Estas pruebas ayudarán a identificar las configuraciones óptimas para la operación del deshidratador, asegurando que el dispositivo sea capaz de ajustar automáticamente sus parámetros operativos en respuesta a las variaciones en el ambiente y las propiedades de los productos. Este enfoque integrado no solo mejorará la eficiencia energética y la efectividad del proceso de deshidratación sino también permitirá la implementación de un sistema de control avanzado. Dicho sistema, basado en lógica de redes neuronales, realizará ajustes automáticos, mejorando continuamente la operación del deshidratador según los datos en tiempo real. El resultado esperado es el desarrollo de un paquete tecnológico compuesto por el deshidratador solar optimizado, el modelo de red neuronal, y un sistema de control, todo lo cual podría comercializarse para ofrecer una mejora significativa en los procesos de deshidratación solar en la industria alimentaria. Este paquete tecnológico representa una solución innovadora para la conservación de alimentos en áreas donde la energía eléctrica es escasa o donde se prefieren métodos de conservación ecológicos.
Palabras clave
Deshidratador solar, redes neuronales artificiales, optimización, modelo predictivo, Mentor Monitor, Matlab.
Problema central
El principal problema en la región de Arequipa, cuya economía se sustenta ampliamente en la agricultura, es la ineficacia en el proceso de deshidratación solar de alimentos, crucial para conservar la producción agrícola y reducir las pérdidas postcosecha. Esta ineficacia se manifiesta en el proceso de deshidratación solar al ser complejo y depender de múltiples variables interdependientes, como la temperatura ambiental, la humedad relativa, la irradiancia solar y las características específicas del producto a deshidratar. Estas variables influyen directamente en el tiempo de secado y en el contenido de humedad del producto final, aspectos críticos para asegurar la calidad del producto deshidratado. Los modelos matemáticos tradicionales pueden no ser capaces de capturar completamente esta complejidad de la naturaleza. Esta problemática no solo impacta negativamente en la calidad y la vida útil de los productos deshidratados, sino que también conduce a un mal manejo de la energía solar disponible, una fuente de energía renovable abundante en la región. Causa 1: Complejidad no resuelta por modelos convencionales: Los distintos deshidratadores solares actuales no están equipados para ajustar y optimizar automáticamente los procesos basados en las variables ambientales cambiantes. La falta de tecnologías avanzadas que integren sistemas predictivos y de regulación basados en inteligencia artificial (IA) usando redes neuronales (RNA) ha dejado un vacío en la capacidad de adaptar los secadores solares a las condiciones variables de manera eficiente. Causa 2: Desaprovechamiento de tecnología solar avanzada: A pesar que la región Arequipa cuenta con una alta radiación solar, la tecnología existente no maximiza este recurso, lo que se traduce en una eficiencia energética reducida y mayores costos operativos a largo plazo. La falta de integración de sistemas inteligentes en la infraestructura de los deshidratadores solares ha limitado la capacidad de estas tecnologías para adaptarse y evolucionar con las necesidades del mercado y las condiciones ambientales. Causa 3: Barreras en la adopción de nuevas tecnologías: Existe una resistencia significativa y una falta de conocimiento entre los agricultores y productores locales sobre las ventajas y el manejo de tecnologías de deshidratación solar avanzadas. Esta brecha en el conocimiento y la capacitación limita la adopción y la implementación efectiva de soluciones innovadoras, lo que perpetúa la dependencia de métodos tradicionales menos eficientes y más costosos.
Hipótesis planteada
La implementación de un modelo predictivo basado en redes neuronales artificiales puede optimizar significativamente los procesos de secado en secadores solares de deshidratación, mejorando la eficiencia energética y la calidad del producto final, mediante la adaptación precisa a las variaciones multivariables en tiempo real.
Resultados esperados
Artículos científicos publicado en revista indizada
Tesis pregrado
Impactos esperados
El proyecto de investigación propuesto tiene el potencial de generar impactos significativos en diversas áreas, derivados de la optimización de un deshidratador solar utilizando un modelo predictivo basado en redes neuronales artificiales. Los impactos esperados se pueden clasificar en categorías sociales, económicas y ambientales:
1. Impacto Social:
La implementación de un deshidratador solar optimizado facilitará la conservación eficiente de alimentos en regiones con acceso limitado a electricidad, mejorando la seguridad alimentaria y reduciendo las pérdidas post-cosecha.
2. Impacto Económico:
La optimización del proceso de deshidratación mediante inteligencia artificial incrementará la eficiencia productiva y reducirá costos operativos, potenciando la rentabilidad de los productores y generando nuevas oportunidades económicas en la industria alimentaria.
3.Impacto Ambiental:
El uso de energía solar en el deshidratador disminuye la dependencia de combustibles fósiles, contribuyendo a la reducción de emisiones de CO2 y fomentando la sostenibilidad en los procesos de conservación de alimentos.
4.Impacto Tecnológico:
El desarrollo del modelo de red neuronal artificial para el control del proceso de deshidratación establece un nuevo estándar en la aplicación de la inteligencia artificial en sistemas térmicos, proporcionando una base para futuras innovaciones en automatización y control de procesos industriales