Determinación de un modelo de red neuronal artificial para la predicción de la penetración del asfalto producido en la T-2103 de la gerencia refinería Barrancabermeja

Abstract

En la Gerencia de la Refinería Barrancabermeja, el fondo de vacío de la unidad U-2100 es utilizado en la preparación de cemento asfáltico utilizado en pavimentación. Entre las especificaciones comerciales para el asfalto se tiene que su penetración debe oscilar entre 60 y 70 mm/10. La penetración es determinada experimentalmente con un tiempo de respuesta de 5 horas, con lo cual la corrección del asfalto preparado fuera de especificaciones impacta en la logística y en las entregas del producto final. En este trabajo se expone una metodología dirigida al entrenamiento de redes neuronales artificiales (RNA) para la predicción de la penetración del fondo de vacío de la U-2100 utilizando datos históricos de las variables de proceso. Según los resultados, un análisis estadístico de los históricos condujo a la definición de 26 variables para el desarrollo de modelos de predicción. Asimismo, un análisis de agrupaciones revela dos esquemas operativos para U-2100; el esquema 1 contiene muestras anteriores a la reparación de la unidad y se caracteriza por valores de penetración altos; el esquema 2 posee muestras posteriores a la reparación de la unidad, con menores valores de penetración. Las arquitecturas de RNA mostraron diferentes desempeños según la función de activación, el número de neuronas y el número de capas internas. El mejor desempeño en la predicción de la penetración hasta 100 mm/10 fue obtenido con la estructura 26:35:4:1 TanH. Por otra parte, el mejor desempeño en la predicción de la penetración hasta 60 mm/10 fue obtenido con la estructura 26:12:1 TanH. Las desviaciones estándar de las mejores redes correspondieron a 6.5 mm/10, las cuales resultaron comparables con la repetibilidad promedio de 4 mm/10 de la norma ASTM-D5-06. Asimismo, los valores de las desviaciones estándar de las mejores RNA resultaron comparables con trabajos previos de la literatura abierta.