Simulación de la evaporación de película descendente al vacío y con gas de arrastre utilizando redes neuronales

Abstract

Las redes neuronales son una herramienta computacional basada en el cerebro humano, que permiten reconocer patrones entre la información que se le suministra gracias a un proceso de aprendizaje. Debido a esto, su uso en modelamiento de procesos se ha incrementado considerablemente. En el presente estudio se realizó el modelamiento del proceso de evaporación de película descendente al vacío y con gas de arrastre utilizando esta herramienta. Para alcanzar dicho objetivo se diseñó la arquitectura de una red neuronal Feedforward, a la cual se le suministraron datos de la evaporación de película descendente al vacío y con gas de arrastre. La mejor estructura de la red neuronal encontrada fue de 2 capas ocultas, 30 neuronas ocultas en cada capa, 60 datos suministrados a la red, 60% de información destinada a entrenamiento y método de entrenamiento de Levenberg-Maquardt. Las pruebas se realizaron en base a un diseño experimental factorial 33 por duplicado. Para la evaporación de película al vacío se obtuvieron errores promedios de 0,04%; 2,97%; y 8,15% en la predicción de la el factor de concentración, la temperatura de salida y el caudal mínimo de operación, respectivamente. Para la evaporación con gas de arrastre el error en la predicción del factor de concentración fue de 2,91%; mientras que para el caudal mínimo fue de 5,80%. Con el modelo verificado se realizó la simulación del proceso y posterior análisis de influencia de las variables. Se encontró que la concentración de entrada es la variable de mayor influencia en el proceso al vacío, mientras que la velocidad del gas presenta el mayor efecto sobre las variables de salida del proceso con gas de arrastre. _______________________