Desmetalización de fondos de vacío: predicción de rendimientos de DMO utilizando redes neuronales artificiales

Simple item page
dc.contributor.advisorMorales Medina, Giovanni
dc.contributor.authorGomez Aparicio, Angie Paola
dc.contributor.authorPlata Sanchez, Paola Andrea
dc.date.accessioned2024-03-03T23:14:42Z
dc.date.available2017
dc.date.available2024-03-03T23:14:42Z
dc.date.created2017
dc.date.issued2017
dc.description.abstractActualmente las redes neuronales son ampliamente usadas para el tratamiento de datos complejos con múltiples aplicaciones debido a su capacidad para predecir y clasificar. La implementación de redes neuronales artificiales RNA en la predicción de rendimiento de DMO en el proceso de desmetalización de fondos de vacío permite identificar arquitecturas de red con un desempeño adecuado que sea útil para la predicción cuantitativa de las variables del proceso. Para el desarrollo de este proyecto se emplearon datos históricos correspondientes a la unidad DEMEX de la Gerencia Refinería de Barrancabermeja (GRB), a partir de esto se manejaron 4 casos de estudio, los cuales se subdividen en 3 escenarios operativos con diferente rango de operación. Para cada uno de estos casos se realizó un análisis estadístico a las variables. Las redes neuronales fueron entrenadas con la herramienta toolbox de MATLAB. Los resultados obtenidos en este estudio determinaron que el mejor desempeño fue para el escenario operativo 2 con componentes principales (PCA), reportando los errores cuadrado promedio MSE más bajos. Asimismo el análisis de sensibilidad muestra que el escenario operativo 2 presenta mayor capacidad de predicción semi-cuantitativa, es decir, es posible mejorar estos resultados explorando nuevos escenarios. Finalmente se identificaron tres escenarios compuestos por un conjunto de datos según los diferentes rangos para la carga de entrada.
dc.description.abstractenglishNeural networks are now widely used for the treatment of complex data with multiple applications due to their ability to predict and classify. The implementation of artificial neural networks RNA in the prediction of BMD performance in the vacuum fund demetallization process allows to identify network architectures with adequate performance that is useful for the quantitative prediction of process variables. For the development of this project, historical data were used for the DEMEX U2500 unit of the ECOPETROL refinery in the city of Barrancabermeja. From this, 4 studies case were managed, which are subdivided into 3 operating scenarios with different operating ranges. For each of these cases, a statistical analysis was performed on of variables. The neural networks were training with the MATLAB toolbox. The results obtained in this study determined that the best performance was for the operational scenario 2 with PCA, reporting the lowest mean square errors MSE. Likewise, the sensitivity analysis shows that the operational scenario 2 presents greater capacity of semi-quantitative prediction, that is, it is possible to improve these results by exploring new scenarios. Finally, we identified three scenarios composed by a set of data according to the different ranges for the input load.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Químico
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/35824
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicoquímicas
dc.publisher.programIngeniería Química
dc.publisher.schoolEscuela de Ingeniería Química
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectRedes Neuronales Artificiales
dc.subjectDemex
dc.subjectDmo
dc.subjectExtracción Líquido-Líquido.
dc.subject.keywordArtificial Neural Networks
dc.subject.keywordDemex
dc.subject.keywordDmo
dc.subject.keywordLiquid-Liquid Extraction.
dc.titleDesmetalización de fondos de vacío: predicción de rendimientos de DMO utilizando redes neuronales artificiales
dc.title.englishDemetallization of vacuum funds: prediction of dmo yield using artificial neural networks
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
253.19 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
1.46 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
243.64 KB
Format:
Adobe Portable Document Format
Download
Collections
Ingeniería Química