Propuesta de un modelo predictivo para monitorear el cumplimiento de las especificaciones del asfalto tipo exportación por grado de desempeño PG en GRB, aplicando análisis e inferencia de datos y correlación estadística
dc.contributor.advisor | Mercado Ojeda, Ronald Alfonso | |
dc.contributor.advisor | Martínez Rey, Ramiro | |
dc.contributor.author | Barrera Jaimes, Sandra Milena | |
dc.contributor.evaluator | Ramírez Caballero, Gustavo Emilio | |
dc.contributor.evaluator | Baldovino Medrano, Victor Gabriel | |
dc.date.accessioned | 2022-09-20T15:34:10Z | |
dc.date.available | 2022-09-20T15:34:10Z | |
dc.date.created | 2022-09-09 | |
dc.date.issued | 2022-09-08 | |
dc.description.abstract | En este trabajo se evaluó la calidad del asfalto grado desempeño (PG), desde un enfoque de la ciencia de datos; esto a través del estudio de las correlaciones estadísticas para la estimación de parámetros reológicos, físicos y mecánicos a partir del análisis de bases de datos existentes de la GRB. Para el desarrollo del proyecto, el modelamiento se realizó por medio del software MATLAB, aplicando machine learning con un algoritmo de aprendizaje automático, específicamente aprendizaje no supervisado por medio del algoritmo SVD. El objetivo principal del aprendizaje no supervisado es encontrar patrones en los datos de entrada que indiquen características potenciales; para luego aplicar las correlaciones a lugar y posteriormente poder obtener las predicciones de las propiedades correspondientes al estudio de la calidad del asfalto PG. Inicialmente se realizó un pretratamiento de datos y luego se aplicó aprendizaje no supervisado, donde los resultados que se desean obtener del modelo se conocían previamente, y estos se usaron como datos de entrenamiento (validación). En este modelo se trabajó con dos tipos de datos; datos de entrenamiento provenientes de una matriz conformada por las caracterizaciones de asfalto PG tipo exportación, y datos de prueba conformados por una matriz proveniente de analítica del asfalto tipo exportación en GRB. Para la validación del modelo se usó una matriz de datos de la cual se lograron predecir 4 propiedades del asfalto en la etapa de interés PAV (envejecimiento a largo plazo), etapa III de la caracterización asfalto grado PG 64-22. Las propiedades que se lograron predecir fueron: Temperatura de falla Asfalto Residuo PAV, Módulo Reológico a 64°C, Asfalto Residuo PAV, Rigidez a -12°C, Asfalto Residuo PAV y m(t) a -12°C, Asfalto Residuo PAV. | |
dc.description.abstractenglish | In this work, the quality of performance grade asphalt (PG) was evaluated from a data science approach; this through the study of statistical correlations for the estimation of rheological, physical and mechanical parameters from the analysis of existing GRB databases. For the development of the project, the modeling was carried out using MATLAB software, applying machine learning with an automatic learning algorithm, specifically unsupervised learning through the SVD algorithm. The main goal of unsupervised learning is to find patterns in the input data that indicate potential features; to then apply the correlations to the place and later be able to obtain the predictions of the properties corresponding to the study of the quality of the PG asphalt.Initially, data pre-treatment was performed and then unsupervised learning was applied, where the desired results of the model were previously known, and these were used as training data (validation). In this model we worked with two types of data; training data from a matrix made up of export-type PG asphalt characterizations, and test data made up of a matrix from export-type asphalt analytics in GRB. For the validation of the model, a data matrix was used from which it was possible to predict 4 asphalt properties in the PAV stage of interest (long-term aging), stage III of the PG 64-22 grade asphalt characterization. The properties that were predicted were: Asphalt Residue PAV failure temperature, Rheological Modulus at 64°C, Asphalt Residue PAV, Stiffness at -12°C, Asphalt Residue PAV and m(t) at -12°C, Asphalt Residue PAV. | |
dc.description.degreelevel | Pregrado | |
dc.description.degreename | Ingeniero en Ingeniero de Procesos de Refinación y Petroquímicos | |
dc.format.mimetype | application/pdf | |
dc.identifier.instname | Facultad de Ingeníerias Fisicoquímicas | |
dc.identifier.reponame | Universidad Industrial de Santander | |
dc.identifier.repourl | https://noesis.uis.edu.co | |
dc.identifier.uri | https://noesis.uis.edu.co/handle/20.500.14071/11596 | |
dc.language.iso | spa | |
dc.publisher | Universidad Industrial de Santander | |
dc.publisher.faculty | Facultad de Ingeníerias Fisicoquímicas | |
dc.publisher.program | Ingeniería de Procesos de Refinación y Petroquímicos | |
dc.publisher.school | Escuela de Ingeniería Química | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights.accessrights | info:eu-repo/semantics/openAccess | |
dc.rights.coar | http://purl.org/coar/access_right/c_abf2 | |
dc.rights.creativecommons | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) | |
dc.rights.license | Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) | |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
dc.subject | asfalto | |
dc.subject | modelo predictivo | |
dc.subject | correlación | |
dc.subject | reología | |
dc.subject | grado de desempeño | |
dc.subject | descomposición de valores singulares | |
dc.subject | rigidez. | |
dc.subject.keyword | asphalt | |
dc.subject.keyword | predictive model | |
dc.subject.keyword | consolidation | |
dc.subject.keyword | rheology | |
dc.subject.keyword | deterioration of singular values | |
dc.subject.keyword | stiffness. | |
dc.subject.keyword | Performance grade | |
dc.title | Propuesta de un modelo predictivo para monitorear el cumplimiento de las especificaciones del asfalto tipo exportación por grado de desempeño PG en GRB, aplicando análisis e inferencia de datos y correlación estadística | |
dc.title.english | Proposal for a predictive model to monitor compliance with export-type asphalt specifications by performance grade PG in GRB, applying data analysis and inference and statistical verification | |
dc.type.coar | http://purl.org/coar/resource_type/c_7a1f | |
dc.type.hasversion | http://purl.org/coar/version/c_b1a7d7d4d402bcce | |
dc.type.local | Tesis/Trabajo de grado - Monografía - Pregrado | |
dspace.entity.type |
Files
Original bundle
1 - 3 of 3
No Thumbnail Available
- Name:
- Carta de autorización.pdf
- Size:
- 51.87 KB
- Format:
- Adobe Portable Document Format
No Thumbnail Available
- Name:
- Nota de proyecto.pdf
- Size:
- 575.35 KB
- Format:
- Adobe Portable Document Format
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 2.18 KB
- Format:
- Item-specific license agreed to upon submission
- Description: