Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Morales Medina, GiovanniCastañeda Robayo, Edwin LeonardoJimenez Herrera, Alba Jazmin2024-03-0320172024-03-0320172017https://noesis.uis.edu.co/handle/20.500.14071/35825El ajuste de modelos para la predicción de respuestas en los procesos es una herramienta muy útil en la mayoría de las industrias químicas y petroquímicas, un método fundamental para llegar a dichos modelos es por medio del análisis estadístico de las variables directamente implicadas en el proceso de refinación de crudo para el caso de la gasolina de aviación (JET FUEL). El presente trabajo plantea una metodología para la aplicación de regresión múltiple multivariada sobre DHP comprendidos entre los años 2013 a 2016 obtenidos de la base de datos de ECOPETROL S.A con el objetivo de sugerir un modelo para cada estado pseudo-estacionario y los modos de operación presentes en él, esto con el menor error posible de la predicción. Con un análisis inicial se obtuvo un modelo general para la producción de JET con R2 = 0.78 en el cual se aplicó la eliminación de datos atípicos mediante análisis clúster definiendo una agrupación de 4 grupos y cada grupo en 2 subgrupos de los cuales salieron 4 modelos a diferentes condiciones de operación donde 2 pertenecen al modo viscorreductor y 2 al modo crudo con un margen aproximado de error del 5%, esto constata que pueden generarse varias predicciones dependiendo del modo operativo y las condiciones de alimentación de la dieta del crudo a la torre.application/pdfspahttp://creativecommons.org/licenses/by/4.0/Regresión Lineal MultivariadaRefinación De CrudoAnálisis EstadísticoAgrupación Clúster Y Variables De Mayor Influencia.Universidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coMultivariate Linear RegressionCrude Oil RefiningStatistical AnalysisCluster Aggrupation And Greater Influence Variables.info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)