Académique Documents
Professionnel Documents
Culture Documents
MODELADO MATEMATICO PARA ISOTERMAS DE ADSORCION EN ALIMENTOS USANDO REDES NEURONALES ARTIFICIALES
Resultados y Conclusiones
Resultados y Conclusiones
ADSORCIN : Propiedad de Adhesin respecto a una superficie o poros DESORCIN : Contrario de Adsorcin; eliminacin de materia REDES NEURONALES : Modelo matemtico inspirado en el funcionamiento
de las neuronas biolgicas. Conformado por varias unidades de procesamiento (neuronas) interligadas por conexiones (sinapsis)
Resultados y Conclusiones
INTRODUCCION
En la Industria Alimenticia: ISOTERMAS en alimentos brindan informacin:
para la optimizacin del proceso de secado la seleccin del material de empaquetamiento la prediccin de la vida til del producto y, de la evolucin en el contenido de humedad durante el almacenamiento. ANTECEDENTES * (aw) -> TERMODINAMICA -> Relacin Pi/Pio Det. REACCIONES DETERIORATIVAS -> Bioq y Micbio * Relacin aw vs. Humedad -> ISOTERMAS DE ADSORCION
Cont.
(aw) vs. Humedad -> Relacin no lineal I S O T E R M A Desarrollo Matemtico [Estadstica Paramtrica]>> MODELOS REGRESIONALES (Lin. y N. Lin.) -> Exp. 3 Zonas
LIMITACIN DE MODELOS
Difcilmente hallar un modelo Universal Limitada habilidad predictiva
Isotermas de adsorcin
Una isoterma de absorcin nos indica la cantidad de agua absorbida, o adsorbida en el componente con una actividad de agua conocida o presin de vapor relativa, cuando est en equilibrio. Las isotermas de adsorcin son importantes en cuatro procesos principales:
Secado Mezcla Empacado Almacenamiento
MTODO ALTERNATIVO
Red Neuronal
Arquitectura
Neuronas intermedias
Neuronas de Entrada
Neuronas de salda
Conexiones
Elemento Procesador
. . . k . . .
1 X1
W1u Xk Xn Yu = f (Entrada Neta u ) Wku Wnu
Yu
n
Entrada Neta u =
i =1
Xi Wiu
Yu = f (
i =1
Xi Wiu )
Elemento Procesador
Entrada / Funcin de Transferencia / Salida
Resultados y Conclusiones
OBJETIVOS
DESARROLLAR UNA RED NEURONAL ARTIFICIAL (R.N.A.) PARA RECONOCIMIENTO DE PATRON NO LINEAL DE ISOTERMAS DE ADSORCION PARA HARINAS. COMPARAR LA HABILIDAD PREDICTIVA DEL MODELO R.N.A. vs. MODELOS CONVENCIONALES.
Resultados y Conclusiones
METODOLOGA
MATERIALES y MTODOS
Determinacin de Humedad: Mtodo Gravimtrico Indirecto de Estufa al Vaco Construccin de ISOTERMAS: 6 Harinas y 1 leche en polvo Temp.: 25 C (+ - 1 C ) Recipientes 250 ml con humedad controlada Se midi (aw) x triple -> promedio En c/recipiente 2g. De producto: Humedad [g H2O/ g base seca) y (aw) Decagon CX2 3 rplicas
Cont.
Resultados y Discusiones Luego de 480 iteraciones -> pesos ptimos -> MAYOR HABILIDAD PREDICITIVA Dificultad eleccin de un software de simulacin 4 Ecuaciones -> hoja de clculo (EXCEL)
EN pj = w ji x pi +b j
i =1
EN pk = wkj x pj + b k
j =1
y pj = TANHj (ENpj )
y pk = f lineal ( EN pk )
Cont.
Desarrollo del modelo R.N.A. Organizacin de Estructura MATLAB Algoritmo de Entrenamiento Finalmente, EVALUAR modelo para R2 y SEE