Machine learning techniques applied to the production of bioethanol from the characterization of lignocellulosic biomass (Theobroma cacao l.)

En los últimos años, la demanda de combustibles fósiles ha ido en aumento y esto ha generado una escasez en las reservas mundiales lo que limita el crecimiento económico; ejemplo de ello es Tocache, una de las provincias más aisladas y pobres del Perú. En este estudio se aborda el uso de residuos lignocelulósicos como la cáscara de cacao para generar biocombustible, cuyo objetivo es comparar los resultados experimentales con los obtenidos de la simulación. Asimismo, se realizaron los procesos de pretratamiento, hidrólisis enzimática y fermentación en la Universidad Técnica de Machala. El Machine Learning se realizó con el software Orange, el cual se basó en los datos y las variables experimentales halladas previamente. El mejor resultado corresponde al método Random Forest, con el que se obtuvo una precisión con el R2 (0.83). Por consiguiente, la glucosa predicha fue 1.04 g/L y la cantidad óptima de alcohol etílico fue 5.34 g / L. Los resultados demuestran que el alcohol etílico simulado se aproxima al hallado experimentalmente (7.1 g/L) y a otros estudios realizados previamente. Finalmente, el uso de Machine Learning es menos costoso y los resultados se pueden obtener en el menor tiempo posible en comparación con los procedimientos experimentales.

Name thesis:degree_name

Ingeniero Industrial

Level thesis:degree_level

Título Profesional

Discipline thesis:degree_discipline

Ingeniería Industrial

Grantor dc:publisher

Universidad de Lima

Year dc:date.issued

2024

Authors dc:creator

• Basauri Romero, Greta Valeria
• Velarde Herrera, Melanie Evelyn

Advisor dc:contributor.advisor

• Quiroz Flores, Juan Carlos

• Aprendizaje automático
• Bioetanol
• Biocombustibles
• Producción
• Machine learning
• Bioethanol
• Biofuel
• Production

Statement dc:rights

• info:eu-repo/semantics/openAccess

Licence dc:rights.uri

• https://creativecommons.org/licenses/by-nc-sa/4.0/

Language dc:language.iso

eng

Handle dc:identifier.uri

https://hdl.handle.net/20.500.12724/20743

OAI identifier oai:identifier

oai:repositorio.ulima.edu.pe:20.500.12724/20743