1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ciencias Naturales y Matemáticas
4. Tesis de Ingeniería Química

Title:	Modelo predictivo para la dosificación de coagulante en el proceso de potabilización del agua
Authors:	Mosquera, Suanny, Director Mantilla Rocano, Josué Abraham Ramos Salazar, Emily Stephannia
Keywords:	Coagulación Respuesta de Superficie Dosificación Modelo predictivo
Issue Date:	2023
Publisher:	ESPOL
Citation:	Mantilla Rocano, J. A. y Ramos Salazar, E. S. (2023). Modelo predictivo para la dosificación de coagulante en el proceso de potabilización del agua. [Proyecto Integrador]. ESPOL.FCNM .
Description:	La necesidad de controlar los procesos claves en la potabilización del agua, como la coagulación, ha motivado la búsqueda de algoritmos que permitan establecer las condiciones óptimas de operación. Una alternativa es el uso de modelos matemáticos predictivos. Sin embargo, hasta el momento no se cuenta con uno que ofrezca predicciones precisas. Por ello, el objetivo principal de este proyecto es desarrollar un modelo matemático predictivo que considere todas las variables involucradas en el proceso, mejorando así la precisión en las predicciones. Se aplicó la metodología de Respuesta de Superficie (RSM) la cual permitió establecer funciones polinómicas en las épocas seca y lluviosa, para los sectores A y B que operan en planta. Los modelos matemáticos fueron validados mediante el cálculo del porcentaje de error. Se obtuvieron valores entre un 0.20% y 30.0% para escenarios incluidos dentro del rango de codificación. Para aquellos fuera de rango, el error fue mayor al 50.0%. Además, se efectuaron predicciones mediante el uso de una Red Neuronal, donde se identificaron correlaciones entre las variables. Finalmente, se llevó a cabo un análisis de robustez para los parámetros fisicoquímicos medibles a escala de laboratorio, donde el error obtenido fue menor a un 15.0%.
metadata.dc.description.abstractenglish:	The need to control key processes in water purification, such as coagulation, has motivated the search for algorithms to establish the optimal operating conditions. One alternative is the use of predictive mathematical models. However, so far there is no one that offers accurate predictions. Therefore, the main objective of this project is to develop a predictive mathematical model that considers all the variables involved in the process, thus improving prediction accuracy. The Response Surface Methodology (RSM) was applied, which allowed establishing polynomial functions in the dry and rainy seasons, for sectors A and B that operate in the plant. The mathematical models were validated by calculating the percentage error. Values between 0.20% and 30.0% were obtained for scenarios included within the coding range. For those outside the range, the error was greater than 50.0%. In addition, predictions were made using a Neural Network, where correlations between variables were identified. Finally, a robustness analysis was carried out for the physicochemical parameters measurable at laboratory scale, where the error obtained was less than 15.0%.
URI:	http://www.dspace.espol.edu.ec/handle/123456789/58546
metadata.dc.identifier.codigoproyectointegrador:	INGE-2194
Appears in Collections:	Tesis de Ingeniería Química

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.