Redes neuronales artificiales aplicadas al estudio del proceso de secado de cubos de manzana en un lecho fluidizado.

CAPOSSIO J.P.; REYES URRUTIA, A.; ZAMBÓN M.; SALVATORI D.; MAZZA, G.

Santa Fé

Congreso; X Congreso Argentino de Ingeniería Química CAIQ2019; 2019

Asociación Argentina de Ingenieros Químicos

En los sistemas de deshidratación de alimentos, tales como los dispositivos de secado por convección, el lecho fluidizado o el liofilizador, es usual adoptar diferentes parámetros como base para la determinación del fin del ciclo de secado. En los secadores más sencillos, en base a la experiencia y al control de algunas variables (temperatura, tamaño de muestra), se define un tiempo óptimo de secado.Por otro lado, en los más complejos, es posible medir en línea el peso de la muestra hasta llegar al peso constante; cuantificar la diferencia entre la humedad de entrada y salidaal sistema,y, de esa forma detener el ciclo de secado, entre otras alternativas. Entonces, los equipos del primer tipo son de lazo abierto (temporizados) y, los del segundo tipo son de lazo cerrado. En general, los sistemas de lazo abierto no tienen forma de compensar las perturbaciones que puedan ocurrir en las variables operativas, afectando, directamente, el resultado final del proceso. Contrariamente, los sistemas de lazo cerrado pueden adaptarse a esos cambios (upsets) mediante ajustes en la señal de control. Las redes neuronales artificiales (ANN) son sistemas de inteligencia artificial que imitan el razonamiento del cerebro humado. Pueden aprender de la experiencia y adaptarse a los cambios en el proceso. También son ideales para modelar procesos altamente no lineales como es el caso del secado en lecho fluidizado. El presente trabajo presenta un modelo neuronal del proceso de secado de cubos de manzana en lecho fluidizado que se puede aplicar para la estimación del contenido de humedad de la muestra y, de esta manera, determinar el fin del ciclo de secado. La estimación del contenido de humedad se realiza en función de la medición de las siguientes cuatro entradas: temperatura del aire de secado evaluada en el plenum, velocidad del aire, presencia o ausencia de material inerte y tiempo de secado. Este enfoque del modelado de la deshidratación de alimentos presenta ventajas muy atractivas en comparación a otros. Por ejemplo, el proceso de entrenamiento de la red requiere de un número relativamente bajo de experimentos, lo cual lo vuelve muy eficiente. Adicionalmente, se puede ampliar el modelo, agregando tanto entradas como salidas, de una forma muy directa. Los conjuntos de entrenamiento de la red fueron obtenidos de experimentos realizados en un lecho fluidizado a escala de laboratorio con temperaturas de 40, 50, 60, 70 y 75 °C; y velocidades de 4, 5,5 y 7 m/s. Los resultados muestran una muy buena concordancia entre los datos experimentales y los predichos por la red neuronal por lo que la herramienta desarrollada podría ser aplicada de manera confiable en el control del proceso de secado de manzanas operando en condiciones similares a las de las experiencias.