Modelo de la síntesis catalizada de carbonato de glicerol empleando redes neuronales artificiales

Autores
Modesti, Mario; Álvarez, Dolores María Eugenia; Crivello, Mónica Elsie; Bálsamo, Nancy Florentina; Jiménez, Rocío
Año de publicación
2019
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El glicerol es generado en grandes cantidades y requiere ser transformado en derivados de alto valor añadido. Este compuesto contiene una estructura multifuncional, lo que lo convierte en un elemento esencial para la síntesis de derivados valiosos, mediante procesos catalíticos, tal es el caso de la síntesis del carbonato de glicerol (CG). Si bien existen varias vías de obtención de este compuesto, la transesterificación entre el glicerol y alquil carbonatos catalizada por óxidos metálicos mixtos derivados de hidróxidos dobles laminares (HDL) resulta prometedora, dados los elevados porcentajes de conversión obtenidos y las características ambientalmente benignas del proceso. Los HDL son nanoarcillas aniónicas con estructura laminar constituida por capas de hidróxidos de fórmula general [M(II)1-xM(III)x(OH2)2]x+(CO3-2)x/2.mH2O, donde M(II) y M(III) representan iones metálicos di- y trivalente, como Mg y Al, mientras que el anión carbonato se ubica en el espacio interlaminar para compensar las cargas. La actividad de los sitios básicos de estos catalizadores puede ser incrementada incorporando un tercer metal, como el Cs. Por otro lado, los modelos empíricos basados en Redes Neuronales Artificiales (RNA) han ganado aceptación debido a su capacidad de estimación, incluso disponiendo de escasos datos. Las redes con estructura backpropagation son la más aplicadas para el modelado de procesos químicos. Dado que para el año 2020 se espera la introducción de más de tres millones de toneladas de glicerol en el mercado como consecuencia de la industria del biodiesel, la posibilidad de disponer de un modelo que contribuya a mejorar el proceso de obtención de CG es de interés. El objetivo del estudio es desarrollar un modelo matemático por medio de RNA para caracterizar la relación entre el porcentaje de conversión del glicerol y el de rendimiento de CG, empleando catalizador con 10 y 25% de Cs.
Fil: Modesti, Mario Roberto. Centro de investigación en informática para la ingenieria. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina.
Fil: Crivello, Mónica Elsie. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina.
Fil: Álvarez, Dolores María Eugenia. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina.
Fil: Bálsamo, Nancy Florentina. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina.
Fil: Jiménez, Rocío. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina.
Materia
Redes neuronales artificiales
carbonato de glicerilo
nanoarcillas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2022-05-16T20:42:58Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/6310
Acceder
id RIAUTN_ccb9920961c857d0046e6d27ddd482b4
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/6310
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Modelo de la síntesis catalizada de carbonato de glicerol empleando redes neuronales artificialesModesti, MarioÁlvarez, Dolores María EugeniaCrivello, Mónica ElsieBálsamo, Nancy FlorentinaJiménez, RocíoRedes neuronales artificialescarbonato de glicerilonanoarcillasEl glicerol es generado en grandes cantidades y requiere ser transformado en derivados de alto valor añadido. Este compuesto contiene una estructura multifuncional, lo que lo convierte en un elemento esencial para la síntesis de derivados valiosos, mediante procesos catalíticos, tal es el caso de la síntesis del carbonato de glicerol (CG). Si bien existen varias vías de obtención de este compuesto, la transesterificación entre el glicerol y alquil carbonatos catalizada por óxidos metálicos mixtos derivados de hidróxidos dobles laminares (HDL) resulta prometedora, dados los elevados porcentajes de conversión obtenidos y las características ambientalmente benignas del proceso. Los HDL son nanoarcillas aniónicas con estructura laminar constituida por capas de hidróxidos de fórmula general [M(II)1-xM(III)x(OH2)2]x+(CO3-2)x/2.mH2O, donde M(II) y M(III) representan iones metálicos di- y trivalente, como Mg y Al, mientras que el anión carbonato se ubica en el espacio interlaminar para compensar las cargas. La actividad de los sitios básicos de estos catalizadores puede ser incrementada incorporando un tercer metal, como el Cs. Por otro lado, los modelos empíricos basados en Redes Neuronales Artificiales (RNA) han ganado aceptación debido a su capacidad de estimación, incluso disponiendo de escasos datos. Las redes con estructura backpropagation son la más aplicadas para el modelado de procesos químicos. Dado que para el año 2020 se espera la introducción de más de tres millones de toneladas de glicerol en el mercado como consecuencia de la industria del biodiesel, la posibilidad de disponer de un modelo que contribuya a mejorar el proceso de obtención de CG es de interés. El objetivo del estudio es desarrollar un modelo matemático por medio de RNA para caracterizar la relación entre el porcentaje de conversión del glicerol y el de rendimiento de CG, empleando catalizador con 10 y 25% de Cs.Fil: Modesti, Mario Roberto. Centro de investigación en informática para la ingenieria. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina.Fil: Crivello, Mónica Elsie. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina.Fil: Álvarez, Dolores María Eugenia. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina.Fil: Bálsamo, Nancy Florentina. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina.Fil: Jiménez, Rocío. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina.2022-05-16T20:42:58Z2022-05-16T20:42:58Z2019info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciapdfapplication/pdfhttp://hdl.handle.net/20.500.12272/6310-spainfo:eu-repo/semantics/openAccess2022-05-16T20:42:58Zhttp://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 InternacionalCrivello, Mónica ElsieX Atribución (Attribution): En cualquier explotación de la obra autorizada por la licencia será necesario reconocer la autoría (obligatoria en todos los casos). X No comercial (Non Commercial): La explotación de la obra queda limitada a usos no comerciales. X Sin obras derivadas (No Derivate Works): La autorización para explotar la obra no incluye la posibilidad de crear una obra derivada (traducciones, adaptaciones, etc.). X Compartir igual (Share Alike): La explotación autorizada incluye la creación de obras derivadas siempre que se mantenga la misma licencia al ser divulgadas.reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:47:25Zoai:ria.utn.edu.ar:20.500.12272/6310instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:47:27.306Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Modelo de la síntesis catalizada de carbonato de glicerol empleando redes neuronales artificiales
title Modelo de la síntesis catalizada de carbonato de glicerol empleando redes neuronales artificiales
spellingShingle Modelo de la síntesis catalizada de carbonato de glicerol empleando redes neuronales artificiales
Modesti, Mario
Redes neuronales artificiales
carbonato de glicerilo
nanoarcillas
title_short Modelo de la síntesis catalizada de carbonato de glicerol empleando redes neuronales artificiales
title_full Modelo de la síntesis catalizada de carbonato de glicerol empleando redes neuronales artificiales
title_fullStr Modelo de la síntesis catalizada de carbonato de glicerol empleando redes neuronales artificiales
title_full_unstemmed Modelo de la síntesis catalizada de carbonato de glicerol empleando redes neuronales artificiales
title_sort Modelo de la síntesis catalizada de carbonato de glicerol empleando redes neuronales artificiales
dc.creator.none.fl_str_mv Modesti, Mario
Álvarez, Dolores María Eugenia
Crivello, Mónica Elsie
Bálsamo, Nancy Florentina
Jiménez, Rocío
author Modesti, Mario
author_facet Modesti, Mario
Álvarez, Dolores María Eugenia
Crivello, Mónica Elsie
Bálsamo, Nancy Florentina
Jiménez, Rocío
author_role author
author2 Álvarez, Dolores María Eugenia
Crivello, Mónica Elsie
Bálsamo, Nancy Florentina
Jiménez, Rocío
author2_role author
author
author
author
dc.subject.none.fl_str_mv Redes neuronales artificiales
carbonato de glicerilo
nanoarcillas
topic Redes neuronales artificiales
carbonato de glicerilo
nanoarcillas
dc.description.none.fl_txt_mv El glicerol es generado en grandes cantidades y requiere ser transformado en derivados de alto valor añadido. Este compuesto contiene una estructura multifuncional, lo que lo convierte en un elemento esencial para la síntesis de derivados valiosos, mediante procesos catalíticos, tal es el caso de la síntesis del carbonato de glicerol (CG). Si bien existen varias vías de obtención de este compuesto, la transesterificación entre el glicerol y alquil carbonatos catalizada por óxidos metálicos mixtos derivados de hidróxidos dobles laminares (HDL) resulta prometedora, dados los elevados porcentajes de conversión obtenidos y las características ambientalmente benignas del proceso. Los HDL son nanoarcillas aniónicas con estructura laminar constituida por capas de hidróxidos de fórmula general [M(II)1-xM(III)x(OH2)2]x+(CO3-2)x/2.mH2O, donde M(II) y M(III) representan iones metálicos di- y trivalente, como Mg y Al, mientras que el anión carbonato se ubica en el espacio interlaminar para compensar las cargas. La actividad de los sitios básicos de estos catalizadores puede ser incrementada incorporando un tercer metal, como el Cs. Por otro lado, los modelos empíricos basados en Redes Neuronales Artificiales (RNA) han ganado aceptación debido a su capacidad de estimación, incluso disponiendo de escasos datos. Las redes con estructura backpropagation son la más aplicadas para el modelado de procesos químicos. Dado que para el año 2020 se espera la introducción de más de tres millones de toneladas de glicerol en el mercado como consecuencia de la industria del biodiesel, la posibilidad de disponer de un modelo que contribuya a mejorar el proceso de obtención de CG es de interés. El objetivo del estudio es desarrollar un modelo matemático por medio de RNA para caracterizar la relación entre el porcentaje de conversión del glicerol y el de rendimiento de CG, empleando catalizador con 10 y 25% de Cs.
Fil: Modesti, Mario Roberto. Centro de investigación en informática para la ingenieria. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina.
Fil: Crivello, Mónica Elsie. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina.
Fil: Álvarez, Dolores María Eugenia. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina.
Fil: Bálsamo, Nancy Florentina. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina.
Fil: Jiménez, Rocío. Centro de Investigación y Tecnología Química. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Tecnológica Nacional. Facultad Regional Córdoba; Argentina.
description El glicerol es generado en grandes cantidades y requiere ser transformado en derivados de alto valor añadido. Este compuesto contiene una estructura multifuncional, lo que lo convierte en un elemento esencial para la síntesis de derivados valiosos, mediante procesos catalíticos, tal es el caso de la síntesis del carbonato de glicerol (CG). Si bien existen varias vías de obtención de este compuesto, la transesterificación entre el glicerol y alquil carbonatos catalizada por óxidos metálicos mixtos derivados de hidróxidos dobles laminares (HDL) resulta prometedora, dados los elevados porcentajes de conversión obtenidos y las características ambientalmente benignas del proceso. Los HDL son nanoarcillas aniónicas con estructura laminar constituida por capas de hidróxidos de fórmula general [M(II)1-xM(III)x(OH2)2]x+(CO3-2)x/2.mH2O, donde M(II) y M(III) representan iones metálicos di- y trivalente, como Mg y Al, mientras que el anión carbonato se ubica en el espacio interlaminar para compensar las cargas. La actividad de los sitios básicos de estos catalizadores puede ser incrementada incorporando un tercer metal, como el Cs. Por otro lado, los modelos empíricos basados en Redes Neuronales Artificiales (RNA) han ganado aceptación debido a su capacidad de estimación, incluso disponiendo de escasos datos. Las redes con estructura backpropagation son la más aplicadas para el modelado de procesos químicos. Dado que para el año 2020 se espera la introducción de más de tres millones de toneladas de glicerol en el mercado como consecuencia de la industria del biodiesel, la posibilidad de disponer de un modelo que contribuya a mejorar el proceso de obtención de CG es de interés. El objetivo del estudio es desarrollar un modelo matemático por medio de RNA para caracterizar la relación entre el porcentaje de conversión del glicerol y el de rendimiento de CG, empleando catalizador con 10 y 25% de Cs.
publishDate 2019
dc.date.none.fl_str_mv 2019
2022-05-16T20:42:58Z
2022-05-16T20:42:58Z
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/20.500.12272/6310
-
url http://hdl.handle.net/20.500.12272/6310
identifier_str_mv -
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2022-05-16T20:42:58Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Crivello, Mónica Elsie
X Atribución (Attribution): En cualquier explotación de la obra autorizada por la licencia será necesario reconocer la autoría (obligatoria en todos los casos). X No comercial (Non Commercial): La explotación de la obra queda limitada a usos no comerciales. X Sin obras derivadas (No Derivate Works): La autorización para explotar la obra no incluye la posibilidad de crear una obra derivada (traducciones, adaptaciones, etc.). X Compartir igual (Share Alike): La explotación autorizada incluye la creación de obras derivadas siempre que se mantenga la misma licencia al ser divulgadas.
eu_rights_str_mv openAccess
rights_invalid_str_mv 2022-05-16T20:42:58Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Crivello, Mónica Elsie
X Atribución (Attribution): En cualquier explotación de la obra autorizada por la licencia será necesario reconocer la autoría (obligatoria en todos los casos). X No comercial (Non Commercial): La explotación de la obra queda limitada a usos no comerciales. X Sin obras derivadas (No Derivate Works): La autorización para explotar la obra no incluye la posibilidad de crear una obra derivada (traducciones, adaptaciones, etc.). X Compartir igual (Share Alike): La explotación autorizada incluye la creación de obras derivadas siempre que se mantenga la misma licencia al ser divulgadas.
dc.format.none.fl_str_mv pdf
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230937309184000
score 13.265058

Publicaciones similares