Diseño de columnas de absorción de mezclas diluidas mediante el método McCabe desarrollando un software en base a K Nearest Neightbor y Random Forest

• Autor: Pareja Pezo, Victor Hugo
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional de San Antonio Abad del Cusco
• Repositorio: UNSAAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsaac.edu.pe:20.500.12918/10281
• Enlace del recurso: http://hdl.handle.net/20.500.12918/10281
• Nivel de acceso: acceso abierto
• Materia: Absorción; Desorción; Inteligencia artificial; Condiciones ideales; http://purl.org/pe-repo/ocde/ford#2.04.01

En el presente trabajo, se realizó un análisis de los datos necesarios para el diseño columnas de absorción y desorción. Se verificó la necesidad de contar con datos teóricos que puedan facilitar el diseño de las mismas, así como se verifico la necesidad de analizar los datos experimentales que pueden servir para mismo fin. En la actualidad existen varios cálculos que se desarrollan de forma manual, dado que, en el marco de un análisis exhaustivo de datos, estos se convierten en resultados para los diseños y toma de decisiones. Basados en la experiencia, se determinó la factibilidad del uso de técnicas de inteligencia artificial como KNN (K Nearest Neighbor), k-means, decision tree y random forest; elaborando algoritmos que simulan aquel análisis que se hace de forma manual, pasándolos a un entorno digital y plasmándolos en una aplicación en el sistema operativo Android (APP). Por tanto, el software desarrollado es de fácil acceso para los usuarios. Utilizando como herramienta el programa Android Studio v.22.1.1 y aplicando las técnicas y algoritmos de inteligencia artificial; se desarrolló un software para el diseño de columnas de absorción y desorción de mezclas diluidas, utilizando el método McCabe. Las técnicas de inteligencia artificial que se utilizaron para el desarrollo del software usan métodos matemáticos en su proceso como iteraciones de Lagrange e iteraciones de Newton que potencializan estas herramientas y de esa manera, fue posible generar algoritmos que toman las cuasi decisiones el momento de mostrar los resultados del procesamiento de datos experimentales y otros que servirán