Un equipo de investigación de la Universidad de Cádiz ha aplicado dos herramientas diferentes de inteligencia artificial para comparar su precisión en el proceso de control de calidad de la gasolina y clasificarla en función de su capacidad de autocombustión. Ambas conclusiones permitirán a la industria disponer de información actualizada, precisa y en tiempo real de la composición de este hidrocarburo.
En concreto, han trabajado con dos métodos analíticos basados en la identificación de patrones en datos masivos y elaboración de predicciones, lo que se conoce como ‘machine learning’. Los han aplicado por separado y de forma conjunta en una ‘nariz electrónica’, diseñada por este mismo equipo de expertos para detectar restos de líquidos inflamables en un incendio, y un sistema de medición de infrarrojos.
Como recoge este estudio, titulado ‘Comparison of different processing approaches by SVM and RF on HS-MS eNose and NIR Spectrometry data for the discrimination of gasoline samples’ y publicado en la revista Microchemical Journal, han analizado por separado la utilidad de ambos métodos en dos procesos diferentes, uno basado en algoritmos, instrucciones que procesan datos, y otro obteniendo mediciones químicas de gasolina. Asimismo, también han evaluado la eficacia de su combinación para discriminar y clasificar muestras de hidrocarburos.
Clasificar muestras de gasolina en función de su octanaje
Mientras la nariz electrónica ofrece datos sobre el perfil volátil de las muestras, las técnicas espectroscópicas, por su parte, se centran en analizar los compuestos no volátiles. La unión de la información de ambas metodologías se usa para generar modelos predictivos que permiten discriminar y clasificar muestras de gasolina en función de su octanaje.
“Esta combinación supone una alternativa real para automatizar el proceso del control de calidad de este derivado del petróleo, que actualmente depende de la experiencia del analista que realiza este trabajo”, explica a la Fundación Descubre la investigadora de la Universidad de Cádiz Marta Barea, responsable de este trabajo.
Al proporcionar información concreta, las aplicaciones de esta nueva metodología en la industria petroquímica contribuyen en gran medida a optimizar los procesos de calidad, así como en otros ámbitos. “Con estos datos, las refinerías dispondrán de sistemas de gestión de calidad rápidos, en el momento y con un nivel de detalle muy preciso. También es de gran utilidad en el ámbito de la química forense si, por ejemplo, se produce un incendio y es necesario determinar qué líquido inflamable lo ha originado y desde ahí seguir indicios hasta localizar su origen”, explica Barea.
Conoce más aquí
