Herramientas avanzadas en el proceso de biosorción de ciprofloxacina en columna
En este trabajo, se investigó la remoción de ciprofloxacina en aguas sintéticas en columna de lecho fijo a escala de laboratorio y planta piloto utilizando como bioadsorbentes el bagazo de caña (BCA) y la mazorca de maíz (MZM). Se utilizó herramientas avanzadas como redes neuronales artificiales (RN...
| Main Authors: | , |
|---|---|
| Other Authors: | |
| Format: | bachelorThesis |
| Language: | spa |
| Published: |
Universidad de Cuenca
2021
|
| Subjects: | |
| Online Access: | http://dspace.ucuenca.edu.ec/handle/123456789/36415 |
| _version_ | 1785802409713336320 |
|---|---|
| author | Aguilar Pacheco, Jonnathan Andres Coronel Romero, Stalin Mauricio |
| author2 | Vera Cabezas, Luisa Mayra |
| author_facet | Vera Cabezas, Luisa Mayra Aguilar Pacheco, Jonnathan Andres Coronel Romero, Stalin Mauricio |
| author_sort | Aguilar Pacheco, Jonnathan Andres |
| collection | DSpace |
| description | En este trabajo, se investigó la remoción de ciprofloxacina en aguas sintéticas en columna de lecho fijo a escala de laboratorio y planta piloto utilizando como bioadsorbentes el bagazo de caña (BCA) y la mazorca de maíz (MZM). Se utilizó herramientas avanzadas como redes neuronales artificiales (RNAs) y software especializado para el modelado y simulación de la adsorción de ciprofloxacina (CFX) con ambos residuos agroindustriales. A escala de laboratorio la MZM presentó una capacidad de adsorción de 1,98 mg∙g-1 mientras que con BCA se obtuvo 1,28 mg∙g-1 en iguales condiciones de operación (concentración de CFX=5 mg∙L-1, caudal=7 mL∙min-1, diámetro de la columna= 2,2 cm). A escala de planta piloto (caudal=28 mL∙min-1, diámetro de la columna= 4,4 cm) la capacidad de adsorción para el BCA fue de 1,097 mg∙g-1, y para la MZM de 0,786 mg∙g-1. El modelo empírico matemático que mejor reprodujo la curva de ruptura de CFX en ambos biosorbentes y ambas escalas fue el modelo de Dosis-Respuesta. El modelado de las curvas de ruptura con redes neuronales artificiales presentó coeficientes de correlación (R2) muy altos, mediante un análisis de sensibilidad se determinó que la red creada en Tensorflow es más robusta que la red en Matlab para ambas escalas y ambos materiales biosorbentes. La simulación dinámica a escala de laboratorio para el BCA con Aspen Adsorption se generó una curva de avance con mejor ajuste a los datos experimentales que usando Comsol Multiphysics, sin embargo, usando MZM el ajuste es mayor en Comsol Multiphysics para ambas escalas. |
| format | bachelorThesis |
| id | oai:dspace.ucuenca.edu.ec:123456789-36415 |
| institution | Universidad de Cuenca |
| language | spa |
| publishDate | 2021 |
| publisher | Universidad de Cuenca |
| record_format | dspace |
| spelling | oai:dspace.ucuenca.edu.ec:123456789-364152021-07-07T07:00:39Z Herramientas avanzadas en el proceso de biosorción de ciprofloxacina en columna Aguilar Pacheco, Jonnathan Andres Coronel Romero, Stalin Mauricio Vera Cabezas, Luisa Mayra Ingeniería Química Biosorción Redes neuronales artificiales Matlab Tensorflow Laboratorio En este trabajo, se investigó la remoción de ciprofloxacina en aguas sintéticas en columna de lecho fijo a escala de laboratorio y planta piloto utilizando como bioadsorbentes el bagazo de caña (BCA) y la mazorca de maíz (MZM). Se utilizó herramientas avanzadas como redes neuronales artificiales (RNAs) y software especializado para el modelado y simulación de la adsorción de ciprofloxacina (CFX) con ambos residuos agroindustriales. A escala de laboratorio la MZM presentó una capacidad de adsorción de 1,98 mg∙g-1 mientras que con BCA se obtuvo 1,28 mg∙g-1 en iguales condiciones de operación (concentración de CFX=5 mg∙L-1, caudal=7 mL∙min-1, diámetro de la columna= 2,2 cm). A escala de planta piloto (caudal=28 mL∙min-1, diámetro de la columna= 4,4 cm) la capacidad de adsorción para el BCA fue de 1,097 mg∙g-1, y para la MZM de 0,786 mg∙g-1. El modelo empírico matemático que mejor reprodujo la curva de ruptura de CFX en ambos biosorbentes y ambas escalas fue el modelo de Dosis-Respuesta. El modelado de las curvas de ruptura con redes neuronales artificiales presentó coeficientes de correlación (R2) muy altos, mediante un análisis de sensibilidad se determinó que la red creada en Tensorflow es más robusta que la red en Matlab para ambas escalas y ambos materiales biosorbentes. La simulación dinámica a escala de laboratorio para el BCA con Aspen Adsorption se generó una curva de avance con mejor ajuste a los datos experimentales que usando Comsol Multiphysics, sin embargo, usando MZM el ajuste es mayor en Comsol Multiphysics para ambas escalas. In this work, the removal of ciprofloxacin in synthetic waters was investigated in fixed bed column at laboratory and pilot plant scale using sugarcane bagasse (SCB) and corn cob (CC) as bioadsorbents. Advanced tools such as artificial neural networks(ANN) and specialized software were used for the modeling and simulation of the adsorption of ciprofloxacin (CFX) with both agro-industrial wastes. On a laboratory scale, corncob has an adsorption capacity of 1.98 mg∙g-1 while sugarcane bagasse has 1,28 mg∙g-1 under the same operating conditions (CFX concentration=5 mg∙L-1, flow rate = 7 mL∙min-1, column diameter = 2.2 cm). At the pilot plant scale (flow rate= 28 mL∙min-1) the adsorption capacity for the SCB is 1,097 mg∙g-1 as for the CC is 0.786 mg∙g-1, being lower in both cases. The empirical mathematical model that best reproduced the CFX breakthrough curve in SCB and CC at both scales was the Dose-Response model. The modeling of the rupture curves with ANN presented very high correlation coefficients (R2), it was determined that the network created in Tensorflow is more robust than the network in Matlab for both scales and both biosorbent materials by means of a sensitivity analysis. The dynamic simulation at laboratory scale for the SCB with Aspen Adsorption generated a breakthrough curve with better fit to the experimental data than using Comsol Multiphysics, however, using CC the fit is greater in Comsol Multiphysics for both scales. Ingeniero Químico Cuenca 2021-07-01T14:29:14Z 2021-07-01T14:29:14Z 2021-07-01 bachelorThesis http://dspace.ucuenca.edu.ec/handle/123456789/36415 spa TQ;521 Attribution-NonCommercial-NoDerivatives 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ openAccess application/pdf 171 páginas application/pdf Universidad de Cuenca |
| spellingShingle | Ingeniería Química Biosorción Redes neuronales artificiales Matlab Tensorflow Laboratorio Aguilar Pacheco, Jonnathan Andres Coronel Romero, Stalin Mauricio Herramientas avanzadas en el proceso de biosorción de ciprofloxacina en columna |
| title | Herramientas avanzadas en el proceso de biosorción de ciprofloxacina en columna |
| title_full | Herramientas avanzadas en el proceso de biosorción de ciprofloxacina en columna |
| title_fullStr | Herramientas avanzadas en el proceso de biosorción de ciprofloxacina en columna |
| title_full_unstemmed | Herramientas avanzadas en el proceso de biosorción de ciprofloxacina en columna |
| title_short | Herramientas avanzadas en el proceso de biosorción de ciprofloxacina en columna |
| title_sort | herramientas avanzadas en el proceso de biosorción de ciprofloxacina en columna |
| topic | Ingeniería Química Biosorción Redes neuronales artificiales Matlab Tensorflow Laboratorio |
| url | http://dspace.ucuenca.edu.ec/handle/123456789/36415 |
| work_keys_str_mv | AT aguilarpachecojonnathanandres herramientasavanzadasenelprocesodebiosorciondeciprofloxacinaencolumna AT coronelromerostalinmauricio herramientasavanzadasenelprocesodebiosorciondeciprofloxacinaencolumna |