Análisis descriptivo, predictivo y causal de la síntesis termocatalítica de CH3OH a partir de CO2 e H2 mediante el empleo de inteligencia artificial para proveer nuevas perspectivas sobre el proceso.
La hidrogenación termocatalítica de CO2 a metanol, es una tecnología prometedora en la lucha contra el cambio climático. Este proceso ayuda a reducir las emisiones de CO2, transformándolo en compuestos químicos como el metanol, el cual se considera un combustible eficiente y sirve como precursor...
Main Authors: | , |
---|---|
Other Authors: | |
Language: | spa |
Published: |
Universidad de Cuenca
2024
|
Subjects: | |
Online Access: | http://dspace.ucuenca.edu.ec/handle/123456789/42051 |
_version_ | 1785802411925831680 |
---|---|
author | Pulla Pasan, Juan Diego Sarango Condolo, Cristhian Fernando |
author2 | Mejía Galarza, William |
author_facet | Mejía Galarza, William Pulla Pasan, Juan Diego Sarango Condolo, Cristhian Fernando |
author_sort | Pulla Pasan, Juan Diego |
collection | DSpace |
description | La hidrogenación termocatalítica de CO2 a metanol, es una tecnología prometedora en la
lucha contra el cambio climático. Este proceso ayuda a reducir las emisiones de CO2,
transformándolo en compuestos químicos como el metanol, el cual se considera un
combustible eficiente y sirve como precursor en la síntesis química. Para mejorar el proceso,
se requieren nuevos materiales y condiciones operativas que puedan estar disponibles en
plazos razonables, por lo que el uso de la inteligencia artificial para este fin puede brindar
ventajas notables. En este contexto, el presente estudio permitió realizar un análisis
descriptivo, predictivo y causal de la síntesis termocatalítica de metanol. Para ello, se
elaboró una base de datos conformada por 3 011 puntos experimentales obtenidos
mediante la revisión de 160 artículos científicos. El análisis descriptivo reveló que el proceso
se encuentra termodinámicamente restringido, por lo que depende de las condiciones de
reacción y de la influencia del catalizador. Para el análisis predictivo del rendimiento tiempo
espacial de metanol (STY) a partir de descriptores experimentales, se evaluaron cinco
algoritmos de inteligencia artificial (Random Forest, XGBoost, Neural Networks, k-Nearest
Neighbors y Supporting Vector Machines). Los algoritmos XGBoost y Random Forest
obtuvieron los coeficientes de validación cruzada más altos de 0.881 ± 0.013 y 0.862 ± 0.014
respectivamente. Una vez aplicado el algoritmo SHAP, se identificó que los descriptores
más importantes en XGBoost y Random Forest, fueron la velocidad espacial horaria del gas
(GHSV), la presión (P) y la temperatura de reacción (T). |
id | oai:dspace.ucuenca.edu.ec:123456789-42051 |
institution | Universidad de Cuenca |
language | spa |
publishDate | 2024 |
publisher | Universidad de Cuenca |
record_format | dspace |
spelling | oai:dspace.ucuenca.edu.ec:123456789-420512023-06-08T14:55:53Z Análisis descriptivo, predictivo y causal de la síntesis termocatalítica de CH3OH a partir de CO2 e H2 mediante el empleo de inteligencia artificial para proveer nuevas perspectivas sobre el proceso. Pulla Pasan, Juan Diego Sarango Condolo, Cristhian Fernando Mejía Galarza, William Ingeniería Química Precipitación Hidrogenación CIUC::Ciencias de la Tierra::Climatología::Climatología Aplicada La hidrogenación termocatalítica de CO2 a metanol, es una tecnología prometedora en la lucha contra el cambio climático. Este proceso ayuda a reducir las emisiones de CO2, transformándolo en compuestos químicos como el metanol, el cual se considera un combustible eficiente y sirve como precursor en la síntesis química. Para mejorar el proceso, se requieren nuevos materiales y condiciones operativas que puedan estar disponibles en plazos razonables, por lo que el uso de la inteligencia artificial para este fin puede brindar ventajas notables. En este contexto, el presente estudio permitió realizar un análisis descriptivo, predictivo y causal de la síntesis termocatalítica de metanol. Para ello, se elaboró una base de datos conformada por 3 011 puntos experimentales obtenidos mediante la revisión de 160 artículos científicos. El análisis descriptivo reveló que el proceso se encuentra termodinámicamente restringido, por lo que depende de las condiciones de reacción y de la influencia del catalizador. Para el análisis predictivo del rendimiento tiempo espacial de metanol (STY) a partir de descriptores experimentales, se evaluaron cinco algoritmos de inteligencia artificial (Random Forest, XGBoost, Neural Networks, k-Nearest Neighbors y Supporting Vector Machines). Los algoritmos XGBoost y Random Forest obtuvieron los coeficientes de validación cruzada más altos de 0.881 ± 0.013 y 0.862 ± 0.014 respectivamente. Una vez aplicado el algoritmo SHAP, se identificó que los descriptores más importantes en XGBoost y Random Forest, fueron la velocidad espacial horaria del gas (GHSV), la presión (P) y la temperatura de reacción (T). Thermocatalytic hydrogenation of CO2 to methanol is a promising technology in the fight against climate change. This process helps to reduce CO2 emissions by transforming it into chemical compounds such as methanol, which is considered an efficient fuel and serves as a precursor in chemical synthesis. To improve the process, new materials and operating conditions are required that can be made available within reasonable time frames, so the use of artificial intelligence for this purpose can provide notable advantages. In this context, this study allowed for a descriptive, predictive and causal analysis of the thermocatalytic synthesis of methanol. For this purpose, a database made up of 3,011 experimental points obtained through the review of 160 scientific articles. The descriptive analysis revealed that the process is thermodynamically restricted, so it depends on both the reaction conditions and the influence of the catalyst. For predictive analysis of methanol space time yield (STY) from experimental descriptors, five artificial intelligence algorithms were evaluated (Random Forest, XGBoost, Neural Networks, k-Nearest Neighbors, and Supporting Vector Machines). The XGBoost and Random Forest algorithms obtained the highest cross-validation coefficients of 0.881 ± 0.013 and 0.862 ± 0.014 respectively. Once the SHAP algorithm was applied, it was identified that the most important descriptors in XGBoost and Random Forest were gas hourly space velocity (GHSV), pressure (P) and reaction temperature (T). 0000-0002-3224-8356 2024-06-03T17:31:14Z 2024-06-04T17:31:14Z 2023-06-05 http://dspace.ucuenca.edu.ec/handle/123456789/42051 spa TQ;568 Attribution-NonCommercial-NoDerivatives 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ openAccess application/pdf 115 páginas application/pdf Universidad de Cuenca |
spellingShingle | Ingeniería Química Precipitación Hidrogenación CIUC::Ciencias de la Tierra::Climatología::Climatología Aplicada Pulla Pasan, Juan Diego Sarango Condolo, Cristhian Fernando Análisis descriptivo, predictivo y causal de la síntesis termocatalítica de CH3OH a partir de CO2 e H2 mediante el empleo de inteligencia artificial para proveer nuevas perspectivas sobre el proceso. |
title | Análisis descriptivo, predictivo y causal de la síntesis termocatalítica de CH3OH a partir de CO2 e H2 mediante el empleo de inteligencia artificial para proveer nuevas perspectivas sobre el proceso. |
title_full | Análisis descriptivo, predictivo y causal de la síntesis termocatalítica de CH3OH a partir de CO2 e H2 mediante el empleo de inteligencia artificial para proveer nuevas perspectivas sobre el proceso. |
title_fullStr | Análisis descriptivo, predictivo y causal de la síntesis termocatalítica de CH3OH a partir de CO2 e H2 mediante el empleo de inteligencia artificial para proveer nuevas perspectivas sobre el proceso. |
title_full_unstemmed | Análisis descriptivo, predictivo y causal de la síntesis termocatalítica de CH3OH a partir de CO2 e H2 mediante el empleo de inteligencia artificial para proveer nuevas perspectivas sobre el proceso. |
title_short | Análisis descriptivo, predictivo y causal de la síntesis termocatalítica de CH3OH a partir de CO2 e H2 mediante el empleo de inteligencia artificial para proveer nuevas perspectivas sobre el proceso. |
title_sort | análisis descriptivo, predictivo y causal de la síntesis termocatalítica de ch3oh a partir de co2 e h2 mediante el empleo de inteligencia artificial para proveer nuevas perspectivas sobre el proceso. |
topic | Ingeniería Química Precipitación Hidrogenación CIUC::Ciencias de la Tierra::Climatología::Climatología Aplicada |
url | http://dspace.ucuenca.edu.ec/handle/123456789/42051 |
work_keys_str_mv | AT pullapasanjuandiego analisisdescriptivopredictivoycausaldelasintesistermocataliticadech3ohapartirdeco2eh2medianteelempleodeinteligenciaartificialparaproveernuevasperspectivassobreelproceso AT sarangocondolocristhianfernando analisisdescriptivopredictivoycausaldelasintesistermocataliticadech3ohapartirdeco2eh2medianteelempleodeinteligenciaartificialparaproveernuevasperspectivassobreelproceso |