Arquitectura anfis del proceso de fermentación de aceitunas negras naturales: entrenamiento a escala piloto y validación a escala industrial
En el proceso de obtención de aceitunas negras naturales, las condiciones inciden sobre la calidad del fruto fermentado y éstas difieren a distintas escalas. El objetivo del trabajo es generar modelos matemáticos que caractericen las propiedades de las aceitunas negras naturales obtenidas a gran esc...
Autores principales: | , , |
---|---|
Formato: | Documento de conferencia publisherVersion |
Lenguaje: | Español |
Publicado: |
2022
|
Materias: | |
Acceso en línea: | http://hdl.handle.net/20.500.12272/6510 |
Aporte de: |
id |
I68-R174-20.500.12272-6510 |
---|---|
record_format |
dspace |
institution |
Universidad Tecnológica Nacional |
institution_str |
I-68 |
repository_str |
R-174 |
collection |
RIA - Repositorio Institucional Abierto (UTN) |
language |
Español |
topic |
Aceitunas negras naturales ANFIS Escala piloto Escala industrial |
spellingShingle |
Aceitunas negras naturales ANFIS Escala piloto Escala industrial Modesti, Mario Álvarez, Dolores María Eugenia Kliger, Luis Arquitectura anfis del proceso de fermentación de aceitunas negras naturales: entrenamiento a escala piloto y validación a escala industrial |
topic_facet |
Aceitunas negras naturales ANFIS Escala piloto Escala industrial |
description |
En el proceso de obtención de aceitunas negras naturales, las condiciones inciden sobre la calidad del fruto fermentado y éstas difieren a distintas escalas. El objetivo del trabajo es generar modelos matemáticos que caractericen las propiedades de las aceitunas negras naturales obtenidas a gran escala, a partir de datos del proceso a escala piloto. Se crearon arquitecturas ANFIS con parámetros físico-químicos como entradas, y de textura y color como salidas. Dichas estructuras se entrenaron con datos obtenidos a escala piloto y se validaron con los industriales. Las redes que demostraron mejor desempeño poseen dos funciones de membresia por entrada incorporada, en forma de campana generalizada y una de salida. Las estructuras logradas demostraron habilidad para predecir la evolución del proceso a escala industrial luego de los primeros días de fermentación. Para incrementar su aptitud, sería conveniente probar otros modelos para el tratamiento de datos, tales como las redes neuronales artificiales. |
format |
Documento de conferencia publisherVersion |
author |
Modesti, Mario Álvarez, Dolores María Eugenia Kliger, Luis |
author_facet |
Modesti, Mario Álvarez, Dolores María Eugenia Kliger, Luis |
author_sort |
Modesti, Mario |
title |
Arquitectura anfis del proceso de fermentación de aceitunas negras naturales: entrenamiento a escala piloto y validación a escala industrial |
title_short |
Arquitectura anfis del proceso de fermentación de aceitunas negras naturales: entrenamiento a escala piloto y validación a escala industrial |
title_full |
Arquitectura anfis del proceso de fermentación de aceitunas negras naturales: entrenamiento a escala piloto y validación a escala industrial |
title_fullStr |
Arquitectura anfis del proceso de fermentación de aceitunas negras naturales: entrenamiento a escala piloto y validación a escala industrial |
title_full_unstemmed |
Arquitectura anfis del proceso de fermentación de aceitunas negras naturales: entrenamiento a escala piloto y validación a escala industrial |
title_sort |
arquitectura anfis del proceso de fermentación de aceitunas negras naturales: entrenamiento a escala piloto y validación a escala industrial |
publishDate |
2022 |
url |
http://hdl.handle.net/20.500.12272/6510 |
work_keys_str_mv |
AT modestimario arquitecturaanfisdelprocesodefermentaciondeaceitunasnegrasnaturalesentrenamientoaescalapilotoyvalidacionaescalaindustrial AT alvarezdoloresmariaeugenia arquitecturaanfisdelprocesodefermentaciondeaceitunasnegrasnaturalesentrenamientoaescalapilotoyvalidacionaescalaindustrial AT kligerluis arquitecturaanfisdelprocesodefermentaciondeaceitunasnegrasnaturalesentrenamientoaescalapilotoyvalidacionaescalaindustrial |
bdutipo_str |
Repositorios |
_version_ |
1764820552901459970 |