Please use this identifier to cite or link to this item:
http://hdl.handle.net/20.500.14076/20634
Title: | Desarrollo de software para optimizar el tiempo empleado en la creación de una configuración para embalajes térmicos para cadena de frío de 2º C A 8º C aplicando inteligencia artificial |
Authors: | Díaz Arrosquipa, Pedro José |
Advisors: | Rodríguez Bustinza, Ricardo Raúl |
Keywords: | Redes neuronales;Inteligencia artificial;Sistemas de procesamiento |
Issue Date: | 2020 |
Publisher: | Universidad Nacional de Ingeniería |
Abstract: | Actualmente se fabrican productos que son termosensibles, por lo tanto, deben permanecer a un rango de temperatura determinado, por ejemplo, algunos productos deben almacenarse a una temperatura menor a 0°C y otros deben estar entre 2°C y 8°C, por esa razón, se debe tener cuidado en la manipulación, especialmente durante el transporte, porque si no dichos productos serán perjudicados por la biodegradación y su calidad se verá disminuida. Por tal motivo, los embalajes térmicos fueron creados, los cuales son contenedores que pueden llevar dentro productos termosensibles, para transportarlos de un lugar a otro, sin embargo, para encontrar un embalaje térmico que cumpla con las condiciones solicitadas: tiempo de transporte, rango de la temperatura ambiental durante el viaje y el volumen del producto termosensible, es un trabajo arduo y que se dilata en muchas ocasiones, debido que cada configuración ideada debe ser puesta a prueba para ver el comportamiento térmico al interior del embalaje. Es con ese objetivo que el presente trabajo de tesis surgió, optimizar el proceso de creación de configuración de embalajes térmicos para rangos de temperatura de trabajo de 2°C a 8°C. Para lograr ese objetivo lo primero que se hizo fue conocer como es el modelo dinámico del embalaje térmico, para ello se desarrolló una red neuronal artificial recurrente cuyas entradas fueron la temperatura ambiental a la que está expuesto el embalaje térmico, las dimensiones del producto que contendrá el embalaje y todos los materiales empleados, dicha red fue entrenada con distintas pruebas que ya han sido realizadas. Cuando la red ya se encontró entrenada fue momento de trabajar con algoritmos de optimización para hallar la configuración necesaria de acuerdo a los requisitos solicitados: la temperatura ambiental, volumen del producto a conservar y el tiempo de transporte. Para que todo lo mencionado anteriormente sea utilizado se desarrolló una interfaz, ver Figura 3.28, con el objetivo de que cualquier persona sea capaz de utilizar el software. Currently, products that are thermosensitive are manufactured, therefore, they must remain at a certain temperature range, some products must be stored at a temperature below 0°C and others must be between 2°C and 8°C, for that reason, care must be taken in handling, especially during transport, because otherwise these products will be damaged by biodegradation and their quality will be diminished. For this reason, thermal packaging was created, which are containers that carry thermosensitive products, to transport them from one place to another, however, to find a thermal packaging that meets the requested conditions: transport time, range of variation of the environmental temperature during the trip and the volume of the thermosensitive product, it is an arduous work and that expands in many occasions, because each configuration devised must be tested to see the thermal behavior inside the packaging. It is with this objective that the present thesis work arose, to optimize the process of creating thermal packaging configuration for working temperature ranges from 2°C to 8°C. To achieve this goal, the first thing that was done was to know how the dynamic model of thermal packaging is, for this purpose a recurrent artificial neural network was developed whose inputs were the ambient temperature to which the thermal packaging is exposed, the dimensions of the product that will contain the packaging and all the materials used, that network was trained with different tests that have already been performed. When the network was already trained it was time to work with optimization algorithms to find the necessary configuration according to the requested requirements: the ambient temperature, volume of the product to be preserved and the transport time. In order for everything mentioned above to be used, an interface was developed, see Figura 3.28, with the objective that everybody be able to use the software. |
URI: | http://hdl.handle.net/20.500.14076/20634 |
Rights: | info:eu-repo/semantics/restrictedAccess |
Appears in Collections: | Ingeniería Mecatrónica |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
diaz_ap.pdf | 3,56 MB | Adobe PDF | View/Open | |
dìaz_ap(acta).pdf | 79,54 kB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
Indexado por: