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. 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.
El equipo ha aplicado los dos métodos de análisis 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.
Automatizar el proceso de calidad
Mientras la ‘nariz electrónica’ ofrece datos sobre el perfil volátil de las muestras, las técnicas espectroscópicas 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», ha explicado la investigadora de la Universidad de Cádiz, Marta Barea, responsable de este trabajo.
Un trabajo que permitirá a la industria disponer de información actualizada, precisa y en tiempo real de la composición de este hidrocarburo. 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», asegura la responsable de la investigación.
Los modelos de identificación generados en este estudio pueden usarse para la creación de aplicaciones web para ordenadores, tablet y móviles y facilitar la automatización de los procesos de calidad de este derivado del petróleo.
El proyecto se ha realizado con fondos de la Consejería de Transformación Económica, Industria, Conocimiento y Universidades, recursos propios de la Universidad de Cádiz y del Instituto de Investigación Vitivinícola y Agroalimentario (IVAGRO), así como con apoyo de FEDER.
