11/26  Precios de cierre/ revisados 11/27/2024 10:40 GMT | 11/26 OPEC Basket $72.96 –$0.73 cents 11/26 Mexico Basket (MME)  $64.34 –$0.50 cents 10/30 Venezuela Basket (Merey) $58.30   +$3.39 cents  11/26 NYMEX Light Sweet Crude $68.77 -$0.17 cents | 11/26 ICE Brent  $72.811 -$0.20 cents | 11/26 Gasoline RBOB NYC Harbor $1.99 -0.14% | 11/26 Heating oil NY Harbor $2.24 +0.2 % | 11/26 NYMEX Natural Gas $3.43 +1.8 % | 11/22 Active U.S. Rig Count (Oil & Gas)  583- 1 | 11/27 USD/MXN Mexican Peso 20.69090 (data live) 11/27 EUR/USD  1.0520 (data live) | 11/27 US/Bs. (Bolivar)  $46.75370000 (data BCV) | Source: WTRG/MSN/Bloomberg/MarketWatch/Reuters

Crean una «nariz electrónica» para evaluar la calidad de la gasolina

Grifo de una gasolinera en foto de archivo. (Yahya Arhab/EFE)

EFE

CADIZ
EnergiesNet.com 29 03 2022

Un equipo de investigación de la Universidad de Cádiz ha diseñado una «nariz electrónica» capaz de detectar restos de líquidos inflamables en un incendio y diferenciar entre los dos tipos de gasolina más comúnmente comercializadas, la de 95 y 98 octanos, y poder evaluar la calidad de este hidrocarburo.

Este sistema se complementa con técnicas de medición de infrarrojos, que combinados con algoritmos de aprendizaje automático, permite a la industria petroquímica una alternativa eficaz para validar la composición e identificar el tipo de combustible.

En un comunicado, la Fundación Descubre, una institución privada sin ánimo de lucro impulsada por la Consejería de Transformación Económica, Industria, Conocimiento y Universidades de la Junta de Andalucía, ha detallado que el equipo de investigadores ha 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».

Los han aplicado 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.

En el estudio publicado en la revista Microchemical Journal, han analizado por separado la utilidad de ambos métodos en dos procesos diferentes, uno basado en algoritmos y otro obteniendo mediciones químicas de gasolina, además de evaluar la eficacia de su combinación para discriminar y clasificar muestras de hidrocarburos.

Perfil aromático

La «nariz electrónica» es capaz de ofrecer datos sobre el perfil volátil de las muestras, mientras que las técnicas espectroscópicas se centran en analizar los compuestos no volátiles, y 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.

Permite a la industria petroquímica una alternativa eficaz para validar la composición e identificar el combustible

Según el estudio, la «nariz electrónica» proporciona información más precisa de la gasolina según su octanaje debido a la clasificación de los compuestos volátiles.

“Esta técnica, y concretamente el perfil aromático de las muestras, permite discriminar mejor la cantidad de octanos que contiene cada una”, ha explicado la investigadora de la Universidad de Cádiz y responsable de este trabajo, Marta Barea.

Las aplicaciones de esta nueva metodología en la industria petroquímica contribuyen a optimizar los procesos de calidad, así como en otros ámbitos, obteniendo sistemas de gestión de calidad rápidos, en el momento y con un nivel de detalle muy preciso.

Aplicaciones

“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 argumentado Barea.

Este descubrimiento también es útil en la química forense para detectar en un incendio, in situ, qué líquido inflamable lo ha originado y desde ahí seguir indicios hasta localizar su origen.

Los modelos de identificación generados en este estudio pueden usarse para la creación de aplicaciones web para ordenadores, tabletas y móviles y facilitar la automatización de los procesos de calidad de este derivado del petróleo.

Para obtener estos resultados, han estudiado los datos de 50 muestras de gasolina de 95 y 98 octanos, que se han analizado mediante estas dos técnicas para saber qué algoritmo de aprendizaje automático diferencia correctamente entre los dos tipos.

efe.com 28 03 2022

Share this news
Verificado por MonsterInsights