<< Volver atrás

Tesis:

Desarrollo de un sistema de predicción y control de solventes durante la fermentación de cerveza con S. Cerevisiae mediante redes neuronales y lógica difusa

  • Autor: MOYA ALMEIDA, Vinicio

  • Título: Desarrollo de un sistema de predicción y control de solventes durante la fermentación de cerveza con S. Cerevisiae mediante redes neuronales y lógica difusa

  • Fecha: 2023

  • Materia:

  • Escuela: E.T.S. DE INGENIERÍA AGRONÓMICA, ALIMENTARIA Y DE BIOSISTEMAS

  • Departamentos: INGENIERIA AGROFORESTAL

  • Acceso electrónico: https://oa.upm.es/73580/

  • Director/a 1º: DIEZMA IGLESIAS, Belén
  • Director/a 2º: CORREA HERNANDO, Eva Cristina

  • Resumen: The quality of the beer as the final product of alcoholic fermentation is directly related to the concentrations of the compounds produced during this phase. Expert consultations were carried out, and it was determined that solvents, not in chemical terms but as organoleptic descriptors, have the greatest negative impact on the quality of the beverage among the compounds. The concentration of the compounds shows a clear dependence on the fermentation temperature, which is why it was selected as a control variable since it is a physical variable that is commonly manipulated at an industrial level. Five experimental fermentations were performed with the yeast Saccharomyces cerevisiae Safale S04, data were collected by gas chromatography, and used to establish a set of 20 Gompertz functions that subsequently generate training data sets for four neural networks capable of generalizing the behaviour of yeast in the range of 15 to 21 °C. Using these neural networks, a set of 131.079 values was generated for each of the time and temperature variables, for each compound, to train a new set of four inverse neural networks. For this purpose, an inversion of the inputs and outputs of the data sets is performed. These inverse neural networks can predict the temperatures required by yeasts to generate concentrations of n-propanol, isobutanol, amyl alcohols, and ethyl acetate, determined by an expert user. The control system is based on a fuzzy logic controller that, through the temperature error and its speed of variation, calculates the most appropriate values to regulate the power level of a cold and heat system coupled to a bioreactor, in which the experiments are carried out. To validate the developed methods, the results obtained were compared with others found in the literature and through comparisons of simulations and experimental data through analysis of variance and coefficients of determination, which showed the absence of significant differences, obtaining, for example, for temperature an R2 = 0.821 on average considering the entire data set, and an R2 = 0.964 on average with processed data. During the final experiments, the usefulness and high precision achieved by the system was demonstrated, predicting the temperatures, and obtaining the desired concentrations with errors between 0.01 and 1.65 mg·L-1. This is a generalizable method that can be used for the simulation and control of other compounds in fermentations directed both by these yeasts and by other species. RESUMEN La calidad de la cerveza como producto final de la fermentación alcohólica está directamente relacionada con las concentraciones de los compuestos que se producen durante esta fase. Después de consultar a un grupo de expertos se determinó que los solventes, no en términos químicos sino como descriptor organoléptico, otorgan, entre los compuestos, el mayor impacto negativo sobre la calidad de la bebida. La concentración de los compuestos demuestra una clara dependencia de la temperatura de fermentación, por lo que se la seleccionó como variable de control, debido a que es una variable física de común manipulación a nivel industrial. Se realizaron cinco fermentaciones de experimentación con la levadura Saccharomyces cerevisiae Safale S04, se recopilaron datos mediante cromatografía de gases, y se utilizaron para establecer un conjunto de 20 funciones de Gompertz que, posteriormente generan los conjuntos de datos de entrenamiento para cuatro redes neuronales capaces de generalizar el comportamiento de la levadura en el rango de 15 a 21 °C. Utilizando estas redes neuronales se generó un conjunto de 131.079 valores por cada una de las variables de tiempo y temperatura, para cada compuesto, con el fin de entrenar un nuevo conjunto de cuatro redes neuronales inversas. Para este propósito, se realiza una inversión de entradas y salidas de los conjuntos de datos. Estas redes neuronales inversas son capaces de predecir las temperaturas necesarias para que las levaduras generen concentraciones de n-propanol, isobutanol, alcoholes amílicos y acetato de etilo, determinadas por un usuario experto. El sistema de control se basa en un controlador de lógica difusa que, mediante el error de temperatura y su velocidad de variación, calcula los valores más adecuados para regular el nivel de potencia de un sistema de frío y de calor acoplados a un biorreactor, en donde se llevan a cabo los experimentos. Para validar los métodos desarrollados, se compararon los resultados obtenidos con otros hallados en la literatura y mediante comparaciones de simulaciones y datos experimentales a través de análisis de varianza y coeficientes de determinación, los cuales mostraron ausencia de diferencias significativas, obteniendo, por ejemplo, para la temperatura un R2 de ajuste de 0,821 de media considerando todo el conjunto de datos, y un R2 de ajuste de 0,964 de media con datos pro cesados. Durante las experimentaciones finales se demostró la utilidad y alta precisión alcanzadas por el sistema, prediciendo las temperaturas y obteniendo las concentraciones deseadas con errores de entre 0,01 y 1,65 mg-L1. Este es un método generalizaba que puede ser utilizado para la simulación y control de otros compuestos en fermentaciones dirigidas tanto por estas levaduras como por otras especies.