Desarrollo de un sistema de predicción y control de solventes durante la fermentación de cerveza con S. Cerevisiae mediante redes neuronales y lógica difusa
- Autores: Vinicio Antonio Moya Almeida
- Directores de la Tesis: Belén Diezma Iglesias (dir. tes.), Eva Cristina Correa Hernando (codir. tes.)
- Lectura: En la Universidad Politécnica de Madrid ( España ) en 2023
- Idioma: español
- Tribunal Calificador de la Tesis: Pilar Barreiro Elorza (presid.), Juan Manuel del Fresno Flórez (secret.), Begoña de Ancos (voc.), José Ignacio Robla Villalba (voc.), Ángela Melado Herreros (voc.)
- Programa de doctorado: Programa de Doctorado en Agroingeniería por la Universidad Politécnica de Madrid
- Calificación: Sobresaliente Cum Laude
- Materias:
- Enlaces
- Tesis en acceso abierto en: Archivo Digital UPM
- 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 procesados. 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·L-1. Este es un método generalizable que puede ser utilizado para la simulación y control de otros compuestos en fermentaciones dirigidas tanto por estas levaduras como por otras especies.
