Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.utn.edu.ec/handle/123456789/15864
Citar este ítem

Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorDe La Vega Quintero, Juan Carlos-
dc.contributor.authorDe La Cruz Rojas, Erika Mishell-
dc.date.accessioned2024-03-19T16:51:49Z-
dc.date.available2024-03-19T16:51:49Z-
dc.date.created2024-03-14-
dc.date.issued2024-03-19-
dc.identifier.other03/EIA/ 632es_EC
dc.identifier.urihttp://repositorio.utn.edu.ec/handle/123456789/15864-
dc.descriptionModelar matemáticamente la estimación de turbidez en vinos artesanales con relación a dosificación y tipos de clarificantes.es_EC
dc.description.abstractEl vino tinto es una bebida muy consumida en el mundo debido a su sabor característico, la cual contiene sólidos suspendidos originados durante su proceso de producción provocando turbidez. Parámetro que afecta la calidad dado que produce cambios en las propiedades organolépticas. El propósito de este estudio fue modelar matemáticamente la estimación de turbidez en vinos artesanales con relación a dosificación y tipos de clarificantes, basado en estudios previos sobre clarificación que hayan presentado resultados positivos. Para ello se elaboró vino de uva de la variedad Borgoña (Vitis lambrusca), el cual fue clarificado con yausabara y bentonita a diferentes concentraciones (100 por cada clarificante), de esta manera se generó una base de datos significativa. Se modeló el sistema mediante métodos aproximados como regresión lineal múltiple y Machine Learning con las aplicaciones de Neural Net Fitting y Regression Learner de Matlab. Para el entrenamiento y validación se utilizaron el 70% y 30 % de los datos, respectivamente. El mejor modelo entrenado fue la red neuronal de 25 neuronas en la capa oculta con un R 2= 0.9876 y MSE= 0.0029 y seguidamente el modelo regresión del proceso gaussiano exponencial que presentó un R 2= 0.9726 y MSE= 0.0030. En consecuencia, se infiere que los modelos mencionados resultaron ser buenos tanto en el entrenamiento como en la validación. La validación del modelo mostró que la red neuronal (RNA) es capaz de predecir la turbidez del vino artesanal con un nivel de fiabilidad alta debido a que modela procesos complejos que no presentan linealidad.es_EC
dc.language.isospaes_EC
dc.rightsopenAccesses_EC
dc.rightsAtribución-NoComercial-CompartirIgual 3.0 Ecuador*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/ec/*
dc.subjectVINOSes_EC
dc.subjectREDES NEURONALESes_EC
dc.subjectPRODUCCIÓN ARTESANALes_EC
dc.subjectCALIDADes_EC
dc.titleModelación matemática de la estimación de turbidez en vinos artesanaleses_EC
dc.typebachelorThesises_EC
dc.description.degreeIngenieríaes_EC
dc.contributor.deparmentAgroindustriales_EC
dc.coverageIbarra, Ecuadores_EC
dc.identifier.mfn0000042900es_EC
Aparece en las colecciones: Ing. Agroindustrial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
03 EIA 632 LOGO.jpgLOGO139,23 kBJPEGVista previa
Visualizar/Abrir
03 EIA 632 TRABAJO DE GRADO.pdfTRABAJO DE GRADO1,66 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons