Desarrollo de métodos para la caracterización inteligente y automatizada de productos derivados del petróleo mediante machine learning y técnicas espectroscópicas

Aug 5, 2026

Subir por Asher

El trabajo desarrolla métodos basados en machine learning y técnicas espectroscópicas para la caracterización inteligente y automatizada de productos derivados del petróleo (PDPs). El enfoque busca agilizar el control de calidad en la industria petroquímica, mejorar el cumplimiento normativo y reducir costes, minimizando además el impacto ambiental asociado a residuos y vertidos. Se aborda la identificación de PDPs y la detección de adulteraciones, con el objetivo de evaluar el origen, estimar peligrosidad e impacto, y respaldar protocolos de limpieza y decisiones analíticas.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas75

Tiempo de lectura1 h 56 min

AccesoGratis para descargar

Tabla de contenidos

Resumen

Abstract

Índice de acrónimos

Introducción

El petróleo y su importancia

Industria petroquímica

Productos derivados del petróleo (PDPs)

Importancia de la identificación de PDPs

Automatización en la industria petroquímica

Machine Learning o aprendizaje automático

Objetivos

Materiales y método

Muestras de PDPs

Preparación de mezclas

Análisis de muestras mediante NIRS

Análisis de datos y software

Resultados y discusión

Análisis exploratorio

Modelos de clasificación

Modelos de regresión

Conclusiones

Bibliografía

Anexos

UNIVERSIDAD DE CÁDIZ Facultad de Ciencias del Mar y Ambientales Doble Grado en Química y Ciencias Ambientales Desarrollo de métodos para la caracterización inteligente y automatizada de productos derivados del petróleo mediante machine learning y técnicas espectroscópicas Modalidad de investigación Realizado por Antonio Casal Trigo Tutores: Marta Ferreiro González, José Ángel Álvarez Saura En Puerto Real, a 9 de septiembre de 2024 Agradecimientos A Marta Ferreiroy José Ángel Álvarez, por haberme tutorizado este trabajo y formado en mis primeras aventuras en la investigación. A Jesús Ayuso, por todos sus consejos cuando estaba en el laboratorio. A José Luis Pérez, por haberse devanado los sesosbuscando los detalles más escondidos de mi código y por haberme enseñado aprogramar. Mi paso por la Universidad está marcadopor vosotros, y estoy infinitamenteagradecido por ello. A mis amigos de Química, que me acompañasteis en la primera etapa de la universidad. En el infierno no se está tan mal…A mis amigos de Ambientales, que me acompañasteisen la segunda etapa. Por más amiwis como vosotros, aunque el nombre del grupo no sea el mejor. A Sol, por iluminarme los días en mi época más nublada. Tu nombre sigue dando mucho juego. A Alba, por todas las risas compartidas dentro y fuera de clase. Ysí, tú tambiéniluminaste mis días. A Julia, por ser compañera de clase, de piso, amiga, tatuadora yconfidente. Igualmente, no pienso devolverte ni un solo Chocoflakes. A Uriel, por todo lo que hemos vivido en todos estos años. Por máspaseos y aún más kebabs. A Ciri, por obligarme a levantarme de la silla para salir apaseary despejarme. Quizásdemasiadas veces. A mi padre. Ojalá pudieses leer esto. Índice Resumen……………..………………………………………………………………….9 Abstract……………………….……………………………………………………….11 Índicede acrónimos…………………………..……………………………………….12 1. Introducción………………………...………………………………..……………..13 1.1. El petróleo y su importancia……………………………..…………………13 1.2. Industria petroquímica…………………………………..…………………14 1.2.1. Productos derivados del petróleo (PDPs)………...………………14 1.2.2. Importancia y valor de la gasolina………………..………………16 1.2.3. Control de calidad de la gasolina…………..…..…………………18 1.3. Importancia de la identificación dePDPs…………………………..………18 1.3.1. Técnicas analíticas para la identificación de PDPs……….………19 1.4. Automatización en la industria petroquímica.……………………...………20 1.5. Machine Learning o aprendizaje automático……...………………..………21 1.5.1. Métodos no supervisados………….....……………………..……22 1.5.2. Métodos supervisados…………..……………………..…………22 2. Objetivos……………………………...…..…………………..…..…………………27 3. Materialesy método……….……………..……………..………..…………………29 3.1. MuestrasdePDPs…………..………………..……………………..………29 3.2. Preparación de mezclas……………..……………..……………………….29 3.3. Análisis demuestras medianteNIRS……………………………………….31 3.4. Análisis de datos y software………………………..………………………31 4. Resultadosy discusión…………..………………..………………....………………35 4.1. Análisis exploratorio…………………………..……………………..…….35 4.2. Modelos de clasificación………...…………………..……………………..40 4.2.1. k-Nearest Neighbors (KNN)……………………………………..41 4.2.2. Linear Discriminant Analysis (LDA)……………...……………..41 4.2.3. Support Vector Machines (SVM)………….……………………..41 4.2.4. Random Forest (RF)………….…………………………………..42 4.2.5. Estudio comparativo de los modelos de clasificación…………….43 4.3. Modelos de regresión……..……………………..……………………..…..44 4.3.1. Modelosderegresión global…………………..………………….44 4.3.2. Modelos de regresión individual……………...………………….46 4.3.2.1. Modelos de regresión para el metanol…...……………..46 4.3.2.2. Modelos de regresión para el queroseno……………….48 4.3.2.3. Modelos de regresión para la gasolina 95………………49 4.3.3. Discusión conjunta de los resultados obtenidos con los diferentes algoritmos deregresión….……………..……………………………….51 5. Conclusiones…………………..……………………..……………………..……….53 6. Bibliografía………………….……………………..……………………..…………55 Anexos……………..………………..…

Preguntas frecuentes

Qué problema aborda el trabajo en la industria petroquímica?

El trabajo se centra en mejorar el control de calidad y la gestión asociada a residuos y vertidos, mediante métodos automatizados para la caracterización e identificación de PDPs.

Cómo se aplican el machine learning y las técnicas espectroscópicas?

Se emplean modelos de aprendizaje automático para clasificación y regresión, apoyados por análisis de muestras mediante NIRS, con el objetivo de describir y predecir propiedades o categorías de PDPs.

Por qué es importante la identificación de productos derivados del petróleo (PDPs)?

La identificación permite garantizar la fiabilidad del producto, reducir costes y facilitar el cumplimiento normativo, además de evaluar el origen de residuos y vertidos para estimar peligrosidad e impacto ambiental y definir protocolos de limpieza.

Aug 5, 2026

Subir por Asher