Técnicas de machine learning aplicadas a la producción de bioetanol a partir de la caracterización de biomasa lignocelulósico (Theobroma cacao L.)

Aug 5, 2026

Subir por Miles

La demanda de combustibles fósiles en crecimiento ha generado escasez de reservas y limita el desarrollo económico, motivando el uso de residuos lignocelulósicos como la cáscara de cacao para producir biocombustible. El estudio compara resultados experimentales con simulaciones realizadas con apoyo de herramientas de aprendizaje automático. Se ejecutan etapas de pretratamiento, hidrólisis enzimática y fermentación en la Universidad Técnica de Machala, y se modela con Orange. Random Forest ofrece el mejor ajuste (R2=0.83), con glucosa predicha de 1.04 g/L y etanol óptimo de 5.34 g/L.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas20

Tiempo de lectura31 min

AccesoGratis para descargar

Tabla de contenidos

Resumen

Materiales y métodos

Simulación y aprendizaje automático

Resultados y discusión

RECIBIDO/RECEIVED:03 JUNIO 2023 | ACEPTADO/ACCEPTED: 15 AGOSTO 2023 | PP. 41-60 Técnicas de machine learning aplicadas ala producción de bioetanol a partir de la caracterización de biomasa lignocelulósico (Theobroma cacao L.) Machine learning techniques applied to the production of bioethanol from the characterization of lignocellulosic biomass (Theobroma cacao L.) Greta Valeria Basauri Romero Universidad de Lima [20160142@aloe.ulima.edu.pe](20160142@aloe.ulima.edu.pe) ORCID: 0000-0003-4492-9324 Melanie Evelyn Velarde Herrera Universidad de Lima [20161515@aloe.ulima.edu.pe](20161515@aloe.ulima.edu.pe) ORCID: 00000-0003-0113-2921 Yvan Jesús García López Universidad de Lima [ygarcia@ulima.edu.pe](ygarcia@ulima.edu.pe) ORCID: 0000-0001-9577-4188 Revista de Biotecnología Vol.1 Nº1 Versión electrónica [https://investigacion.utmachala.edu.ec/revistas/index.php/biotecnologia](https://investigacion.utmachala.edu.ec/revistas/index.php/biotecnologia) Revista de Biotecnología. 1 (1) 2023: pp. 41-60 Basauri G.; Velarde M.; García Y. RESUMEN En los últimos años, la demanda de combustibles fósiles ha ido en aumentoy esto ha generado una escasez en las reservas mundiales lo que limita el crecimiento económico; ejemplo de ello es Tocache, una de las provinciasmás aisladas y pobres del Perú . En este estudio se aborda el uso de residuos lignocelulósicos como la cáscara de cacao para generar biocombustible, cuyo objetivo es comparar los resultados experimentales con los obtenidos de la simulación. Asimismo, se realizaron los procesos de pretratamiento, hidrólisis enzimática y fermentación en la Universidad Técnica de Machala. El Machine Learning se realizó con el software Orange, el cual se basó en los datos y las variables experimentales halladas previamente. El mejor resultado corresponde al método Random Forest, con el que se obtuvo una precisión con el R2 (0 .83). Por consiguiente, la glucosa predicha fue 1.04 g/L y la cantidad óptimade alcohol etílico fue 5.34 g / L. Los resultados demuestran que el alcohol etílico simulado se aproxima al hallado experimentalmente (7.1 g/L) y a otrosestudios realizados previamente. Finalmente, el uso de Machine Learning esmenos costoso y los resultados se pueden obtener en el menor tiempo posible en comparación con los procedimientos experimentales. Palabras clave: Bioetanol, cáscara de cacao, fermentación, hidrólisis Enzimática, aprendizaje automático. ABSTRACT In recent years, the demand for fossil fuels has been increasing and this has generated a shortage in world reserves, which limits economic growth; An example of this is Tocache, one of the most isolated and poorest provinces in Peru. This study deals with the use of lignocellulosic residues such as cocoa husks to generate biofuel, whose objective is to compare the experimental results with those obtained from the simulation. Furthermore, the pretreatment, enzymatic hydrolysis and fermentation processes were carried out atthe Technical University of Machala. The Machine Learning was carried outwith the orange software, which was based on the data and the experimental variables previously found. The best result corresponds to the Random Forest method, with which a precision with R2 (0.83) was obtained. Therefore, the predicted glucose was 1.04 g/L, and the optimal amount of ethyl alcohol was 5.34 g/L. The results show that the simulated ethyl alcohol is close to that found experimentally (7.1 g/L) and to previous studies. Finally, the use of Machine Learning is less expensive, and the results can be obtained in the shortest possible time compared to experimental procedures. Keywords: Bioethanol, cocoa pod husk, fermentation, enzymatic hydrolysis, machine learning. 42 Obtención de un edulcorante funcional (celobiosa) a partir de Gossypium hirsutum, para uso de personas con hiperglicemia INTRODUCCIÓN Chohan et al. (2020) señala que “más del 80% de la energía global se produce utilizando combust

Preguntas frecuentes

Cuál es el objetivo del estudio sobre bioetanol a partir de cáscara de cacao?

Comparar los resultados experimentales con los obtenidos mediante simulación, usando aprendizaje automático basado en los datos y variables experimentales.

Qué procesos experimentales se realizan para la producción de biocombustible?

Se desarrollan pretratamiento, hidrólisis enzimática y fermentación en la Universidad Técnica de Machala.

Qué método de machine learning mostró el mejor desempeño y cuáles fueron los valores reportados?

Random Forest obtuvo el mejor resultado, con R2=0.83; la glucosa predicha fue 1.04 g/L y la cantidad óptima de alcohol etílico 5.34 g/L.

Aug 5, 2026

Subir por Miles