Machine Learning Techniques Applied to the Production of Bioethanol from the Characterization of Lignocellulosic Biomass (Theobroma cacao L.) - Tesis

Aug 5, 2026

Subir por Violet

La tesis aborda la producción de bioetanol de segunda generación a partir de residuos lignocelulósicos, específicamente la cascarilla de cacao abundante en Tocache (San Martín), motivada por el desabastecimiento de combustibles fósiles y la necesidad de energías renovables. El estudio compara resultados experimentales con simulaciones realizadas con Orange, tras aplicar pretratamiento, hidrólisis enzimática y fermentación en la Universidad Técnica de Machala. El modelo Random Forest logra el mejor desempeño (R2=0.83), con predicción de glucosa y alcohol etílico cercanos a los valores experimentales. Se concluye que el aprendizaje automático reduce costos y tiempos frente a procedimientos experimentales.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas11

Tiempo de lectura17 min

AccesoGratis para descargar

Tabla de contenidos

Planteamiento del problema

Motivación y contexto energético

Aplicación de técnicas de Machine Learning

Pregunta de investigación

Objetivos

Objetivo general

Objetivos específicos

Universidad de Lima Facultad de Ingeniería Carrera de Ingeniería Industrial MACHINE LEARNING TECHNIQUES APPLIED TO THE PRODUCTION OF BIOETHANOL FROM THE CHARACTERIZATION OF LIGNOCELLULOSIC BIOMASS (Theobroma cacao L.) Tesis para optar el Título Profesional de Ingeniero Industrial Greta Valeria Basauri Romero Código 20160142 Melanie Evelyn Velarde Herrera Código 20161515 Asesor Juan Carlos Quiroz Flores Lima – Perú Junio de 2024 | Propuesta
Carrera Ingeniería Industrial | | --- | | Título
MACHINE LEARNING TECHNIQUES APPLIED TO THE PRODUCTION OF BIOETHANOL FROM THE CHARACTERIZATION OF LIGNOCELLULOSIC BIOMASS (Theobroma cacao L.) | | Autor(es)
Greta Valeria Basauri Romero
[20160142@aloe.ulima.edu.pe](20160142@aloe.ulima.edu.pe)
Universidad de Lima
Melanie Evelyn Velarde Herrera
[20161515@aloe.ulima.edu.pe](20161515@aloe.ulima.edu.pe)
Universidad de Lima | | Resumen: En los últimos años, la demanda de combustibles fósiles ha ido en aumento y esto ha generado una escasez en las reservas mundiales lo que limita el crecimiento económico; ejemplo de ello es Tocache, una de las provincias más 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 depretratamiento, 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 óptima de 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 otros estudios realizados previamente. Finalmente, el uso de Machine Learning es menos costoso y los resultados se pueden obtener en el menor tiempo posible en comparacióncon 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 at the Technical University of Machala. The Machine Learning was carried out with 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. | | Línea de investigación IDIC – ULIMA: (2)– Investigación y análisis de operaciones | | Área y Sub-áreas de Investigación: (2)–Desarrollo empresarial y operaciones y logística | | Objetivo (s) de Desarrollo Sostenible (ODS): (9) -Industria, innovación e infraestructura. | | PLANTEAMIENTO DEL PROBLEMA
En la actualidad,“más del 80% de la energía global se produce utilizando combustibles fós

Preguntas frecuentes

Cuál es el objetivo principal del estudio sobre bioetanol?

Comparar los resultados experimentales con los obtenidos mediante simulación para la producción de bioetanol a partir de la cascarilla de cacao de Tocache, San Martín.

Qué procesos experimentales se realizaron para producir bioetanol?

Se realizaron pretratamiento, hidrólisis enzimática y fermentación en la Universidad Técnica de Machala, usando datos y variables experimentales para el aprendizaje automático.

Qué modelo de Machine Learning mostró el mejor desempeño y qué precisión obtuvo?

Random Forest fue el mejor; alcanzó una precisión con R2 de 0.83, y las predicciones se acercaron a los valores experimentales reportados.

Aug 5, 2026

Subir por Violet