OPTIMIZACIÓN DEL PROCESO DE DESTILACIÓN POR ARRASTRE DE VAPOR MEDIANTE INTELIGENCIA ARTIFICIAL Y SIMULACIÓN

Resumen

Introducción:
La destilación por arrastre de vapor es una técnica común en la extracción de aceites esenciales, pero presenta limitaciones en eficiencia térmica y pérdidas energéticas. Este estudio aplica inteligencia artificial (IA) y simulación dinámica para optimizar la recuperación del aceite esencial de Ocotea quixos.
Objetivo:
Desarrollar un modelo predictivo basado en IA, complementado con simulaciones dinámicas, enfocado en la eficiencia del proceso y la reducción de pérdidas energéticas.
Materiales y Métodos:
Se entrenaron algoritmos de aprendizaje automático con datos de un sistema semicontinuo de extracción, ajustando la relación entre flujo de vapor, carga de hojas y rendimiento. La simulación dinámica evaluó la evolución térmica del sistema mediante balances de masa y energía.
Resultados y Discusión:
Los modelos ajustaron parámetros operativos, logrando reducir pérdidas de condensado en un 20 % y aumentar el rendimiento de aceite en un 12 %. La simulación reveló mejoras en la distribución térmica y diseño del tambor rotatorio.
Conclusiones:
La combinación de IA y simulación mejora sustancialmente la eficiencia y sostenibilidad del proceso de extracción. El enfoque es replicable en otros sistemas agroindustriales.