Correo Electrónico
DNINFOA - SIA
Bibliotecas
Convocatorias
Identidad UNAL
Sedes
Algoritmo que estima punto de ebullición de la mezcla agua con sal, aporte para la industria
La sal o cloruro de sodio se emplea tanto en la industria de alimentos como en los procesos de fertilización y en la limpieza de aguas residuales. Foto: Jeimi Villamizar, Unimedios.
La sal y su efecto coligativo –que obedece a que hay menos moléculas del líquido en la superficie y a que las moléculas del soluto se adhieren al líquido– dificultan la evaporación. Foto: archivo Unimedios.
Modelos físicos avanzados para identificar con precisión puntos de congelación y elevación de temperatura en mezclas de sal y agua. Foto: Óscar Laverde Robayo, Unimedios Manizales.
Resultados en los cuatro modelos de estudio para identificar los cambios en el punto de congelación y el punto de ebullición. Foto: Jorge Londoño, magíster en Ingeniería Química, UNAL Sede Manizales.
Para su uso industrial, la sal (soluto) se debe diluir bien en el agua (solvente), pero este proceso –conocido como punto de congelación o solidificación– no siempre se da y por eso se dificulta encontrar un punto de equilibrio de la mezcla.
Así, si se agrega demasiado cloruro de sodio al agua, la composición puede quedar muy salada afectando el sabor y la potabilidad, o sea que no se puede consumir o aplicar en otros productos; y en la preparación de fertilizantes, una mezcla salada limita el crecimiento de las plantas e incluso puede quemarlas.
Además, a partir de la química del proceso, en los líquidos aumenta su densidad, lo que influye en la flotabilidad de objetos y su capacidad para disolver sustancias; por ejemplo, se afectaría la elaboración de productos como el yogur, ya que sus compuestos no flotarían. También se eleva el punto de ebullición, ya que la sal genera cambios de calor y sus gránulos pueden explotar cuando sobrepasan los 1.465 °C, en otras palabras, se daña la mezcla.
Por el contrario, una mezcla en cantidades óptimas de sal puede ser funcional para conservar alimentos, saborizar productos industriales, eliminar olores no deseados, facilitar la ebullición del agua e incluso enriquecer las bebidas deportivas para reemplazar electrolitos.
Teniendo en cuenta lo anterior, es esencial identificar cambios en el aumento de la temperatura, la densidad, la viscosidad y el punto de evaporación, un proceso para que el existen al menos cuatro modelos físicos de evaluación, que aunque son efectivos su uso resulta un poco dispendioso.
Los modelos teóricos que identifican el punto de congelación (crioscópico) y de elevación de la temperatura (ebulloscópico) son: Debye-Hückel, Neutral Network, Least-squares support vector machine (máquina de vectores de soporte de mínimos cuadrados) y Decision tree regression (regresión del árbol de decisión).
Aunque con ellos es posible aplicar ecuaciones numéricas, al realizar un estudio sobre la calidad del agua de una zona o alcantarillado específico, se deben tomar mínimo 10 muestras del líquido y llevarlas a un estudio de laboratorio, lo que resulta dispendioso.
En cambio, si se implementa un proceso de “aprendizaje automático”, subcategoría de la IA, el programa computacional predeciría la temperatura exacta en la que, por ejemplo, la mezcla se congela y vuelve a su punto de temperatura alta, algo que ahora no es posible con un solo método.
El ingeniero químico Jorge Eduardo Londoño Arango, magíster en Ingeniería Química de la Universidad Nacional de Colombia (UNAL) Sede Manizales, afirma que “así se reduciría el uso de muestras de un laboratorio químico y se alcanzaría más del 90 % de fiabilidad en la fuente de datos, lo que optimizaría los tiempos de los procesos”.
En la investigación se evaluaron dos efectos coligativos de la mezcla de agua y sal, utilizando el lenguaje de alto nivel programación Python para “enseñarle” a un computador a identificar rápidamente más de 80 datos para la variable crioscópica y más de 200 para la ebulloscópica. La información se obtuvo de muestras de soluciones de sal de los laboratorios del campus La Nubia de la UNAL Sede Manizales.
Entre los cuatro modelos evaluados, el algoritmo necesitaba cumplir con tres criterios: (i) independencia, que se refiere a qué tan dispersos están los datos entre sí, (ii) distribución normal, si los valores siguen un patrón predecible y lógico, y (iii) mantener una media en cero, es decir con qué frecuencia los valores permanecen en el lado positivo sin cambios significativos. La información obtenida se puede observar en un gráfico arrojado por el sistema.
“El modelo que más se ajustó y dio respuesta automática fue el Decision tree regression, ya que para ambos efectos evaluados identificó independencia y normalidad en los valores”.
“Se encontró que estadísticamente el modelo identifica que, en una temperatura de 0 a -30 °C, el punto óptimo de congelación (según la literatura) para esta mezcla entre cloruro de sodio y agua se producía a -21,1 °C, y al tener una concentración de sal del 23,3 % sobre 100, se elevaba su temperatura normal” , menciona el investigador.
“Además de economizar tiempo en las investigaciones, los aportes de este trabajo permitirían conocer el manejo o tratamiento adecuado del líquido, ya sea para la industria de alimentos –como la repostería y los lácteos–, o en la concentración de pesticidas o fertilizantes para que surtan efecto en los cultivos”, concluye el magíster.
