ESQUEMA BÁSICO DEL PLANTEO DE PROBLEMA

1.- caratula: identificando el curso, tema desarrollado nombres del estudiante y profesor,
etc.
2.- planteo del problema según esquema explicado en clases y según la interrogante
planteada saldrá el “título del tema de investigación”.
3.- objetivos del problema
4.- hipótesis del problema
5.- diseño experimental que usará en la experimentación: la matriz respectiva y su
modelo matemático aproximado.
6.- citas bibliográficas según la metodología APA.

EJEMPLO DE PLANTEO DEL PROBLEMA

I. PLANTEAMIENTO DEL PROBLEMA
El uso de desechos orgánicos para la producción de combustibles renovables ha sido un
foco de investigación en las últimas décadas (Hao & Djatmiko, 2008), de manera que, el
biogas es un recurso de energía renovable que se produce a partir de diferentes tipos de
biomasa, incluidos los cultivos energéticos, residuos sólidos municipales, aguas
residuales y residuos de la agricultura, ganadería y algunas actividades industriales
(Morero, Vicentin, & Campanella, 2016). Las prácticas de información sobre
almacenamiento de desechos orgánicos tiene un impacto importante en la conservación
del contenido de energía de biomasa (Franco, Bayard, & Buffière, 2018), en contraste, la
mayor solubilización de biomasa no representa necesariamente las mejores condiciones
para la producción de CH4  en una etapa de digestión anaerobia debido a la presencia de
compuestos tóxicos (Caroline et al., 2018).

El efecto de temperatura influye sobre el rendimiento del biogás contrastado con el

modelo cinético de Gomperts modificado, observando un mejor desempeño de la
metanogénesis a 50ºC (Deepanraj, Sivasubramanian, & Jayaraj, 2015), en consecuencia
el pretratamiento térmico mejorar la producción del biogás de la paja de trigo.
Significativamente se observa una elevada producción de biogás y la reducción de sólidos
volátiles a temperatura de pretratamiento térmico de 180°C. (Ayub & Visvanathan,
2018), un análisis estadístico del MEA para los parámetros como: CO 2, razón molar,
flujo, presión y temperatura; en un proceso de purificación de metano muestran ratios de
influencia fuerte, por lo tanto la temperatura y el ratio de la razón molar influye en la
producción de metano en un 90% (Akkarawatkhoosith, Kaewchada, & Jaree, 2018). Por
lo tanto la producción de metano en invierno es negativa debido a la baja temperatura,
para mejorar este inconveniente se amalgama con un sistema fotovoltaico de calefacción
solar. (Sahu, Sahu, Purohit, Warudkar, & Arisutha, 2017)

La mejora del rendimiento en el proceso se realiza de manera dinámica con una novedosa
herramienta de simulación y un reactor único con un grado de eficacia del 59%
(Jürgensen, Augustine, Born, & Holm-nielsen, 2014), de manera que el simulador
ADM1, es una poderosa herramienta para la simulación del comportamiento dinámico en
el digestor anaerobio, cuya aplicación demostró que afectaron a las variables como k dis,
khyd_pr, km_aa, km_ac, km_h2, Ks_aa y Ks_ac. (Chen et al., 2016). Por consiguiente, el modelo
matemático que relaciona la biomasa, almacenamiento y digestión anaerobia contribuye
significativamente al rendimiento de biogás agrícola (Franco et al., 2018). Por otro lado,
la tecnologías basadas en micro algas eliminan nutrientes en suspensión sumada a
fotobiorreactores y como efecto hay un incremento del rendimiento del biogás (Wang,
Gao, Zhang, & Cao, 2017), por lo tanto, para optimizar el proceso de generación de
metano se hace uso de algoritmos genéticos y consecuentemente se tiene información
sobre el rendimiento del gas metano (Su et al., 2018)

De las investigaciones de Su, realizados en la China podemos inferir las interrogantes

siguientes:

I.1. Problema General

¿En qué medida la modelización y optimización de la producción de Metano a partir del

estiércol de Alpaca mediante redes neuronales artificiales contribuirá en la mejora del
rendimiento del metano en una atmosfera inestable?

I.2. Problemas Específicos

a) ¿Cuál será la posibilidad de determinar una formula empírica en base a la

caracterización de Carbono Hidrogeno, Oxígeno y Nitrógeno?

b) ¿Cuáles serán las variables más influyentes en el proceso de modelización y

producción de metano en base al estiércol de Alpaca?

C) ¿Cuánto será el poder calorífico del gas Metano en el proceso de combustión a

condiciones de 476 mmHg y 3810 msnm?
OBJETIVOS

2.1 OBJETIVO GENERAL

Modelizar y optimizar la producción de gas metano a partir del estiércol de Alpaca

mediante redes neuronales artificiales.

2.2. OBJETIVOS ESPECÍFICOS

- Determinar la formula empírica en base a la caracterización del CHON del

estiércol de Alpaca.
- Cuantificar las variables más influyentes del proceso de fermentación anaerobia
del estiércol de Alpaca.
- Cuantificar el poder calorífico desprendido del proceso de combustión del gas
Metano en función al balance de materia y energía a 476 mmHg y 3810 msnm.
HIPÓTESIS

3.1 HIPÓTESIS GENERAL

La modelización y optimización de la producción de metano a partir del estiércol de
Alpaca mediante redes neuronales artificiales se desarrolla a partir de datos de variables
controladas por PLC mediante sensores en estado dinámico.

3.2. HIPÓTESIS ESPECÍFICA

- Mediante la caracterización química del estiércol de Alpaca y cálculos estequiométricos

se determina la formula empírica del (CHONS).
- Las variables más influyentes en el proceso de fermentación anaerobia son: la
Temperatura, Presión y el tiempo de residencia TDR.
- El poder calorífico del gas Metano generado en base al estiércol de Alpaca se precisa
mediante balances de materia y emergía y es variable a condiciones de 476 mmHg y 3810
msnm.
4. DISEÑO EXPERIMENTAL
Se aplicará un diseño factorial 2K = 23 = 8 exp. En total.
4.1 Matriz de diseño experimental.

4.2 Modelo matemático.

El modelo correspondiente a este experimento según la matriz sería el siguiente:
Y= b0 + b1X1 + b2X2 + b3X3 + b12X1X2 + b13X1X3 + b23X2X3 + b123X1X2X3