2 resultados
Resultados de la búsqueda
Mostrando 1 - 2 de 2
Ítem Obtención biotecnológica de un fermentado de Lactobacillus con potencial aplicación en la industria cosmética para el cuidado de la piel(Universidad Icesi, 2024-06-13) Arbelaez Narváez, Johan Sebastian; Rodríguez Suárez, Tatiana Marcela; Pinillos Madrid, Juan Fernando; González Rodríguez, Esteban (Co-tutor)El proyecto de investigación tuvo como objetivo producir un fermentado de Lactobacillus plantarum a partir de residuos agroindustriales (cáscaras de mango) para su aplicación en la industria cosmética. Para ello, se realizó una búsqueda exhaustiva de referencias bibliográficas sobre los diferentes procesos de fermentación a partir de hidrólisis ácida. Posteriormente, se diseñó y llevó a cabo una metodología de fermentación que involucra una hidrólisis ácida de las cáscaras de mango para obtener monosacáridos de glucosa, seguida de ensayos de fermentación a diferentes condiciones de pH y temperatura. Du rante los ensayos, se monitoreó la disminución del pH y de los azúcares, así como la producción diaria de ácido láctico y la concentración de bacterias al inicio y final de la fermentación. Finalmente, se puede concluir que la metodología de fermentación d iseñada es una buena alternativa para producir ácido láctico a partir de residuos agroindustriales. Además, se estableció que las condiciones óptimas para la mayor producción de ácido láctico son una temperatura de 30°C y un pH de 6. Palabras clave: H idrólisis ácida, Lactobacillus plantarum , fermentación, ácido láctico, azúcares reductores , pH .Ítem INRAE - Inteligencia artificial explicativa soft sensor(Universidad Icesi, 2025-06-27) Cabrera Lozano, Alvaro José; Aragón, C.; Corrales Muñoz, David CamiloEste trabajo presenta el desarrollo de un sensor blando aplicado al proceso de fermentación industrial, combinando modelos de aprendizaje automático de caja negra con técnicas de inteligencia artificial explicable (XAI). El objetivo del proyecto es diseñar un sistema predictivo capaz de estimar la concentración de penicilina a partir de datos históricos del proceso, mediante el uso de redes neuronales recurrentes (LSTM). Estos modelos, si bien precisos, presentan dificultades de interpretación debido a su naturaleza opaca. Para abordar este desafío, se integran técnicas XAI para visualizar y comprender la influencia de las variables más relevantes, transformando los modelos en herramientas más transparentes y confiables. La metodología incluye el uso del conjunto de datos IndPenSim, que simula condiciones normales y de falla en un entorno de fermentación a escala industrial. Además, se construye un prototipo de visualización para facilitar la interpretación de las predicciones y fortalecer la toma de decisiones basada en datos. El proyecto responde a la necesidad de lograr un equilibrio entre precisión y explicabilidad, dos pilares esenciales en la industria 4.0.