50- #1097 Modelo De Redes Neuronales En La Selección De Materiales Compostables Como Sustitutos Al Polietileno PELBD (LLDPE).

Resumo

Actualmente, los polímeros tradicionales tienen una
gran variedad de aplicaciones en la industria de los
Single-Use Plastics. Estos productos son ampliamente
aceptados por su bajo costo, comodidad, higiene y
facilidad en su producción. Sin embargo, tiene dos
grandes desventajas. La primera es que son extraídos
de recursos no renovables como el petróleo, que cada
día es más escaso y costoso. La otra desventaja es el
tiempo que tardan en descomponerse en su totalidad,
ya que pueden tardar desde décadas hasta siglos
(Roland, Jenna R., & Kara, 2017). Con base en esto el
siguiente estudio se enfocará en proponer un
modelo de criterios múltiples basado en técnicas de
redes neuronales para la selección de un sustituto
orgánico del PELBD (LLDPE). Para este estudio
partimos de varios supuestos: Las alternativas a
estudiar son extraídos de la papa, yuca, aguacate y
remolacha.

El proyecto tiene tres fases importantes: La primera
fase es la identificación de las características
morfológicas y químicas de cada material junto a sus
posibles combinaciones viables con sustancias
orgánicas por medio de una experimentación
determinista. Hecha la experimentación, en la fase dos
se usaron la metodología de entropía para jerarquizar
las alternativas en cuestión, evitando el sesgo del
decisor y cálculo de peso específico. Para esta fase se
aplicó además una red neuronal de primer nivel con el
propósito de reorganizar la información y
reconocimiento de patrones. Finalmente, en la fase tres
se estructurará una matriz de decisión
criterios/alternativas para aplicar un análisis VIKOR y
definir la opción “mas” viable.

Como resultado preliminar se encontró un patrón en las
características del almidón de la papa y yuca en cuanto
a su morfología, acceso, procesamiento y costos con
una similitud de 98,5%. El modelo propuesto, tiene
un Qj de 0.0 en la relación de decisores, demostrando
que la técnica es muy más eficiente que las actuales
aplicadas hasta en un 8%