Clasificación del queroseno mediante datos fisicoquímicos y técnicas multivariadas

Resumen

En este trabajo, se comparó la capacidad de discriminación de dos métodos de clasificación multivariada: modelo blando independiente de analogías de clases (SIMCA, de sus siglas en inglés) y máquinas de vectores soporte (SVM, de sus siglas en inglés) para la clasificación de querosinas a partir de los datos de sus propiedades físico químicas. Se colectaron del proceso de producción de una refinería dos fracciones de querosinas con diferente composición química (clase A y clase B). Las variables físico químicas usadas para el cálculo de los modelos fueron: punto inicial de ebullición, 10 % de recobrado, punto final de ebullición, punto de inflamación, densidad, viscosidad y contenido de azufre (%). Para el cálculo de los modelos supervisados se utilizaron 40 muestras (conjunto de entrenamiento). Para su validación se emplearon 25 muestras (conjunto de validación). El modelo SIMCA no tuvo suficiente poder de discriminación para distinguir las dos fracciones de querosinas. El modelo SVM calculado empleando un kernel lineal, una función de costo C = 10 y siete vectores soporte tuvo una adecuada sensibilidad y selectividad en las etapas de calibración y validación. La complejidad del modelo (número de vectores soporte) fue del 17 %, y se obtuvo una separación adecuada entre las muestras. El modelo SVM descrito es aceptable para clasificar y discriminar fracciones de querosinas sobre la base del empleo de sus propiedades físicoquímicas como variables. La habilidad de generalización que poseen las SVM hace atractiva esta técnica cuando se trabaja con sistemas con un número limitado de variables.