Yesenia Velazco Paredes, egresada de la Licenciatura en Ingeniería Química de la Universidad Veracruzana (UV), diseñó un sistema que automatiza el monitoreo del crecimiento de los cristales de azúcar mediante inteligencia artificial.
El método tradicional depende de la inspección visual de los operadores en los tachos industriales, lo que introduce variaciones en el tamaño y homogeneidad del grano. Según la investigadora, esto genera pérdidas económicas y un uso ineficiente de la energía en las plantas procesadoras.
Innovación basada en análisis multifractal y machine learning
El sistema desarrollado por Velazco Paredes integra tres pilares: procesamiento digital de imágenes de alta resolución del jarabe, análisis multifractal y aprendizaje automático (machine learning). Con ellos, sustituye el monitoreo manual por un diagnóstico en tiempo real del estado de los cristales.
La investigación contó con la asesoría de los investigadores Jorge Arturo Romero Bustamante y Jazael Moguel. Se aplicó la metodología Análisis Multifractal de Fluctuaciones sin Tendencia (MF-DFA) sobre imágenes del proceso de cristalización.
Se comprobaron correlaciones entre datos experimentales —como el diámetro promedio y la masa de cristal formado— con los parámetros multifractales obtenidos. Luego se generaron criterios de clasificación de tamaño basados en el comportamiento de los resultados del MF-DFA.
Para evaluar la eficacia de la clasificación, se empleó el Análisis Discriminante Lineal, entrenado con datos de los parámetros multifractales. Las pruebas incluyeron información de imágenes de réplicas del proceso inicial, considerando diferentes perfiles de enfriamiento.
Este desarrollo abre la puerta a la Industria 4.0 en el sector azucarero, al proporcionar una herramienta que permite mantener o modificar variables del proceso para alcanzar el tamaño de cristal deseado de forma eficiente.
Fuente original: Universidad Veracruzana