Producción de combustible mediante pirólisis y optimización con machine learning a partir de residuos plásticos

Proyecto: Investigación

Detalles del proyecto

Resumen de proyecto

La producción mundial en el 2022, de Polietileno (PE), Polipropileno (PP), Polietileno tereftalato (PET) representan el 52.5% del total de plásticos producidos. Los plásticos siguen actualmente una economía lineal y solo se reciclan el 9%. El objetivo de esta investigación es procesar los residuos plásticos en un reactor con chaqueta en ausencia de oxígeno mediante pirólisis catalítica rápida, utilizando como catalizador zeolita y a temperatura en el rango de 390 a 480 ºC con un tiempo de residencia de 60 minutos. Los gases de gases de pirólisis se condensan y se obtiene un combustible crudo, que luego es refinado en una columna de destilación y se produce el combustible refinado. Se harán 16 ensayos a distintas condiciones de temperatura. Los resultados obtenidos serán alimentados a una base de datos y luego procesos utilizando machine learning para predecir los parámetros óptimos, y finalmente producir combustible refinado a condiciones óptimas.

Descripción


En el país se genera aproximadamente 1.2 millones de toneladas de residuos plásticos anualmente, y solo el 10% de esos residuos son reciclados adecuadamente. (Ministerio de Ambiente, s.f.).
Se prevé que llegue a 445 MTT y 590 MTT en 2025 y 2050 respectivamente (Statista, 2023). A nivel mundial el 9% de los desechos plásticos se reciclan, el 19% se incinera y el resto contamina el medio ambiente, océanos y vertientes de agua. En 2019, los desechos plásticos emitieron 850 MMT de gases de efecto invernadero. Se proyecta que las emisiones de gases de efecto invernadero de los desechos plásticos alcanzarán 2.8 mil millones de toneladas para 2050, (Awogbemi & Kallon, 2023).
Según PlasticsEurope (2023), la producción mundial de Polietileno (Polietileno de baja densidad, polietileno de baja densidad lineal, polietileno de alta densidad, polietileno de media densidad), fue de 26.9%, de Polipropileno (PP) de 19.4% y de Polietileno tereftalato (PET) fue de 6.2% del total de plásticos producidos en el 2022.
Este estudio se enfoca en la obtención de combustible refinado a partir de residuos plásticos no reciclables (PET,PP,PE) mediante pirólisis catalítica rápida, y su impacto potencial positivo en la reducción de la contaminación ambiental y la dependencia de los combustibles fósiles en el país y la región.
Dada la complejidad de los procesos termoquímicos como la Pirólisis, es esencial desarrollar modelos matemáticos que identifiquen condiciones óptimas, analicen efectos de parámetros y permitan el control y optimización de las variables (temperatura, tiempo de residencia, catalizador, cinética de la reacción) en tiempo real. Además, son útiles para la expansión o dimensionamiento inicial de sistemas. Recientemente, las técnicas de aprendizaje automático (Machine learning), han recibido una atención creciente debido a su potencial para modelar de manera eficiente estos procesos altamente complejos (Ascher et al., 2022).
El Machine Learning (ML) mejora automáticamente el diseño y la optimización de procesos, logrando mayor eficiencia, mediante la adquisición de datos y experiencia. Se busca entender las complejas relaciones matemáticas entre las entradas y respuestas, utilizando diversos algoritmos como redes neuronales artificiales, árboles de decisión, bosques aleatorios y máquinas de vectores de soporte. Estos algoritmos han sido aplicados al modelado de procesos de pirólisis o gasificación en los últimos años (Cheng et al., 2023). Se plantea el problema de la investigación a modo de pregunta: ¿Es viable obtener combustible refinado mediante pirólisis catalítica rápida a partir de residuos plásticos y optimizarlo usando machine learning?

EstadoActivo
Fecha de inicio/Fecha fin1/04/2410/04/25

Objetivos de desarrollo sostenible de las Naciones Unidas

En 2015, los estados miembros de las Naciones Unidas acordaron 17 Objetivos de desarrollo sostenible (ODS) globales para erradicar la pobreza, proteger el planeta y garantizar la prosperidad para todos. Este proyecto contribuye al logro de los siguientes ODS:

  • ODS 3: Salud y bienestar
  • ODS 9: Industria, innovación e infraestructura
  • ODS 11: Ciudades y comunidades sostenibles
  • ODS 13: Acción por el clima

Palabras clave

  • Residuos plásticos, pirólisis , combustible , machine learning

Áreas y líneas de investigación secundarias

  • Innovación: tecnologías y productos
  • Ecoeficiencia y tecnologías limpias

Tipo de investigación

  • Aplicada