Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/12192| Title: | SISTEMA DE DETECCION UV/VIS CON INTELIGENCIA ARTIFICIAL |
| Authors: | GUERRERO MIRANDA, YUDHISTIRA |
| metadata.dc.subject.other: | Cromatografía líquida de alta eficiencia (HPLC), detector UV-Vis, inteligencia artificial, redes neuronales artificiales, sistema de bajo costo, química analítica, Raspberry Pi. |
| Issue Date: | 2026-02-01 |
| Publisher: | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Instituto Tecnológico de Orizaba |
| Description: | En el Tecnológico Nacional de México, Campus Orizaba, existe una necesidad creciente de contar con sistemas de cromatografía líquida funcionales y accesibles para apoyar las actividades de docencia e investigación. Los equipos HPLC comerciales presentan costos de adquisición y mantenimiento elevados, lo que limita su uso continuo en instituciones públicas. En este contexto, el presente trabajo de tesis tiene como objetivo desarrollar un sistema de cromatografía líquida de bajo costo, basado en un detector UV-Vis e integrado con técnicas de Inteligencia Artificial, que permita mejorar la precisión y confiabilidad en la identificación y cuantificación de compuestos orgánicos con grupos cromóforos. El sistema propuesto está conformado por un detector UV-Vis de celda de flujo acoplado a un equipo de cromatografía líquida, una plataforma de procesamiento embebida basada en Raspberry Pi y un conjunto de algoritmos de redes neuronales artificiales diseñados para el análisis de los cromatogramas. Se estableció una metodología que incluye la adquisición de las señales, su preprocesamiento, la selección de características relevantes y el entrenamiento y validación de los modelos de Inteligencia Artificial a partir de datos experimentales. Los resultados obtenidos muestran que los modelos de redes neuronales son capaces de capturar patrones en la forma de los picos cromatográficos y en la dinámica de elución, contribuyendo a reducir la influencia de ciertas fuentes de variabilidad experimental y a mejorar la consistencia de las estimaciones respecto al procesamiento convencional. El sistema desarrollado demuestra que es técnicamente viable combinar instrumentación accesible con técnicas de Inteligencia Artificial para fortalecer el análisis cromatográfico en entornos con restricciones presupuestales, ofreciendo una alternativa útil para la formación de estudiantes y el desarrollo de proyectos de investigación aplicada. |
| metadata.dc.type: | info:eu-repo/semantics/masterThesis |
| Appears in Collections: | Maestría en Ingeniería Electrónica |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| TESIS YUDHISTIRA GUERRERO MIRANDA.pdf | 4.39 MB | Adobe PDF | View/Open | |
| Yudhistira Guerrero Miranda 1166719.pdf | 334.64 kB | Adobe PDF | View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
