This thesis rigorously investigates the application of genetic algorithms (GAs) and artificial neural networks (ANNs) in the analysis of fermentation processes within batch bioreactors, contextualized in the transformative era of Industry 4.0. It underscores the pivotal role of digitalization and automation in advancing chemical engineering practices. A core achievement of this research is the successful implementation of GAs for the swift and accurate estimation of kinetic parameters in batch bioreactor fermentations. Integral to this advancement is the development and deployment of a web application, designed to automate these analytic processes. The first version of this application, already operational, incorporates functionalities for parameter estimation and has been validated using simulated and experimental data. This marks a significant milestone in rendering complex analytical processes more accessible and user-friendly in the realm of chemical engineering. Acknowledging computational limitations in the current model, particularly in handling higher discretization intervals for feed flow optimization, the thesis proposes a strategic shift to ANNs. This transition is anticipated to enable more efficient profiling for feed flow, potentially enhancing biomass production. The future versions of the web application are planned to integrate these advanced ANN models and inflow rate optimization analyses, with an emphasis on applying real experimental data for validation. The thesis also evaluates the effectiveness of various ANN configurations, with a focus on time residual and numerical scalers. The time residual scaler is identified as the preferred choice for future applications, considering its reduced training time.
Esta tesis investiga rigurosamente la aplicación de algoritmos gen éticos (GA) y redes neuronales artificiales (ANN) en el análisis de procesos de fermentación dentro de biorreactores discontinuos, contextualizados en la era transformadora de la Industria 4.0. Subraya el papel fundamental de la digitalización y la automatización en el avance de las prácticas de ingeniería química. Un logro fundamental de esta investigación es la implementación exitosa de GA para la estimación rápida y precisa de parámetros cinéticos en fermentaciones en biorreactores discontinuos. Una parte integral de este avance es el desarrollo y despliegue a producción de una aplicación web, diseñada para automatizar estos procesos analíticos. La primera versión de esta aplicación, ya operativa, incorpora funcionalidades de estimación de parámetros y ha sido validada mediante datos simulados y experimentales. Esto marca un hito importante en la tarea de hacer que los procesos analíticos complejos sean más accesibles y fáciles de usar en el ámbito de la ingeniería química. Al reconocer las limitaciones computacionales del modelo actual, particularmente en el manejo de intervalos de discretización más altos para la optimización del flujo de alimentación, la tesis propone un cambio estratégico hacia las ANN. Se prevé que esta transición permitirá un perfilado más eficiente del flujo de alimentación, mejorando potencialmente la producción de biomasa. Está previsto que las versiones futuras de la aplicación web integren estos modelos ANN avanzados y análisis de optimización de la tasa de flujo de entrada, con énfasis en la aplicación de datos experimentales reales para la validación. La tesis también evalúa la efectividad de varias configuraciones de ANN, con un enfoque en escaladores numéricos y residuales de tiempo. El escalador de tiempo residual se identifica como la opción preferida para futuras aplicaciones, considerando su reducido tiempo de entrenamiento.
