Copirólisis catalítica asistida por microondas de cáscaras de plátano y polipropileno: experimentación y optimización...

Área de la Ciencia:

• Ingeniería Química
• Ciencias del medio ambiente
• Ciencias de los materiales

Sus antecedentes:

• La acumulación de residuos agrícolas y plásticos plantea importantes desafíos ambientales.
• Las estrategias de valorización sostenible son cruciales para la gestión de residuos y la recuperación de recursos.

Objetivo del estudio:

• Investigar la copirólisis catalítica asistida por microondas de las cáscaras de plátano y el polipropileno.
• Optimizar el rendimiento del producto y el rendimiento térmico mediante la variación de los parámetros del proceso.
• Desarrollar un modelo de aprendizaje automático para predecir los rendimientos de pirólisis.

Principales métodos:

• Copirólisis catalítica asistida por microondas utilizando el grafito como susceptor y el hidróxido de potasio como catalizador.
• Variación sistemática de las relaciones entre biomasa y plástico y los niveles de potencia de microondas.
• Caracterización de productos mediante el uso de la espectroscopia infrarroja de la transformación de Fourier (FTIR), la difracción de rayos X (XRD), el análisis de Brunauer-Emmett-Teller (BET) y el análisis termogravimétrico (TGA).
• Desarrollo de un modelo de regresión del vector de soporte (SVR) para la predicción del rendimiento.

Principales resultados:

• Las proporciones optimizadas de biomasa y plástico y el aumento de la potencia de microondas mejoraron el rendimiento del petróleo.
• La tasa de pérdida de masa y la tasa de calentamiento influyeron significativamente en la eficiencia de conversión.
• El modelo SVR logró una alta precisión de predicción (R2 0.810.99), lo que demuestra la efectividad del aprendizaje automático.
• La caracterización confirmó su idoneidad para aplicaciones de adsorbentes o catalizadores.

Conclusiones:

• La copirólisis asistida por microondas es un método prometedor para convertir los residuos mixtos en productos valiosos.
• La integración de datos experimentales con modelos de aprendizaje automático mejora la optimización y la predicción de procesos.
• El estudio destaca vías eficientes de conversión de residuos en energía.