Maestría en Ingeniería de Procesos

Permanent URI for this collectionhttps://hdl.handle.net/11191/6746

Browse

Now showing 1 - 2 of 2

Add to my list
Recuperación optima de energía de fuentes de baja temperatura bajo condiciones de incertidumbre
(Universidad Autónoma Metropolitana (México). Unidad Azcapotzalco. Coordinación de Servicios de Información., 2017) Santos Rodriguez, Maria Magdalena
En el proceso de una industria existen corrientes de calor de baja temperatura las cuales no tienen utilidad y por lo tanto se convierten en residuos industriales. Una fuente de energía se considera de baja temperatura si es inferior a 370_C [10, 52]. Debido a su bajo contenido energético, estas corrientes de procesamiento son consideradas no rentables, especialmente en los ciclos termodinámicos utilizados para la recuperación de energía a partir de fuentes de energía de baja temperatura. Investigaciones estadísticas indican que las corrientes de calor de baja temperatura representan 50% o más del total del calor generado en la industria, el cual se pierde en forma de emisiones contaminantes térmicas [10, 47]. Debido a la falta de métodos de recuperación eficientes, el calor residual de baja calidad ha sido descartado generalmente por la industria y se ha convertido en una preocupación ambiental debido a la contaminación térmica. Un ciclo termodinámico que es utilizado para la recuperación de energía es el ciclo Rankine orgánico y puede ser una opción de generación de energía Sin embargo en la mayoría de las situaciones prácticas existe por lo general incertidumbre o desconocimiento del valor preciso o exacto de variables que influyen fuertemente sobre la calidad de diseño de un ciclo Rankine orgánico. Por lo que considerar incertidumbre en algún parámetro es de gran importancia y utilidad ya que permite obtener diseños que operen bajo condiciones de operación más reales. En esta tesis, se aborda el problema del diseño de fluidos orgánicos de múltiples componentes capaces de funcionar de manera óptima bajo condiciones de incertidumbre en las condiciones de funcionamiento tales como las temperaturas de la fuente de calor y la eficiencia de los componentes individuales del ciclo de Rankine. El problema de diseño se presenta como un problema de optimización estocástica no lineal. También se utilizan las medidas de riesgo para compensar la flexibilidad y el desempeño del promedio y encontrar que existen conflictos fuertes.
Add to my list
Simulación estocástica del proceso de plasticidad sináptica
(Universidad Autónoma Metropolitana (México). Unidad Azcapotzalco. Coordinación de Servicios de Información., 2016-01) Gutierrez Galindo, Crhistian Miguel
El estudio de los procesos biológicos es de suma importancia en el entendimiento de los sistemas que componen el cuerpo humano y de cómo sus interacciones derivan en una función biológica. Para ello, el desarrollo de modelos facilita la comprensión del comportamiento del sistema. En muchos casos, los modelos son ecuaciones matemáticas derivadas de diagramas que representan las interacciones entre los componentes que conforman al sistema biológico. En el campo de la neurociencia computacional, el modelado matemático y la simulación computacional han sido combinadas junto con la experimentación en laboratorios para el mejor entendimiento de la transmisión sináptica, que es la base fisiológica del funcionamiento del sistema nervioso central. Las neuronas son conocidas como los motores computacionales del cerebro para los cuales la sinapsis es el medio de enlace de las señales químicas y eléctricas. Los diferentes tipos de plasticidad sináptica y las diferentes escalas de tiempo sobre las cuales operan sugieren que la sinapsis tiene un papel clave en el proceso de transmisión de información. Esta tesis se enfoca en proponer un modelo estocástico que permita estudiar la etapa postsináptica del cáliz de Held, el cual describa la interacción entre los canales iónicos y el neurotransmisor. El funcionamiento de los receptores es descrito mediante esquemas cinéticos propuestos en base a datos experimentales ya reportados. Estos esquemas se simularon utilizando algoritmos estocásticos y analizando las distintas escalas de tiempo implicadas para identificar cómo es que cada modelo de estados reproduce las características de facilitación y desactivación que caracteriza a los receptores postsinápticos.