Diseños óptimos para la ecuación de Antoine: criterios compuestos y diseños multiobjetivo a través de algoritmos genéticos
Autores: de la Calle-Arroyo, Carlos; González-Fernández, Miguel A.; Rodríguez-Aragón, Licesio J.
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Diseños óptimos para la ecuación de Antoine: criterios compuestos y diseños multiobjetivo a través de algoritmos genéticos
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Ecuación de Antoine
Presión de vapor
Temperatura
Diseños óptimos
Estructuras de varianza
Algoritmo genético
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 31
Citaciones: Sin citaciones
La Ecuación de Antoine se utiliza comúnmente para explicar la relación entre la presión de vapor y la temperatura de sustancias de interés industrial. Este documento establece una estrategia combinada para obtener diseños óptimos para la Ecuación de Antoine según los criterios de optimización D e I, y diferentes estructuras de varianza para la respuesta. Los diseños óptimos dependen fuertemente no solo del criterio, sino también de la varianza de la respuesta, y su eficiencia puede verse afectada por la falta de previsión en esta selección. Nuestro enfoque determina diseños compuestos y multiobjetivo para ambos criterios y estructuras de varianza utilizando un algoritmo genético. Esta estrategia proporciona un respaldo para el experimentador ofreciendo altas eficiencias bajo ambas suposiciones y para ambos criterios. Una de las conclusiones de este trabajo es que las diferencias producidas al utilizar la estrategia de diseño compuesto versus la multiobjetivo son muy pequeñas.
Descripción
La Ecuación de Antoine se utiliza comúnmente para explicar la relación entre la presión de vapor y la temperatura de sustancias de interés industrial. Este documento establece una estrategia combinada para obtener diseños óptimos para la Ecuación de Antoine según los criterios de optimización D e I, y diferentes estructuras de varianza para la respuesta. Los diseños óptimos dependen fuertemente no solo del criterio, sino también de la varianza de la respuesta, y su eficiencia puede verse afectada por la falta de previsión en esta selección. Nuestro enfoque determina diseños compuestos y multiobjetivo para ambos criterios y estructuras de varianza utilizando un algoritmo genético. Esta estrategia proporciona un respaldo para el experimentador ofreciendo altas eficiencias bajo ambas suposiciones y para ambos criterios. Una de las conclusiones de este trabajo es que las diferencias producidas al utilizar la estrategia de diseño compuesto versus la multiobjetivo son muy pequeñas.