• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 1
  • Tagged with
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Preparación, caracterización de sensores a base de zeolita, óxidos de estaño y de zinc conformando una nariz electrónica y su aplicación para la diferenciación de piscos peruanos

Trevejo Pinedo, Jorge Nelson 17 September 2019 (has links)
El Pisco es una de las bebidas más consumidas en el Perú y posee una importancia comercial e histórica, por lo que se encuentra protegida por una Denominación de Origen en el país, que regula su producción. Sin embargo, son comunes los casos de adulteración y falsificación que dañan su imagen tanto en el mercado nacional como en el extranjero. Por ello, el presente trabajo tiene como objetivo realizar una diferenciación de muestras de Pisco peruano de las variedades Acholado, Italia y Quebranta, así como la diferenciación de mezclas de Pisco Quebranta con aguardiente de caña en distintas proporciones, empleando una nariz electrónica constituida por un arreglo de sensores basados en óxidos metálicos (óxido de estaño dopado con platino y óxido de zinc dopado con plata), ambos tipos de sensores con y sin recubrimiento con zeolita-Y. Se postula que las respuestas generadas por cada sensor para los distintos tipos de Pisco analizados son representativas para cada muestra y que permiten su identificación. La caracterización de los materiales preparados se realiza mediante DRX y FTIR. La configuración y recolección de datos de la nariz electrónica se realiza a través del software LabView2018 y se determinan las condiciones óptimas de temperatura, tiempo de sensado, dopaje metálico del sensor y recubrimiento de la zeolita. Las mejores respuestas son obtenidas con los sensores 0,10%Pt/SnO2; 0,05%Pt/SnO2//ZY y 0,15%Ag-ZnO. Las respuestas registradas por los sensores son analizadas a través de varios análisis estadísticos clasificatorios tanto no supervisados (PCA, HCA) como supervisados (SVM, RF, KNN) con el objetivo de determinar la capacidad de discriminación de muestras de Pisco por parte de los sensores que conforman la nariz electrónica. / Pisco is one of the most consumed beverages in Peru. It has historical and commercial importance and is protected by a Denomination of Origin that regulates its production. However, adulteration and falsification of Pisco are common practices that undermine its reputation both in the domestic and international markets. Therefore, this work aims to differentiate Acholado, Italia and Quebranta Peruvian Pisco varieties, as well as differentiate Pisco Quebranta mixtures with cane liquor in several proportions, using an electronic nose equipment constituted by a sensors array based on metal oxides (platinum-doped tin oxide doped and silver-doped zinc oxide), both types of sensors with and without a zeolite-Y coating. It is postulated that the sensors readings for different Pisco types are representative for each variety and allows their identification. The characterization of the prepared materials is carried out by DRX and FTIR. The configuration of the electronic nose and the data collection is made through LabView2018 software and the optimal conditions of temperature, sensing time, metallic doping of the sensor and zeolite-Y coating are determined. The best responses are obtained by sensors 0,10%Pt/SnO2; 0,05%Pt/SnO2//ZY and 1,5% Ag/ZnO. The sensor readings are subjected to classification analysis both unsupervised (PCA, HCA) and supervised (SVM, RF, KNN) with the objective of determining the discrimination capacity of Pisco samples by the sensors present in the electronic nose. / Tesis

Page generated in 0.102 seconds