Noticias Actualidad en procesos industriales

Dele visibilidad a su trayectoria académica

Participe en la convocatoria de trabajos inéditos de Virtual Pro.

Publicar Ahora

2021-05-18Con machine learning reducen desperdicio en envasado de cosméticos

Agencia de Noticias UN |A través del aprendizaje de máquinas, o machine learning, se redujo el desperdicio de material durante el proceso de envasado de cosméticos, con una optimización en los tiempos de análisis de las órdenes de producción.

Alexis Andrés Arenas Bustamante, magíster en Ingeniería - Analítica de la Universidad Nacional de Colombia (UNAL) Sede Medellín, afirma que en la industria cosmética se suele desperdiciar producto, especialmente durante el proceso de envasado. Ese desperdicio, conocido como scrap, aumenta los costos y disminuye el nivel de servicio.

El scrap se asocia con variables como fallos en la formulación del producto, sobreadición, diferencia de cantidad en el surtido físico, errores en la asignación del porcentaje de desperdicio en la formulación, entre otras.

En general en la industria cosmética hay pérdidas significativas en el granel (contenido de los cosméticos), que aunque pueden parecer pequeñas al ojo común, se acumulan y aumentan los costos reduciendo la eficiencia.

El magíster explica que “para envasar una unidad de 100 ml se utilizan 103 o 104 ml de producto, de ahí que se está desperdiciando. A mayor escala se identifica mejor el problema: si yo tengo 1 litro de producto y debo sacar 2 unidades, en teoría debería sacar 2 botellas de 500 ml cada una, pero si en la primera unidad se envasaron 600 y no 500 ml, quiere decir que ya no se tendría producto suficiente para la segunda unidad”.

El investigador, quien desarrolló su trabajo en una planta de cosméticos de Antioquia, analizó 37 variables del proceso de envasado y tomó 3 modelos de inteligencia artificial para la predicción del scrap.

Entre los modelos analizados están: random forest, o bosques aleatorios, que son conjuntos de árboles de decisión que se entrenan con una muestra de datos ligeramente distinta; KNN, que usan la similitud de las características para predecir los resultados; una red neuronal, que es la unión de distintos procesadores interconectados que aprenden de su experiencia para estimar nuevos resultados; y el CART decision tree, un modelo predictivo formado por reglas binarias (si/no) que permite repartir las observaciones en función de sus atributos para predecir la respuesta.

Este último fue el modelo que presentó los mejores resultados y permitió reducir de 45-50 (tiempo promedio) a 5 minutos el tiempo de análisis de las órdenes de producción, para detectar posibles fallas que generaran scrap.

El investigador señala que aunque su trabajo se concentró en una línea de envasado de fragancias, la propuesta también se puede aplicar en cualquier proceso del sector cosmético, ya que las variables que se trabajan son las mismas.

Después de obtener óptimos resultados, la empresa en la que desarrolló la investigación trabaja en la implementación del sistema de machine learning en otras áreas en las que la producción se pueda hacer más eficaz.

Unimedios | Agencia de Noticias UN
Autor
Unimedios | Agencia de Noticias UN

La Unidad de Medios de Comunicación – Unimedios, es la unidad de producción y difusión de la información científica, cultural, investigativa, académica, artística y tecnológica generada por la Universidad Nacional de Colombia y dirigida a la comunidad universitaria y a la sociedad en general. Es una dependencia de nivel nacional, adscrita a la Rectoría que articula los medios de comunicación existentes dentro de la Unidad para velar por el buen nombre e imagen de la Institución, promover y agenciar sus logros e integrarla en su diversidad y con la sociedad a través de sus medios, servicios y productos.


2021-06-11
Buscan valorizar productos secundarios producidos en grandes cantidades durante la fabricación de ‘bioplástico’

El proyecto HUGS, basado en el concepto de economía circular, ha buscado dar salida a dos productos secundarios que no tienen valor añadido y que se genera en grandes cantidades en los procesos de biorrefinería lignocelulósica. Se trata del levulinato de metilo y las huminas, residuos que, por lo general, poseen poco interés y valor de mercado.

2021-06-09
Nueva tecnología para convertir residuos plásticos en combustibles líquidos

Investigadores de la URJC, en colaboración con el MIT, están realizando el diseño de un reactor a escala de laboratorio para la transformación de los residuos plásticos en combustibles líquidos con una tecnología favorable energéticamente.

2021-06-09
Un nuevo método de formulación de fármacos podría dar lugar a píldoras más pequeñas

Los ingenieros químicos han encontrado una forma de cargar más fármaco en un comprimido, que podría hacerse más pequeño y fácil de tragar.

2021-06-08
Las emisiones de CO2 industrial podrán ser transformadas en pinturas, barnices y adhesivos para calzado y mobiliario

El Instituto Tecnológico Metalmecánico, Mueble, Madera, Embalaje y Afines (AIDIMME), el Instituto Tecnológico del Plástico,(AIMPLAS) y el Centro Tecnológico del Calzado (INESCOP) están investigando con el apoyo del Instituto Valenciano de Competitividad Empresarial (Ivace) cómo convertir el CO₂ procedente de emisiones industriales en productos químicos de alto valor añadido con aplicación en la industria del calzado y del mueble.

2021-06-04
Careli lanza una gama de productos de limpieza en botellas reutilizables

El sistema utiliza cápsulas monodosis hidrosolubles que se disuelven en agua, permitiendo así eliminar los plásticos de un solo uso.

2021-05-31
Científicos del NTU Singapur convierten residuos de acuicultura en un biomaterial para reparar tejidos humanos

El nuevo biomaterial obtenido de la piel de rana toro y las escamas de pescado podría utilizarse para ayudar a la regeneración del tejido óseo perdido por enfermedades o lesiones.