Contenido principal del artículo

Autores

Este artículo presenta un modelamiento para la caracterización de dos bombas peristálticas utilizando regresión no lineal. Se realizaron pruebas de precisión variando el nivel de altura de la bomba respecto al recipiente y se concluye que esto no influye en la rapidez del flujo. Se tomaron datos de llenado para 300ml teniendo en cuenta el voltaje aplicado a las bombas y el tiempo de llenado. Con los datos registrados se realizó ajuste de curvas por mínimos cuadrados determinando el modelo exponencial como el más acertado para las dos bombas y aplicando regla de tres simple se halló la ecuación para cualquier volumen solicitado. Finalmente se realizaron pruebas de llenado para comparar los datos del modelo con datos reales. El coeficiente de determinación del modelo de la primera bomba fue de 0,9875 y para la segunda fue de 0,9956 concluyendo que los modelos son acertados, lo cual se reitera en las pruebas de llenado comparativas donde se evidencia un asertividad superior a 99% en todas las pruebas realizadas. Se sugiere ampliar las investigaciones en el uso de este método matemático como alternativa en el control no invasivo de fluidos cuyos instrumentos requieran un tratamiento estéril.

1.
Ramírez-carvajal LE, Puerto-López KC, López-Barrera GL. Regresión no lineal para la caracterización de bombas peristálticas, una alternativa en el control de fluidos biológicos. inycomp [Internet]. 26 de febrero de 2024 [citado 17 de junio de 2024];26(1):e-21412943. Disponible en: https://revistaingenieria.univalle.edu.co/index.php/ingenieria_y_competitividad/article/view/12943

Luna, Hector & Valderrama-Rincon, Juan & Martínez, Andrés & Rincón J. Bomba peristáltica con cabezal tipo rodamiento y portamanguera para desgaste reducido. Rev SayWa [Internet]. 2020. Available from: https://www.researchgate.net/publication/332553328_Bomba_peristaltica_con_cabezal_tipo_rodamiento_y_portamanguera_para_desgaste_reducido

C. López García. Diseño y fabricación de bomba peristáltica basada en motores paso a paso [Internet]. Universidad de Sevilla; 2015. Available from: https://idus.us.es/handle/11441/36281

A. F. Díaz Viloria. Diseño y caracterización de un sistema de control preciso de dosificación y frecuencia de riego para el ensayo de estrategias de fertirriego en un banco de pruebas hidropónico [Internet]. Universidad de los Andes; 2018. Available from: https://repositorio.uniandes.edu.co/handle/1992/39535

Luis de Moraes D. Desenvolvimento de um Sistema de Controle e Medição de Vazão para Bombas Peristálticas. UniversidadeFederaldeOuroPreto - UFOP; 2016.

Díaz-Montes E, Martínez-Hernández J, Cerón-Montes G, Vargas-León E. Transferencia de calor en el contenedor de alimentación de un secador por aspersión. Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI. 2022 ;10(19):84–93. Available from: https://repository.uaeh.edu.mx/revistas/index.php/icbi/article/view/8896 DOI: https://doi.org/10.29057/icbi.v10i19.8896

Rojas-Meza E, Recalde-Dicado K. Implementación de un módulo IoT hidropónico NFT semiautomático con alimentador de nutrientes por control difuso. Universidad Politécnica Salesiana [Internet]. 2023 Available from: https://dspace.ups.edu.ec/handle/123456789/24134

Rivera-García J. Modelado y caracterización hidrodinámica de celdas de flujo redox con electrodos tridimensionales para su aplicación en sistemas de almacenamiento de energía. Centro de Investigación y Desarrollo Tecnológico en Electroquímica, S. C. [Internet] 2023. Available from: https://cideteq.repositorioinstitucional.mx/jspui/handle/1021/514

Herrera-Baños E. Modelación matemática y simulación de un sistema enfriador-calentador, mediante el uso de un enfriador termoeléctrico (TEC). ESPOL. FIEC [Internet]. 2023 Available from: https://www.dspace.espol.edu.ec/handle/123456789/57631

S. Chapra y R. Canale. Métodos numéricos para ingenieros. Interamericana MG-H, editor. México, D. F; 2007.

David J, Vel´ V, Henao V. Pronóstico de la serie de Mackey-Glass usando modelos de regresión no lineal. DYNA. 2004;71(142):85–95.

de-los-Cobos-Silva S, Gutiérrez-Andrade MA, Rincón-García EA, Lara-Velázquez P, Aguilar-Cornejo M. Colonia de abejas artificiales y optimización por enjambre de partículas para la estimación de parámetros de regresión no lineal artificial. Rev Matemática Teoría y Apl [Internet]. 2014. 21(1):107–26. Available from: http://www.scielo.sa.cr/scielo.php?script=sci_arttext&pid=S1409-24332014000100007&lng=en&nrm=iso&tlng=es DOI: https://doi.org/10.15517/rmta.v21i1.14141

Galeano-Vasco L, Cerón-Muñoz M. Modelación del crecimiento de pollitas Lohmann LSL con redes neuronales y modelos de regresión no lineal. Rev MVZ Córdoba [Internet]. 2013.18(3):3861–7. Available from: https://revistamvz.unicordoba.edu.co/article/view/158 DOI: https://doi.org/10.21897/rmvz.158

Vera-Dávila AG, Delgado-Ariza JC, Sepúlveda-Mora SB, Vera-Dávila AG, Delgado-Ariza JC, Sepúlveda-Mora SB. Validación del modelo matemático de un panel solar empleando la herramienta Simulink de Matlab. Rev Investig Desarro e Innovación [Internet]. 2018. 8(2):343–56. Available from: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S2027-83062018000100343&lng=en&nrm=iso&tlng=es DOI: https://doi.org/10.19053/20278306.v8.n2.2018.7972

Eduardo Ramírez Carvajal L, Puerto López KC, Luciano G, Barrera L. Análisis de curvas de covid-19 en Colombia utilizando ajuste por mínimos cuadrados. Ingeniare [Internet]. 2020. (29):41–55. Available from: https://revistas.unilibre.edu.co/index.php/ingeniare/article/view/7434 DOI: https://doi.org/10.18041/1909-2458/ingeniare.29.7434

Alejandro J, Bastidas O, Priscila A, Pita P, Nathalia L, Vargas O, et al. Importancia de los modelos de regresión no lineales en la interpretación de datos de la COVID-19 en Colombia. Rev Habanera Ciencias Médicas [Internet]. 2020. 19. Available from: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1729-519X2020000400014&lng=es&nrm=iso&tlng=es

Gómez-Rojas J, Pérez JR, Hernández MT. Análisis y estimación gráfica del comportamiento del COVID-19 en Colombia, Santa Marta y Cartagena enfocado a la letalidad. Respuestas [Internet]. 2021, 26(1):118–31. Available from: https://revistas.ufps.edu.co/index.php/respuestas/article/view/2854/4204 DOI: https://doi.org/10.22463/0122820X.2854

Huancachoque-Mamani L, Pérez-Paredes MGS, Nolasco-Pérez IM, Huancachoque-Mamani L, Pérez-Paredes MGS, Nolasco-Pérez IM. Análisis predictivo de casos confirmados de Covid-19 en el Perú basado en el Modelo de Regresión no lineal de Gompertz usando datos de casos fatales. Tecnia [Internet]. 2021, 31(2):48–53. Available from: http://www.scielo.org.pe/scielo.php?script=sci_arttext&pid=S2309-04132021000200048&lng=es&nrm=iso&tlng=es DOI: https://doi.org/10.21754/tecnia.v21i2.997

Carrillo E, Montero M, Jiménez A, Portelles J, Otero J. Diseño y pruebas realizadas en sensores piezoelectricos TTFM para la medición de flujo sanguíneo en implantes coronarios. Revista Cubana de Física. 2020; 40 (1)

Recibido 2023-05-05
Aceptado 2024-03-05
Publicado 2024-02-26