Sistema de control basado en machine learning para cultivo celular en modo fed-batch considerando datos de un modelo cinético para el metabolismo central de carbono
Professor Advisor
dc.contributor.advisor
Salgado Herrera, José
Author
dc.contributor.author
Pérez Ushijima, Tiffany Alexandra María
Associate professor
dc.contributor.other
Gerdtzen Hakim, Ziomara
Associate professor
dc.contributor.other
Martínez Basterrechea, Irene
Admission date
dc.date.accessioned
2024-12-13T13:51:50Z
Available date
dc.date.available
2024-12-13T13:51:50Z
Publication date
dc.date.issued
2024
Identifier
dc.identifier.uri
https://repositorio.uchile.cl/handle/2250/202267
Abstract
dc.description.abstract
En los últimos años la industria a nivel global ha presentado innovación en términos de la implementación de tecnologías basadas en la Industria 4.0., incluyendo la inteligencia artificial y machine learning. Debido a lo anterior, la industria de bioprocesos ha presentado interés en la automatización de sus procesos, donde el uso de machine learning puede contribuir.
En el presente trabajo se implementan tecnologías basadas en machine learning como Support Vector Machine (SVM) para predecir la tasa de crecimiento de un cultivo celular (µ), para luego implementerla en un sistema de control y obtener la estrategia de alimentación.
Los datos experimentales fueron generados a partir de un modelo para células CHO disponible en literatura con el cual se puede simular diferentes escenarios para entrenar al predictor considerando diferentes intervalos de medición para asemejar la toma de datos experimentales.
Los predictores diseñados presentan curvas y valores similares, obteniendo predicciones con un error cuadrático medio del orden de 1e−6 y coeficientes de correlación de 0.99 a partir de los conjuntos de datos proporcionados. Presentando mejores resultados para el caso en que se consideran variables como la glucosa, glutamina, lactato y amoniaco.
La utilización de un controlador proporcional permite obtener un buen control del sistema, sin ser necesario emplear otros controladores de la familia PID. Por otro lado, casi todas las estrategias de alimentación obtenidas a partir del predictor, implementadas en el sistema permiten controlar la concentración de glucosa en un rango cercano al set point (11±1 mM) durante las primeras 120 horas del cultivo.
Finalmente, se concluye que es posible desarrollar un predictor basado en una herramienta de machine learning, utilizando datos experimentales con intervalos de tiempo de 4, 12 y 24 horas. Sin embargo, el desempeño del predictor podría verse mejorado utilizando datos con presencia de ruido o con información faltante, como podría ocurrir en un caso real.
es_ES
Lenguage
dc.language.iso
es
es_ES
Publisher
dc.publisher
Universidad de Chile
es_ES
Type of license
dc.rights
Attribution-NonCommercial-NoDerivs 3.0 United States
Sistema de control basado en machine learning para cultivo celular en modo fed-batch considerando datos de un modelo cinético para el metabolismo central de carbono
es_ES
Document type
dc.type
Tesis
es_ES
dc.description.version
dc.description.version
Versión original del autor
es_ES
dcterms.accessRights
dcterms.accessRights
Acceso abierto
es_ES
Cataloguer
uchile.catalogador
chb
es_ES
Department
uchile.departamento
Departamento de Ingeniería Química, Biotecnología y Materiales
es_ES
Faculty
uchile.facultad
Facultad de Ciencias Físicas y Matemáticas
es_ES
uchile.carrera
uchile.carrera
Ingeniería Civil en Biotecnología
es_ES
uchile.gradoacademico
uchile.gradoacademico
Licenciado
es_ES
uchile.notadetesis
uchile.notadetesis
Memoria para optar al título de Ingeniera Civil Química