Industria Ingeniaritza Unibertsitate Masterra;;Máster Universitario en Ingeniería Industrialhttp://hdl.handle.net/10810/188312024-03-28T15:12:38Z2024-03-28T15:12:38ZLife cycle assessment of mechanical plastic recycling processesLanglet, Perrinehttp://hdl.handle.net/10810/624242023-09-08T04:40:28Z2023-09-07T00:00:00ZLife cycle assessment of mechanical plastic recycling processes
Langlet, Perrine
Since the advent of plastics in industry and in our daily lives, plastic pollution has caused significant damage to ecosystems and human health. As a result of economic and population growth, the use of plastics and the generation of plastic waste could almost triple worldwide in the 30 coming years. In addition, greenhouse gas emissions from the life cycle of plastics are expected to more than double, as are several related effects (ozone formation, acidification, human toxicity, etc.).
To counter these effects and to try to shift the projections of these grim predictions towards a healthier future for the environment and humans, it becomes essential to study the life cycle of the most widely used plastics today and more specifically their recycling processes. At present, 99% of recycled thermoplastic waste is recycled through a so-called "mechanical" recycling process. This recycling consists of several stages: collection, sorting, washing, grinding, extrusion and transformation.
Among the most used plastics in the world, we choose to study polypropylene, polyethylene terephthalate and high-density polyethylene. We will carry out an analysis of the environmental impacts of the mechanical recycling processes of these three plastics using the free software OpenLCA, in a Life Cycle Assessment approach.
By comparing the results obtained in our study, we hope to provide additional data and help other ongoing or future studies on these sensitive and important topics.
2023-09-07T00:00:00ZInvestigación de modelos subrogados de quemado de combustible BWR basados en redes neuronalesSuárez Hernández, Ibonhttp://hdl.handle.net/10810/624222023-09-07T16:21:15Z2023-09-07T00:00:00ZInvestigación de modelos subrogados de quemado de combustible BWR basados en redes neuronales
Suárez Hernández, Ibon
El aumento del consumo energético en los últimos años ha provocado un avance tecnológico que ha hecho surgir varios problemas con los combustibles fósiles, los cuales son uno de los principales causantes del calentamiento global. Para conseguir reducir las emisiones, se debe buscar una forma de generación de energía limpia. Dentro del grupo de energías con bajas emisiones, la energía nuclear es una opción por la que han optado algunos países, al tratarse de una forma de generación sin emisiones y capaz de producir energía eléctrica de forma continua.
Por otro lado, este avance tecnológico ha traído consigo también la aparición de la inteligencia artificial (IA). Esta tecnología ha llegado a nuestras vidas con el objetivo de facilitar el trabajo al ser humano, y se hace uso de ella en una gran diversidad de situaciones. Dentro del campo de la inteligencia artificial se encuentra el aprendizaje profundo o Deep Learning, método mediante el cual las redes neuronales aprenden a distinguir patrones y características significativas de un problema en concreto, teniendo así la capacidad de acelerar alta variedad de procesos.
En este trabajo se hará uso de esta tecnología con el objetivo de diseñar una red neuronal que acelere el proceso de cálculo de ciertos parámetros de elementos combustibles irradiados para, en un paso posterior no objeto de este trabajo, poder llegar a optimizar el almacenamiento de elementos combustibles en contenedores con la ayuda de un algoritmo genético. Para ser capaces de conseguir lo propuesto, se necesita un set de datos lo suficientemente grande para entrenar de forma correcta la red neuronal y comprobar su precisión.
A fin de conseguir un set de datos de tal tamaño y variedad, se han generado de forma semi-aleatoria características y ciclos de irradiación de elementos combustibles y se ha calculado mediante el programa SCALE, la criticidad y composición de cada uno de ellos tras el enfriamiento, estos valores son los que calculará la red neuronal una vez entrenada. Con el set de datos disponible, se diseña la red, variando el número de capas, las neuronas por capa y otra serie de parámetros referentes al diseño, ajuste y entrenamiento de la red de forma que se minimice el error en las predicciones.
Tras la realización del estudio, se podrá observar el tipo de red escogida y se podrán realizar las predicciones necesarias sobre cualquier elemento combustible que ha sido irradiado en un reactor de agua en ebullición.; Azken urteko energia-kontsumoaren gorakadak aurrerapen teknologiko bat eragin du, eta horrek hainbat arazo sortu ditu erregai fosilekin, horiek baitira berotze globalaren eragile nagusietako bat. Emisioak murrizteko energia garbia sortzeko era bat bilatu behar da. Emisio gutxi aske egiten dituzten energien taldearen barruan, herrialde batzuk aukeratu dute energia nuklearra, emisiorik gabeko sorkuntza modu bat eta energia elektrikoa etengabe ekoizteko gai delako.
Bestalde, aurrerapen teknologiko horrek inteligentzia artifizialaren agerpena ere ekarri du. Teknologia hau pertsonei lana errazteko helburuarekin iritzi da gure bizitzara, eta hainbat egoeretan erabiltzen da. Inteligentzia artifizialaren zelaian, ikaskuntza sakona edo Deep Learning metodoa dago. Metodo horren bidez, sare neuronalek arazo jakin baten patroiak eta ezaugarri garrantzitsuak bereizten ikasten dute, eta, horrela, prozesu-aniztasun handia bizkortzeko gaitasuna dute.
Lan honetan, teknologia hori erabiliko da, elementu erregai irradiatuen parametro jakin batzuk kalkulatzeko prozesua azkartuko duen sare neuronal bat diseinatzeko, ondoren, lan honen helburua ez den urrats batean, elementu erregaiak edukiontzietan biltegiratzea optimizatu ahal izateko algoritmo genetiko baten laguntzarekin. Proposatutakoa lortzeko gai izateko, datu-set handi bat behar da sare neuronala behar bezala entrenatzeko eta zehaztasuna egiaztatzeko.
Tamainu eta barietate horretako datu-set bat lortzeko, elementu erregaien ezaugarriak eta irradiazio-zikloak sortu dira erdi ausaz, eta SCALE programaren bidez, hoztu ondoren horietako bakoitzaren kritikotasuna eta konposizioa kalkulatu dira. Balio horiek dira neurona-sareak behin entrenatuta kalkulatuko dituenak. Eskuragarri dagoen datu-setarekin, sarea diseinatzen da, geruza kopurua, geruza bakoitzeko neuronak eta sarearen diseinuari, doikuntzari eta entrenamenduari buruzko beste parametro batzuk aldatuz, iragarpenetan errorea minimizatzeko.
Azterketa egin ondoren, aukeratutako sare mota ikusi ahal izango da, eta irakiten ari den ur-erreaktore batean irradiatu den edozein elementu erregairi buruzko beharrezko iragarpenak egin ahal izango dira.; Technological development has triggered in an increase of electric consumption. Along with this, some problems related to fossil fuels, which are the one of the main reasons of global warming, have arisen. To be capable of reducing emissions, a clean way of generating electrical energy has to be found. Inside the category of low emission energies, some countries have taken the path of nuclear energy because in addition to having low emissions, it is capable of continuously generating electricity.
On the other hand, this technological development has brought about the rise of artificial intelligence. This technology has come to our lives to make them easier, and people use it in many ways. Inside the field of artificial intelligence, there lays Deep Learning, a method where a neural network learns to distinguish significant characteristics and patterns so that it acquires the ability to accelerate a wide range of processes.
This work will make use of the technology mentioned above with the objective of designing a neural network which can speed up the calculation process of certain parameters of spent fuel assemblies so that, in a future project out of the scope of this work, it could optimize the used nuclear fuel canister loading with the help of a genetic algorithm. In order to be capable of doing this, a set of data big enough to train and test the neural network will be needed.
When it comes to building a wide and varied set of data, the burnup of several fuel assemblies semi-randomly generated has been simulated in SCALE, obtaining the value of the criticality and composition of certain isotopes after an also random cooling time. Those will be the values calculated by the neural network once designed. With a complete set of data, the network is designed varying the number of neurons and layers and training it to achieve the lowest error possible.
Once this work is finished, the type of network chosen can be observed and the network will have the capacity of predicting the values of any spent fuel assembly in a Boiling Water Reactor.
2023-09-07T00:00:00ZEvaluación de impacto ambiental de procesos de extracción de nanopartículas de quitina de fuentes convencionales (marinas) y no convencionalesVallejo de Benito,Claudiahttp://hdl.handle.net/10810/624202023-09-08T04:40:28Z2023-09-07T00:00:00ZEvaluación de impacto ambiental de procesos de extracción de nanopartículas de quitina de fuentes convencionales (marinas) y no convencionales
Vallejo de Benito,Claudia
Las destacables propiedades mecánicas de las nanopartículas de quitina están fomentando su aplicación progresiva en diversos ámbitos científicos y tecnológicos. Recientemente, se han encontrado alternativas a la extracción convencional de este material, que hasta ahora solo era posible mediante el empleo de tratamientos altamente perjudiciales para el medioambiente, como es la hidrólisis ácida de los caparazones de crustáceos y gambas. Actualmente, se conoce que la extracción de las nanopartículas de quitina de los hongos es una gran alternativa, que permite obtener las mismas ventajas que proporcionaba el método tradicional, pero evitando en este caso la desmineralización con ácidos como el clorhídrico (HCl). No obstante, éste se trata del primer trabajo existente que cuantifica los impactos ambientales de las diferentes variantes para la extracción de nanopartículas de quitina. Tiene como fin comparar los procesos convencionales de extracción hidrolítica de nanocristales de quitina a partir de caparazones de gamba, polvo de quitina y caparazones de cangrejo, y la hidrólisis por ácido sulfúrico de celulosa microcristalina a nanocristales de celulosa. En contraposición, proponemos un nuevo método de extracción a partir de los hongos con impactos ambientales reducidos. Para ello empleamos la metodología análisis de ciclo de vida (ACV), que nos permite cuantificar los impactos ambientales derivados de diversos procesos industriales. Esta metodología de creciente relevancia en el mundo industrial debido a las regulaciones establecidas por la Comisión Europea, permite el eco-diseño de procesos industriales para poder reducir, poco a poco, los impactos negativos resultantes de procesos productivos, y colaborar así con los Objetivos de Desarrollo Sostenible (ODS), en concreto con los números 11, 12 y 13, que corresponden a ciudades y comunidades sostenibles, producción y consumo responsables y, acción por el clima, respectivamente. De esta manera, aquí cuantificamos a de manera pionera los beneficios ambientales del nuevo proceso de extracción, lo cual ayudará a su implementación futura. Asimismo, se pone de manifiesto que siguiendo un enfoque de Economía Circular se pueden valorizar diversos residuos de biomasa para reintroducirlos en el ciclo económico y, al mismo tiempo, evitar el vertido de biorresiduos tras el aislamiento de nanopartículas de quitina.; Kitina nanopartikulen propietate mekaniko nabarmenek aplikazio progresiboa sustatzen ari dira hainbat arlo zientifiko eta teknologikotan. Duela gutxi, material hau lortzeko ohiko erauzketarako alternatibak aurkitu dira, orain arte ingurumenarentzako oso kaltegarriak diren tratamenduen bidez soilik posible zenak, hala nola krustazeoen eta otarrainxka-oskolaren hidrolisi azidoa. Gaur egun, jakina da onddoetatik kitina nanopartikulen erauzketa alternatiba bikaina dela, eta horrek metodo tradizionalaren abantaila berdinak lortzeko aukera ematen du azido klorhidrikoaren erabilera saihestuz. Hala ere, orain arte ez dago kitina nanopartikulen erauzketarako era ezberdinen ingurumen-inpaktuak kuantifikatzen dituen lanik. Beraz, prosezu hauen ingurumen abantailak ez daude guztiz argi. Ildo honetan, lan honek nanokitina onddoetatik lortzea eragiten dituen ingurugiro inpaktuak kuantifikatzen ditu, eta gainera, lortutako emaitzak otarrainxka-oskoletatik, kitina-hautsetik eta karramarro-oskoletatik kitina nanokristalen erauzketa hidrolitikoko prozesu konbentzionalekin alderatzen dira. Horretarako, bizi-zikloaren analisia (LCA, ingelesez) metodologia erabiltzen dugu, hainbat industria-prozesuetatik eratorritako ingurumen-inpaktuak kuantifikatzeko aukera ematen duena. Europako Batzordeak ezarritako araudiaren ondorioz industria munduan gero eta garrantzi handiagoa duen metodologia honek, prozesu industrialen ekodiseinua ahalbidetzen du, pixkanaka, ekoizpen prozesuen ondoriozko inpaktu negatiboak murrizteko, eta horrela, Garapen Jasangarriko Helburuekin (GJH) lankidetzan aritzea, zehazki, 11, 12 eta 13 zenbakiekin, hiri eta komunitate jasangarriei, ekoizpen eta kontsumo arduratsuei eta, azkenik, klima-ekintzari dagozkienak. Modu honetan, hemen modu aitzindari batean kuantifikatzen ditugu erauzketa prozesu berriaren ingurumen-onurak, zeinak etorkizunean ezartzen lagunduko dion. Era berean, frogatuta dago Ekonomia Zirkularrari jarraituz, hainbat biomasa-hondakin balioztatu daitezkeela ziklo ekonomikoan berriro sartzeko eta, aldi berean, kitina nanopartikulak isolatu ondoren biohondakinak isurtzea saihesteko.; The remarkable mechanical properties of chitin nanoparticles are promoting their progressive application in various scientific and technological fields. Recently, alternatives to the conventional extraction of this material have been found, which until now was only possible through the use of highly environmentally damaging treatments, such as acid hydrolysis of crustacean and shrimp shells. Currently, it is known that the extraction of chitin nanoparticles from fungi is a great alternative, which allows obtaining the same advantages as the traditional method, but in this case avoiding demineralization with acids such as hydrochloric acid (HCl). However, this is the first existing work that quantifies the environmental impacts of the different variants for the extraction of chitin nanoparticles. Its purpose is to compare the conventional processes of hydrolytic extraction of chitin nanocrystals from shrimp shells, chitin powder and crab shells, and sulfuric acid hydrolysis of microcrystalline cellulose to cellulose nanocrystals. In contrast, we propose a new method of extraction from the fungi with reduced environmental impacts. To do this, we use the life cycle assessment (LCA) methodology, which allows us to quantify the environmental impacts derived from various industrial processes. This methodology of increasing relevance in the industrial world due to the regulations established by the European Commission, allows the eco-design of industrial processes in order to reduce, little by little, the negative impacts resulting from production processes, and thus collaborate with the Sustainable Development Goals (SDGs), specifically with numbers 11, 12 and 13, which correspond to sustainable cities and communities, responsible production and consumption and climate action, respectively. In this way, here we quantify in a pioneering way the environmental benefits of the new extraction process, which will help its future implementation. Likewise, it is shown that following a Circular Economy approach, various biomass residues can be valorised to reintroduce them into the economic cycle and, at the same time, avoid the dumping of biowaste after the isolation of chitin nanoparticles.
2023-09-07T00:00:00ZDetección temprana del desgaste de herramientas en brochadora electromecánica a través de la monitorización del movimiento principal de los servomotoresAldekoa Gallarza,Iñigohttp://hdl.handle.net/10810/624192023-12-27T12:02:29Z2023-09-07T00:00:00ZDetección temprana del desgaste de herramientas en brochadora electromecánica a través de la monitorización del movimiento principal de los servomotores
Aldekoa Gallarza,Iñigo
El objetivo de este proyecto es demostrar que es posible controlar el desgaste de las herramientas de brochado mediante la monitorización de las variables de máquina sin sensores externos en un entorno de producción real. La supervisión del desgaste de las herramientas es una actividad cuyo objetivo es reducir los errores de producción, mejorar la calidad de los productos y conseguir una fabricación sin defectos. Además, el brochado es un proceso de alto valor añadido por lo que es fundamental mejorar la calidad tanto de los productos como de los procesos de fabricación. Por otro lado, el brochado puede ser un proceso muy costoso, por lo que es necesario controlar en todo momento el estado de la herramienta de brochado, para evitar un uso inadecuado de la herramienta o dañar la pieza de trabajo. Todo ello adquiere mayor relevancia en la fabricación aeronáutica, donde las piezas tienen gran valor añadido y se desarrolla el caso experimental que se presenta en este documento.
El resultado de esta investigación se alcanza gracias a la correlación de lecturas de variables de servomotores de una brochadora, como la potencia o el par, con el estado de las herramientas de brochado. Los resultados se obtienen utilizando datos de dos ensayos diferentes en los que se han empleado herramientas similares. A continuación, los datos se utilizan para entrenar una serie de modelos que estiman el desgaste de las herramientas en brochado. Previo a los resultados, se presenta el marco experimental, detallando los equipos y herramientas utilizados en los ensayos y el método empleado para el brochado, incluyendo el sistema de captación de imágenes diseñado para este proyecto. Todos los modelos presentados en este documento predicen con precisión el desgaste de la herramienta de brochado con un coeficiente de determinación superior a 0,9.; Proiektu honen helburua da frogatzea posible dela brotxaketa erreminten higadura kontrolatzea, kanpoko sentsorerik gabeko makinaren aldagaiak monitorizatuz, benetako produkzio-inguru batean. Erreminten higaduraren gainbegiratzea, ekoizpen-akatsak murriztea , produktuen kalitatea hobetzea eta akatsik gabeko fabrikazioa lortzea helburu duen jarduera da. Gainera, brotxaketa balio erantsi handiko prozesua da, eta, beraz, funtsezkoa da produktuen zein fabrikazio-prozesuen kalitatea hobetzea. Bestalde, brotxatzea oso prozesu garestia izan daiteke, eta, beraz, brotxaketa-erremintaren egoera kontrolatu behar da une oro, erremintaren erabilera desegokia saihesteko edo lan-pieza ez kaltetzeko. Horrek guztiak garrantzi handiagoa hartzen du fabrikazio aeronautikoan, non piezek balio erantsi handia duten eta dokumentu honetan aurkezten den kasu esperimentala garatzen den.
Ikerketa honen emaitza brotxaketa makina baten serbomotorren aldagaien irakurketen korrelazioari esker lortzen da, hala nola potentzia edo parea, brotxaketa erreminten egoerarekin. Emaitzak lortzeko, antzeko erremintak erabili diren bi saiakuntza desberdinetako datuak erabiltzen dira. Ondoren, datuak brotxaketa tresnen higadura estimatzen duten eredu batzuk entrenatzeko erabiltzen dira. Emaitzak lortu aurretik, esparru esperimentala aurkezten da, entseguetan erabilitako tresneria eta erremintak eta, brotxatzeko erabilitako metodoa zehaztuz, proiektu honetarako diseinatutako irudiak hartzeko sistema barne.
Proiektu honetan aurkeztutako eredu guztiek zehaztasunez aurreikusten dute 0,9tik gorako determinazio-koefizientearekin brotxaketa erremintaren higadura.; The objective of this project is to demonstrate that it is possible to control broaching tool wear by monitoring machine variables without external sensors in a real production environment. Tool wear monitoring is an activity aimed at reducing production errors, improving product quality and achieving zero-defect manufacturing. In addition, broaching is a high value-added process so it is essential to improve the quality of both products and manufacturing processes. On the other hand, broaching can be a very costly process, so it is necessary to control the condition of the broaching tool at all times, to avoid improper use of the tool or damage to the workpiece. All this becomes more relevant in aeronautical manufacturing, where the parts have great added value and the experimental case presented in this paper is developed.
The result of this research is achieved thanks to the correlation of signals of servomotor variables of a broaching machine, such as power or torque, with the state of the broaching tools. The results are obtained using data from two different trials in which similar tools were used. The data is then used to train a series of models that estimate broaching tool wear. Prior to the results, the experimental framework is presented, detailing the equipment and tools used in the trials and the method employed for broaching, including the image capture system designed for this project. All the models presented in this work accurately predict broaching tool wear with a coefficient of determination greater than 0.9.
2023-09-07T00:00:00Z