ESTANDARIZACIÓN DE DATOS DE EXPLOSIÓN DE VAPOR EN SUBPRODUCTOS AGROINDUSTRIALES: UNA BASE DE CONOCIMIENTO ASISTIDA POR MODELOS DE LENGUAJE PARA HABILITAR MODELOS PREDICTIVOS

- 343866
Pôster
Favoritar este trabalho
Como citar esse trabalho?
Resumo

El procesamiento de frutas genera entre un 50 y 60% de subproductos (pulpa, tallos, cáscaras y semillas) que suelen desecharse, a pesar de su contenido de fibra, polifenoles y vitaminas. Aunque comúnmente se estabilizan mediante deshidratación y molienda, o se tratan con tecnologías de extracción asistida (como ultrasonido o microondas), la explosión de vapor (EV) surge como una alternativa hidrotérmica verde en donde la matriz se somete a vapor a alta presión dentro de un reactor, para luego liberarla instantáneamente; esto hace que el agua interna se expanda y evapore bruscamente, modificando la estructura del material tratado. La EV ha sido ampliamente utilizada en la extracción de etanol a partir de fibras de madera, y se ha extendido al sector alimentario, en la aplicación en subproductos agroindustriales, para aumentar la bioaccesibilidad de ciertos componentes de interés, como fibra y polifenoles. No obstante, el volumen de datos experimentales generados a nivel científico se encuentra disperso en la literatura, presentando distintos niveles de estructuración, lo que dificulta su recopilación, comparación sistemática y transferencia efectiva hacia la industria alimentaria. Ante este escenario, las soluciones basadas en modelos de lenguaje de gran escala (LLM), integradas con capacidades de búsqueda, clasificación y trazabilidad de fuentes, constituyen una herramienta estratégica para acelerar los procesos de investigación y convertir información científica no estructurada en conocimiento organizado y reutilizable. Para abordar estas brechas, se está desarrollando un producto mínimo viable que sistematiza la evidencia disponible, reduce los tiempos de análisis y fortalece la base técnica para la valorización de subproductos agroindustriales. En fases posteriores, su evolución permitirá integrar esta evidencia con variables operacionales de la EV y habilitar el desarrollo y validación de modelos predictivos basados en técnicas de aprendizaje automático, orientados a evaluar escenarios y apoyar la toma de decisiones para la valorización de estos subproductos agroindustriales.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 Pontificia Universidad Católica de Chile
  • 2 Cáscara Foods
  • 3 Centro Nacional de Inteligencia Artificial
Eixo Temático
  • 5) Interdisciplinar
Palavras-chave
Explosión de vapor
Valorización de subproductos
LLM
Estandarización de datos
Aprendizaje automático