Revista de Ciencia de los Materiales e Ingeniera Qumica, 2016, 4, 84-100

Publicado en julio de 2016 en la lnea SciRes. http://www.scirp.org/journal/msce

http://dx.doi.org/10.4236/msce.2016.47012

Modelo predictivo de parmetros

de calidad de clinker de cemento
Nsidibe-Obong Ekpe Moses1, Domingo Boladale Alabi2 *
1
Departamento de Ingeniera Qumica de la Universidad Federal de los
recursos del petrleo, Effurun, Nigeria 2 Departamento de Ingeniera Qumica y
Petrleo, Universidad de Uyo, Uyo, Nigeria

Recibido el 15 de junio de de 2016; aceptado 21 sin de junio de de 2016; publicada el 26

de julio de 2016

Copyright 2016 por los autores y de Investigacin Cientfica Publishing Inc.

Este trabajo est licenciado bajo la licencia Creative Commons
Reconocimiento Internacional (CC BY).
http://creativecommons.org/licenses/by/4.0/

Abstracto
Los gerentes de las plantas de cemento estn convirtiendo poco a poco
conscientes de la necesidad de sensores suaves en la evaluacin de la calidad
del producto. parmetros de calidad de clinker de cemento se miden en su
mayora por anlisis de laboratorio fuera de lnea o por el uso de analizadores
en lnea. El retraso de medicin y el costo asociado con estos mtodos, son una
preocupacin en la industria del cemento. En este estudio, un modelo basado
en la regresin fue de-Veloped para predecir los parmetros de calidad de
clinker en funcin de la calidad de la comida cruda y las variables de
funcionamiento del horno. Este modelo ha error cuadrtico medio, el
coeficiente de determinacin, peor de los casos de error relativa y cuenta
varianza para (en datos externos) dado como 8,96 10-7, 0,9999, 2,17% y por
encima de 97%, respectivamente. Por lo tanto, se concluye que el modelo
desarrollado puede proporcionar en tiempo real es-timates de los parmetros
de calidad de clinker y la captura de los rangos ms amplios de la condi-ciones
de funcionamiento reales de la planta a partir de modelos de horno rotatorio
de cemento a base primera principio-. Adems, el modelo desarrollado puede
ser uti-lizado sensor de lnea tan suave ya que contienen slo las variables que
se miden fcilmente en lnea.

Palabras clave
Parmetros de calidad del clnker, en lnea Estimacin, cemento horno
rotatorio, Modelo, Soft Sensor

1. Introduccin
 Cemento juega un papel importante en la industria de la construccin. Es el aglutinante director hidrulico, y la
mayor fuerza entrega y el componente de la propiedad de control de hormign. Las materias primas para la
produccin de cemento normalmente se extraen de rocas locales, aplastados, y despus se calent a temperatura
en exceso de 1000C en un horno rotatorio para formar clinker. La calidad de la clinker determina la propiedad
(tal como resistencia a la compresin) del cemento
*
Autor correspondiente.

Cmo citar este artculo: Moiss, NE y Alabi, SB (2016) modelo predictivo de parmetros de calidad de
clinker de cemento. diario Ciencia de los Materiales e Ingeniera Qumica, 4, 84-100.
http://dx.doi.org/10.4236/msce.2016.47012
NE Moiss, SB Alabi

hecho de ella; la base de esta propiedad se inform a ser el resultado de un clinker bien quemada con composicin
qumica constante y cal libre[1]. Mantener la calidad del clinker dentro del rango aceptable requiere que la medicin de
los parmetros de calidad que hacer de vez en cuando en el laboratorio, o el uso de sensores de hardware en lnea que
se basan en la fluorescencia de rayos X (XRF) y difraccin de rayos X (XRD) tcnicas. Los parmetros de calidad
clinker son Lime Saturacin Factor (LSF), slice Moduli (SM), Alumina Moduli (AM), silicato diclcico o belita
concentracin, silicato triclcico o alita concentracin, aluminato triclcico (C3A) concentracin (C2S) (C3S) , y
tetraclcico aluminoferrita (C4AF) concentracin[2] [3]. El retardo de tiempo asociado con de-termining estos
parmetros en el laboratorio o con sensores de hardware en lnea usando tcnicas de XRF son aproximadamente cuatro
horas y alrededor de quince minutos, respectivamente [3]. Como resultado de la demora de medicin, cualquier
reduccin en los resultados de calidad de clinker en rechazo total o reciclaje de la escoria formada [2]. Para una mejor
calidad del producto, y la estimacin en lnea de los parmetros de calidad en tiempo real, sensor virtual se considera
como una opcin ms atractiva en comparacin con los sensores de hardware en lnea. Muy pocos trabajos han sido
reportados en la aplicacin de sensores suaves para las industrias del cemento. Los sensores suaves desarrollados han
impulsado todos los datos de estado, tales como, red neural sensores blandas a base[2] [3]; multivariante sensor alcohol
en base estadstica [4] y soporte vector de regresin (RVS) sensor suave basado [5] para la estimacin de la calidad del
producto en lnea en la planta de cemento. Sin embargo, el reto con estos modelos es que su precisin depende en gran
medida de la calidad de los datos histricos obtenidos del horno rotatorio. Moiss y Alabi [6] informaron que los
experimentos se pueden realizar en la planta real para capturar las gamas ms amplias de las condiciones de
funcionamiento, pero Gerentes de Planta rara vez permiten la modificacin deliberada de las condiciones de
funcionamiento de la planta. Por lo tanto, no se puede extrapolar ms all de los lmites de los cuales se desarrollaron
estos modelos de sensores suaves.
Para hacer frente a los retos que acompaan a los sensores suaves basadas en datos, modelos primer principio (FPM)
se pueden aplicar. Aunque varios FPM se han desarrollado para la optimizacin y el control de hornos rotativos de
cemento, ninguno ha sido desarrollado para la deteccin suave de parmetros de calidad de clinker de cemento.
Primeros modelos de principios tienen los ad-tajas de ser capaz de capturar el comportamiento fsico-qumico del horno
rotatorio y tienen buena propiedad de extrapolacin. Por desgracia, los primeros modelos de horno rotatorio basadas en
principios existentes contienen variables que son difciles de medir en tiempo real, y tambin son un sistema de
ecuaciones diferenciales algebraicas no lineales (DAE) que deben resolverse numricamente. Por lo tanto, estos FPM
no estn en la forma adecuada para la implementacin en lnea sensores como suaves y as, no se pueden aplicar en
lnea en sus formas actuales. Por lo tanto, en este trabajo, un marco fue desarrollado para la conversin de los primeros
modelos de principios de horno rotatorio de cemento disponible en la literatura a la forma til para la estimacin en
lnea de los parmetros de calidad de clinker de cemento. Se necesita sensor virtual para la deteccin en lnea de las
composi-ciones de clinker que salen del horno rotatorio de cemento, ya que tambin puede funcionar como un sensor
de copia de seguridad cuando el sensor de hardware (utilizando tcnicas de fluorescencia de rayos X y / o DRX) es
defectuoso o por mantenimiento o reemplazo[3]. Por lo tanto, este estudio se centra en el desarrollo de un modelo
basado en la regresin para la estimacin en lnea de los parmetros de calidad de clinker. El modelo desarrollado est
en la forma que puede ser utilizado directamente como sensores suaves (en clinker unidad de produc-cin de la planta
de fabricacin de cemento) en oposicin a los modelos tericos y semi-empricos existentes. Adems, los modelos
fueron desarrollados a partir de (rango de condiciones de operacin) que son ms anchas que las condiciones tpicas de
operacin de una planta real. Por lo tanto, se espera que este modelo para un buen desempeo en un entorno donde los
modelos empricos existentes fallarn (por falta de capacidad de extrapolacin). Por lo tanto, con este marco, se puede
lograr verdadera estimacin de tiempo de parmetros de calidad de clinker para la produccin de cemento.

2. Metodologa
En el proceso de fabricacin de cemento, la calidad del clinker que sale del horno rotatorio determina la eventual
calidad del cemento producido. En este estudio, los modelos de regresin fueron desarrollados para la estimacin en
lnea de los parmetros de calidad del clnker. Se realizaron diseos experimentales para investigar el efecto de los
parmetros de proceso (entrada) en los parmetros de calidad clinker. se obtuvo una solucin numrica de primer
principio y los modelos de horno rotatorio ce-ment base semi-empricos en diferentes condiciones de funcionamiento y
los datos obtenidos se utilizaron para de-Velop los modelos de regresin para la estimacin en lnea de los parmetros
de calidad clinker.
datos de la vida real de las plantas de cemento no son fciles de conseguir, ya que, para las empresas de fabricacin
de cemento para obtener una ventaja competitiva, mantienen sus datos y experiencia confidencial [7]. Incluso si se
dispone de estos datos, que slo captan las condiciones normales de funcionamiento de la planta. Modelos construidos
con estos tipos de datos slo pueden ser vlidas dentro del rango de las condiciones normales de funcionamiento. Para
capturar ms amplias condiciones de operacin de la planta (debe haber cambios en las caractersticas del proceso), se
requerir la experimentacin en la planta real. Sin embargo, gerentes de planta rara vez se permitir la modificacin
deliberada de las condiciones de funcionamiento de sus plantas. Este es, sin duda, que se emple el mtodo de
simulacin razn en este estudio. Sin embargo, la eleccin fue guiado por el objetivo de

85
NE Moiss, SB Alabi

medicin de los parmetros de calidad de clinker, que es proporcionar fiable, en tiempo real y la medicin en
lnea de los parmetros de calidad del clnker. Los modelos fundamentales y semi-empricos para horno rotatorio
de cemento utilizados en este estudio son aquellos que han sido validados utilizando datos reales de la planta;
por lo tanto, los datos (soluciones) se consideran fiables, ya que captan el comportamiento fisicoqumico del
proceso. Por lo tanto, los modelos de regresin desarrollado no slo conservar la exactitud del primer principio y
los modelos semi-empricos que se desarrollaron a partir pero estn en la forma adecuada para la aplicacin en
lnea en vista del hecho de que los parmetros de entrada se miden fcilmente en lnea.

2.1. Formulacin modelo

El modelo de horno rotatorio de cemento (ecuaciones (1) - (14)) usado en este estudio es una compilacin de las
obras de Darabi [7], Mastorakos y Colaboradores [8], Zhuo y Colaboradores [9] y Sadighi y compaeros de
trabajo [10]. Esta modelo, una sistema de doce ecuaciones diferenciales algebraicas y dos ecuaciones
algebraicas, implica equilibrio apropiado de masas (normalizada con respecto a la masa de CaO), el balance de
energa y el tiempo de permanencia del material para la evolucin axial de los componentes implicados en la
formacin de clinker, los perfiles de temperatura y el movimiento de los slidos dentro del horno,
respectivamente.

2.1.1. Materiales constante el estado del balance Ecuaciones

Las ecuaciones que describen la evolucin axial en estado estacionario unidimensional de componentes
implicados en la formacin de clinker se dan como las ecuaciones (1) - (9) [7]-[9].
El carbonato de calcio (piedra de cal)

M
dm ET
CaCO : CaCO3 = - 1 r RO
3 v CaCO 3 CaCO3
dz s
METRO mi (1)
CaCO

1 CaCO3 3
K
CaCO metro
=- METRO exp - CaCO .
C

vs aO 3
R ts 3

El xido de calcio (cal viva)

dm 1 (r CaCO3
CaO: CaO = - rdo 2 S - rC3S - rC3 UN - rdo 4AF )
v
dz s
mi mi
1 CaCO3 do 2S 2
K
CaCO

= exp - R ts metro
CaCO - Kdo S exp - R ts
vs 3 3 2
metro
CaO
metro
SiO 2
 m m (2)
i i
do3S do3UN metro 3
CaO
metro metro -K exp - metro
- KCS exp - R ts
CaO CS California
R T
s
al O
3 2 3 2 3

mi
do3UN metro 4 metro
CaO
exp - metro
- Kdo AF Alabama O Fe O .
4 R ts 2 3 2 3

Silicio (IV) xido (slice)

dm
SiO2 1
M
ET
SiO 2 : =- r RO SiO
dz vs CS

2 2

MET
RO

1 SiO2
=- KCS exp
2M 2

vs CaO

xido de aluminio (almina)

(3)
mi
- R T metroCaO2metroSiO2.
do 2S

s
dm
Alabama
(r
do 4 AF
+r
do3UN )
2 O3 1 METRO
Al2 O3: dz =- v
Alabama 2 O3

s
mi
do3

1 UN 4
metro
CaO
metro metro
=- v Kdo AF exp - Alabama O Fe O + KCalifornia exp -
s 4 R ts 2 3 2 3 3

(4)
mi
do3UN metro

metro Alabam

CaO3 a O .
R ts 2 3

86
NE Moiss, SB Alabi

xido de hierro (III)

FeO 3 : dY =- r Fe 2 O3
Fe 2 O3 1
M
ET
RO
 do
v 4AF
2
dz s
METR
O
1 Fe 2 O3
=- MET
v RO
s CaO

(5)
mi
do3UN metr
o metro
metro Alaba

- CaO4 ma O Fe O .
R ts 2 3 2 3

Silicato diclcico (belita)

dY
d
(r do 2S - rdo3S )
C2 o 2S 1
S: = METROdo 2S

v
dz s
dY
do 2S 1
= KCS exp -
2

v
dz s

Silicato triclcico (Alita)

dYdo S
do3S: 3 dz

Aluminato triclcico (C3A)

M
E
T
R
mi mi O do
2S
do 2S do3S
m
met metr et
RT metro 2 ro
CaO SiO
2 -K CS
3 exp - RT o ro
CaO CS
2 . MET
RO .
s s CaO

1
M
ET
= r CS
RO CS
vs

3 3

M
E
T
m R
i O do
1 do3S
m 2S

met et
= v
K CS
3
exp - RT
ro ro CaO CS
2
MET
RO
.
s s CaO
Calif
doU dY = 1 r orni
N : do3 M a
UN
 ET
RO
3
dz vs California

3 3

(6)

(7)

M
E
T
R
dY mi O
do3UN =1 K exp - do3UN metro 3 metro do3UN .
do3 ME
Alabama TR
dz v UN RT CaO 2 O3 O

s s CaO
Tetraclcico aluminoferrita (C4AF)

1
dY M
do
ET
doAF: 4AF = r RO do
4 do 4 AF 4AF

dz vs
M
E
T
m R
dY i O do3
do 4AF =1 K do exp - do3UN metro 4 metro metro UN .
MET
4AF
Alabama 2
dz v R T CaO O3 Fe 2 O3 RO

s s CaO

2.1.2. Energa constante el estado del balance Ecuaciones

(8)

(9)
Las ecuaciones de balance de energa que describen las unidimensional perfiles de temperatura axiales en estado
estacionario de las fases que intervienen en la formacin de clinker se dan como las ecuaciones (10) - (12) [10].
Gas (Junta gratuito) Fase
UN do DT
gramo pg G

v = GRAMO w (tw - tg ) + S GRAMO (ts - tg ) +

gramo gramo Qcomb . (10)
dz
Slido (Cama) Fase:
UN do
s PD
= S GRAMO (tg - ts ) + W S (tw - ts ) - (rCaCO 3 MARIDO CaCO 3 + rdo 2S
v
s s dT MARIDOdo 2S
dz (11)
 + rC3S MARIDO C3S + rC3A MARIDO C3A + rdo 4 AF
MARIDOdo 4AF ).

Fase pared
GRAMO w (tg - tw ) + W S (ts - tw ) + W Aire (Ejrcito de
reserva - tw ) = 0. (12)

87
NE Moiss, SB Alabi

El tiempo de residencia y la velocidad de los materiales slidos dentro del horno rotatorio se describen por la
ecuacin (13) La ecuacin (14) [9].
Velocidad del slido,
dn
vs = . (13)
60 1.77
el tiempo de permanencia del material,

= 1.77L . (14)
dn
donde, los coeficientes de transferencia de calor ( GRAMO w, s GRAMO W s, w Air), el calor
liberado por la combustin de combustible (Qcomb), en-thalpy de los productos qumicos ( MARIDOyo ) Y
otros parmetros donde obtienen a partir de [7] [8] [10].

2.2. Soluciones numricas de los modelos fundamentales y semi-

empricos
Los doce ecuaciones diferenciales algebraicas (DAE) en la seccin 2.1 (a partir de la cual el modelo de
regresin fue devel-desa-) no estn en la forma adecuada para la deteccin suave de parmetros de calidad
clinker. Para transformar este modelo a una forma adecuada para la deteccin suave de parmetros de calidad
de clinker, se requieren soluciones numricas.
Mastorakos y compaeros de trabajo [8], Lu y colaboradores [11], Darabi [7], Akhtar trabajadores y Co- [12]
y Bhad y compaeros de trabajo [13] todas dinmica de fluidos computacional desarrollados (CFD) basado en
modelos para simular horno rotatorio de cemento. Sin embargo, el enfoque de simulacin que emplean no era
un mtodo aplicable para la estimacin de parmetros de calidad de clinker, debido al tiempo de clculo
considerable necesaria para determinar la temperatura de la pared del horno. Por lo tanto, para evitar este reto,
este estudio emple el algoritmo explcito de Euler para un sistema de DAE en la plataforma de la hoja de
clculo de Microsoft Excel.
Por otra parte, para verificar el enfoque de simulacin adoptada en este trabajo, las condiciones de
funcionamiento de una tpica planta en-dustrial obtienen a partir de [8] fueron enchufado en la plataforma de
simulacin (solucin). La simulacin reproduce el resultado obtenido en la obra de Mastorakos y
Colaboradores[8] con una precisin de 4,11% (en el peor caso de error relativa). Por lo tanto, los datos
(soluciones) se consideran fiables, ya que captan el comportamiento fisicoqumico del horno rotatorio ce-ment
adecuadamente.

2.3. Diseo experimental para la estimacin de los parmetros de

calidad de clinker de cemento
Despus de haber verificado el enfoque de simulacin adoptado en este estudio, los datos en el intervalo de
condi-ciones de funcionamiento de la planta y los valores de algunos parmetros de proceso para una planta de
fabricacin de cemento tpica se obtuvieron de [8] [10] [14]. los condiciones de funcionamiento utilizadas para
la simulacin se muestran en la tabla 1.
Con estas condiciones de funcionamiento, un diseo de superficie de respuesta compuesto central (con medio
fraccin) se utiliz para generar uno centenar de y cincuenta y cuatro (154) puntos de datos. Estos puntos de
datos fueron entonces conectados a la plataforma de simulacin horno rotativo para determinar las variables de
respuesta para una combinacin de las entradas / factores. Adems, con la ayuda de Design Expert 7.0
 herramienta estadstica, se utilizaron a continuacin, estos 154 puntos de datos (despus de puntos de datos
perifricas se haban eliminado basado en el mtodo descrito en la seccin 2.3.1) para construir los modelos de
regresin.

La deteccin de valores atpicos

Un valor atpico se define como una observacin de que parece ser incompatibles con otras observaciones en
el conjunto de datos [15]. Eso Es importante detectar y eliminar valores atpicos, ya que pueden conducir a
errores de modelo, la estimacin para-metro sesgada y anlisis de resultados incorrectos [11]. Hay varios
enfoques para la deteccin de valores atpicos. Uno de

Tabla 1. condiciones de funcionamiento de simulacin del horno rotatorio de cemento.

Las variables de funcionamiento
S/N Calidad harina cruda Condiciones de operacin del horno Condiciones de operacin
Tasa de
alimentacin del
1 Cal viva (CaO) 0,30 a 0,50 horno, ms (Kg / s) 35 - 45
De alimentacin de
2 Silicio (IV) xido 0,10 a 0,20 entrada de temperatura, TS (K) 990 - 1120
Tasa de
alimentacin de
3 Oxido de aluminio 0,02 a 0,05 combustible, mf (Kg / s) 1.5 - 1.9
Velocidad de flujo de mam
4 xido de hierro (III) 0,01-0,04 masa de aire, (Kg / s) 27 - 33

88
NE Moiss, SB Alabi

tal enfoque es, la inspeccin visual. Aunque la inspeccin visual por s sola no siempre puede identificar un valor
atpico y puede conducir a una observacin mal etiquetado como un valor atpico. Pani y compaeros de trabajo[2]
informaron de que, cada vez que no es posi-ble para aplicar la inspeccin visual, las tres tcnicas atpicos populares:
Editar regla de 3, el mtodo Diagrama de cajas y mtodo de Ham-pel se pueden utilizar para detectar valores atpicos.
En este estudio, editar 3 y los mtodos diagrama de caja se aplicaron a cada uno del conjunto de datos variables
operativo (respuesta). Para la regla de edicin 3, un conjunto de datos fue etiquetado valor atpico cuando los puntos
de datos eran tres o ms desviaciones,-ciones estndar de la media. Es decir,
xi - x > 3 . (15)
Mientras que, el mtodo de la grfica Box define regiones (superior e cercas inferiores) en la trama ms all del cual
un conjunto de datos se puede marcar un valor atpico. Estas regiones son:
Valla inferior interno:
Q0.25 - 1.5x ( Q0.75 - Q0.25 )
Alta valla interior: Q0.75 + 1.5 ( Q0.75 - Q0.25 )
Baja valla exterior: Q - 3x ( Q - Q )
0.25 0.75 0.25
(diecisis)
valla exterior superior:
Q + 3 (Q - Q )
0.75 0.75 0.25

Q0.25 y Q0.75 son 25 y 75 percentiles, respectivamente. Un valor atpico leve es un punto ms all de una valla interior a cada
lado, mientras que un valor atpico extremo es un punto ms all de una valla de valor atpico.
Por otra parte, el Externamente Studentized residual (ESR) plataforma de diagnstico, de diseo compuesto central
(CCD) se utiliz el software Design Expert 7.0 para detectar y eliminar valores atpicos, ya que utiliza el concepto de 3
Editar regla, y tambin maneja valores atpicos en los cinco respuestas de forma simultnea contraria al mtodo de la
caja-trama.

2.4. Propagacin de errores / incertidumbre asociada con los datos

obtenidos de la simulacin
Cualquier mtodo numrico que calcula una solucin aproximada, es acompaado generalmente con algunas limitaciones, es-
cialmente su error. Por lo tanto, la incertidumbre que rodea a los datos de los que se construyeron los modelos de regresin es
un func-cin de la propagacin de errores en la tcnica numrica empleada. Esta propagacin de error se informa en [diecisis]
como:
 norte+1 norte [
'' ] ( norte )

= mi 2 2
mi 1 + hK h metro (17)
donde en = metro ( Zn ) -mn; m es de composicin (fraccin Z es la longitud del horno en el paso
de masa); n n.
Alternativamente, de acuerdo con Sderlind y Arvalo [17], Si la recursividad de error global en la ecuacin (17)
y las normas
se toman con condicin de Lipschitz aplica, tenemos la ecuacin
(18).
en +1 = en + hf (Zn , m ( Zn ) + en ) - hf (Zn , m ( Zn )) + En+1 (18)
mi l
no nort
e e
rte +1 n + hL [ F ] n + e+1 (19)
Este enfoque numrico converge debido
lim h 0 en , h = 0 (20)
Por lo tanto para reducir al mnimo este error, un tamao muy pequeo paso fue utilizado para la simulacin en este
estudio; a pesar de que result en un tiempo de clculo ms tiempo.

2.5. Las relaciones matemticas para calcular los parmetros de calidad del
cemento clinker
En el anlisis qumico del cemento, existen ciertas relaciones matemticas entre el porcentaje de cal y la combinacin
de compuestos como slice, almina y xido de hierro [1] [18]. Estas relaciones son:

2.5.1. Factor de saturacin de cal

factor de saturacin de cal (LSF) que es la relacin de la cantidad real de cal a la cal terica requerida por los otros
xidos importantes en el clinker se calcul utilizando la ecuacin (21).
100 (CaO + 0.75MgO)
LSF = 2.85SiO 2 + 1.18Al 2 O 3 + 0.65Fe 2 O3 (21)

89
NE Moiss, SB Alabi

2.5.2. slice Moduli

Silica Moduli (SM), que da una idea de la cantidad de fase de masa fundida presente en la
zona de combustin del horno se calcula a partir de la frmula dada en la ecuacin (22):
SiO2
Alabama 2 O 3 + Fe 2
SM = O3 (22)

2.5.3. almina Moduli

La almina Moduli (AM) que determina la composicin de la fase lquida en el clinker se calcul a partir de la
frmula dada en la ecuacin (23):
Al 2 O3
A.M
= Fe 2 O3 (23)

2.5.4. Alita y la cal libre

Estos parmetros de calidad no requieren frmulas para su determinacin. Por ejemplo, la cal libre (FCAO) es
simplemente la cantidad de cal libre sin reaccionar en el clnker; Alita (C3S) fue una de las composiciones de
salida del horno.

2.6. Modelo de regresin (s) de Desarrollo

 Los modelos de regresin (ocho (8) de entrada y cinco (5) modelo de respuesta) fueron construidos siguiendo
los pasos (a continuacin) en Design Expert 7.0 software estadstico.
Los valores de las respuestas (por cada carrera de diseo) en la plataforma de simulacin se copian en la
vista de diseo de diseo compuesto central del software Design Expert.
Cada variable de respuesta se transform para casos en los que la relacin de mxima a valor de respuesta
mnima fue superior a 10. De lo contrario, la transformacin no era necesario.
El medio ambiente Resumen ajuste fue visto para tener acceso a informacin acerca de la bondad de ajuste
del modelo (por ejemplo,
como grado de libertad, F-valor, P-valor) y las estadsticas de resumen modelo (tales como la desviacin
estndar, Radj2, prensa). Adems, se da informacin sobre la cual tiene un alias modelo. Con F-test, uno
puede saber si un grupo de VA-riables son conjuntamente significativos. P-valor, que debe ser menor que el
nivel alfa es la probabilidad de que los resultados han sucedido por casualidad. Predicho Suma Error residual
de cuadrados (PRESS) estadstica estima el rendimiento del modelo en los datos de retencin de salida,
utilizando slo los datos dentro de la muestra[19].
regresin Eliminacin hacia atrs (con alfa = 0,05) se emple en orden de proceso modelo (que podra ser
lineal, 2FI, cuadrticas, cbicas) para la eliminacin automtica de los trminos del modelo no deseados.
El anlisis de varianza plataforma (ANOVA), que analiza el modelo elegido dio una vista de los resultados
del anlisis.
la plataforma de diagnstico que evala el ajuste del modelo y la eleccin de la transformacin con los
grficos (tales como trama normal, residual vs prediccin, etc.) fue visto para hacer una eleccin final del
tipo de modelo.
Por ltimo, los coeficientes del modelo de regresin propuesto dado en la ecuacin (24) se determinaron a
partir ANOVA usando software Design Expert 7.0.
R = un0 + un1 x1 + un2 x2 + un3 x3 + + un12 x1 x2 + un13 x1 x3 + + un11 x12 +
2
un22 x2 + (24)
donde R es la variable de respuesta estimada (parmetros de calidad de clinker, es decir, LSF, SM, AM, etc.); x1,
x2, x3, son los parmetros de entrada (CaO, SiO2, Al2O3, Fe2O3, tasa de flujo de masa de slidos, se alimentan
temperatura de entrada, la tasa de flujo msico de combustible y la velocidad de flujo de masa de aire); a0
representa la media (en el origen); a1, a2, a3, son los efectos lineales; a11, a22, a33, son los efectos cuadrticas
mientras a12, a13, a23, son los efectos de interaccin.
2.7. Evaluacin del desempeo de los modelos de regresin
desarrollados
Dos conjuntos de datos (de interpolacin y extrapolacin) se obtuvieron a travs de dos (2) diseo factorial
-level (Res IV) para evaluar el rendimiento del modelo.

2.7.1. Prueba de interpolacin

Nuevas condiciones de funcionamiento de la prueba de interpolacin fueron creados y conectados a la plataforma de
simulacin del primer modelo de horno rotatorio basado en principios para generar datos de respuesta para la prueba
de interpolacin. El lmite inferior (LB)

90
NE Moiss, SB Alabi

de las nuevas condiciones de funcionamiento fue de 110% LB de las condiciones de funcionamiento (original)
utilizadas para desarrollar el modelo mientras que el lmite superior (UB) fue del 90% UB de las condiciones de
funcionamiento (originales). Los datos de respuesta de modo Gener-ated fueron comparados con las predicciones del
modelo en los mismos puntos de diseo.

2.7.2. Prueba de extrapolacin

Para la prueba de extrapolacin, el lmite inferior (LB) de las nuevas condiciones de funcionamiento fue de 90% LB de
las condiciones de funcionamiento (originales) que se utilizaron para desarrollar el modelo mientras que el lmite
superior (UB) era 110% UB de la (original) condiciones de operacin. Estos datos de respuesta se compararon con las
predicciones del modelo en los mismos puntos de diseo.

2.8. Otros criterios de rendimiento para los modelos de regresin

desarrollados
Adems de los criterios estadsticos descritos en la seccin 2.6, el rendimiento del modelo desarrollado en este estudio
se determin mediante la evaluacin del error relativo ciento (r ), Coeficiente de determinacin (R2) y la media de los
valores de error al cuadrado (MSE) producidos por cada modelo a los datos entrenados (es decir, los datos utilizados
para construir el modelo) y los datos no entrenados (es decir, datos diferentes de los datos del modelo). Las ecuaciones
(25) - (27) se utilizaron para calcular los criterios de rendimiento antes mencionados.
y-y
MSE = en=1 ( pag )
2

norte (25)
donde, yP, es el valor predicho de la variable independiente e y es el valor simulado.

r = Real - Predicho 100

Real (26)
y-y
R2 = 1 - en=1 ( )2
pag

en=1 ( y - y )2 (27)
Adems, el anlisis de la capacidad de estimacin del modelo desarrollado se realiz mediante el clculo de la cuenta
de la varianza para los valores (VAF) del modelo para los datos desconocido (externa). Los valores VAF del modelo
utilizado para predecir los parmetros de calidad de clinker se calcularon en Microsoft Excel utilizando la ecuacin (28)
[2].
var ( y - yp )
VAF = 1 - 100 (28)
var ( y)

Los criterios de actuacin son:

Estadsticamente, un buen modelo tendr R2 > 0.8 [20] [21].
Cuanto ms cerca del valor VAF es 100%, mejor ser la capacidad de prediccin del modelo [2].

3. Resultados y Discusin
3.1. Modelo de regresin para estimar los parmetros de calidad del clnker
modelo de superficie de respuesta se utiliz para ajustar los primeros datos de simulacin de cemento de horno rotatorio
basadas en principios generados en este estudio. El modelo desarrollado es un segundo modelo de regresin orden,
presentada como la ecuacin (29).
LSF = 8033.25997 - * Un 1149.8428 - 4534.22698 * B - 28385,14229 * C - 8476.33342 * D
+ 13.6304 * mi - 13.21429 * F - 321,68004 * G - 3,74886 * MARIDO + 2597.73121 *
UN * segundo
+ 10452,02181 * UN *DO + 3392.98733 * UN * re + 9,34961 * UN * mi + 0,2121 *
UN * F
- 197.63093 * UN *GRAMO + 4,23671 * UN * MARIDO + 24360,81131 * segundo
*DO + 38159,82889 * segundo * re
- 1,74596 * segundo * mi + 1,08234 * segundo * F + 9,2162 * segundo * MARIDO +
98243,23886 * C * re (29a)
- 84.49924 * C * mi + 10.33123 * C * F + 1933.67322 * C *GRAMO +15.15962 * C *
MARIDO
- 91.80788 * re * mi - 2,58377 * re * F + 2143.29233 * re *GRAMO +11.9432 * re *
MARIDO
- 0.030518 * mi * F - 2,98065 * mi *GRAMO + 0,46313 * mi * MARIDO + 0,84377 *
F *GRAMO
+ 0.00606855 * F * MARIDO - 14.8115 * G * MARIDO + 100423 * C 2 + 0,12501 * mi2
+ 0.00600665 * F 2

91
NE Moiss, SB Alabi
dnde

dnde

dnde

(SM) -1 = -6.9553 - 0,93617 * UN - 4,16794 * segundo + 7,34341 * do + 20.21973 * re + 0.00405632 * mi

+ 0.012522 F * + 0,20557 * G + 0.052677 * H + 5,24087 * A * B - 12.64868 * A * C - 20.27157 * UN * re -
0.00710863 * UN * mi + 0.00108064 * UN * F - 0,21246 * UN * GRAMO - 0.041382 * UN * MARIDO -
29.92141 * segundo * do - 9,41458 * segundo * re - 0,09212 * segundo * mi
+ 0.00242093 * B * F + 2,11852 * B * G + 0.00810715 * B * H + 0.00572209 E * C *
+ 0,25943 * C * G - 0.066646 * D * E - 0.0054752 * D * F + 1,84898 * D * G
0.048922 * D * H + 0,000010656 * E * F + 0,000162589 * E * H
 0.0010616 * F * G - 0,0000715446 * F * H + 0.019041 * G * H
+ 1,26769 * UN 2 + 70.40173 * do 2 - ,00000485463 * F 2
1
(SM)
SM = -1
Iniciar sesin (A.M) = 4.63311- * Un 22.41511 - 77.05896 * B + 712.16165 C * - 866.74646 D *
+ 0.0080761 E * - 0.017199 F * + 20.26673 * G - 0,19826 * H +17.97475 * A * B - 138.35661 * UN *DO +
231.70098 * UN * re - 0,41514 * UN * mi + 0.019331 * UN * F
+ 8,65377 * A * G + 472,15361 * B * C - 740.27676 * B * D +1,31125 * B * E
+ 0.073142 * B * F - 32.84588 * B * G - 702,36276 * C * D - 0,59362 * C * E
0,31753 * C * F + 15.92831 * C * G - 1,34628 * C * H + 0,65134 * D * F
0,57296 * D * H - 0,000571044 * E * F - 0,23173 * E * G + 0.032718 * E * H
+ 0.00789919 * F *GRAMO - 0,61757 * G * MARIDO - 4687.47133 * C 2 + 4687.67317 * re2

(A.M ) = 10 Iniciar sesin (A.M)

FCAO = 2562.42733 - * Un 493.37626 - 1970.72804 * B + 13058.9365 * C - 20127,48432 * D

+
1,53518 * E - 4.63623 F * + 175,25672 * G - 3,96757 * H + 841.72174 * A * B

4647.43807 * A * C + 7862.10916 * A * D - 7,08463 * A * E + 0,3659 * A * F
+
144,77592 * A * G +15427.35775 * B * C - 9092.46733 * B * D + 28.95916 * B * E
+
1,16931 * B * F - 723,85962 * B * G + 4,81807 * B * H - 23.55116 * C * E

8,25046 * C * F + 550,91434 * C * G - 12.12213 * C * H - 24.74863 * D * E
+
14.25632 * D * F + 599,90204 * D * G - 12.76274 * D * H - 0.021965 * E * F

5,91393 * E * G + 0,82201 * E * H + 0,43492 * F * G -17.13437 * G * H

75719.01811 * C 2 + 86880,74123 * D 2 + 0.081118 E * 2 + 0.00212555 * F 2
+
43.51179 * G2
Iniciar sesin (do3S) = 30.02291- Un 3,90195 * - 5,16712 * B + 49.04342 * C - 67.41405 D * - 0,30311 * E
0.049624 F * + 3,56131 * G - 0,28143 * H + 1,13896 * A * B - 6,56193 * A * C + 44.24206 * UN * re +
0.00998496 * UN * mi - 0.00165853 * UN * F + 0,21054 * UN * MARIDO + 69.24808 * segundo *DO
-19.46075 * segundo * re + 0,38052 * segundo * mi + 0.00387675 * segundo * F
9,31003 * B * G + 0.022785 * B * H - 281,64805 * C * D + 0,06214 * C * E
0.056461 * C * F + 0.060621 * C * H - 0.063951 * D * E + 0.037044 * D * F
+
2,24144 * D * G - 0.010731 * E * G + 0.00374129 * E * H + 0.00335382 * F * G
+
0,000274366 * F * H - 0,14929 * G * H - 121,83419 * C2 + 338.04087 * D2
+
0.00122987 E * 2 + 0,0000223903 * F 2

(do 3 S ) = 10Iniciar sesin (do S) 3

(29b)
(29c)

(29d)

(29e)

92
NE Moiss, SB Alabi

El modelo de regresin (29) es una relacin entre los parmetros de calidad de clinker y las variables de entrada: CaO
(A), SiO2 (B), Fe2O 3 (C), AL2o 3 (D), la tasa de flujo de masa de slidos (E), alimentar temperatura de entrada (F), la
tasa de flujo de masa de combustible (G) y el caudal de masa de aire (H).

3.2. La estimacin de la capacidad del modelo desarrollado

Figura 1 da la capacidad de estimacin del modelo desarrollado presenta en la seccin 2.6 con respecto a la los datos
entrenados. Tambin,Tabla 2 muestra el MSE mnimo y el peor caso de error relativo alcanzado por los modelos.
El rendimiento del modelo de regresin desarrollado se evalu mediante la comparacin de sus predicciones con el
primer principio de cemento basado en modelo de horno rotatorio si-mulada en las mismas condiciones de entrada.
Adems, se utilizaron algunos criterios STATIS-tical presentados en la seccin (2.10) para evaluar la capacidad del
modelo de regresin. Los resultados se presentan en tanFigura 1. Tabla 2 muestra que, el modelo desarrollado en este
trabajo se ajusta bien a los datos con mini-MSE madre de 8.96E-07 y la peor de los casos de error relativo de 2.17%.
Con el modelo que representa aproximadamente el 99% varia-cin de los datos, el modelo puede ser utilizado para la
estimacin de los parmetros de calidad del clnker.

3.3. Evaluacin del desempeo de los modelos desarrollados

Las capacidades de estimacin del modelo de regresin desarrollado se evaluaron con respecto a los datos no entrenado ob-
CONTENIDAS de simulacin (con datos de diseo de interpolacin 2-factor y los datos de extrapolacin) como se describe
en la seccin 2.7.
93
NE Moiss, SB Alabi
 Figura 1. (A) estimado vs. valores reales de LSF. (B) estimado vs. valores reales de SM. (C) estimado vs. valores reales de
A.M. (D) Estimacin vs. valores reales de FCAO. (E) estimado vs. valores reales de C 3S.

94
NE Moiss, SB Alabi

3.3.1. Prueba de interpolacin de los modelos desarrollados

Figura 2 espectculos la capacidad de estimacin del modelo de regresin con respecto a los datos de interpolacin.
Tambin, Tabla 3 espectculos la cuenta de varianza para (VAF) del modelo en la prediccin de los parmetros de
calidad del clnker.
La capacidad de interpolacin del modelo de regresin se puso a prueba mediante la evaluacin de su capacidad
predictiva utilizando un conjunto de datos simulados diferentes de las usadas para desarrollar el modelo. Los resultados
se presentan en tanFigura 2.De las figuras, es evidente que, el modelo se realiza bien en respuesta a las condiciones de
funcionamiento diferentes a partir de (pero dentro de la gama de condiciones de funcionamiento) utilizados para la
construccin de sta. Adems, con la varianza explicada (VAF) criterio estadstico,Tabla 3 revela que, el modelo (con
valores VAF ms cerca de 100) tiene alta capacidad de estimacin. As, el modelo es a la vez precisa y generalmente
adecuados para los fines de la prediccin de parmetros de calidad de clinker bajo diferentes condiciones de
funcionamiento.

Tabla 2. Error cuadrtico medio y el error relativo de los modelos de regresin.

calidad de parmetros MSE R2 Error relativo (en el peor de los casos),%

LSF 0,0150 0.9999 1.73

SM 0,0983 0.9999 1.83
 A.M 0,0172 0,9998 2.17
FCAO 0,0044 0.9999 1.39
Alita (C3S) 8.96E-07 0.9999 0,0497

95
NE Moiss, SB Alabi
 Figura 2. (A) LSF actual y prevista para la prueba de interpolacin. (B) real y predicha SM para la prueba de interpolacin.
(C) Actual y predijo AM para la prueba de interpolacin. (D) real y predicho FCAO para la prueba de interpolacin. (E) real
y predicha C3S para la prueba de interpolacin.

96
NE Moiss, SB Alabi

3.3.2. La extrapolacin de los modelos desarrollados

figura 3 espectculos la capacidad de estimacin del modelo de regresin desarrollado con respecto a la extrapolacin
datos. Tambin,Tabla 4 muestra la cuenta de varianza para (VAF) del modelo en la prediccin de la calidad del clnker
los para-metros para los datos de extrapolacin (de entrada).
La capacidad de extrapolacin del modelo de regresin se puso a prueba mediante la evaluacin de su capacidad
predictiva utilizando un conjunto de datos fuera de la poblacin de los datos de simulacin utilizados para desarrollar el
modelo. Los resultados se presentan en tanfigura 3.A partir de las figuras, el modelo funciona bien en respuesta a las
condiciones de funcionamiento fuera del rango de condiciones de operacin utilizados para su construccin. La
varianza explicada (VAF) criterio estadstico, revela adems que (Tabla 4), El modelo tiene una alta capacidad de
estimacin. Adems,Tabla 4 muestra que, para% de desviacin 10 (datos de extrapolacin generan a partir de 110%
lmite superior y el 90% lmite inferior de las condiciones normales de funcionamiento de la planta)

Tabla 3. valores VAF para el modelo en respuesta a la interpolacin de datos de entrada.

calidad de parmetros MSE VAF Error relativo (en el peor de los casos),%

LSF 4.1997 99.80 5.20

 SM 0.09633 99,88 6.96

A.M 0.1544 99,92 6.66

FCAO 1.7885 99,52 7.32

Alita (C3S) 0.08526 99.72 6.6649

97
NE Moiss, SB Alabi
 Figura 3. (A) LSF actual y prevista para la prueba de extrapolacin. (B) real y predicha SM para la prueba de extrapolacin.
(C) Actual y predijo AM para la prueba de extrapolacin. (D) real y predicho FCAO para la prueba de extrapolacin. (E) real
y predicha C3S para la prueba de extrapolacin.

98
NE Moiss, SB Alabi

Tabla 4. valores VAF para el modelo en respuesta a la extrapolacin de datos (de entrada).

calidad de parmetros MSE VAF Error relativo (en el peor de los casos),%

LSF 120.88 97.02 13.30

SM 465,19 98.36 14.60

A.M 75,557,125.73 98.82 15.81

FCAO 38.27 98.80 12.99

Alita (C3S) 1197.74 97.74 17.59

fuera de las condiciones normales de funcionamiento de la planta el modelo puede manejar peor de los casos de error
relativa inferior al 20%. Prcticamente, este error es razonable como una desviacin del 10% puede resultar en la
produccin de productos fuera de especificacin.
 La capacidad de estimacin del modelo es satisfactoria despus de haber cumplido con los criterios de rendimiento
de un modelo predictivo. Por lo tanto, se puede utilizar para la estimacin en lnea de los parmetros de calidad del
clnker. Adems, este modelo pro-duce el resultado en tiempo real cuando se proporcionan las variables de entrada, a
diferencia del modelo terico que requiere la en-vestigator que esperar a que su solucin numrica a converger. Por lo
tanto, se puede concluir que el modelo tiene la po-tencial para afrontar el reto de (en tiempo real) de medicin en lnea
de los parmetros de calidad de clinker, proporcionando fia-ble, rpido estimacin en lnea de los parmetros de calidad
de clinker para la produccin de cemento de alta calidad.

4. Conclusiones
En lnea, las estimaciones precisas de la calidad del clnker (en tiempo real) eliminar la energa y el coste de
produccin asociado a la produccin fuera de ESPECIFICACIN. Por desgracia, los sensores suaves desarrollados en
la literatura para los parmetros de calidad tintineo-er estn basadas en datos y hecha a la medida. Por lo tanto, si las
condiciones de funcionamiento de la planta se alejan de la gama de funcionamiento original de la que fue construido el
modelo, un nuevo modelo debe ser reconstruido.
En este estudio, un modelo basado en la regresin fue desarrollado para la prediccin en lnea de los parmetros de
calidad de clinker. El modelo desarrollado puede proporcionar a los operadores de la planta con la informacin sobre la
calidad del clnker, por las acciones de control rpidas que finalmente conduzcan a la mejora de calidad del producto.
La capacidad de la estimacin del modelo desarrollado fue satisfactoria basa en los criterios estadsticos: error
cuadrtico medio, coeficiente de determinacin, el peor error rel-ativa caso y cuenta varianza para (datos externos) da
como 8,96 10-7, 0.9999, 2.17% y por encima de 97% re-respectivamente. Adems, el modelo desarrollado es robusto
ya que captura rangos ms amplios (dentro y fuera) de las condiciones de funcionamiento reales de la planta. Por lo
tanto, el modelo desarrollado se puede utilizar el sensor tan suave ya que contiene slo las variables que son fcilmente
medibles en lnea.
Se recomienda (queda en estudio) para utilizar tcnicas no lineales para desarrollar modelos de los primeros datos de
simulacin de cemento horno rotatorio basadas en principios (soluciones).

referencias
[1] Alemayehu, F. y Sahu, O. (2013) Reduccin al mnimo de la variacin en Clinker Calidad. Los avances en materiales, 2,
23-28.http://dx.doi.org/10.11648/j.am.20130202.12
[2] Pani, AK, Vadlamudi, V., Bhargavi, RJ y Mohanta, HK (2012) Desarrollo y comparacin de red neuronal-Sensores de trabajo
sin alcohol en base para la estimacin en lnea de la calidad del cemento clinker. Departamento de Ingeniera Qumica, Bir-la
Instituto de Tecnologa y Ciencia, Pilani.
[3] Negash, M. y Alemu, G. (2013) basado en red neuronal basadas en datos Predictor: Estudio de caso sobre la calidad del clinker
pre-diccin. http://etd.aau.edu.et/handle/123456789/4703
[4] Lin, B., Recke, B., Knudsen, J. y Jorgensen, SB (2007) Un enfoque sistemtico para el desarrollo de sensores suave.
Computadoras y de Ingeniera Qumica, 31, 419-425.http://dx.doi.org/10.1016/j.compchemeng.2006.05.030
[5] Qiao, J., Fang, Z. y Chai, T. (2010) LS-SVR-Basado modelo de sensor Soft para Cemento Clinker proceso de calcinacin. 2010
Conferencia Internacional sobre Tecnologa de medicin y Mecatrnica Automatizacin, la ciudad de Changsha, 13-14 de
marzo de 2010, 591-594.http://dx.doi.org/10.1109/ICMTMA.2010.503
[6] Moiss, NE y Alabi, SB (2016) La evolucin de los mtodos de medicin y de estimacin de los parmetros de la calidad del
cemento. Revista Internacional de Investigacin y Tecnologa, 5, 843-846 Ingeniera.
[7] Darabi, P. (2007) un modelo matemtico para hornos de cemento. Publicado M. Sc. Tesis en Ingeniera Mecnica, El

99
NE Moiss, SB Alabi

Universidad de la Columbia Britnica, Vancouver.

[8] Mastorakos, E., Massias, A., Tsakiroglou, CD, Goussis, DA, Burganos, VN y Payatakes, AC (1999) CFD Pre-dicciones
para hornos de cemento, incluyendo la llama Modelando, transferencia de calor y Clinker Qumica. Modelizacin
Matemtica Aplicada, 23, 55-76.http://dx.doi.org/10.1016/S0307-904X(98)10053-7
[9] Wang, Z., Yuan, MZ, Wang, B., Wang, H. y Wang, TR (2008) Modelo dinmico de simulacin y control de hornos
rotatorios de cemento. Sistema de simulacin, 20, desde 5131 hasta 5135.
[10] Sadighi, S., Shirvani, M. y Ahmad, A. (2011) Cemento horno rotatorio Coating Estimador de: modelado integrado de
horno con Shell medicin de temperatura. Canadian Journal of Chemical Engineering, 89,116-
125.http://dx.doi.org/10.1002/cjce.20365
 [11] Liu, H., Shah, S. y Jiang, W. (2004) Online deteccin de valores atpicos y limpieza de datos. Computadoras y qumica
Engi-niera, 28, 1635-1647.http://dx.doi.org/10.1016/j.compchemeng.2004.01.009
[12] Akhtar, S., Abbas, T. y Lockwood, FC (2008) Herramientas Computacionales Avanzadas para plantas de cemento.
2008 Registro IEEE Ce-ment Industria Tcnica Conferencia, Miami, 18-22 de mayo de 2008, 171-
186.http://dx.doi.org/10.1109/CITCON.2008.21
[13] Bhad, TP, Sarkar, S., Kaushik, A. y Herwadkar, SV (2009) CFD Modelado de un horno de cemento con Multicanal
quemador para la optimizacin de la llama del perfil. Actas de la 7 Conferencia Internacional sobre CFD en los
minerales y las industrias de proceso, CSIRO, Melbourne, 11 de diciembre de 2009, 1-7.
[14] Mintus, F., Hamel, S. y Krumm, W. (2006) Proceso hmedo Rotary hornos de cemento: Modelado y simulacin.
Limpias Poltica Ambiental, 8, 112-122 y Tecnologas.http://dx.doi.org/10.1007/s10098-006-0039-6
[15] Walfish, S. (2006) Una revisin de los mtodos estadsticos atpicos. http://www.pharmtech.com/pharmtech/content
[16] Hrol, S. (2013) Mtodos Numricos para la resolucin de sistemas de ecuaciones diferenciales ordinarias. Publicado
M.Sc. Tesis en Matemticas Aplicadas y Ciencias de la Computacin, Universidad del Mediterrneo Oriental,
Gazimausa.
[17] Sderlind, G. y Arvalo, C. (2009) Mtodos Numricos para ecuaciones diferenciales. Universidad de Lund,
Lund.https://www.yumpu.com/en/document/view/12105020/numerical-methods-for-differential-equations-
chapter-1
[18] Aldieb, MA y Ibrahim, HG (2010) Variacin de la composicin de la alimentacin qumica y su efecto sobre el proceso
de formacin de clinker-Simulation. Actas del Congreso Mundial de Ingeniera y Ciencias de la Computacin, San
Francisco, 20-22 de octubre de 2010, vol. II, 699-705.
[19] Zumel, N. (2014) Error de Estimacin Generalizacin con la estadstica PRESS. http://www.win-
vector.com/blog/2014/09/estimating-generalization-error-with-the-press-statistic/
[20] Betiku, E., Ojetunde, OO, Onibon, FK, Ayeni, OE, Okunsolawo, SS y Omilakin, O (2014) Un estudio de Mod-Elling y
Optimizacin de Jatropha Biodiesel de aceite Sntesis y Caracterizacin su calidad de combustible. Petrleo-Technol
ga Diario de Desarrollo, An International Journal, 1, 27-38.
[21] Akhnazarova, S. y Kefarov, V. Optimization (1982) Experimento en Qumica e Ingeniera Qumica. Mir Pub-lishers,
Mosc.

Enve o recomendamos siguiente manuscrito a SCIRP y nosotros proporcionar el mejor servicio para
usted:
La aceptacin de consultas previas a la presentacin a travs de correo electrnico, Facebook, LinkedIn, Twitter, etc.
Una amplia seleccin de revistas (inclusive de 9 sujetos, ms de 200 revistas)
Proporcionar un servicio de alta calidad las 24 horas
sistema de presentacin en lnea fcil de usar
sistema de revisin por pares justa y rpida
composicin tipogrfica eficiente y procedimiento de correccin de pruebas
Visualizacin del resultado de descargas y visitas, as como el nmero de artculos citados
mxima difusin de su trabajo de investigacin
Enviar su manuscrito en: http://papersubmission.scirp.org/

100