Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Modelos Aditivos Generalizados para optimizar el proceso de hidrofobicidad de la caolinita

Resumen

El amplio uso industrial de la caolinita requiere que los procesos de extracción sean modelados de para determinar las condiciones apropiadas del beneficio. Aunque se han utilizado modelos de regresión lineal clásicos, estos no han sido apropiados debido al incumplimiento de distribución normal para la variable respuesta. Los datos analizados en este estudio corresponden a un proceso de extracción de caolinita mediante fisicoquímica de superficies realizado en La Unión, Antioquia, Colombia. La variable de respuesta fue el potencial zeta y las variables explicativas fueron tipo de solución colectora, concentración y pH. En este artículo se modela la recuperación de caolinita a través de los modelos aditivos generalizados, los cuales permiten elegir la distribución estadística y modelar todos los parámetros en función de variables explicativas. Se seleccionaron cinco distribuciones para la variable respuesta de acuerdo al criterio de información de Akaike ($AIC$). El modelo con distribución generalizada Beta 2 fue el modelo que presentó el mejor desempeño de acuerdo a las métricas utilizadas. A partir de este modelo se encontró que las mejores condiciones de operación obtenidas del análisis de las superficies de respuesta son tipo de colector ácido oleico, concentración 10 unidades y pH de 6

Palabras clave

Caolinita, hidrofobicidad, modelos aditivos, modelos de regresión, potencial zeta

PDF

Citas

  1. H. Akaike. A new look at the statistical model identification. IEEE transactions on automatic control, 19(6):716–723, 1974.
  2. T. J. Cole and P. J. Green. Smoothing reference centile curves: The LMS method and penalized likelihood. Statistics in Medicine, 11(10):1305–1319, 1992. ISSN 02776715. doi: 10.1002/sim. 4780111005. URL https://onlinelibrary.wiley.com/doi/10.1002/sim.4780111005.
  3. N. Elboughdiri, A. Mahjoubi, A. Shawabkeh, H. Khasawneh, and B. Jamoussi. Optimization of the degradation of hydroquinone, resorcinol and catechol using response surface methodology. Advances in Chemical Engineering and Science, 5:111–120, 2015. ISSN 0169-1317. doi: https://doi.org/10.4236/aces.2015.52012.
  4. B. Ji and W. Zhang. Rare earth elements (rees) recovery and porous silica preparation from kaolinite. Powder Technology, 391:522–531, 2021. ISSN 0032-5910. doi: https://doi.org/10.1016/j.powtec.2021.06.028. URL https://www.sciencedirect.com/science/article/pii/S0032591021005520.
  5. J. B. McDonald. Some generalized functions for the size distribution of income. Econometrica, 52(3):647–663, 1984. ISSN 00129682, 14680262. URL http://www.jstor.org/stable/1913469.
  6. C. C. A. Melo, B. L. S. Melo, R. S. Angélica, and S. P. A. Paz. Gibbsite-kaolinite waste from bauxite beneficiation to obtain fau zeolite: Synthesis optimization using a factorial design of experiments and response surface methodology. Applied Clay Science, 170:125–134,
  7. ISSN 0169-1317. doi: https://doi.org/10.1016/j.clay.2019.01.010. URL https://www.sciencedirect.com/science/article/pii/S0169131719300158.
  8. N. J. Nagelkerke et al. A note on a general definition of the coefficient of determination. Biometrika, 78(3):691–692, 1991.
  9. X. Qiu, X. Lei, A. Alshameri, H. Wang, and C. Yan. Comparison of the physicochemical properties and mineralogy of chinese (beihai) and brazilian kaolin. Ceramics International, 40(4):5397–5405, 2014. ISSN 0272-8842. doi: https://doi.org/10.1016/j.ceramint.2013.10.121. URL https://www.sciencedirect.com/science/article/pii/S027288421301393X.
  10. R Core Team. R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria, 2022. URL https://www.R-project. org/.
  11. R. A. Rigby and D. M. Stasinopoulos. Mean and dispersion additive models. In W. Härdle and M. G. Schimek, editors, Statistical Theory and Computational Aspects of Smoothing, pages 215–230. Physica-Verlag Heidelberg, 1 edition, 1996. ISBN 978-3-7908-0930-5. doi:
  12. 1007/978-3-642-48425-4.
  13. R. A. Rigby and D. M. Stasinopoulos. A semi-parametric additive model for variance heterogeneity. Statistics and Computing, 6(1):57–65, mar 1996. ISSN 0960-3174. doi: 10.1007/BF00161574. URL http://link.springer.com/10.1007/BF00161574.
  14. R. A. Rigby and D. M. Stasinopoulos. Generalized Additive Models for Location, Scale and Shape. Journal of the Royal Statistical Society. Series C (Applied Statistics), 54(3):507–554, 2005. URL http://www.jstor.org/stable/3592732.
  15. R. A. Rigby and D. M. Stasinopoulos. Generalized additive models for location, scale and shape,(with discussion). Applied Statistics, 54:507–554, 2005.
  16. M. Stasinopoulos, B. Rigby, and C. Akantziliotou. Instructions on how to use the gamlss package in r second edition, 2008.
  17. L. Usuga-Manco, L.-V. A., and B.-R. M. Estudio de la hidrofobicidad de la caolinita de la Unión, Antioquia. Tecnológicas, 18:71–81, 2015.
  18. D. Vadibeler, E. C. Ugwu, N. Martínez-Villegas, and B. Sen Gupta. Statistical analysis and optimisation of coagulation-flocculation process for recovery of kaolinite and calcium carbonate from suspensions using xanthan gum. Journal of Food, Agriculture and Envi-
  19. ronment, 18(2):103–109, 2020. ISSN 1459-0263. doi: https://doi.org/10.1234/4.2020.5602. URL https://www.wflpublisher.com/Journal.
  20. A. M. Zayed, A. Q. Selim, E. A. Mohamed, M. S. Abdel Wahed, M. K. Seliem, and M. Sillanp. Adsorption characteristics of na-a zeolites synthesized from egyptian kaolinite for manganese in aqueous solutions: Response surface modeling and optimization. Applied Clay Science, 140:17–24, 2017. ISSN 0169-1317. doi: https://doi.org/10.1016/j.clay.2017.01.027. URL https://www.sciencedirect.
  21. com/science/article/pii/S0169131717300455.

Descargas

Los datos de descargas todavía no están disponibles.

Artículos similares

<< < 1 2 

También puede {advancedSearchLink} para este artículo.