“Ha elegido usted gasolina sin plomo 95”. Una voz emerge de alguna parte del surtidor para advertirnos de que hemos descolgado la manguera en cuestión. Con ese mensaje que nos llega a través del sonido sabemos si estamos repostando el hidrocarburo adecuado para nuestro vehículo. También podemos obtener esa información en el lector de la parte superior de estas máquinas a través de nuestra vista.

Surtidor de gasolina. Foto: Pixabay.

Si seguimos con los sentidos, el olfato también juega un papel relevante a la hora de detectar la calidad de la gasolina, como han demostrado con la combinación de la tecnología y la inteligencia artificial un equipo de investigación de la Universidad de Cádiz.

En concreto, han empleado una nariz electrónica y técnicas de infrarrojos para comparar su precisión en el proceso de control de calidad de la gasolina. Otro de los objetivos de este estudio, publicado en la revista Microchemical Journal ha sido poder clasificarla en función de su capacidad de autocombustión. Ambas conclusiones permitirán a la industria disponer de información actualizada, precisa y en tiempo real de la composición de este hidrocarburo.

Durante el estudio, han trabajado con dos métodos analíticos basados en la identificación de patrones en datos masivos y elaboración de predicciones, lo que se conoce como ‘machine learning’. Los han aplicado por separado y de forma conjunta en una ‘nariz electrónica’, diseñada por este mismo equipo de expertos para detectar restos de líquidos inflamables en un incendio, y un sistema de medición de infrarrojos.

En el laboratorio, este equipo ha analizado por separado la utilidad de ambos métodos en dos procesos diferentes, uno basado en algoritmos, instrucciones que procesan datos, y otro obteniendo mediciones químicas de gasolina. Asimismo, también han evaluado la eficacia de su combinación para discriminar y clasificar muestras de este hidrocarburo.

Los resultados han sido distintos según las herramientas empleadas. Mientras la nariz electrónica ofrece datos sobre el perfil volátil de las muestras, las técnicas espectroscópicas, por su parte, se centran en analizar los compuestos no volátiles. La unión de ambas metodologías genera modelos predictivos que permiten discriminar y clasificar muestras de gasolina en función de su octanaje. “Esta combinación supone una alternativa real para automatizar el proceso del control de calidad de este derivado del petróleo, que actualmente depende de la aplicación de varios ensayos basados en medidas de propiedades fisicoquímicas de este hidrocarburo”, explica a la Fundación Descubre la investigadora de la Universidad de Cádiz Marta Barea, responsable de este trabajo.

¿Qué ventajas proporciona conocer este tipo de datos? Las aplicaciones de esta nueva metodología en la industria petroquímica, por ejemplo, contribuyen en gran medida a optimizar los procesos de calidad, así como en otros ámbitos. “Con estos datos, las refinerías dispondrán de sistemas de gestión de calidad rápidos, en el momento y con un nivel de detalle muy preciso. Más allá de la calidad del producto, también es de gran utilidad en el ámbito de la química forense si, por ejemplo, se produce un incendio y es necesario determinar qué líquido inflamable lo ha originado y desde ahí seguir indicios hasta localizar su origen”, explica Barea.

Marta Barea, responsable del estudio, junto a la nariz electrónica empleada en este trabajo.

Hasta ahora, la lectura de resultados en los procesos de calidad estaban muy ligados a la interpretación de quienes realizan este trabajo. Con estos modelos de identificación, que pueden usarse para la creación de aplicaciones web para ordenadores, tablet y móviles, se facilita la automatización de los procesos de calidad de este derivado del petróleo. “Estos patrones pueden constituirse como una alternativa a los métodos de interpretación convencionales para que los analistas evalúen los resultados analíticos en un enfoque más rápido y, sobre todo, objetivo”, sugiere la autora de este trabajo.

Medición del octanaje

Para alcanzar los resultados de investigación obtenidos en este estudio, estudiaron los datos de un total de 50 muestras de gasolina de 95 y 98 octanos, que analizaron mediante estas dos técnicas. Primero entrenaron el modelo, dándole a conocer el conjunto de toda la información a la que puede acceder. Con el fin de comprobar si también podría interpretar nuevas muestras, incluían otros datos desconocidos para el modelo. “El objetivo de este proceso es saber qué algoritmo de aprendizaje automático es capaz de predecir correctamente si la gasolina es 95 o 98 octanos y la precisión de cada una de ellas”, argumenta la responsable del estudio.

Como conclusión, los expertos han obtenido buenos rendimientos en ambos modelos, permitiendo clasificar y determinar las muestras correctamente. No obstante, han observado que la nariz electrónica proporciona información más precisa de la gasolina según su octanaje debido a la clasificación de los compuestos volátiles. “Esta técnica, y concretamente el perfil aromático de las muestras, permite discriminar mejor la cantidad de octanos que contiene cada una”, sostiene Barea.

Equipo de la UCA que ha participado en el estudio.

Existen estudios que han demostrado que el hambre agudiza el olfato y que la felicidad también puede olerse y contagiarse. Este trabajo de la Universidad de Cádiz cerciora una vez más que la ciencia aprende a medir olores, en este caso de un producto que tiene sus admiradores y detractores en cuanto a olfato se refiere.

Más información en #CienciaDirecta: Aplican una ‘nariz electrónica’ e infrarrojos para evaluar la calidad de la gasolina