MODELING AND OPTIMIZATION OF STEAM DRAG DISTILLATION PROCESS USING ARTIFICIAL INTELLIGENCE AND SIMULATION | OPTIMIZACIÓN DEL PROCESO DE DESTILACIÓN POR ARRASTRE DE VAPOR MEDIANTE INTELIGENCIA ARTIFICIAL Y SIMULACIÓN

Английский. Introduction:Distillation by steam dragging is a widely used technique for extracting essential oils, but it presents limitations in thermal efficiency and energy losses. This study applies artificial intelligence (AI) and dynamic simulation to optimize the recovery of essential oil from Ocotea quixos.Objective:To develop a predictive model based on artificial intelligence, complemented by dynamic simulations, focused on the process efficiency and the reduction of energy losses.Materials and Methods:Automatic learning algorithms were trained using data from a semicontinuous extraction system, calibrating the relationship between steam flow rate, leaf load, and efficiency. The dynamic simulation assessed the thermal evolution of the system through mass and energy balances.Results and Discussion:The models enabled operational parameter adjustments, reducing condensate losses by 20% and increasing oil yield by 12%. The simulation revealed improvements in thermal distribution and the design of the rotating drum.Conclusions:The combination of AI and simulation substantially enhances the efficiency and sustainability of the extraction process. The proposed approach is replicable to other agro-industrial systems.

Испанский язык; кастильский. Introducción:La destilación por arrastre de vapor es una técnica común en la extracción de aceites esenciales, pero presenta limitaciones en eficiencia térmica y pérdidas energéticas. Este estudio aplica inteligencia artificial (IA) y simulación dinámica para optimizar la recuperación del aceite esencial de Ocotea quixos.Objetivo:Desarrollar un modelo predictivo basado en IA, complementado con simulaciones dinámicas, enfocado en la eficiencia del proceso y la reducción de pérdidas energéticas.Materiales y Métodos:Se entrenaron algoritmos de aprendizaje automático con datos de un sistema semicontinuo de extracción, ajustando la relación entre flujo de vapor, carga de hojas y rendimiento. La simulación dinámica evaluó la evolución térmica del sistema mediante balances de masa y energía.Resultados y Discusión:Los modelos ajustaron parámetros operativos, logrando reducir pérdidas de condensado en un 20 % y aumentar el rendimiento de aceite en un 12 %. La simulación reveló mejoras en la distribución térmica y diseño del tambor rotatorio.Conclusiones:La combinación de IA y simulación mejora sustancialmente la eficiencia y sostenibilidad del proceso de extracción. El enfoque es replicable en otros sistemas agroindustriales.