Ingeniería e Investigación

Effect of Diesel Oil and Mixture of Alcohol-Glycol Ether on Colombian Ultrafine Coal Cleaning Using a Test-Rig Closed-Loop Flotation Column

ABSTRACT A test-rig closed-loop flotation column was used to observe the effect of diesel oil (collector) and Flomin F-425 (frother) on mass yield and ash content for two Colombian coals: Caypa (northern zone) and Guachinte (southwestern zone). The coal samples of less than 38 μm (-400 M) were processed in a collector concentration range of 0,32 to 1,60 kg/ton of coal, as well as a frother concentration range of 10 to 50 ppm. The response surface methodology was used for the experimental test runs. The results showed that the maximum mass yield obtained by Caypa coal was 98,39% at 1,28 kg of collector/ton of coal and 40 ppm of frother concentration, whereas Guachinte coal obtained a maximum mass yield of 94,71% at 0,96 kg of collector/ton of coal and 30 ppm of frother concentration. In general, for Caypa coal, the mass yield tends to increase (low ash removal) with the collector and frother concentration increase; while the mass yield tends to decrease (high ash removal) for Guachinte coal when the collector concentration increases (low ash removal) at high frother concentrations. It is worth highlighting that the ash content of 0,65% obtained for Caypa coal is the lowest value reported in the literature while employing a test-rig loop flotation column in a single stage, which is considered to be an ultra-clean coal obtained by a physical cleaning process.

RESUMEN Se usó una columna de flotación de prueba en bucle cerrado para observar el efecto del diesel oil (colector) y Flomin F-425 (espumante) sobre el rendimiento másico y el contenido de cenizas de dos carbones colombianos: Caypa (zona norte) y Guachinte (zona suroeste). Las muestras de carbón de menos de 38 μm (-400 M) se procesaron en un rango de concentración de colector de 0,32 a 1,60 kg/tonelada de carbón y un rango de concentración de espumante de 10 a 50 ppm. Se utilizó la metodología de superficie de respuesta para las de pruebas experimentales. De los resultados obtenidos, se observó que el rendimiento másico máximo para el carbón de Caypa fue del 98,39% a 1,28 kg de colector/tonelada de carbón y 40 ppm de concentración de espumante, mientras que el carbón Guachinte presentó un rendimiento másico máximo del 94,71 % a 0,96 kg de colector/tonelada de carbón y 30 ppm de concentración de espumante. En general, para el carbón Caypa, el rendimiento másico tiende a aumentar (baja remoción de cenizas) con el incremento en la concentración de colector y espumante; mientras que el rendimiento másico tiende a disminuir (alta remoción de cenizas) con el carbón Guachinte cuando la concentración del colector aumenta (baja remoción de cenizas) a altas concentraciones de espumante. Es de destacar que el contenido de cenizas de 0,65 % obtenido para el carbón de Caypa es el valor más bajo reportado en la literatura usando una columna de flotación de prueba en bucle cerrado en una sola etapa, que se considera como un carbón ultra limpio obtenido por un proceso de limpieza física.

A Structural Design Comparison Between Two Reinforced Concrete Regular 6-Level Buildings using Soil-Structure Interaction in Linear Range

ABSTRACT Structural engineers commonly design superstructures as fixed at the base and transmit the reactions to the infrastructure in order to design the foundation system and estimate the displacement of the soil while disregarding the change in seismic response that this induces. In this article, the foundation system was transformed into equivalent springs, and the seismic response in the linear range was compared and quantified, obtaining results such as increased periods, increased amounts of steel reinforcement in beams (between 7% and 25%) and columns (between 29% and 39%), an increase in the number of stirrups per linear meter (between 3% and 11% in columns and between 5% and 45% in beams) and drifts (between 1% and 14%), and a decrease in basal shear (up to 20%), which directly affects the design of the structure. This study concludes that the inclusion of the soil-structure interaction is necessary for structural design in the linear range.

RESUMEN Comúnmente, los ingenieros estructurales diseñan superestructuras como empotradas en la base y transmiten las reacciones a la infraestructura para diseñar el sistema de cimientos y estimar los desplazamientos del suelo, obviando el cambio en la respuesta sísmica que esto induce. En este artículo se transformó el sistema de cimientos en resortes equivalentes y se comparó y cuantificó la respuesta sísmica en el rango lineal, obteniendo resultados como aumento de los períodos, aumento de las cuantías de acero de refuerzo en vigas (entre 7% y 25 %) y columnas (entre 29% y 39%) un aumento de la cantidad de estribos por metro lineal (entre 3 % y 11 % en columnas y entre 5 % y 45 % en vigas) y las derivas (entre 1 % y 14 %), y una disminución de cortantes basales (hasta 20 %), lo que afecta de forma directa el diseño de la estructura. Este estudio concluye que es necesaria la inclusión de la interacción suelo estructura en el diseño estructural en el rango lineal.

Overview of the Constitutive Model and Numerical Calibration by FEM to Compute Bearing Capacity and Embankment-Core Deformability

ABSTRACT Numerical modeling is a powerful tool to determine the stress-strain relationships of structures. However, for a reliable application, physical and mathematical models must be calibrated and validated. This paper presents an overview of numerical calibration through the finite element method and plate-load tests in an embankment. Additionally, an analysis of the constitutive models used in soils is performed, and the elastic-plastic constitutive model of Mohr-Coulomb was selected since it is the best suited for this study. The results from three test areas within a refinery project that the Cuban government undertook in the province of Cienfuegos are used. The numerical model used in this study was calibrated by means of the error theory and the non-parametric hypothesis tests from Mann-Whitney U. From the practical point of view, this study gives two procedures to calibrate the numerical model with experimental results.

RESUMEN El modelado numérico es una herramienta poderosa para determinar la relación esfuerzo-deformación de las estructuras. Sin embargo, para una aplicación confiable, los modelos físicos y matemáticos deben ser calibrados y validados. Este artículo presenta una mirada a la calibración numérica empleando el método de elementos finitos y ensayos físicos de placa de carga en un terraplén. Se realiza además un análisis de los modelos constitutivos empleados en suelos y se selecciona el modelo constitutivo elástico-plástico de Mohr-Coulomb por ser el que mejor se acomoda a este estudio. Se utilizan los resultados de tres áreas de prueba dentro de un proyecto de refinería que el gobierno cubano llevó a cabo en la provincia de Cienfuegos. El modelo numérico empleado en este estudio se calibró empleando la teoría de errores y la prueba de hipótesis no paramétrica U de Mann-Whitney. Desde un punto de vista práctico, este estudio brinda dos procedimientos para calibrar un modelo numérico con resultados experimentales.

Empirical Models to Predict Compaction Parameters for Soils in the State of Ceará, Northeastern Brazil

ABSTRACT This work developed prediction models for maximum dry unit weight (γd, max) and optimum moisture content (OMC) for compacted soils in Ceará, Brazil, based on index and physical properties and physical properties. The methodology included data from soils used in the construction of 15 dams in Ceará, with available information regarding laboratory tests of interest. Correlations were developed using non-linear regression, from 169 laboratory results (83 for training and 86 for validating the models), which presented a R2 of 0,763 for MoPesm (prediction model for γd, max) and 0,761 for MoTuo (model for OMC). A posteriori, the same physical indexes used to train and validate MoPesm and MoTuo were used as inputs of other prediction models available in the literature, whose outputs differed considerably from laboratory results for the evaluated soils. MoPesm and MoTuo were able to satisfactorily predict compaction parameters, with outputs close to those obtained in laboratory for tested soil samples. Their performance justifies their use for predicting compaction parameters in geotechnical structures that use employ soils when there are financial restraints, short timeframes, or unavailability of test equipment, particularly in early design stages and preliminary studies, before appropriate soil sampling and field investigation can be conducted, thus saving substantial time and financial resources.

RESUMEN Este trabajo desarrolló modelos predictivos para el peso específico seco máximo (γd,max) y el contenido de humedad óptima (CHO) para suelos compactados en Ceará, Brasil, basados en índices y propiedades físicas. La metodología incluyó datos de suelos utilizados en la construcción de 15 presas en Ceará, con información disponible sobre las pruebas de laboratorio de interés. Las correlaciones fueron desarrolladas mediante regresión no lineal, a partir de 169 resultados de laboratorio (83 para entrenamiento y 86 para validación de ambos modelos), que presentaron un R2 de 0,763 para MoPesm (modelo de predicción para γd, max) y 0,761 para MoTuo (modelo para CHO). A posteriori, los mismos índices físicos utilizados para entrenar y validar MoPesm y MoTuo fueron utilizados como entradas para otros modelos de predicción disponibles en la literatura, cuyos resultados difirieron considerablemente de los resultados de laboratorio para los suelos evaluados. MoPesm y MoTuo predijeron satisfactoriamente los parámetros de compactación, con resultados cercanos a los obtenidos en laboratorio para las muestras de suelo ensayadas. Su desempeño justifica su uso para predecir parámetros de compactación en estructuras geotécnicas que utilizan suelos compactados cuando existen restricciones financieras, plazos cortos o indisponibilidad de equipos de prueba, particularmente en las primeras etapas de diseño y estudios preliminares, antes de que se pueda realizar muestreos apropiados de los suelos e investigación de campo, ahorrando así tiempo y recursos financieros sustanciales.

Embedded Discrete Fracture Networks to Analyze Groundwater Inflows during Tunnel Drilling

ABSTRACT Tunnels commonly go through fracture zones, which are analyzed as an equivalent porous medium with homogeneous permeability. However, this is a rough simplification that overlooks the connection triggered by underground works in fractured massifs. This study introduces the use of synthetic discrete fracture networks (DFN) to analyze groundwater inflows through tunnel excavation in a fractured zone while considering the daily advance of the drilling front. First, a hypothetical case with six different settings, varying fracture length and density, as well as aperture distribution, was analyzed. Each setting had about 100 realizations. DFN hydraulic properties were estimated and compared with previous DFN studies, displaying the same behavior even though the magnitude of the estimated parameters differed. As an application example, structural measurements of the Alaska fault zone in the La Línea massif (Colombia) were used to obtain the statistical parameters of fracture length and aperture distributions to generate the DFN. Five settings were built, obtaining measured and simulated groundwater inflows of the same order of magnitude. These results highlight the potential of synthetic discrete fracture networks to analyze the effects of tunnel construction on groundwater flow.

RESUMEN Los túneles usualmente atraviesan zonas geológicamente fracturadas, que suelen ser analizadas como medios porosos equivalentes de permeabilidad homogénea. Sin embargo, esta es una simplificación que ignora las conexiones que generan las obras subterráneas en un macizo fracturado. En este trabajo se introduce el uso de redes de fracturas sintéticas (DFN) para analizar los flujos de agua subterránea generados por la perforación de túneles, considerando el avance diario en el frente de excavación. En primer lugar, se analizó un caso hipotético con seis configuraciones diferentes, variando la densidad y longitud de las fracturas, así como la distribución de aperturas. Cada configuración tenía alrededor de 100 realizaciones. Las propiedades hidráulicas de la DFN fueron estimadas y comparadas con estudios previos sobre DFNs, mostrando el mismo comportamiento aún cuando la magnitud de los parámetros estimados difería. Como ejemplo de aplicación, se usó con información estructural de la falla Alaska en el macizo de la Línea (Colombia), con el fin de obtener los parámetros estadísticos de las distribuciones de longitud y apertura de las fracturas para la generación de las DFNs. Se crearon cinco configuraciones, obteniendo caudales de infiltración medidos y simulados del mismo orden de magnitud. Estos resultados resaltan el potencial del uso de redes sinteticas de fracturas para analizar el efecto de la construcción de túneles en el flujo de agua subterránea.

Electrochemical Behavior of a Stainless Steel Superficially Modified with Nitrogen by Three-dimensional Ion Implantation

ABSTRACT Martensitic-grade stainless steels are widely used in diverse industrial and surgical applications, despite their natural tendency to suffer local and uniform corrosion when continuously exposed to aggressive operation conditions. In order to enhance their surface properties, this paper characterized the performance, in saline solutions, of AISI 420 stainless steel, which was surface-modified by three-dimensional ion implantation using electrochemical techniques. The surface of the samples was implanted with ionized nitrogen particles with an energy of 10 keV, varying the implantation time between 30 and 90 minutes. After the surface treatment, the samples were exposed to a NaCl 3% (w/w) aqueous solution for 21 days. Tafel extrapolation, linear polarization resistance, and electrochemical impedance spectroscopy tests were performed, with the purpose of quantifying the effect of the ion implantation technique against electrochemical corrosion. To establish a comparison, the same tests were also performed on non-treated samples. The results indicated an increase in the corrosion potential, polarization resistance, and a decrease in the current density of implanted samples, thus demonstrating that, by delaying corrosive activity, three-dimensional ion implantation offers better protection against electrochemical corrosion in AISI 420 stainless steel samples implanted with nitrogen.

RESUMEN Los aceros inoxidables de grado martensítico son ampliamente usados en diversas aplicaciones industriales y quirúrgicas, a pesar de su tendencia natural a presentar corrosión de tipo uniforme y localizada cuando son continuamente expuestos a condiciones de operación agresivas. Con el propósito de mejorar sus propiedades superficiales, este trabajo caracterizó el desempeño en solución salina del acero inoxidable AISI 420 modificado superficialmente por medio de la técnica de implantación iónica tridimensional usando técnicas electroquímicas. La superficie de las probetas fue implantada con partículas ionizadas de nitrógeno a una energía de 10 keV, variando el tiempo de implantación entre 30 y 90 minutos. Posterior al tratamiento superficial, las muestras fueron expuestas a una solución acuosa de NaCl al 3 % wt durante 21 días. Se llevaron a cabo pruebas de extrapolación Tafel, resistencia a la polarización lineal y espectroscopía de impedancia electroquímica, con el objetivo de cuantificar el efecto de la técnica de implantación frente a la corrosión electroquímica. Con motivo de establecer una comparación, los mismos ensayos fueron aplicados a muestras sin tratamiento. Los resultados indicaron un aumento en el potencial de corrosión, resistencia a la polarización y una disminución en la densidad de corriente en probetas implantadas, demostrando así que, retardando la actividad corrosiva, la implantación iónica tridimensional ofrece una mejor protección frente a la corrosión electroquímica en sustratos de acero inoxidable AISI 420 implantados con nitrógeno.

Comparison of Treatments by Mercerization and Plasma Glow Discharge on Residues of the Amazon Chestnut Shell (Bertholletia Excelsa)

ABSTRACT The chestnut shell from the Amazon region shared between Colombia, Brazil, and Perú is an abundant residue of the walnut used for obtaining food and cosmetic products. This residue is not yet usable due to the lack of knowledge of its properties and the environmental impact generated by its treatment through methods such as mercerization. This work presents the results of the characterization of Amazon chestnut shell residues treated by two methods, mercerization with NaOH solution and intense plasma discharge (Glow Discharge Plasma), in a reactor with argon gas in a 0,3-bar vacuum and discharge conditions of 80 mA and 600 s. The microstructural, morphological, topographic, and nanomechanical changes of the chestnut residues without treatment and with the two proposed treatments were evaluated by means of the μRaman, scanning electron microscopy, and atomic force microscopy techniques. The results showed the effectiveness of the plasma method over the mercerization method at obtaining more crystalline cellulose structures due to the reduction of hemicellulose, lignin, and the aqueous phase of walnut shell waste.

RESUMEN La cáscara de castaña proveniente de la región amazónica, compartida entre Colombia, Brasil y Perú, es un residuo abundante de la nuez empleada en la obtención de productos alimenticios y cosméticos. Este residuo no es utilizable por la falta de conocimiento de sus propiedades y del impacto ambiental generado por su tratamiento por métodos como la mercerización. En este trabajo se muestran los resultados de la caracterización de los residuos de cáscara de castaña amazónica tratados por dos métodos, mercerización con solución de NaOH y descarga intensa de plasma (Glow Discharge Plasma), en un reactor con gas de argón en un vacío de 0,3 bar y condiciones de descarga de 80 mA y 600 s. Los cambios microestructurales, morfológicos, topográficos y nanomecánicos de los residuos de castaña sin tratamiento y con los dos tratamientos propuestos se evaluaron mediante las técnicas de μRaman, microscopía electrónica de barrido y microscopía de fuerza atómica. Los resultados mostraron la efectividad del método por plasma, por encima del método de mercerización, para la obtención de estructuras más cristalinas de celulosa debido a la reducción de la hemicelulosa, la lignina y la fase acuosa de los desechos de cáscara de nuez.

Detection of COVID-19 and Other Pneumonia Cases using Convolutional Neural Networks and X-ray Images

ABSTRACT Given that it is fundamental to detect positive COVID-19 cases and treat affected patients quickly to mitigate the impact of the virus, X-ray images have been subjected to research regarding COVID-19, together with deep learning models, eliminating disadvantages such as the scarcity of RT-PCR test kits, their elevated costs, and the long wait for results. The contribution of this paper is to present new models for detecting COVID-19 and other cases of pneumonia using chest X-ray images and convolutional neural networks, thus providing accurate diagnostics in binary and 4-classes classification scenarios. Classification accuracy was improved, and overfitting was prevented by following 2 actions: (1) increasing the data set size while the classification scenarios were balanced; and (2) adding regularization techniques and performing hyperparameter optimization. Additionally, the network capacity and size in the models were reduced as much as possible, making the final models a perfect option to be deployed locally on devices with limited capacities and without the need for Internet access. The impact of key hyperparameters was tested using modern deep learning packages. The final models obtained a classification accuracy of 99,17 and 94,03% for the binary and categorical scenarios, respectively, achieving superior performance compared to other studies in the literature, and requiring a significantly lower number of parameters. The models can also be placed on a digital platform to provide instantaneous diagnostics and surpass the shortage of experts and radiologists.

RESUMEN Dado que es esencial detectar los casos positivos y tratar a los pacientes afectados rápidamente para mitigar el impacto del COVID-19, los rayos-X han sido investigados para la detección del virus, en conjunto con modelos de aprendizaje profundo, eliminando desventajas como la escasez de kits de prueba RT-PCR, sus elevados costos y la larga espera por los resultados. La contribución de este estudio es presentar nuevos modelos para detectar COVID-19 y otros casos de neumonía utilizando imágenes de rayos-X y redes neuronales convolucionales, proporcionando diagnósticos precisos escenarios de clasificación binaria y categórica. La precisión en la clasificación fue mejorada y el sobreajuste fue evitado mediante 2 acciones: (1) aumentando el tamaño del conjunto de datos, al mismo tiempo que los escenarios de clasificación fueron balanceados; y (2) agregando técnicas de regularización y optimizando los hiperparámetros. Adicionalmente, la capacidad y tamaño de los modelos fueron reducidos tanto como fue posible, convirtiendo a los modelos finales en una opción perfecta para ser desplegados localmente en dispositivos con capacidades limitadas y sin necesidad de acceso a Internet. El impacto de hiperparámetros clave fue puesto a prueba utilizando paquetes modernos de aprendizaje profundo. Los modelos finales obtuvieron una precisión de 99,17 y 94,03 % para los escenarios binario y categórico respectivamente, logrando un rendimiento superior en comparación con otras propuestas en la literatura y utilizando un número significativamente menor de parámetros. Los modelos también pueden ser colocados sobre una plataforma digital para proporcionar diagnósticos al instante y superar la escasez de expertos y radiólogos.

Design and Implementation of Network Monitoring System for Campus Infrastructure Using Software Agents

ABSTRACT In network management and monitoring systems, or Network Management Stations (NMS), the Simple Network monitoring Protocol (SNMP) is normally used, with which it is possible to obtain information on the behavior, the values of the variables, and the status of the network architecture. network. However, for large corporate networks, the protocol can present latency in data collection and processing, thus making real-time monitoring difficult. This article proposes a multi-agent system based on layers, with three types of agents. This includes the collector agent, which uses a Management Information Base (MIB) value to collect information from the network equipment, an input table of information from the network devices for the consolidator agent to process the collected data and leave it in a consumable format, and its subsequent representation by the application agent as a web service, in this case, as a heat map.

RESUMEN En los sistemas de administración y monitoreo de redes o Network Management Stations (NMS), normalmente se utiliza el protocolo Simple Network Monitoring Protocol (SNMP), con el cual es posible obtener información sobre el comportamiento, los valores de las variables y el estado de la arquitectura de red. Sin embargo, para las grandes redes corporativas, el protocolo puede presentar latencia en la recopilación y el procesamiento de datos, lo que dificulta el monitoreo en tiempo real. Este artículo propone un sistema multi-agente basado en capas con tres tipos de agentes. Esto incluye el agente recolector que utiliza un valor MIB(Management Information Base) para recolectar información de los equipos de red, una tabla de entrada de información de los dispositivos de red para que el agente consolidador realice el procesamiento de los datos recolectada y los deje en un formato consumible y su subsiguiente representación por parte del agente de aplicación como un servicio web, en este caso como un mapa de calor.

COVID-19 Diagnosis with Deep Learning

ABSTRACT The coronavirus disease 2019 (COVID-19) is fatal and spreading rapidly. Early detection and diagnosis of the COVID-19 infection will prevent rapid spread. This study aims to automatically detect COVID-19 through a chest computed tomography (CT) dataset. The standard models for automatic COVID-19 detection using raw chest CT images are presented. This study uses convolutional neural network (CNN), Zeiler and Fergus network (ZFNet), and dense convolutional network-121 (DenseNet121) architectures of deep convolutional neural network models. The proposed models are presented to provide accurate diagnosis for binary classification. The datasets were obtained from a public database. This retrospective study included 757 chest CT images (360 confirmed COVID-19 and 397 non-COVID-19 chest CT images). The algorithms were coded using the Python programming language. The performance metrics used were accuracy, precision, recall, F1-score, and ROC-AUC. Comparative analyses are presented between the three models by considering hyper-parameter factors to find the best model. We obtained the best performance, with an accuracy of 94,7%, a recall of 90%, a precision of 100%, and an F1-score of 94,7% from the CNN model. As a result, the CNN algorithm is more accurate and precise than the ZFNet and DenseNet121 models. This study can present a second point of view to medical staff.

RESUMEN La enfermedad del coronavirus 2019 (COVID-19) es fatal y se está propagando rápidamente. La detección y el diagnóstico tempranos de la infección por COVID-19 evitarán la propagación rápida. Este estudio tiene como objetivo detectar COVID-19 automáticamente a partir del conjunto de datos de tomografía computarizada de tórax (TC). Se presentan los modelos estándar para la detección automática de COVID-19 utilizando imágenes de TC de tórax sin procesar. El estudio consta de arquitecturas de red neuronal convolucional (CNN), red Zeiler y Fergus (ZFNet) y red convolucional densa-121 (DenseNet121) de modelos de redes neuronales convolucionales profundas. Los modelos propuestos se presentan para proporcionar diagnósticos precisos para clasificación binaria. Los conjuntos de datos se obtuvieron de una base de datos pública. Este estudio retrospectivo incluyó 757 imágenes de TC de tórax (360 imágenes de TC de tórax COVID-19 confirmadas y 397 imágenes no COVID-19). Los algoritmos se codificaron utilizando el lenguaje de programación Python. Los parámetros de desempeño que se utilizaron fueron exactitud, precisión, recuperación, puntaje-F1 y ROC-AUC. Se presentan análisis comparativos entre los tres modelos considerando factores de hiperparámetros para encontrar el mejor modelo. Obtuvimos el mejor rendimiento, con exactitud del 94,7%, recuperación del 90%, precisión del 100% y puntuación-F1 del 94,7% del modelo de CNN. Como resultado, el algoritmo de CNN es más exacto y preciso que los modelos ZFNet y DenseNet121. Este estudio puede presentar un segundo punto de vista al personal médico.