Fr. 59.90

Modelo de regresión para optimizar el rendimiento del algodon-fibra - Optimización del rendimiento del algodón fibra, mediante un modelo de regresión

Spanish · Paperback / Softback

Shipping usually within 1 to 2 weeks (title will be printed to order)

Description

Read more

En este texto se aplica un modelo de regresión lineal para predecir el rendimiento en el algodón fibra, obtenido en el proceso de desmote, a partir de las características del lote algodón semilla que entra y las condiciones de desmote aplicadas en el proceso de desmotados, y cumpla con características tecnológicas de calidad exigidas en el procesos de industrialización de la fibra. Con éste el agricultor obtiene altos rendimientos y la empresa desmotadora mejora su productividad. Para justar el modelo, se diseñó y programó una metaheurística híbrida entre un simulado recocido (SA) y un enjambre de partículas (PSO). Una vez ajustado el modelo, se utilizó el software GAMS (General Algebraic Modeling System) para encontrar las condiciones que optimizan el rendimiento.

About the author










Ingeniero industrial, Universidad Autónoma Latinoamericana de Medellín, magíster en Ingeniería Industrial de la Universidad del Norte Barranquilla. Docente titular de Universidad de Córdoba, vinculado desde el año 2004. Director varios trabajos de investigación en temas de la ingeniería Industrial.

Product details

Authors Álvaro José Gómez Osorio
Publisher Editorial Académica Española
 
Languages Spanish
Product format Paperback / Softback
Released 30.04.2015
 
EAN 9783659071454
ISBN 978-3-659-07145-4
No. of pages 224
Dimensions 150 mm x 220 mm x 11 mm
Weight 314 g
Subject Natural sciences, medicine, IT, technology > IT, data processing > Application software

Customer reviews

No reviews have been written for this item yet. Write the first review and be helpful to other users when they decide on a purchase.

Write a review

Thumbs up or thumbs down? Write your own review.

For messages to CeDe.ch please use the contact form.

The input fields marked * are obligatory

By submitting this form you agree to our data privacy statement.