• Repositorio Institucional Universidad de Pamplona
  • Tesis de maestría y doctorado
  • Facultad de Ingenierías y Arquitectura
  • Maestría en Controles Industriales
    • Por favor, use este identificador para citar o enlazar este ítem: http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/3168
    Registro completo de metadatos
    Campo DC Valor Lengua/Idioma
    dc.contributor.authorCarrillo Gomez, Jeniffer Katerine.-
    dc.date.accessioned2022-09-29T21:35:26Z-
    dc.date.available2018-12-21-
    dc.date.available2022-09-29T21:35:26Z-
    dc.date.issued2019-
    dc.identifier.citationCarrillo Gomez, J. K. (2018). Evaluación de la calidad del agua en acueductos de los municipios de Norte de Santander (Toledo y Pamplona), a través de un muestreador de espacio de cabeza estático acoplado a un sistema de percepción Sensorial [Trabajo de Grado Maestría, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/3168es_CO
    dc.identifier.urihttp://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/3168-
    dc.descriptionEl presente estudio consiste en el desarrollo e implementación de un equipo muestreador “Headspace” estático (MECS), que cumple la función de concentrar y extraer los diferentes compuestos orgánicos volátiles (VOC’s) emitidos por especies bacterianas (Escherichia Coli, Pseudomonas Aeruginosa, Klebsiella Oxytoca) suspendidas en muestras de agua contaminada en el laboratorio y muestras de agua recolectadas en las diferentes estructuras (Entrada a la planta, después de la sedimentación, salida de la planta y agua de grifo) de las plantas de tratamiento de agua potable de los municipios de Toledo y Pamplona. El MECS fue acoplado a un sistema de percepción sensorial compuesto por una cámara de 16 sensores de óxidos metálicos que fue usada como una alternativa de monitoreo continuo para evaluar la calidad del agua mediante la detección e identificación de las bacterias, con tiempos de respuesta rápido, bajo costo, en comparación con los métodos convencionales. La metodología se dividió en tres etapas, en ellas se evaluaron algunos parámetros analíticos como la especificidad, selectividad y sensibilidad, con el objetivo de validar e implementar la técnica propuesta (MECS acoplado a un olfato electrónico) para la determinación de contaminantes bacterianos en el agua. La primera etapa consistió en analizar muestras de agua estéril y contaminadas con Escherichia coli, modificando la temperatura de incubación en los viales (50°C, 70°C y 90°C), esto se realizó con el fin de verificar la temperatura optima a la cual el olfato electrónico acoplado al equipo de extracción consigue discriminar entre el control negativo y la muestra con el analito de interés (E. coli). Una vez finalizada la etapa 1 y de acuerdo con los resultados obtenidos, se escogió la temperatura óptima de mejor clasificación del agua estéril y E. coli (50°C) para realizar pruebas de especificidad/selectividad del método propuesto. Con la especificidad se buscó evaluar la capacidad del sistema para diferenciar el analito de interés, en este caso E. coli, que es una bacteria indicadora de contaminación fecal en aguas (control positivo), de otros analitos como Pseudomonas aeruginosa, Klebsiella oxytoca, que son similares y pueden tender a la confusión (controles de especificidad). Los resultados obtenidos fueron comparados con la muestra sin contaminación bacteriana, agua estéril (control negativo). Por último, se evaluó la sensibilidad del método, para ello se realizaron diluciones del control positivo para disminuir progresivamente la población bacteriana en suspensión, con el fin de estimar la población bacteriana más pequeña que el sistema fuera capaz de detectar. Es decir, con esto se busca determinar la capacidad para detectar la bacteria (E. Coli) en bajas concentraciones. La validación de la técnica propuesta se realizó tomando agua de las diferentes operaciones unitarias de las plantas de tratamiento de agua potable del municipio de Toledo y Pamplona, las cuales fueron analizadas por el método de filtración por membrana en los laboratorios de la Universidad de Pamplona en paralelo con el sistema de olfato electrónico acoplado a un MECS, para verificar la presencia de la bacteria y los rangos de concentración. Los resultados obtenidos demostraron que la metodología propuesta e implementada logró discriminar entre muestras de agua contaminada por varias especies bacterianas y agua estéril, adicionalmente fue capaz de predecir los rangos de concentración de Escherichia coli en muestras de agua de las PTAP, estos resultados se vieron reflejados en las técnicas de reconocimiento de patrones (PCA, DFA, PNN), obteniéndose porcentajes de clasificación y discriminación de más del 80%.es_CO
    dc.description.abstractLa autora no proporciona la información sobre este ítem.es_CO
    dc.format.extent108es_CO
    dc.format.mimetypeapplication/pdfes_CO
    dc.language.isoeses_CO
    dc.publisherUniversidad de Pamplona – Facultad de Ingenierías y Arquitectura.es_CO
    dc.subjectLa autora no proporciona la información sobre este ítem.es_CO
    dc.titleEvaluación de la calidad del agua en acueductos de los municipios de Norte de Santander (Toledo y Pamplona), a través de un muestreador de espacio de cabeza estático acoplado a un sistema de percepción Sensorial.es_CO
    dc.typehttp://purl.org/coar/resource_type/c_bdcces_CO
    dc.date.accepted2018-09-21-
    dc.relation.referencesOrganizacion mundial de la salud (2003). Guías para la calidad del agua potable.Vol. 1: Recomendaciones. Tercera edición. Recueperado: http://www.who.int/water_sanitation_health/dwq/gdwq3_es_fulll_lowsres.pdfes_CO
    dc.relation.referencesGardner J., Craven M., Dow C., & Hines E.(1998). The prediction of bacteria type and culture growth phase by an electronic nose with a multi-layer perceptron network, Measurement Science and Technology, 9(1), 120–127. doi: 10.1088/0957-0233/9/1/016.es_CO
    dc.relation.referencesMcEntegart C., Penrose W., Strathmann S., & Stetter J.(2000). Detection and discrimination of coliform bacteria with gas sensor arrays, Sensors and Actuators B: Chemical 70 (1-3), 170–176. doi.org/10.1016/S0925-4005(00)00561-Xes_CO
    dc.relation.referencesLakshmanan R., Guntupalli R., Hu J., Petrenko V., Barbaree J., & Chin B. (2007). Detection of Salmonella typhimurium in fat free milk using a phage immobilized magnetoelastic sensor, Sens. Actuators B: Chem. 126(2), 544–550. doi: https://doi.org/10.1016/j.snb.2007.04.003es_CO
    dc.relation.referencesSiripatrawan U. (2008) Self-organizing algorithm for classification of packaged fresh vegetable potentially contaminated with foodborne pathogens, Sensors and Actuators B: Chemical 128(2), 435–441. doi: https://doi.org/10.1016/j.snb.2007.06.030es_CO
    dc.relation.referencesGreen G., Chan A., Dan H., & Lin M. (2011). Using a metal oxide sensor (MOS)-based electronic nose for discrimination of bacteria based on individual colonies in suspension, Sensors and Actuators B: Chemical 152 (1) 21–28. doi: https://doi.org/10.1016/j.snb.2010.09.062es_CO
    dc.relation.referencesKrishnamurthy N., Supreetha B., Deccaraman M., & Vijayashree N. (2012). E-Nose System to Detect E-Coli in Drinking Water of Udupi District. International Journal of Engineering Research and Development 1(12) 58-64.es_CO
    dc.relation.referencesNuñez c., E. Sberveglieri V., & Pulvirenti A. (2013). Detection of Microorganisms in Water and different Food Matrix by Electronic Nose. Seventh International Conference on Sensing Technology: Current Status and Future Trends III. Smart Sensors, Measurement and Instrumentation, vol 11, 243-258. Springer, Cham.es_CO
    dc.relation.referencesGeoffrey C., Chan A., & Lin M. (2014). Robust identification of bacteria based on repeated odor measurements from individual bacteria colonies. Sensors and Actuators B 190, 16– 24. doi: https://doi.org/10.1016/j.snb.2013.08.001es_CO
    dc.relation.referencesDurán, C. M. (2005). Diseño y optimización de los subsistemas de un sistema de olfato electrónico para aplicaciones agroalimentarias e industriales (tesis doctoral). Universitat Rovira I Virgili, Tarragona, España. Recuperado de https://www.tdx.cat/handle/10803/8451.es_CO
    dc.relation.referencesHerrero J., Lozano J., Santos J., & Suarez J. (2016). On-line classification of pollutants in water using wireless portable electronic noses. Chemosphere 152 107e116. doi: 10.1016/j.chemosphere.2016.02.106es_CO
    dc.relation.referencesSauer S., & Kliem M. (2010). Mass spectrometry tools for the classification and identification of bacteria. Nature Reviews Microbiology 8(1) 74–82. doi: 10.1038/nrmicro2243.es_CO
    dc.relation.referencesGomez, O.G., (2015).Enfermedad diarreica aguda por Escherichia coli patógenas en Colombia. Revista Chilena infectol, 31(5): 577–586. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4469391/es_CO
    dc.relation.referencesRios S., Agudelo R., & Gutierrez L. (2017). Patógenos e Indicadores microbiológicos da qualidade da água pro consumo humano. Rev. Fac. Nac. Salud Pública, 35(2), 236-247. doi: 10.17533/udea.rfnsp.v35n2a08es_CO
    dc.relation.referencesMinisterio de ambiente, vivienda y desarrollo territorial. (22 junio 2007). por medio de la cual se señalan características, instrumentos básicos y frecuencias del sistema de control y vigilancia para la calidad del agua para consumo humano. [resolucion 2115]/ recuperado de http://www.minambiente.gov.co/images/gestionintegraldelrecursohidrico/pdf/legislaci%c 3%b3n_del_agua/resoluci%c3%b3n_2115.pdf.es_CO
    dc.relation.referencesHurtado. Genny. (2016). Evaluación de los procesos de operación de la planta de tratamiento para potabilización de agua Villasantana ubicada en la ciudad de Pereira, Risaralda. (Trabajo de grado de mestria). Universidad Nacional de Colombia, Manizales, Colombia. Recuperado de: http://bdigital.unal.edu.co/52540/1/42154752.2016.pdf.es_CO
    dc.relation.referencesChulluncuy, N. (2011). Tratamiento de agua para consumo humano. Revista de Ingeniería Industrial, 29, 153-170. Recuperado de http://www.redalyc.org/pdf/3374/337428495008.pdf.es_CO
    dc.relation.referencesMinisterio de salud pública. (10 de marzo 1998). Normas técnicas de calidad del agua potable. [Decreto 475]. Recuperado de https://www.minsalud.gov.co/Normatividad_Nuevo/DECRETO%200475%20DE%20 1998.PDFes_CO
    dc.relation.referencesAPHA-AWWA-WPCF. (1992). Métodos normalizados para el análisis de aguas potables y residuales. American Public Health Association-American Water Works Association Water Pollution Control Federation. Ediciones Díaz Santos, S.A. 17ª Ed. Madrid. España.es_CO
    dc.relation.references[Recuento de Coliformes Totales Filtración a través de membrana], (s.f.). Recuperado de http://coli.usal.es/Web/demo_fundacua/demo2/FiltraMembColiT_auto.html.es_CO
    dc.relation.referencesVergine P., Salerno C., Barca E., Berardi G., & Pollice A. (2017). Identification of the faecal indicator Escherichia coli in wastewater through the β-D-glucuronidase activity: comparison between two enumeration methods, membrane filtration with TBX agar, and Colilert®-18. Journal of Water & Health, 15(2), 209-217. doi: https://doi.org/10.2166/wh.2016.119. Newton W., Morino Y., & Snell E.(1965). Properties of crystalline tryptophanase, J. Biol. Chem. 240, 1211-1218.es_CO
    dc.relation.referencesLough F., Perry J., Stanforth S., & Dean J. (2017). Detection of exogenous VOCs as a novel in vitro diagnostic technique for the detection of pathogenic bacteria. Trends in Analytical Chemistry, 87, 71-81. doi: https://doi.org/10.1016/j.trac.2016.12.004es_CO
    dc.relation.referencesSchulz S., & Dickschat J. (2006). Bacterial volatiles: the smell of small organisms. Natural product reports, 24(4), 814-42. doi: 10.1039/b507392hes_CO
    dc.relation.referencesNúñez M., Thompson O., Dowell F., & Jr V. (1983). Norleucine-tyrosine broth for rapid identification of Clostridium difficile by gas-liquid chromatography. Journal of Clinical Microbiology, 17(2), 382–385. Recuperado de https://www.ncbi.nlm.nih.gov/pubmed/6833488.es_CO
    dc.relation.referencesTurton L., Drucker D., & Ganguli L. (1983). Effect of glucose concentration in the growth medium upon neutral and acidic fermentation end-products of Clostridium bifermentans, Clostridium sporogenes and Peptostreptococcus anaerobius. Journal of Medical Microbiology, 16 (1), 61–67. Recuperado de https://www.ncbi.nlm.nih.gov/pubmed/6822993.es_CO
    dc.relation.referencesRobacker D., Lauzon C., Patt J., Margara F., & Sacchetti P. (2009). Attraction of Mexican fruit flies (Diptera: Tephritidae) to bacteria: Effects of culturing medium on odour volátiles. Journal of Applied Entomology, 133, 155–163. Doi: https://doi.org/10.1111/j.1439- 0418.2008.01364.x.es_CO
    dc.relation.referencesTait E., Perry J., Stanforth S., & Dean J. (2014). Identification of Volatile Organic Compounds Produced by Bacteria Using HS-SPME-GC–MS. Journal of Chromatographic Science 52, 363–373. doi:10.1093/chromsci/bmt042es_CO
    dc.relation.referencesLemfac M., Nickel J., Dunkel M., Preissner R., & Piechulla B. (2014). mVOC: a database of microbial volatiles. Nucleic Acids Research, 42. doi:10.1093/nar/gkt1250.es_CO
    dc.relation.referencesNilsson T., Larsen T., Montanarella L., Madsena J. (1996). Application of head-space solid-phase microextraction for the analysis of volatile metabolites emitted by Penicillium species. Journal of Microbiological Methods, 25 (3), 245-255. doi: https://doi.org/10.1016/0167-7012(95)00093-3.es_CO
    dc.relation.referencesSawoszczuk T., Cholewińska J., & Meléndez J. (2015). Optimization of headspace solid phase microextraction for the analysis of microbial volatile organic compounds emitted by fungi: Application to historical objects. Journal of Chromatography A, 1409, 30-45. doi: https://doi.org/10.1016/j.chroma.2015.07.059.es_CO
    dc.relation.referencesBean H., Dimandja J., & Hill J. (2012). Bacterial volatile discovery using solid phase microextraction and comprehensive two-dimensional gas chromatography–time-of-flight mass spectrometry. Journal of Chromatography B, 901, 41-46. doi: https://doi.org/10.1016/j.jchromb.2012.05.038es_CO
    dc.relation.referencesBoots A., Smolinska A., Berkel J., Fijten R., Stobberingh E., Boumans M., Moonen1 E., Wouters E., Dallinga J., & Schooten F. (2014). Identification of microorganisms based on headspace analysis of volatile organic compounds by gas chromatography–mass spectrometry. Journal of Breath Research, 8, 12 pp. doi:10.1088/1752-7155/8/2/027106.es_CO
    dc.relation.references[El Blog de Cromatografía con las novedades, técnicas y métodos más actuales para su proceso de separación]. (s.f.). Recuperado de http://blog.cromlab.es/muestreo-por-espacio de-cabeza-headspace-sampling-hs/.es_CO
    dc.relation.referencesPeñalver A. (2016). Aplicación de la microextracción en fase sólida al análisis medioambiental. (Trabajo de grado de doctorado). Universitat Rovira I Virgili, Tarragona, España. Recuperado de: https://www.tdx.cat/handle/10803/8988.es_CO
    dc.relation.referencesRios J. (2017). Nuevos desarrollos metodológicos en SPME. (Trabajo de grado de doctorado). UNIVERSIDAD COMPLUTENSE DE MADRID, Madrid, España. Recuperado de: https://eprints.ucm.es/42933/ .es_CO
    dc.relation.referencesGardner J., Shin H., Hines E., & Dow C. (2000). An electronic nose system for monitoring the quality of potable water. Sensors and Actuators B: Chemical, 69(3), Issue 3, 336-341. doi: https://doi.org/10.1016/S0925-4005(00)00482-2.es_CO
    dc.relation.referencesQuicazán M., Díaz A., & Zuluaga C. (2011). la nariz electrónica, una novedosa herramienta para el control de procesos y calidad en la industria agroalimentaria. Revista de la facultad de química farmacéutica, 18(2), 209-217. Recuperado de: http://www.scielo.org.co/pdf/vitae/v18n2/v18n2a12.pdf.es_CO
    dc.relation.referencesCorrea E., Barreiro P., Ruiz A., & Chamorro C.(s.f.). Nariz electronica ¿herramienta para la calidad en la industria agrolimentaria?. Recuperado de: http://www.agro alimentarias.coop/ficheros/doc/01297.pdf.es_CO
    dc.relation.referencesLozano J., García A., García C., Aleixandre M., Santos J., & Horrillo M. (2014). Reconocimiento de patrones basado en redes neuronales y análisis de componentes independientes para narices electrónicas. Recuperado de https://www.researchgate.net/publication/228805712/download.es_CO
    dc.relation.referencesSchulz S., & DickschatJ. Bacterial volatiles: The smell of small organisms. Natural Product Reports, 24(4), 814–842. doi: 10.1039/b507392h.es_CO
    dc.relation.referencesAleixandre m., Lozano J., Santos J., Suarez J., & Herrero J. Detection of Pollutants in Water Using a Wireless Network of Electronic Noses. Chemical engineering transactions, 54, 157-162. doi: http://doi.org/10.3303/CET1654027.es_CO
    dc.relation.referencesSiripatrawan U., Linz J., & Harte B. (2004). Rapid Method for Prediction of Escherichia coli Numbers Using an Electronic Sensor Array and an Artificial Neural Network. Journal of Food Protection, 67(8), 1604–1609. Recuperado de https://www.ncbi.nlm.nih.gov/pubmed/15330522.es_CO
    dc.relation.referencesGibson T., Prosser O., Hulbert, J., Marshall R., Corcoran P., Lowery P., & Heron, S. (1997). Detection and simultaneous identification of microorganisms from headspace samples using an electronic nose. Sensors and Actuators B: Chemical, 44(1-3), 413–422. doi:10.1016/s0925-4005(97)00235-9.es_CO
    dc.relation.referencesMcEntegart C., Penrose W., Strathmann S., & Stetter J. (2000). Detection and discrimination of coliform bacteria with gas sensor arrays. Sensors and Actuators B, 70, 170–176. https://doi.org/10.1016/S0925-4005(00)00561-X.es_CO
    dc.relation.referencesCanhoto O., & Magan N. (2003). Potential for detection of microorganisms and heavy metals in potable water using electronic nose technology. Biosensors and Bioelectronics, 18(5-6), 751–754. doi:10.1016/s0956-5663(03)00019-8es_CO
    dc.relation.referencesCanhoto O., & Magan N. (2005). Electronic nose technology for the detection of microbial and chemical contamination of potable water. Sensors and Actuators B: Chemical, 106(1), 3–6. doi:10.1016/j.snb.2004.05.029.es_CO
    dc.relation.referencesBastos C., & Magan N. (2006). Potential of an electronic nose for the early detection and differentiation between Streptomyces in potable water. Sensors and Actuators B: Chemical, 116(1-2), 151–155. doi:10.1016/j.snb.2005.11.073.es_CO
    dc.relation.referencesNayak K., Supreetha B., Deccaraman M., & Nayak4V. (2012). E-Nose System to Detect E-Coli in Drinking Water of Udupi District. International Journal of Engineering Research and Development 1(12), 58-64. Recuperado de https://www.semanticscholar.org/paper/E Nose-System-to-Detect-EColi-in-Drinking-Water-of-Nayak.es_CO
    dc.relation.referencesGong J., Chen Q.; Lian M.; Liu N.; Stevenson, R.; Adamic, F. Micromachined Nanocrystalline Silver Doped SnO2 H2S Sensor. Sens. Actuat. B 2006, 114, 32-39. doi: https://doi.org/10.1016/j.snb.2005.04.035es_CO
    dc.relation.referencesDuran, C. Gualdron, O. (2014) “Nariz electrónica para determinar el índice de madurez del tomate de árbol (Cyphomandra Betacea Sendt ) Electronic Nose to Determine the Maturity Index of the Tree Tomato,” .Revista Ingeniería, Investigación y Tecnología, 15(3).es_CO
    dc.relation.referencesHarper W. (2001). The strengths and weaknesses of the electronic nose. dvances in experimental medicine and biology, 488, 59-71. Recuperado de https://www.ncbi.nlm.nih.gov/pubmed/11548160.es_CO
    dc.relation.referencesWilson A., & Baietto M. (2009). Applications and Advances in Electronic-Nose Technologies. Sensors, 9, 5099-5148. oi:10.3390/s90705099. Gualdrón O. (2006). Desarrollo de diferentes métodos de selección de variables para sistemas Multisensoriales. (Tesis doctoral). Universitat Rovira I Virgili, Tarragona, España. Recuperado https://www.tdx.cat/bitstream/handle/10803/8473/Tesis_Oscar_Gualdron.pdf?sequence= 1&isAllowed=y.es_CO
    dc.relation.referencesRubio J., Stein J., Hernández J., Ávila F., Meléndez A. (2015). Sistema sensor para el monitoreo ambiental basado en redes Neuronales. Revista de Ingeniería Investigación y Tecnología, 17(2), 211-222. doi: https://doi.org/10.1016/j.riit.2016.06.006.es_CO
    dc.relation.referencesLudermir T., & Yamazaki A. Neural networks for odor recognition in artificial noses. Proceedings of the International Joint Conference on Neural Networks, 1. doi:10.1109/ IJCNN.2003.1223317es_CO
    dc.relation.referencesMatich D. (2001). Redes Neuronales: Conceptos Básicos y Aplicaciones. Universidad Tecnológica Nacional. Recuperado de https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograias /matich-redesneuronales.pdf.es_CO
    dc.relation.referencesCampo F., Rodriguez A., Valiente R., Morales O., Durán A. & Garcia A. (s.f.). Aplicación de técnicas de pre-procesamiento para una nariz electrónica de laboratorio basada en sensores MOS. Conference: XVI Convención de Ingeniería Eléctrica (CIE2015), At Villa Clara, Cuba, 97 - 903. Recuperado de https://www.researchgate.net/publication/316014507_Aplicacion_de_tecnicas_de_pre procesamiento_para_una_nariz_electronica_de_laboratorio_basada_en_sensores_MOS_Application_of_preprocessing_techniques_for_a_laboratory_Electronic_Nose_based_on _MOS_senso.es_CO
    dc.relation.referencesSánchez L., Osorio G. (2008). Introducción a kernel ACP y otros métodos espectrales aplicados al aprendizaje no supervisado. Revista Colombiana de Estadística, 31(1), 19–40. Recuperado de https://www.researchgate.net/publication/5007111_Introduccion_a_kernel_ACP_y_otros _metodos_espectrales_aplicados_al_aprendizaje_no_supervisado.es_CO
    dc.relation.referencesS.f. Herramientas de extracción de información: Redes Neuronales. Capitulo 2, 37-111. Recuperado de https://www.tdx.cat/bitstream/handle/10803/1455/3.CAPITULO_2.pdf?sequence=5&isA llowed=y.es_CO
    dc.relation.referencesArshak K., Moore E., Lyons G., Harris J., & Clifford S. (2004). A review of gas sensors employed in electronic nose applications, Sensors Rev. 24 (2), 181–198.es_CO
    dc.relation.referencesAdhikari B., Majumdar S. Polymers in sensor applications, Progress in Polymer Science, 29 (7), 699–766. Doi: https://doi.org/10.1016/j.progpolymsci.2004.03.002.es_CO
    dc.relation.referencesPearce T. (1997). Computational parallels between the biological olfactory pathway and its analogue The Electronic Nose’: part II. Sensor-based machine olfaction, Biosystems, 41(2), 69–90. doi: 10.1016/S0303-2647(96)01660-7.es_CO
    dc.relation.referencesRoussel S., Forsberg G., Grenier P., & Bellon-Maurel V.(1999). Optimisation of electronic nose measurements. Part II: influence of experimental parameters, Journal of Food Engineering, 39(1), 9–15. Doi: https://doi.org/10.1016/S0260-8774(98)00137-Xes_CO
    dc.relation.referencesEsbensen K., Wagner C.(2014). Theory of sampling (TOS) versus measurement uncertainty (MU) – A call for integration, TrAC Trends in Analytical Chemistry, 57, 93- 106. doi: https://doi.org/10.1016/j.trac.2014.02.007.es_CO
    dc.relation.referencesBoeker P. (2014). On ‘Electronic Nose’ methodology. Sensors and Actuators B: Chemical, 204(1), 2-17. doi: https://doi.org/10.1016/j.snb.2014.07.087.es_CO
    dc.relation.referencesVida L. (2009). Desarrollo y evaluación de nuevas estrategias para la miniaturización de la preparacón de la muestra. (Tesis doctoral). Universidad de Alicante, Alicante. Recuperadp de https://rua.ua.es/dspace/bitstream/10045/11458/1/Tesis_Vidal.pdf.es_CO
    dc.relation.referencesHodgins D. (1997). The electronic nose: Sensor array-based instruments that emulate the human nose, in: R. Marsili (Editor), Techniques for Analyzing Food Aroma, Marcel Dekker Inc, pp. 331–371.es_CO
    dc.relation.referencesMielle P. (1996). Electronic noses: towards the objective instrumental characterizationf food aroma. Trends Food Sci. Technol, 7, 432–438. Doi: https://doi.org/10.1016/S0924- 2244(96)10045-5.es_CO
    dc.relation.referencesBurlachenko J., Kruglenko I., Snopok B., & Persaud K. (2016). Sample handling for electronic nose technology: State of the art and future trends. Trends in Analytical Chemistry, 82, 222–236. doi: https://doi.org/10.1016/j.trac.2016.06.007.es_CO
    dc.relation.referencesMielle P., & Marquis F. (1999). An alternative way to improve the sensitivity of electronic Olfactometers. Sensors Actuat. B Chem. 58 (1-3), 526–535. Doi: https://doi.org/10.1016/S0925-4005(99)00158-6.es_CO
    dc.relation.referencesRobbins G., Wang S., & Stuart J. (1993). Using the static headspace method to determine Henry’s law constants. Analytical Chemistry, 65 (21), 3113–3118. Doi: 10.1021/ac00069a026.es_CO
    dc.relation.referencesOuoba S., Cherblanc F., Koulidiati, J., & Bénet C. (2015). A new experimental method to determine the Henry’s law constant of a volatile organic compound adsorbed in soil, J. Chem. 2015 <http://dx.doi.org/10.1155/2015/ 479327> Article ID 479327.es_CO
    dc.relation.referencesVázquez A. (s.f.). Caracterización y evaluación de compuestos orgánicos volátiles presentes en especies vegetales de las familias apiaceae, asteraceae, lamiaceae y verbenaceae por microextracción en fase sólida del espacio de cabeza y su relación con la aceptabilidad sensorial de aquellas de uso alimenticio. (Tesis doctoral). Recuperado de http://pa.bibdigital.uccor.edu.ar/1460/1/Vazquez.FR11.pdf.es_CO
    dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2es_CO
    dc.type.coarversionhttp://purl.org/coar/resource_type/c_2df8fbb1es_CO
    Aparece en las colecciones: Maestría en Controles Industriales

    Ficheros en este ítem:
    Fichero Descripción Tamaño Formato  
    Carrillo_2018_TG.pdfCarrillo_2018_TG.pdf5,32 MBAdobe PDFVisualizar/Abrir
    Mostrar el registro sencillo del ítem


    Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.