EFECTO DEL SUSTRATO EN UN SENSOR DE MICROONDAS INTERDIGITADO PARA DETECCIÓN DE CONTAMINANTES EN LÍQUIDOS ASISTIDO POR APRENDIZAJE DE MÁQUINA

Vista sencilla de ítem
dc.contributor.advisorElizalde Galindo, José Trinidad
dc.contributor.authorSantillán Rodríguez, Carlos Roberto
dc.coverage.spatialCiudad Juárez, Chihuahua
dc.date.accessioned2026-09-08T19:20:30Z
dc.date.available2026-09-08T19:20:30Z
dc.date.issued2026-08-21
dc.description.abstractLa detección temprana y oportuna de analitos contaminantes disueltos en agua representa un desafío ambiental y tecnológico. En este trabajo se desarrolla un arreglo de sensores de microondas interdigitados (IDE) fabricados sobre sustratos de poliimida y PTFE con permitividades dieléctricas distintas, con el interés de estudiar su efecto en la sensibilidad electromagnética y clasificación de analitos mediante algoritmos de aprendizaje de máquina. Para establecer la geometría de los sensores, se hicieron simulaciones electromagnéticas en COMSOL Multiphysics aplicando el criterio de máxima transferencia de potencia de Thevenin, con el cual se optimizaron los parámetros geométricos tales como: número de dígitos, ancho, longitud, separación entre las barras detectoras. Posteriormente se fabricaron mediante litografía de escritura directa por láser con el equipo MicroWriter ML3. La caracterización estructural incluyó análisis FTIR, microscopia óptica, tomografía de rayos X y espectroscopia de LIBS. Para la caracterización electromagnética se utilizó un analizador de redes vectorial VNA con un barrido de frecuencia de 0.3 hasta 2.0 GHz, en las cuales se midieron 22 soluciones con diferentes concentraciones, tales como: glifosato, cloruro de potasio, cloruro de manganeso además se utilizó agua tridestilada y desionizada como blancos de referencia. Se obtuvo un conjunto datos con 44 millones de mediciones del parámetro de reflexión S11 para ser procesados mediante algoritmos de aprendizaje de máquina de Naive Bayes, KNN, SVM y árbol de decisión. Como resultado, los modelos de Naive Bayes y KNN obtuvieron una exactitud del 100%, mientras que el modelo de SVM presentaba una baja precisión de hasta 62% en la clasificación de analitos. La simulación demostró que los sensores fabricados en el sustrato de PTFE presentaban una mayor intensidad de campo eléctricos debido a su baja permitividad relativa (εr=2.0), teniendo una mayor sensibilidad para la detección, generando una mayor diferenciación entre los analitos. Este trabajo establece una metodología que combina el diseño sensores interdigitados, simulación electromagnética, fabricación y análisis multivariado, aportando un estudio sobre como la selección del sustrato puede potenciar la sensibilidad y mejorar la selectividad mediante técnicas de aprendizaje de máquina.
dc.formatPDF
dc.identifier.urihttps://hdl.handle.net/20.500.11961/7190
dc.language.isospaes
dc.publisherUniversidad Autónoma de Ciudad Juárezes
dc.relation.ispartofInstituto de Ingeniería y Tecnologíaes
dc.relation.ispartofDepartamento de Física y Matemáticases
dc.relation.ispartofDoctorado en Ciencias de los Materialeses
dc.rightsAttribution-NonCommercial-NoDerivs 2.5 Mexicoen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/mx/
dc.subjectSensor interdigitado, microondas, aprendizaje de máquina, sustrato.
dc.subject.otherinfo:eu-repo/classification/cti/7
dc.subject.secihtiIngenierias y Desarrollo Tecnológico
dc.titleEFECTO DEL SUSTRATO EN UN SENSOR DE MICROONDAS INTERDIGITADO PARA DETECCIÓN DE CONTAMINANTES EN LÍQUIDOS ASISTIDO POR APRENDIZAJE DE MÁQUINA
dc.typeTesis doctorales
dc.typeTrabajo de titulación de posgrado
dcterms.thumbnailhttp://ri.uacj.mx/vufind/thumbnails/pi-iit-doctorado.pnges

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
233411-Obra Completa_CARLOS ROBERTO SANTI.pdf
Tamaño:
4.61 MB
Formato:
Adobe Portable Document Format
Descargar

Colecciones

Productos de Investigación IIT-DCM