The objective of this research was to design a neural network (ANN) to predict the methanol flux at the outlet of a carbon dioxide dehydrogenation plant. For the development of the ANN, a database was generated, in the open-source simulation software “DWSIM”, from the validation of a process described in the literature. The sample consists of 133 data pairs with four inputs: reactor pressure and temperature, mass flow of carbon dioxide and hydrogen, and one output: flow of methanol. The ANN was designed using 12 neurons in the hidden layer and it was trained with the Levenberg–Marquardt algorithm. In the training, validation and testing phase, a global mean square (RMSE) value of 0.0085 and a global regression coefficient R of 0.9442 were obtained. The network was validated through an analysis of variance (ANOVA), where the p-value for all cases was greater than 0.05, which indicates that there are no significant differences between the observations and those predicted by the ANN. Therefore, the designed ANN can be used to predict the methanol flow at the exit of a dehydrogenation plant and later for the optimization of the system.

<p style="text-align: justify;">En este trabajo se analiza el funcionamiento de un banco hidroneumático para pruebas de inyectores de un motor de avión perteneciente a  la fuerza Aérea Ecuatoriana, en una primera etapa se estudia la factibilidad de mejoramiento del banco con el fin de realizar una verificación del chorro de inyección bajo las condiciones de funcionamiento óptimo recomendado por el fabricante, se evidencia anormalidades tanto en el funcionamiento del equipo como en el proceso de inspección de inyectores siendo el operador el mayor afectado en las pruebas de mantenimiento de los motores, por tal razón es vital implementar una alternativa de rediseño como parte de una mejora general del banco en base a los inconvenientes encontrados y a los nuevos requerimientos solicitados. El nuevo banco de pruebas brinda mayor efectividad y versatilidad al momento de observar los patrones de formas cónicas y defectos en la pulverización de combustible. Luego de las pruebas se verificó el correcto funcionamiento de las líneas de prueba primaria y secundaria y se obtuvo los patrones de chorro para ser comparados, las imágenes obtenidas por el sistema de visión artificial fueron de gran utilidad para la detección de defectos y medición de ángulo de aspersión.</p>