MODELO DE GESTIÓN PARA EL TRATAMIENTO ÓPTIMO DE RESIDUOS OLIVAREROS Autor: Rayón Durán, Guiomar. Director: Sánchez Martín, Pedro. Entidad Colaboradora: ICAI – Universidad Pontificia Comillas RESUMEN DEL PROYECTO La campaña de 2009/2010 se cerró en España con la producción de más de 5,8 millones de toneladas de aceitunas de las cuales 5,4 millones de toneladas son aceitunas de almazara. Al procesar estas aceitunas en las almazaras para obtener el aceite de oliva se produce de un 72 a un 82% de residuo denominado alperujo y solamente de un 18 a un 28% de aceite de oliva. Esto supone unos 4,3 millones de toneladas de residuo olivarero, de alperujo. Este subproducto de la obtención del aceite de oliva es la mezcla de aguas de vegetación (alpechines), partes sólidas de la aceituna y restos grasos. El alperujo es un residuo de muy difícil gestión ya que contiene alrededor de un 75% de agua y se necesitan altas temperaturas del orden de 1.200ºC para deshidratarlo. Actualmente, las plantas de procesado de alperujo, denominadas orujeras procesan el residuo mediante un sistema de deshuesado y posterior repaso para extraer parte del contenido remanente de aceite. Tras este proceso se seca y se envía a un procesado químico por el que se extrae más aceite pero de peor calidad, el alperujo finalmente es enviado a un sistema de cogeneración. El problema de este tipo de planta son las restricciones de volumen del almacenaje del producto antes de su procesado y de la capacidad de procesado de la planta. El objetivo del proyecto es realizar un modelo de gestión para maximizar la cantidad de aceite de orujo de oliva obtenido mediante el repaso. Para ello se realizan análisis estadísticos de la cantidad de aceite contenida en el alperujo y del volumen recibido en la planta obteniendo sendos modelos matemáticos con los que se puedan estimar dichas cantidades. Posteriormente es necesario realizar un modelado matemático de la planta de procesado para calcular el grado actual de utilización de la planta y posibles mejoras en la misma. En primer lugar, se realiza un análisis estadístico del volumen contenido en el alperujo para determinar los factores que afectan al mismo. La variable dependiente a estimar será el porcentaje de grasa en base húmeda y los factores a tener en cuenta serán la influencia de la lluvia el día de la recogida de la aceituna (si llueve o no), el día de la semana (lunes, martes, miércoles, jueves, viernes, sábado o domingo), el mes (noviembre, diciembre, enero, febrero,

marzo o abril, en este caso), la almazara de donde proviene el producto y la temperatura del día de la recogida. Mediante varios análisis ANOVA se descarta la influencia de la lluvia el día de la recepción del producto y un día antes e influyendo en menor medida la lluvia dos días antes de la recepción y en mayor medida si llueve o no tres días antes de la recogida con un valor-P de 0,0000 y una razón-F de 16,56. A partir de esto, se calculan varios modelos lineales generalizados para elegir el que mejor se ajuste y estime el porcentaje de aceite contenido en el alperujo. Se calculan hasta 6 modelos diferentes teniendo en cuenta los distintos factores y sus interacciones, siendo el modelo que mejor predice la calidad del alperujo el quinto modelo, en el cual se reduce el ruido existente en los datos de partida mediante la aplicación de una raíz cuadrada obteniendo un porcentaje de explicación de los datos del 89,823%. En el caso del análisis estadístico del volumen de alperujo se realiza otro análisis ANOVA con el que se determina que los factores que sí que afectaban en la cantidad de aceite contenido en el alperujo no afectan significativamente en el volumen recibido diario en la planta de procesado. Debido a esto, se realiza un modelo más sencillo en el que se estima la media diaria de alperujo recibido al día en un mes, así se obtiene una estimación del 3,7%. El modelo matemático se realiza en dos partes, un modelo determinista y un modelo estocástico. Con el modelo determinista se calcula el grado de utilización de la planta y se plantean y calculan distintas mejoras. Por otro lado, con el modelo estocástico se estima el valor esperado de aceite obtenido en la campaña teniendo incertidumbre, es decir, sabiendo lo que va a pasar durante dos semanas gracias a los modelos estadísticos calculados anteriormente. En la última campaña la planta de procesado extrajo 488,94 toneladas de aceite de las 732,17 toneladas contenidas en el alperujo total recibido, es decir, se podría haber obtenido casi un 50% más de aceite si se hubiese podido procesar todo el alperujo que entró en la planta. Mediante el modelo determinista se calcula la cantidad máxima real que se podría haber obtenido teniendo en cuenta las limitaciones del sistema, sus restricciones y capacidad limitada. En este caso, se calcula un aceite máximo obtenible de 535,93 toneladas, lo que supone que idealmente se podría haber obtenido casi un 10% más de aceite con una gestión perfecta sabiendo cómo sería la campaña. Posteriormente se realiza un análisis de sensibilidad con el que se proponen dos mejoras: aumentar la cantidad de materia prima, de alperujo, que entra en la planta o bien aumentar la capacidad de repaso de la misma. Mediante el aumento de alperujo entrante en un 27%, se

obtiene una mejora frente a la última campaña de 19,81%, se obtendrían 585,819 toneladas de aceite. Mediante la segunda posible mejora, aumentar la capacidad de repaso de la planta mediante una máquina más, se podrían haber obtenido hasta 664,756 toneladas de aceite, suponiendo una mejora del 35,96%. Con esto se observa que la capacidad de repaso es la restricción más importante de la planta. Mediante el modelo estocástico se observa que al inicio de la temporada de recolección, al ser la incertidumbre máxima la cantidad de aceite esperado es de 470,36 toneladas, siendo este valor afectado por las distintas trayectorias que se tienen en cuenta (buena temporada, temporada media y temporada mala). Tomando las semanas 4 y 5 de la campaña como deterministas, semanas en las que se puede saber qué pasará teniendo las predicciones meteorológicas, se toman distintas decisiones que en el modelo determinista. En el modelo estocástico se toman decisiones más conservadoras aprovechando todo el alperujo y no desechando nada por si la temporada no es buena. En estas semanas se obtienen 67,69 toneladas de aceite mediante el modelo determinista y 53,85 toneladas mediante el estocástico, esta diferencia es debida precisamente a la incertidumbre. Durante las semanas de la campaña intermedias, 8 y 9, con el modelo determinista se obtienen 68,02 toneladas de aceite extraíbles mientras que con el modelo estocástico se podrían extraer 68,05 toneladas. Finalmente, en las semanas 12 y 13 de la campaña, al final de la misma, se podrían obtener 109,52 toneladas de aceite usando el modelo determinista y la misma cantidad mediante el modelo estocástico.

DECISION MODEL APPLIED TO OLIVE HUSK MILLING PROCESS The 2009/2010 season was closed in Spain with the production of more than 5.8 million tons of olives, 5.4 million tons were olives for oil. By processing these olives in the mills for obtaining olive oil, it is produced from 72 to 82% of waste called olive husk and only 18 to 28% of olive oil. This represents about 4.3 million tons of waste, of olive husk. This byproduct of the production of olive oil is a mixture of vegetable water (olive oil mill wastewater), solid parts of the olive and not extracted oil. The olive husk residue is very difficult to manage because it contains about 75% water and requires high temperatures around 1,200 °C to be dehydrated. Currently, olive husk processing plants process the waste through a system of stone removing and subsequent reprocess of the content to remove the remaining oil. After this process, the husk is dried and sent to a chemical process to extract more oil but with lower quality, then the olive husk is finally sent to a cogeneration system. The problem with this type of plants is the restrictions on volume of product storage prior to processing and the restriction of processing capacity of the plant. The aim of the project is a management model to maximize the amount of olive pomace oil obtained by the process. This will perform by doing a statistical analysis of the amount of oil contained in the olive husk and the volume of product that is received in the plant. Then, several mathematical models will be calculated to estimate these quantities and the most accurate will be chosen. Thereafter it is necessary to perform a mathematical modeling of the processing plant to calculate the current efficiency and possible improvements. First, it is performed a statistical analysis of the volume of oil contained in the olive husk to determine the factors that affect it. The dependent variable is the percentage of oil and the factors to be considered will be the influence of rain on the day of olive harvesting (if it was a rainy day or not), the day of the week (Monday, Tuesday, Wednesday, Thursday, Friday, Saturday or Sunday), month (November, December, January, February, March or April, in this case), the mill from which the product is processed and the temperature of the day of collection. With several ANOVA multivariate analysis they are dismissed the factors of the influence of the rain on the day when the olive husk is received of the product and a day earlier and the rain two days before the reception and it is justified the influence of whether it rains or not three days before the collection with a P-value of 0.0000 and a F-ratio of 16.56. From this, they are calculated some generalized linear models to choose the best that fits and estimates the percentage of oil in the olive husk. They are calculated up to 6 different models

taking into account the various factors and their interactions, and the model that best predicts the quality of olive husk is the fifth one, which reduces the noise on the input data by applying a square root. This model obtains a percentage of data explaining of 89.823%. For the statistical analysis of the volume of olive husk there is another ANOVA test taken with which it is determined that other factors affecting the amount of oil contained in the olive husk not significantly affect the daily volume received at the processing plant. Because of this, it takes a simpler model which estimates the average daily olive husk received to date in a month, this provides an estimate of 3.7%. The mathematical model of the plant is divided into two parts, a deterministic model and a stochastic model. With the deterministic model it is calculated the actual efficiency of the plant and diverse improvements. On the other hand, the stochastic model estimates the expected value of oil obtained in the campaign with uncertainty, knowing what will happen in two weeks thanks to the statistical models calculated earlier. Last year, the processing plant extracted 488.94 tons of oil from 732.17 tons of total oil contained in the olive husk received, so they could have obtained nearly 50% more oil if it were able to process all the olive husk that was received in the plant. Using the deterministic model it is calculated the actual maximum amount of olive oil that could have been obtained taking into account the system limitations, restrictions and limited capacity. In this case, the estimated maximum obtainable oil is 535.93 tons, which means that ideally could have been obtained almost 10% more oil with a perfect management and knowing how would have been the campaign. Subsequently it is carried out a sensitivity analysis with the proposed two improvements: increasing the amount of raw material, olive husk, which enters the plant, or increasing the capacity of milling it. By increasing incoming husk by 27%, it is reached an improvement over last season of 19.81% obtaining 585.819 tons of oil. In the second improvement, increasing the milling capacity of the plant through another machine, it could have been obtained up to 664.756 tons of oil, getting a 35.96% improvement. This shows that the capacity of the milling process is the most important constraint of the plant. Using the stochastic model, it is shown that at the beginning of the harvest season, with the maximum uncertainty, the amount of oil expected is 470.36 tons, significantly affected by the different trajectories that are taken into account (good season, average season and poor season). Taking the 4th and 5th weeks of the campaign as deterministic, weeks in which they can know what will happen having the weather forecasts, they are taken different decisions than in the deterministic model. The stochastic model takes more conservative decisions

preserving the olive husk should the season is not good. In these weeks, 67.69 tons of oil are obtained by the deterministic model and 53.85 tons by stochastic, this difference is due to the uncertainty. During the middle weeks of the campaign, 8th and 9th, with the deterministic model they are obtained 68.02 tons of extractable oil while the stochastic model could obtain 68.05 tons. Finally, at weeks 12th and 13th of the campaign, at the end of it, it could be obtained 109.52 tons of oil using the deterministic model and the same amount by the stochastic model.