Inteligência artificial, ciência de dados e machine learning começam a revolucionar o tratamento dos dados no setor sucroenergético
Por João Vicente S. Gaya, Bruno Sattolo e Fernando Henrique C. Giometti
Em 1977, com a fundação da Fermentec, o engenheiro agrônomo Dr. Henrique Vianna de Amorim e sua equipe iniciaram, com muita determinação, uma transformação tecnológica no setor sucroalcooleiro. Foram capazes de otimizar os processos industriais e controlar as etapas de produção de açúcar e etanol por meio de soluções tecnológicas, dentre elas, uma nova maneira de gerenciamento de eficiências e perdas através da ciência dos dados.
Os primeiros serviços prestados pela Fermentec, tiveram origem na necessidade de aumento do rendimento fermentativo. A chave para todo esse sucesso se inicia com análises estatísticas (estudo dos boletins) dos primeiros clientes. A Fermentec, desde seu princípio, teve uma cultura proveniente da coleta de dados, interpretação e geração de respostas através dos números, como mostram as figuras 1 e 2, que fazem parte do acervo histórico das primeiras análises estatísticas realizadas pela empresa.
Figura 1 – Estudo estatístico de regressão linear
Figura 2 – Efeito sobre o rendimento da fermentação alcoólica, correlação realizada para um cliente na Safra 77/78.
Graças ao avanço tecnológico, computacional e matemático, a Fermentec aumentou seu acervo numérico, acumulando dados ano após ano e melhorando seu repertório estatístico. Com isso pudemos, por exemplo, identificar parâmetros associados ao campo que influenciam nas eficiências e perdas no processo, como é apresentado na Figura 3, em que, com o aumento do tempo de queima/corte, os açúcares da cana tendem a diminuir. Isto ocorreu na safra de 2001, antes da mecanização total das colheitas.
Figura 3 – Análises de Regressão Linear por computador, realizados na Safra 2001/02
Com as constantes mudanças climáticas e os avanços tecnológicos da produção de Açúcar e Etanol, essa essência no uso de dados continuou presente, porém com o passar do tempo, houve um aumento dos dados coletados, exigindo uma adaptação na rotina de análises matemáticas.
Hoje, o boletim semanal da Fermentec acumula, em média, 180 indicadores industriais e agrícolas, que são provenientes da qualidade da cana, processo de fabricação de açúcar, fermentação alcoólica, entre outros. Além disso, a Avaliação Mensal de Safra conta com um elevado número de clientes e mais de 60 indicadores. Somam-se a esses números, as análises químicas e microbiológicas, além dos resultados de cariotipagem e DNA mitocondrial.
Outra novidade apresentada nas últimas reuniões de início de safra e anual, é o uso da metagenômica para auxiliar na identificação de bactérias do processo industrial, o que dever gerar mais umas dezenas de milhões de dados.
A 4ª revolução industrial está cada vez mais próxima, por meio da utilização de um mega banco de dados (Big Data) para automação e ”robotização” dos processos.
Por ser uma empresa que gera e transfere tecnologia, a Fermentec já vem aplicando em seu banco de dados técnicas como o Machine Learning para adaptação nestas novas tecnologias que estão por surgir.
Aprendizado da máquina (Machine Learning) é um método para análise de dados que automatiza a construção de modelos analíticos. Esse ramo da inteligência artificial tem como base a ideia de que os sistemas podem aprender com os dados, identificar comportamentos e tomar decisões com o mínimo de intervenção humana. Modelos de Machine Learning são aplicados na indústria 4.0, como em carros autônomos e estudos de mercado.
A Fermentec já obteve resultados muito satisfatórios com esse método. Um exemplo foi a conclusão em apenas 0,14 segundos dos parâmetros que mais interferiram para a queda de extração em um dos clientes ao longo da safra 2018/19. Mostrado na Figura 4, esse resultado foi obtido através de uma modelagem matemática baseada em uma árvore de decisão.
Figura 4 – Gráfico de influência dos parâmetros
Como resposta, também foi possível obter um gráfico dos parâmetros que mais influenciaram na variável alvo e uma equação linear para possíveis simulações nos dados (Figura 5). Exemplo: variando a Impureza Vegetal em 20(kg/t), qual o impacto numérico na extração do cliente estudado.
Figura 5 – Mudança na extração, variando a impureza vegetal
Com este tipo de análise, a Fermentec está preparada e se aproxima cada vez mais da nova revolução industrial. Os dados acumulados desde 1977, atrelados à tecnologia, permitem ganhar tempo e assertividade no trabalho junto aos clientes. A tecnologia torna possível descobrir a “causa raiz” de um problema e empreender esforços para a sua resolução. Isso só é possível por causa da confiança dos clientes no trabalho da Fermentec. Sua usina vai entrar dessa Revolução 4.0?