A aluna Caroline Dias Grossi, do Departamento de Engenharia Química e de Materiais (DEQM) do Centro Técnico Científico da PUC-Rio, foi premiada no XXI Simpósio Nacional de Bioprocessos/XII Simpósio de Hidrólise Enzimática de Biomassas, realizado em setembro de 2017, em Aracaju, com seu trabalho de conclusão de curso. A estudante desenvolveu um modelo matemático de redes neurais artificiais — um sensor virtual que alcançou 98% de precisão — com o objetivo de monitorar em tempo real o desempenho da concentração de bacillus subtilis em fermentador.
O simpósio reuniu diversos pesquisadores de várias partes do mundo, que apresentaram trabalhos de conclusão de curso, dissertações de mestrado, teses de doutorado e pós-doutorado. O trabalho da graduanda ganhou na categoria “Apresentação Oral”. A partir de um experimento prévio com cascas de beterraba, resíduo inédito neste tipo de pesquisa, o projeto foi o único no simpósio dentre os concorrentes do eixo temático de modelagem, instrumentação e controle de bioprocessos que fez uso de inteligência artificial, fator que aumentou a complexidade do estudo e garantiu destaque ao trabalho.
Com o título “Development Of A Neural Network Model To Predict The Biomass Concentration In A Batch-Bioreactor For Biosurfactant Production”, a pesquisa deu sequência ao doutorado do orientador da aluna, o Prof. Brunno dos Santos, do Departamento de Engenharia Química e de Materiais do CTC/PUC-Rio, defendido em 2015, na Unicamp. Para sua pesquisa, o professor montou um experimento com casca de beterraba: um reator equipado com um fermentador que funcionava a partir do controle de diversas variáveis, como agitação e temperatura, por exemplo.
Durante o processo de fermentação da casca de beterraba, o microrganismo bacillus subtilis pode produzir biossurfactante, molécula que permite interação entre óleo e água. O desenvolvimento do microrganismo pode ser um indicador de uma boa manutenção do produto, porém suas análises de concentração no meio de fermentação são demoradas (cerca de 48 horas), o que dificulta tomada de decisão em tempo hábil.
O orientador já tinha todos os valores experimentais da pesquisa de 2015 e o papel da aluna foi modelar os experimentos a partir de redes neurais artificiais com o auxílio do software Matlab. Com essa técnica de inteligência artificial, Caroline Grossi foi ajustando os parâmetros até chegar a um modelo eficiente e preciso para predizer a concentração de microrganismo no reator ao longo do tempo em que havia a produção de biossurfactante.
“Hoje em dia, as análises experimentais e gravimétricas deste processo demoram muito tempo para ficar prontas. Isso é prejudicial para a indústria alimentícia, por exemplo. Ao monitorar o crescimento do microrganismo, por meio do modelo matemático criado pela Caroline Grossi e alimentado com variáveis do experimento, foi possível monitorar o processo em tempo real e, assim, garantir que não houvesse perdas do produto”, explica o orientador Prof. Brunno dos Santos.
O Professor Brunno acredita que os próximos passos deverão focar na construção de mais modelos e na utilização de outras variáveis.
O artigo publicado foi uma adaptação do texto enviado por Maria Estrella, a quem gostaríamos de agradecer pela contribuição.