Automação e otimização da produção de cerveja artesanal para a prospecção de técnicas sustentáveis
Carregando...
Data
2023
Autores
Benacchio, Alcione
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
Para atender a um amplo mercado consumidor, a indústria cervejeira utiliza grandes plantas automatizadas. Isso permite produzir cervejas de forma otimizada, garantindo repetibilidade na obtenção de um produto com características consistentes e minimização dos custos. Por outro lado, microcervejarias possuem processos predominantemente manuais, priorizando a elaboração de produtos diferenciados e maior valor agregado, para um público mais restrito. A produção de cervejas diferenciadas e que eventualmente podem utilizar matérias-primas locais demandam experimentos que avaliem a sua viabilidade. Nesse contexto experimental, reproduzir os métodos das microcervejarias torna-se desafiador devido à escala de produção e os equipamentos disponíveis. Esse aspecto é amplificado ao considerar que a produção sustentável se tornou ponto central no processo produtivo. Em relação ao consumo de água e energia, as grandes cervejarias têm processos automatizados e eficientes para coleta de dados, enquanto microcervejarias e ambientes experimentais tendem a operar manualmente, o que dificulta a obtenção desses dados. Por isso, o monitoramento automatizado e rigoroso dos recursos é uma ferramenta importante para cervejeiros artesanais e pesquisadores. O controle da temperatura em fases como a mosturação e fervura, assim como o registro do consumo de água e energia, são frequentemente baseados em estimativas, dada a falta de técnicas de medição integradas e precisas. Para atender a essa demanda, foi implementado um protótipo para produção de cerveja em escala de bancada, que realiza a coleta, monitoria e armazenamento de dados produtivos, consumo de água e energia. Suas operações são executadas através de um módulo de interpretação de instruções que possibilita ao pesquisador parametrizar os experimentos de acordo com sua finalidade. O protótipo consiste em três componentes principais: uma planta para aquecimento e processamento do mosto cervejeiro; um módulo de controle que gerencia a recepção de dados de sensores; e um módulo de acionamento para automatização das operações. O software envia as instruções programáveis parametrizadas para realizar as operações, e os dados coletados são transmitidos e armazenados na nuvem. Utilizando o protótipo e a metodologia de superfície de resposta em um planejamento experimental de 23, com 4 pontos centrais e 6 pontos axiais, foram obtidos os dados de consumo energético, gravidade original e produtividade. Após a realização da análise experimental, foram aplicadas funções de desejabilidade para determinar uma resposta única para a otimização. Os testes com o protótipo mostraram variabilidade experimental com relação a gravidade original de 0,2%, com uma margem de erro de 0,1%. Para otimização utilizando múltiplas variáveis de resposta (kWh, gravidade original e produtividade), o modelo preditivo construído utilizando as funções de desejabilidade determinou um ponto de otimização, validado por experimentos posteriores que apresentaram uma variação inferior a 5%. Portanto, os testes com o protótipo confirmaram sua capacidade de executar tarefas programadas, orientar o experimento e coletar dados precisos. Adicionalmente, os resultados obtidos através do planejamento experimental evidenciaram o potencial de otimização da produção de cerveja em escala reduzida, conciliando produtividade e sustentabilidade. Posteriormente, outros planejamentos experimentais serão realizados através do protótipo, o que irá ampliar a base de conhecimento e possibilitar novas análises.
Abstract
Descrição
Tese apresentada ao Programa de Pós-Graduação Interdisciplinar em Energia e Sustentabilidade da Universidade Federal da Integração Latino-Americana, como requisito parcial à obtenção do título de Doutor em Energia e Sustentabilidade.
Palavras-chave
Monitoramento de produção, Metodologia experimental, Água, Energia, Coleta de dados, Internet das Coisas