Cientistas utilizam IA para prever regenerabilidade de óleos lubrificantes usados e prevenir problemas durante o processo

Em Portugal, a taxa de regeneração está acima dos 80%, porém, alguns óleos usados levantam problemas de coagulação durante esse processo que, se não detetados, provocam uma paragem e consequente perda de todo o óleo potencialmente regenerável.

Tópico(s) Artigo

  • 11:25 | Quarta-feira, 17 de Julho de 2024
  • Ler em 2 minutos

Uma equipa de cientistas da Faculdade de Ciências e Tecnologia da Universidade de Coimbra (FCTUC) está a desenvolver métodos analíticos instrumentais e de inteligência artificial (IA) que permitem prever se um determinado óleo lubrificante usado pode ou não ser regenerado, atendendo ao seu potencial de coagulação.

Este trabalho está a ser realizado em colaboração com a Sogilub – Sociedade de Gestão Integrada de Óleos Lubrificantes Usados, Lda., no âmbito do projeto Intelligent Computation and Analytics for the Regeneration of Oils (ICARO).

Em Portugal, a taxa de regeneração está acima dos 80%, porém, alguns óleos usados levantam problemas de coagulação durante esse processo que, se não detetados, provocam uma paragem e consequente perda de todo o óleo potencialmente regenerável.


«Os óleos recolhidos nos pontos de recolha (oficinas automóveis e indústria, por exemplo) são encaminhados para os Operadores de Gestão de Resíduos (OGR) e, posteriormente, regenerados em unidades industriais. O fenómeno de coagulação é complexo e os seus mecanismos não são completamente conhecidos», começa por explicar Marco Reis, docente do Departamento de Engenharia Química (DEQ) e investigador do Centro de Engenharia Química e Recursos Renováveis para a Sustentabilidade (CERES).

Portanto, continua o coordenador do projeto, «estamos a desenvolver uma ferramenta baseada em IA, que permita prever a regenerabilidade desses óleos. Pretendemos que este processo se realize de forma rápida, sem sobrecarregar os laboratórios, pelo que a aquisição da informação deve ser ágil.

O processo atual de deteção, feito durante a admissão dos óleos lubrificantes usados nos OGR, baseia-se num processo laboratorial que é complexo, demorado e dispendioso, e que, por esse motivo, deve ser melhorado. Nesse sentido, conta, «explorámos o uso de métodos espetroscópicos, como a espectroscopia MIR e NIR, que permitem recolher a informação química fundamental para alimentar o algoritmo de IA».

Neste momento, os investigadores da FCTUC estão a iniciar a terceira fase de testes à escala real e os resultados são muito promissores. «Nas duas primeiras fases realizámos os testes em apenas um OGR, mas o plano é estender a vários. No futuro, apesar de muito ambicioso, queremos estudar o cenário desta decisão ser tomada logo nos pontos de recolha, agilizando ainda mais a logística e eficiência do processo de circularização dos óleos lubrificantes», revela.

O professor do DEQ destaca ainda que «os óleos lubrificantes são fundamentais para o funcionamento de muitos tipos de máquinas usadas intensivamente na indústria e na sociedade, pelo que a sua regeneração é crucial para maximizar a eficácia com que se usam os recursos naturais e minimizar o impacto ambiental».

 

No projeto, além de Marco Reis, participam os professores Licínio Ferreira, Margarida Quina e Pedro Faia e os investigadores, Tiago Rato, Rúben Gariso e Sofia Braz.

Gosto do artigo
Palavras-chave
Publicado por
Publicado em Última Hora