IoTBio: uma proposta de metodologia para ensaio de biodegradabilidade utilizando técnicas de IoT e aprendizado de máquina

IoTBio: uma proposta de metodologia para ensaio de biodegradabilidade utilizando técnicas de IoT e aprendizado de máquina

Cardoso, Regis

URI: http://www.repositorio.jesuita.org.br/handle/UNISINOS/9725

Fecha: 2021-02-26

xmlui.dri2xhtml.METS-1.0.item-contributorAdvisor: Costa, Cristiano André da

Resumen:

Estima-se que até 2050 serão produzidos mais de 500 milhões de toneladas de materiais poliméricos e, se nenhuma ação for tomada, os oceanos terão mais peso em polímeros do que peixes. É com base nessas afirmações que surgem as motivações para realização desse trabalho. Uma solução para redução do acúmulo desses polímeros é a utilização de materiais biodegradáveis, os quais se degradam junto ao meio ambiente. Para determinar o percentual de biodegradabilidade desses materiais, é necessária a utilização de condições padronizadas, através da aplicação de normas e testes de laboratório. Porém, esses testes são longos já que o período de tempo para sua realização varia de 90 a 180 dias. Durante esse tempo é necessário manter um controle preciso sobre as variáveis envolvidas no processo, necessitando de muito envolvimento dos operadores. Sendo assim, o objetivo desse trabalho é a definição de um modelo de equipamento automatizado para determinação do percentual de biodegradabilidade de materiais, utilizando técnicas de Internet das coisas e Aprendizado de máquina. Os trabalhos realizados nesta área não contemplam o desenvolvimento de uma máquina totalmente automatizada, colocando em dúvida a metodologia de controle de umidade dos ambientes de teste. Além disso, não foi encontrado nenhum registro na literatura disponível de protótipos ou equipamentos que utilizem técnicas de Aprendizado de Máquina, tornando esse o grande diferencial da pesquisa realizada nessa dissertação. A proposta tem como objetivo trabalhar em três frentes: avaliação de sensores de baixo custo para aplicações reais, quando foram avaliados diferentes sensores de medição de CO2, verificação da efetividade de um controle preciso para umidade do solo, quando se realizou um estudo de diferentes configurações de controle e, por fim, implementação de algoritmos de Aprendizado de Máquina, os quais têm o objetivo de prever resultados do percentual de biodegradabilidade de materiais poliméricos com menos tempo de teste. Nesse âmbito, esta pesquisa propõe o modelo IoTBIO. O IoTBio foi avaliado através da montagem de um protótipo e simulações. Ao final, foi possível verificar que os resultados do percentual de biodegradabilidade de um equipamento automatizado por sensores melhoraram significadamente, quando comparados com os resultados de teste realizados de forma não automatizada. Foram testados algoritmos de ARIMA e de Redes Neurais Recorrentes, mais especificadamente a arquitetura LSTM. Apenas a Rede Neural Recorrente foi capaz de prever valores com erros aceitáveis, porque foram alcançados erros máximos de 13 % entre valores reais e valores previstos para uma execução de apenas 50 dias reais de teste, reduzindo em quase 1/3 o tempo máximo necessário para execução destes ensaios. O desenvolvimento desse trabalho trouxe como principais contribuições o desenvolvimento de um protótipo automático e inteligente que utiliza algoritmos de Aprendizado de Máquina para predição e redução de custos dos testes de biodegradabilidade, através da diminuição do tempo total de ensaio e aplicação de sensores de baixo valor agregado. Os resultados bem-sucedidos desta dissertação resultaram na construção de três equipamentos para determinação do percentual de biodegradabilidade, os quais estão disponíveis para atendimento da indústria e instituições no Instituto Senai de Inovação em Engenharia de Polímeros em São Leopoldo.

Mostrar el registro completo del ítem