Um estudo desenvolvido por pesquisadores do Instituto de Tecnologia Canavieira (ITC) e da Universidade Estadual de Campinas (Unicamp), e publicado recentemente na revista científica Systems Science & Control Engineering, demonstra que o uso de inteligência artificial pode transformar o controle da moagem de cana-de-açúcar, permitindo prever, em tempo real, a eficiência da extração de sacarose, um dos principais indicadores de desempenho das usinas.
A pesquisa utilizou modelos de aprendizado de máquina combinados com dados industriais de alta resolução, coletados ao longo de toda uma safra, integrando informações de sensores em linha e do sistema supervisório da planta. O objetivo foi entender e antecipar o comportamento do processo de moagem, etapa que concentra grande parte do consumo energético da indústria sucroenergética. O ITC já tem projetos em andamento em duas usinas do estado de São Paulo que utilizam os modelos descritos.
Foram testados dois modelos de inteligência artificial: LSTM (Long Short-Term Memory), capaz de capturar padrões ao longo do tempo e XGBoost, especializado em identificar relações complexas entre variáveis, ambos apresentaram alto desempenho na previsão da eficiência de extração de sacarose, com coeficientes de determinação superiores a 0,79. Os resultados indicam que é possível desenvolver um “sensor virtual” (soft sensor), capaz de estimar a eficiência do processo sem a necessidade de medições diretas contínuas.
Qualidade da cana é o principal fator
A análise revelou que a eficiência da moagem está fortemente ligada às características da matéria-prima. A chamada moabilidade da cana (relação entre sacarose e fibra) foi identificada como a variável mais relevante nos dois modelos.
Outros fatores importantes incluem: teor de fibra e qualidade do caldo; condições mecânicas da moagem (como torque e rotação dos rolos) e estabilidade operacional da planta.
Já variáveis relacionadas à embebição (prática usada para aumentar a recuperação de sacarose) tiveram papel secundário, atuando mais como ajuste fino do processo.
Um dos diferenciais do estudo foi a integração de dados de sensores de infravermelho próximo (NIR), que analisam a composição da cana e do bagaço em tempo real e sistema supervisório industrial (SCADA), que registra variáveis operacionais da usina.
Ao todo, foram analisadas 98 variáveis com resolução de um minuto, formando uma base robusta e representativa das condições reais de operação.
Caminho para o controle avançado
Os resultados abrem caminho para a implementação de sistemas de controle avançado na indústria sucroenergética, que permite ajustar automaticamente variáveis do processo para maximizar a eficiência.
Segundo a publicação, o uso combinado de diferentes modelos de inteligência artificial pode ampliar ainda mais o desempenho, unindo a capacidade de interpretar dados estruturados com a leitura de dinâmicas temporais.
A adoção dessas tecnologias pode trazer ganhos significativos para o setor, incluindo: aumento da eficiência de extração de açúcar; redução do consumo de água e energia; maior estabilidade operacional e suporte à tomada de decisão em tempo real
Além disso, o estudo reforça o papel da digitalização e da agricultura/indústria 4.0 como vetores de inovação no agronegócio brasileiro.
