Revista Manutenção

Cientistas utilizam IA para prever regenerabilidade de óleos lubrificantes usados

Cientistas utilizam IA para prever regenerabilidade de óleos lubrificantes usados

Os óleos lubrificantes são fundamentais em muitas máquinas, por isso a regeneração é crucial para melhorar a eficácia e minimizar o impacto ambiental. Neste sentido, uma equipa da FCTUC está a utilizar métodos de IA que permitem prever se um determinado óleo lubrificante pode ser ou não regenerado.

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”, explica 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.