Centro de Pesquisa para Inovação em Gases de Efeito Estufa ) está desenvolvendo uma solução inovadora para identificar contaminantes na fermentação, com o objetivo de reduzir as perdas de eficiência na produção de etanol. Esta tecnologia possui aplicações significativas em diversas indústrias.
Coordenado pelo professor , da Escola Superior de Agricultura Luiz de Queiroz da Universidade de São Paulo (Esalq-USP), o projeto utiliza espectrometria de massas para criar uma metodologia de detecção de bactérias que contaminam o processo de produção de etanol a partir da cana-de-açúcar. Os pesquisadores empregam o Matrix-Assisted Laser Desorption/Ionization Time-of-Flight (Maldi-Tof), um equipamento amplamente utilizado em diagnósticos microbiológicos na área da saúde.
Labate explica: “Em ambientes hospitalares, o Maldi-Tof identifica rapidamente o microrganismo responsável pela infecção, permitindo que a equipe médica aja de forma ágil. Estamos expandindo essa aplicação para a indústria, desenvolvendo métodos que possibilitem ao Maldi-Tof detectar microrganismos presentes em ambientes industriais com precisão e agilidade”.
A nova metodologia pode diminuir significativamente o tempo de identificação de contaminantes quando comparada às abordagens tradicionais. Isso permitirá que usinas de etanol adotem medidas mais rápidas e assertivas contra a contaminação, além de otimizar o uso de antimicrobianos e insumos. “A contaminação microbiana é uma das principais causas de perda de rendimento e produtividade. Um controle eficiente é crucial para garantir a capacidade industrial máxima”, afirma Labate.
Integração de Inteligência Artificial e Automação
Uma das principais inovações do projeto é a incorporação de inteligência artificial (IA) na análise. Atualmente, o Maldi-Tof é utilizado para a identificação de microrganismos isolados. Os pesquisadores estão desenvolvendo modelos que permitirão a identificação de múltiplos microrganismos em uma única análise, simplificando o processo e reduzindo custos e tempo.
“Esse é o primeiro passo em direção ao desenvolvimento de sistemas automatizados de controle. Futuramente, a IA poderá não apenas detectar contaminantes, mas também sugerir as medidas corretivas mais eficazes. Isso aumentará ainda mais a eficiência e diminuirá o tempo de resposta nas usinas”, comenta Labate.
Além das usinas de etanol, a tecnologia do RCGI possui potencial para aplicação em outros setores, como a produção de alimentos, cervejas e carnes, que também enfrentam desafios relacionados à contaminação microbiana. A mesma tecnologia pode ser adaptada para melhorar o controle de processos, garantindo maior segurança e eficiência produtiva.
O RCGI, um Centro de Pesquisa em Engenharia ( ), é uma parceria entre a FAPESP e a Shell na Escola Politécnica da Universidade de São Paulo (Poli-USP). Este projeto conta com o apoio da Shell Brasil e da Raízen.
* Com informações do RCGI.
Informações da Agência FAPESP