Geração de Dados Experimentais para Treinamento de Modelos de Inteligência Artificial Aplicados ao Monitoramento e Controle de Torres de Resfriamento

Descrição

O presente projeto tem como objetivo desenvolver uma metodologia experimental para obtenção de dados operacionais e físico-químicos em uma unidade laboratorial de torre de resfriamento, visando a construção de uma base de dados estruturada para suporte ao desenvolvimento de modelos de Inteligência Artificial aplicados ao monitoramento e controle desses sistemas. A unidade experimental será instrumentada com sensores capazes de monitorar continuamente variáveis relevantes da qualidade da água, incluindo pH, condutividade elétrica, dureza, turbidez, cloretos, potencial de oxirredução (ORP) e demanda química de oxigênio (DQO). Além disso, serão avaliados indicadores operacionais relacionados à corrosão, incrustação e formação de biofilmes. A estratégia experimental será baseada em técnicas de identificação de processos, nas quais perturbações controladas serão aplicadas às variáveis manipuladas do sistema, incluindo dosagem de produtos químicos e operações de purga e reposição de água. O comportamento dinâmico das variáveis de resposta será registrado ao longo do tempo, permitindo a obtenção de informações sobre as relações entre entradas e saídas do processo. Os dados obtidos serão organizados e armazenados em plataforma computacional apropriada, possibilitando análises estatísticas, identificação de correlações e futura aplicação em algoritmos de aprendizado de máquina. Espera-se que a base de dados gerada contribua para o avanço de estratégias inteligentes de monitoramento e tomada de decisão em sistemas de resfriamento industrial, promovendo maior eficiência operacional, redução do consumo de água e otimização do uso de insumos químicos.