Centro de Pesquisa para Inovação em Gases de Efeito Estufa (RCGI) 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 Carlos Alberto Labate, 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 (CPE), 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
