IoTBio: uma proposta de metodologia para ensaio de biodegradabilidade utilizando técnicas de IoT e aprendizado de máquina

Estima-se que ate 2050 serao produzidos mais de 500 milhoes de toneladas de materiais polimericos e, se nenhuma acao for tomada, os oceanos terao mais peso em polimeros do que peixes. E com base nessas afirmacoes que surgem as motivacoes para realizacao desse trabalho. Uma solucao para reducao do acumulo desses polimeros e a utilizacao de materiais biodegradaveis, os quais se degradam junto ao meio ambiente. Para determinar o percentual de biodegradabilidade desses materiais, e necessaria a utilizacao de condicoes padronizadas, atraves da aplicacao de normas e testes de laboratorio. Porem, esses testes sao longos ja que o periodo de tempo para sua realizacao varia de 90 a 180 dias. Durante esse tempo e necessario manter um controle preciso sobre as variaveis envolvidas no processo, necessitando de muito envolvimento dos operadores. Sendo assim, o objetivo desse trabalho e a definicao de um modelo de equipamento automatizado para determinacao do percentual de biodegradabilidade de materiais, utilizando tecnicas de Internet das coisas e Aprendizado de maquina. Os trabalhos realizados nesta area nao contemplam o desenvolvimento de uma maquina totalmente automatizada, colocando em duvida a metodologia de controle de umidade dos ambientes de teste. Alem disso, nao foi encontrado nenhum registro na literatura disponivel de prototipos ou equipamentos que utilizem tecnicas de Aprendizado de Maquina, tornando esse o grande diferencial da pesquisa realizada nessa dissertacao. A proposta tem como objetivo trabalhar em tres frentes: avaliacao de sensores de baixo custo para aplicacoes reais, quando foram avaliados diferentes sensores de medicao de CO2, verificacao da efetividade de um controle preciso para umidade do solo, quando se realizou um estudo de diferentes configuracoes de controle e, por fim, implementacao de algoritmos de Aprendizado de Maquina, os quais tem o objetivo de prever resultados do percentual de biodegradabilidade de materiais polimericos com menos tempo de teste. Nesse âmbito, esta pesquisa propoe o modelo IoTBIO. O IoTBio foi avaliado atraves da montagem de um prototipo e simulacoes. Ao final, foi possivel verificar que os resultados do percentual de biodegradabilidade de um equipamento automatizado por sensores melhoraram significadamente, quando comparados com os resultados de teste realizados de forma nao automatizada. Foram testados algoritmos de ARIMA e de Redes Neurais Recorrentes, mais especificadamente a arquitetura LSTM. Apenas a Rede Neural Recorrente foi capaz de prever valores com erros aceitaveis, porque foram alcancados erros maximos de 13 % entre valores reais e valores previstos para uma execucao de apenas 50 dias reais de teste, reduzindo em quase 1/3 o tempo maximo necessario para execucao destes ensaios. O desenvolvimento desse trabalho trouxe como principais contribuicoes o desenvolvimento de um prototipo automatico e inteligente que utiliza algoritmos de Aprendizado de Maquina para predicao e reducao de custos dos testes de biodegradabilidade, atraves da diminuicao do tempo total de ensaio e aplicacao de sensores de baixo valor agregado. Os resultados bem-sucedidos desta dissertacao resultaram na construcao de tres equipamentos para determinacao do percentual de biodegradabilidade, os quais estao disponiveis para atendimento da industria e instituicoes no Instituto Senai de Inovacao em Engenharia de Polimeros em Sao Leopoldo.