Identificação das variáveis relacionadas a perda de teor alcoólico em uma Usina de Cana-de-Açúcar

Abstract

Resumo: O processo de produção de etanol utilizando cana-de-açúcar como matéria-prima conta com diferentes etapas, tais como moagem da cana, tratamento do caldo, tratamento ácido do levedo, fermentação e destilação. Embora diferentes variáveis como contaminação bacteriana, floculação e viabilidade sejam conhecidas como prejudiciais à resposta de teor alcoólico, durante o processo fermentativo, são poucos os estudos relativos à associação dessas variáveis particularmente utilizando observações de uma usina de cana. As atuais ferramentas de controle de qualidade são incapazes de enfrentar a complexidade e as relações intrínsecas de variáveis deste processo, provendo valor limitado para tomada de decisão durante a safra. Assim sendo, o presente trabalho se propõe a utilizar regressão linear multivariada e árvores de regressão como abordagens para identificação das variáveis que influenciem negativamente a produção de teor alcoólico como primeiro passo para uma ferramenta que auxilie a tomada de decisão do setor.

Abstract: The process of producing ethanol from sugarcane has different stages, from sugar cane milling, broth treatment, yeast acid treatment, fermentation and distillation. Although different variables such as bacterial contamination, flocculation and viability are known to be detrimental to the alcoholic response, during the fermentation process, studies related to the association of the different variables and this response using observations from a sugarcane mill are unknown in the literature. Current quality control tools are unable to cope with the complexity and intrinsic relationships of variables in this process, providing limited value for decision making during the harvest. Thus, the present work proposes to use multivariate linear regression and partition trees as approaches to identify the variables that negatively influence the production of alcohol content as a first step to a tool that assists decision making in the sector