Avaliação de modelos de aprendizagem de máquinas para a otimização de produção de enzimas

Abstract

Resumo: A produção de enzimas em larga escala é uma atividade de grande importância comercial e para os objetivos de sustentabilidade de diversos ramos da industria. Entretanto, a otimização dos processos envolvidos na fermentação para produção destas enzimas é até hoje uma atividade extretamente empírica, baseada na experiência das pessoas que trabalham nesse tipo de processo industrial. Por essa razão, o presente trabalho utilizou a abordagem de aprendizado de máquinas para a identificação dos principais parâmetros que influenciam a produção de um determinado tipo de enzimas em escala industrial. Com a avaliação estatística por Pearson e otimização de um modelo de Random forest, foram identificados dois parâmetros como essenciais para obtenção de uma boa produtividade: o tempo de fermentação, e a dosagem do quimico "B". Assim como dois parâmetros que prejudicam a produção desta enzima. O peso total da batelada de produção e a potência de agitação.

Abstract: Large-scale enzyme production is an activity of great commercial importance and for the purposes of sustainability of various branches of industry. However, the optimization of the processes involved in Fermentation for the production of these enzymes is still an extremely empirical activity, based on the experience of people working in this type of industrial process. For this reason, the present work used the machine learning approach to identifying the main parameters that influence the production of a particular type of enzyme on an industrial scale. With statistical evaluation by Pearson and optimization of a Random forest model, two parameters were identified as essential for obtaining good productivity: the fermentation time, and the dosage of the chemical "B". Just like two Parameters that impair the production of this enzyme: The total weight of the production batch and the potency of agitation.