Estudo de caso da influência da altura da camada no processo de secagem de malte

Abstract

O setor cervejeiro desempenha um papel significativo na economia brasileira, representando aproximadamente 15% da indústria de transformação do país. O malte, principal matéria-prima da cerveja, passa por três etapas de processo essenciais: maceração, germinação e secagem. Sendo a secagem a etapa de maior oportunidade no assunto de produtividade, com a padronização e otimização da altura da camada de malte carregada para a secadora, a busca por melhorias de processo que levem a economia de tempo e recursos é um campo de grande interesse econômico. Nesse contexto, foi realizado um estudo de caso em uma maltaria do estado do RS, com capacidade de produção de aproximadamente 130.000 toneladas de malte por ano. Através do desenvolvimento de uma ferramenta de Machine Learning, foi possível realizar uma predição do tempo de secagem de acordo com os dados alimentados e acumulados nas etapas anteriores. Assim, é possível determinar uma altura de camada de carregamento ideal para que o processo seja o mais otimizado possível, sem impactar de forma negativa a qualidade do malte. Este é apenas um estudo inicial que busca um primeiro passo para o uso de inteligência artificial a favor de melhorias na indústria, sendo trabalhado para que o método seja desenvolvido e o estudo evolua para que os resultados possam ser ainda mais impactantes e certeiros, tanto no processo de secagem, quanto todos os outros que existem dentro da maltaria.