
Modelo Preditivo para Monitoramento do Processo Fermentativo de Bebidas Alcoólicas baseado em Redes Neurais
By Orlando Pardini GardezaniLength3h 29m
About this audiobook
Você já imaginou como a Inteligência Artificial pode transformar a forma como produzimos bebidas alcoólicas? Este livro revela como as redes neurais artificiais estão revolucionando o monitoramento do processo fermentativo, permitindo prever em tempo real variáveis essenciais da produção, como etanol, substrato e biomassa, sem depender de sensores caros e complexos. De forma clara e envolvente, o autor mostra como ciência de dados e engenharia química se unem para criar sensores virtuais inteligentes, capazes de tornar a fermentação mais precisa, econômica e sustentável. Mais do que uma obra técnica, este livro é um convite a explorar o futuro da indústria de bebidas, onde a automação, a eficiência e a inovação caminham lado a lado. Seja você estudante, pesquisador ou apenas curioso sobre tecnologia e ciência, esta leitura vai inspirar novas formas de pensar a produção e abrir horizontes para o uso da IA nos bioprocessos.
Audiobook details
GenreOther
Length3 hrs 29 mins
Narrated byListen with 1,000+ voices
FormateBook with Audio
Publish dateJan 26, 2026
LanguagePortuguese
Table of contents
1LISTA DE SÍMBOLOS
21 INTRODUÇÃO
32 OBJETIVO
43 REVISÃO BIBLIOGRÁFICA
53.1 O hidromel
Show all chaptersShow less
63.2 Processo produtivo
73.3 Definição e importância histórica do hidromel
83.4 Desafios na produção de hidromel
93.5 Melhorias e Otimização no Processo Fermentativo do Hidromel
103.6 Processo fermentativo
113.6.1 Variáveis de entrada do Processo
123.6.1.1 Temperatura
133.6.1.2 Potencial hidrogeniônico (pH)
143.6.1.3 Concentração de Sólidos Solúveis (°Brix)
153.6.2 Reações químicas da Fermentação
163.6.3 Adição do Extrato de Casca de Jabuticaba
173.7 Modelagem nos Processos Fermentativos
183.8 Redes neurais artificiais
193.8.1 Definição de Sensor Virtual
203.8.2 Estrutura, Funcionamento e Treinamento
213.8.3 Algoritmos de Otimização
223.8.4 Funções de Ativação
233.8.5 Treinamento, Validação, Teste e Simulação
243.8.6 Aplicações de RNAs em Processos Fermentativos
254 MATERIAIS E MÉTODOS
264.1 Descrição Experimental da Fermentação
274.2 Obtenção dos dados experimentais
284.3 Tratamento Estatístico Prévio
294.4 Tratamento Estatístico Posterior
304.5 Obtenção das RNAs
314.5.1 Seleção das variáveis de entrada e saída
324.5.2 Tratamento dos dados experimentais
334.6 Treinamento e validação Externa das RNAs
344.6.1 Configuração e detalhes do treinamento das RNAs
354.6.2 Definição dos parâmetros estatísticos de ajuste da rede
364.6.3 Obtenção da rede
374.6.4 Condições de parada para o treinamento do modelo
384.6.5 Validação externa e análise dos resultados obtidos
395 RESULTADO E DISCUSSÃO
405.1 Análise das Importâncias por Permutação no Modelo de Regressão
415.2 Teste de Normalidade dos dados
425.3 Teste de Linearidade
435.4 Matriz de Correlação
445.5 Análise das redes obtidas e classificação geral
455.6 Seleção da melhor rede com base na estratégia abordada
465.7 Análise das métricas de erro
475.8 Avaliação do processo de treinamento e validação externa
485.9 Análise de resíduos do modelo
495.10 Modelagem final para o modelo gerado
506 CONCLUSÃO E SUGESTÕES