
Modelo Preditivo para Monitoramento do Processo Fermentativo de Bebidas Alcoólicas baseado em Redes Neurais
De Orlando Pardini GardezaniDuração3h 29m
Sobre este audiolivro
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.
Detalhes do audiolivro
GêneroOther
Duração3 h 29 min
Narrado porOuça com mais de 1.000 vozes
FormatoeBook com áudio
Data de publicação26 de jan. de 2026
IdiomaPortuguês
Sumário
1LISTA DE SÍMBOLOS
21 INTRODUÇÃO
32 OBJETIVO
43 REVISÃO BIBLIOGRÁFICA
53.1 O hidromel
Mostrar todos os capítulosVer menos
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