AgenAI-ProcessAg: Modelos inteligentes baseados em IA para monitoramento de processos industriais agroalimentares com dados espectrais em tempo real

• Processo: 25/20596-2
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de fevereiro de 2026
• Data de Término da vigência: 31 de janeiro de 2028
• Área do conhecimento: Interdisciplinar
• Pesquisador responsável: Wokimar Teixeira Garcia
• Beneficiário: Wokimar Teixeira Garcia
• Pesquisadores principais: Felipe de Lima Rosa ; Isabela Ordine Pires da Silva Simões ; Jaime Finguerut
• Assunto(s): Aprendizado computacional Inteligência artificial Indústria 4.0
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Inteligência Artificial | Lavagem de cristais de açúcar | Monitoramento em tempo real | processos agroindustriais | Sensoriamento NIR | Industria 4.0

Resumo

O projeto AgenAI-ProcessAg propõe o desenvolvimento e validação de um sistema inteligente para monitoramento e otimização em tempo real de processos industriais agroalimentares, com aplicação inicial no setor sucroenergético. A iniciativa será conduzida pela empresa brasileira ITC - Instituto de Tecnologia Canavieira, responsável pela seleção, instalação e calibração de sensores NIR em pontos críticos do processo (xarope na entrada do cozedor e melaço na saída da cristalização), e pela empresa canadense FactR Limited, que adaptará sua plataforma digital DataPeak para ingestão e análise contínua dos dados espectrais e operacionais.As campanhas de calibração serão conduzidas em condições operacionais variadas, assegurando modelos preditivos robustos frente a diferentes qualidades de cana, estratégias de processamento e tipos de açúcar produzidos (VHP, VVHP e mercado interno). Os dados espectrais e laboratoriais obtidos serão integrados à plataforma digital DataPeak, que permitirá o desenvolvimento de algoritmos de aprendizado de máquina para estimar indicadores críticos, como pureza das correntes, balanço de sacarose e grau de esgotamento do melaço. Com base nesses modelos, será possível gerar índices de performance do processo e recomendações automáticas de operação, caracterizando um "Operador Virtual Inteligente" capaz de aprender continuamente com os dados, apoiar decisões em tempo real e reduzir perdas de sacarose. A integração entre sensoriamento NIR, inteligência artificial e plataforma digital no-code permitirá a criação de um ambiente de controle preditivo, com impacto direto na eficiência industrial, sustentabilidade e competitividade das usinas. O projeto encontra-se entre TRL 4 e TRL 6, abrangendo instalação e calibração de sensores, desenvolvimento de modelos preditivos, integração à plataforma digital, validação em ambiente operacional e avaliação de desempenho. A solução resultante terá alto potencial de replicação em outros processos agroindustriais contínuos, consolidando-se como inovação inédita em monitoramento espectral online e controle inteligente no setor. (AU)