Predição de parâmetros de qualidade de água purificada para uso na indústria farmacêutica
Água purificada, Indústria farmacêutica, Predição, Séries temporais.
A água purificada desempenha um papel crucial na indústria farmacêutica, impactando a qualidade dos processos e produtos finais. Por esse motivo, existem parâmetros rigorosos que devem ser seguidos para atestar a qualidade da água purificada produzida. Dessa forma, monitorar o processo de produção de água purificada é essencial para garantir a manutenção e conformidade dos parâmetros de qualidade e antecipar o comportamento e possíveis desvios de qualidade pode auxiliar de forma significa nessa tarefa. Por isso, este estudo propõe um modelo de aprendizado de máquina baseado em redes LSTM para prever múltiplos passos para a condutividade da água purificada em uma estação de tratamento destinada ao uso industrial farmacêutico. Para o desenvolvimento da pesquisa, foi proposto um pipeline que envolveu as etapas de coleta e compreensão dos dados, análise e pré-processamento, modelagem e avaliação dos resultados. Foram utilizados dados reais de uma estação de tratamento de água de um laboratório farmacêutico, o NUPLAM. Para a predição, as redes LSTM foram escolhidas como base devido a sua eficiência em tarefas preditivas, graças a sua capacidade de memorizar dados de curto e longo prazo. Os resultados obtidos apontaram que a escolha de parâmetros e hiperparâmetros adequados se mostrou essencial para a eficiência do modelo proposto, além disso os modelos baseados em LSTM conseguem prever a condutividade da água, sobretudo para horizontes de predição pequenos, ao passo que perdem precisão à medida em que o horizonte aumenta. Este trabalho contribui para o aprimoramento dos processos de monitoramento e controle em indústrias farmacêuticas, incluindo o NUPLAM, além de contribuir academicamente para o estudo de predição de séries temporais para sistemas de tratamento de água.