Pesquisadores do Laboratório Nacional de Idaho (INL) desenvolveram um modelo computacional para auxiliar na conversão de biomassa, como serragem, resíduos agrícolas e resíduos sólidos urbanos, em combustíveis e produtos químicos. Para enfrentar o problema de bloqueios mecânicos durante o processamento de partículas de biomassa, o novo modelo integra dados de equipamentos de múltiplos setores, oferecendo soluções eficientes para o processamento de culturas energéticas.

A equipe concentrou-se no palhiço de milho, transformando-o em material uniforme por meio de técnicas especiais de corte, e utilizou o método de elementos discretos para modelar e analisar a evolução do tamanho das partículas. Os experimentos indicaram que o comprimento do talo tem impacto limitado sobre o tamanho das partículas, enquanto a dimensão da seção transversal se correlaciona positivamente com o tamanho final dos grânulos. Baseando-se em um estudo publicado em abril de 2022 na Biosystems Engineering sobre comportamento elasto-plástico de flexão, a equipe elucidou o mecanismo de formação das partículas em um artigo de dezembro de 2023 e confirmou, em maio de 2024 na Powder Technology, que o modelo computacional prevê com precisão os parâmetros ideais dos equipamentos, aumentando significativamente a eficiência do controle do tamanho das partículas. “Ao medir características biomecânicas e gerar dados de referência, construímos um modelo de aprendizado de máquina verificável,” afirmou o professor e cientista sênior Xia Yidong. “Isso fornece base científica para prever rapidamente a distribuição do tamanho das partículas.”

O modelo introduz de forma inovadora o teor de umidade como parâmetro crítico e, combinado com operadores de rede neural profunda, alcança previsões de “extrema precisão” no processo de evolução das partículas. O estudo revelou que o tamanho da tela de saída e o teor de água do material influenciam o processamento muito mais do que a rotação e potência do equipamento. Atualmente, a Unidade de Desenvolvimento de Processos (PDU) do INL apoia parceiros industriais na testagem de processos de moagem e secagem. “Nosso objetivo é compartilhar conhecimento especializado e infraestrutura para ajudar empresas a otimizar seus fluxos de operação,” enfatizou o cientista sênior em bioenergia Damon Hartley. “Ter acesso a dados detalhados antes dos testes em escala pode aumentar significativamente a taxa de sucesso dos projetos.”