Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/86695
Tipo: TCC
Título: Feasibility assessment of data-driven modeling for a wastewater treatment process in Ceará
Autor(es): Neri, Letícia Rodrigues
Orientador: Mulas, Michela
Palavras-chave em português: Tratamento de efluentes;Modelagem de processos;Séries temporais;Análise de dados
Palavras-chave em inglês: Wastewater treatment;Process modelling;Temporal series;Data analysis
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Data do documento: 2025
Citação: NERI, Letícia Rodrigues. Feasibility assessment of data-driven modeling for a wastewater treatment process in Ceará. 2026. 65 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Computação) — Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2025.
Resumo: A otimização da operação de Estações de Tratamento de Efluentes (ETE) tornou-se uma demanda crescente diante do aumento das exigências ambientais, da variabilidade de cargas industriais e do endurecimento regulatório, especialmente após a promulgação do Novo Marco Legal do Saneamento no Brasil (Lei nº 14.026/2020). Dentre as tecnologias disponíveis, os processos de lodos ativados destacam-se pela eficiência na remoção de matéria orgânica e nutrientes, mas apresentam elevada complexidade dinâmica, o que dificulta o monitoramento e o controle em tempo real. Como resposta a esses desafios, este estudo sugere uma estrutura de modelagem orientada por dados para uma ETE industrial operando com processo de lodos ativados, com o objetivo de prever indicadores-chave de desempenho, como a concentração de oxigênio dissolvido e de sulfato. A pesquisa utiliza dados operacionais reais e implementa um conjunto de técnicas de previsão de séries temporais, incluindo modelos ARIMA, SARIMAX e regressões multivariadas, integradas a estratégias de validação cruzada adequadas à estrutura temporal dos dados. Um aspecto relevante deste trabalho é a consideração criteriosa das limitações associadas à qualidade dos dados, decorrentes de inconsistências e lacunas naturalmente associadas ao processo decisório da equipe operacional. Em vez de excluir essas dificuldades, o estudo as incorpora como características inerentes ao contexto industrial real e avalia seu impacto sobre o desempenho dos modelos. Os resultados demonstram a viabilidade da aplicação de modelos orientados por dados para ampliar a observabilidade do processo e subsidiar a tomada de decisão operacional em ETEs, ao mesmo tempo em que ressaltam a importância de investimentos em governança de dados, capacitação dos operadores e no desenvolvimento gradual de uma cultura operacional orientada por dados. O estudo é concluído com recomendações voltadas ao aprimoramento das práticas de gestão da informação e ao avanço da maturidade analítica das operações de tratamento de efluentes, em consonância com as exigências regulatórias nacionais e com as melhores práticas internacionais.
Abstract: The optimization of wastewater treatment plant (WWTP) operations is increasingly essential in the context of growing environmental demands, industrial variability, and regulatory tightening, particularly following the implementation of Brazil’s New Sanitation Legal Framework (Law No. 14,026/2020). Among the available treatment technologies, activated sludge processes stand out for their operational flexibility and efficiency in removing organic matter and nutrients. However, the inherent complexity and dynamic behavior of these systems pose significant challenges for real-time monitoring and control. In response to these challenges, this study proposes a data-driven modeling framework for an industrial activated sludge WWTP, aimed at predicting key performance indicators such as dissolved oxygen and sulfate concentration. The research utilizes real operational data and implements a suite of time series forecasting techniques, including ARIMA, SARIMAX, and multivariate regression models, combined with cross-validation strategies suitable for temporal data structures. A notable aspect of this study is the careful consideration of data quality limitations, which emerged due to inconsistencies and missing values naturally associated with the operational team’s decision-making. Rather than excluding these challenges, the study incorporates them as intrinsic to real-world industrial contexts and evaluates their impact on model performance. The results demonstrate the feasibility of applying data-driven models to enhance process observability and support operational decision-making in WWTPs, while also underscoring the importance of investing in data governance, operator training, and the gradual development of a data-driven operational culture. The study concludes with recommendations for improving data management practices and advancing the analytical maturity of wastewater treatment operations in line with national regulatory requirements and international best practices.
URI: http://repositorio.ufc.br/handle/riufc/86695
Currículo Lattes do(s) Autor(es): http://lattes.cnpq.br/6108285346425493
Currículo Lattes do Orientador: http://lattes.cnpq.br/0835408898076875
Tipo de Acesso: Acesso Aberto
Aparece nas coleções:ENGENHARIA DE COMPUTAÇÃO - Monografias

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2025_tcc_lrneri.pdf3,09 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.