Cleanup of industrial effluents containing heavy metals: a new opportunity of valorising the biomass produced by brewing industry

Heavy metal pollution is a matter of concern in industrialised countries. Contrary to organic pollutants, heavy metals are not metabolically degraded. This fact has two main consequences: its bioremediation requires another strategy and heavy metals can be indefinitely recycled. Yeast cells of Saccharomyces cerevisiae are produced at high amounts as a by-product of brewing industry constituting a cheap raw material. In the present work, the possibility of valorising this type of biomass in the bioremediation of real industrial effluents containing heavy metals is reviewed. Given the autoaggregation capacity (flocculation) of brewing yeast cells, a fast and off-cost yeast separation is achieved after the treatment of metal-laden effluent, which reduces the costs associated with the process. This is a critical issue when we are looking for an effective, eco-friendly, and low-cost technology. The possibility of the bioremediation of industrial effluents linked with the selective recovery of metals, in a strategy of simultaneous minimisation of environmental hazard of industrial wastes with financial benefits from reselling or recycling the metals, is discussed.

Deteção e previsão de falhas em equipamentos de produção industrial

As empresas nacionais deparam-se com a necessidade de responder ao mercado com uma grande variedade de produtos, pequenas séries e prazos de entrega reduzidos. A competitividade das empresas num mercado global depende assim da sua eficiência, da sua flexibilidade, da qualidade dos seus produtos e de custos reduzidos. Para se atingirem estes objetivos é necessário desenvolverem-se estratégias e planos de ação que envolvem os equipamentos produtivos, incluindo: a criação de novos equipamentos complexos e mais fiáveis, alteração dos equipamentos existentes modernizando-os de forma a responderem às necessidades atuais e a aumentar a sua disponibilidade e produtividade; e implementação de políticas de manutenção mais assertiva e focada no objetivo de “zero avarias”, como é o caso da manutenção preditiva. Neste contexto, o objetivo principal deste trabalho consiste na previsão do instante temporal ótimo da manutenção de um equipamento industrial – um refinador da fábrica de Mangualde da empresa Sonae Industria, que se encontra em funcionamento contínuo 24 horas por dia, 365 dias por ano. Para o efeito são utilizadas medidas de sensores que monitorizam continuamente o estado do refinador. A principal operação de manutenção deste equipamento é a substituição de dois discos metálicos do seu principal componente – o desfibrador. Consequentemente, o sensor do refinador analisado com maior detalhe é o sensor que mede a distância entre os dois discos do desfibrador. Os modelos ARIMA consistem numa abordagem estatística avançada para previsão de séries temporais. Baseados na descrição da autocorrelação dos dados, estes modelos descrevem uma série temporal como função dos seus valores passados. Neste trabalho, a metodologia ARIMA é utilizada para determinar um modelo que efetua uma previsão dos valores futuros do sensor que mede a distância entre os dois discos do desfibrador, determinando-se assim o momento ótimo da sua substituição e evitando paragens forçadas de produção por ocorrência de uma falha por desgaste dos discos. Os resultados obtidos neste trabalho constituem uma contribuição científica importante para a área da manutenção preditiva e deteção de falhas em equipamentos industriais.