
handle: 10316/116444
A indústria do vidro, especialmente no setor de produção de vidro de embalagem, enfrenta desafios ambientais significativos, como a emissão de gases de efeito estufa, o elevado consumo energético e a poluição dos recursos hídricos. A água é um recurso essencial neste tipo de indústria, sendo utilizada em diversos processos de produção. A sua qualidade e pureza são cruciais para garantir os altos padrões de segurança alimentar exigidos por regulamentações internacionais e autoridades de saúde.A qualidade da água é um indicador fundamental da saúde pública, uma vez que pode potencializar diversas doenças e epidemias. Na indústria do vidro, a água é um recurso crucial, utilizado em vários processos de produção, nos quais a sua pureza deve ser rigorosamente controlada para garantir a segurança alimentar e a qualidade do produto final. Com o crescente foco nas questões ambientais e na sustentabilidade industrial, surgiram na literatura vários estudos propondo alternativas mais ecológicas, tais como tecnologias de tratamento de água baseadas em processos biológicos e físico-químicos avançados. Essas alternativas incluem o uso de microalgas para biorremediação e a aplicação de sistemas de filtração mais eficientes. No entanto, muitas dessas alternativas são difíceis de implementar ou produzem resultados pouco satisfatórios. Neste sentido, é essencial desenvolver métodos de monitorização da qualidade da água rápidos e confiáveis para garantir a eficiência e a sustentabilidade da produção vidreira.Este trabalho foi desenvolvido em contexto industrial na empresa vidreira GalloVidro, tendo como objetivo fornecer ferramentas avançadas de análise de dados e implementar metodologias robustas de monitorização baseadas nos dados, especialmente focadas na qualidade da água numa instalação de produção de vidro. Foram aplicadas técnicas de clustering como a Análise Hierárquica de Agrupamentos e o método K-médias, técnicas de redução de dimensionalidade como a Análise de Componentes Principais, e técnicas de análise temporal como as Séries Temporais. Estas técnicas permitiram identificar padrões e comportamentos complexos dos parâmetros de qualidade da água, oferecendo uma visão mais aprofundada e precisa das variáveis que influenciam a sua pureza e segurança. Adicionalmente, com o objetivo de melhorar o sistema de tratamento, manutenção e prevenção de Legionella na empresa, foi realizada uma Análise de Risco para a Legionella, juntamente com o desenvolvimento de um Plano de Prevenção e Controlo, com base nas legislações portuguesa e espanhola. Foi possível, fornecer uma compreensão mais detalhada da influência de cada parâmetro e do seu comportamento na ocorrência de Legionella, resultando numa Avaliação de Risco mais fundamentada e num Plano de Prevenção e Controlo adequado às necessidades específicas da empresa.
The glass industry, especially in the packaging sector, faces significant environmental challenges such as greenhouse gas emissions, high energy consumption, and water resource pollution. Water is a crucial resource in this industry, used in various production processes where its quality and purity are essential to meet stringent food safety standards required by international regulations and health authorities.Water quality is a key indicator of public health, as it can exacerbate various diseases and epidemics. In the glass industry, water is crucial for several production processes, where its purity must be rigorously controlled to ensure the quality of the final product and the food safety. With increasing focus on environmental issues and industrial sustainability, numerous studies in the literature have proposed more ecological alternatives, including water treatment technologies based on advanced biological and physicochemical processes. These alternatives include the use of microalgae for bioremediation and the application of more efficient filtration systems. However, many of these alternatives are still challenging to implement or yield unsatisfactory results. In this context, developing rapid and reliable methods for monitoring water quality is crucial to ensure the efficiency and sustainability of glass production. This work was conducted in an industrial context at GalloVidro, aiming to provide advanced data analysis tools and implement robust monitoring methodologies focused specifically on water quality in a glass production facility.Cluster analysis techniques such as Hierarchical Cluster Analysis and K-means clustering, dimensionality reduction techniques like Principal Component Analysis, and temporal analysis techniques such as Time Series Analysis were applied. These methodologies allowed for the identification of complex patterns and behaviors in water quality parameters, providing a deeper and more accurate understanding of the variables influencing its purity and safety.Additionally, to enhance the Legionella treatment, maintenance, and prevention system by the company, a Risk Analysis for Legionella was conducted, along with the development of a Prevention and Control Plan based on Portuguese and Spanish legislation. This approach provided a more detailed understanding of the influence of each parameter on Legionella occurrence, resulting in a more informed Risk Assessment and a tailored Prevention and Control Plan meeting the specific needs of the company.
Dissertação de Mestrado em Química apresentada à Faculdade de Ciências e Tecnologia
aprendizagem computacional, environmental issues, risk assessment, problemáticas ambientais, indústria do vidro, glass industry, qualidade da água, avaliação de risco, water quality, computational learning
aprendizagem computacional, environmental issues, risk assessment, problemáticas ambientais, indústria do vidro, glass industry, qualidade da água, avaliação de risco, water quality, computational learning
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 0 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
