Remoção de cor verdadeira de efluente têxtil real por biossorção: aplicação e modelagem por redes neurais artificiais

Universidade Tecnológica Federal do Paraná (UTFPR) Durante o processo produtivo as industriais têxteis geram efluentes com forte coloração, fato que gera preocupação, tendo em vista que esse alto teor de cor poderá afetar o processo de absorção da luz, interferindo no processo de fotossíntese. O presente trabalho tem como objetivo estudar o processo de biossorção para a remoção de cor de um efluente têxtil real utilizando o bagaço da cana-de-açúcar como material biossorvente e modelar o processo utilizando redes neurais artificiais. Inicialmente o bagaço da cana-de-açúcar passou por um pré-tratamento e em seguida realizou-se um planejamento fatorial 2² com o intuito de avaliar a influência do tratamento químico do biossorvente com ácido sulfúrico sobre o processo de remoção de cor verdadeira por adsorção. Verificou-se que as melhores condições para a remoção de cor verdadeira ocorreram quando o bagaço da cana-de-açúcar havia recebido tratamento químico, para tanto, as demais etapas do trabalho foram realizadas com o bagaço da cana-de-açúcar tratado quimicamente (BCM). Também foram realizados estudos do efeito do pH da solução, tamanho das partículas, quantidade de adsorvente, tempo de mistura e concentração de cor do efluente sobre o processo de adsorção, sendo que as melhores condições encontradas foram em meio ácido, utilizando material de 0,7 mm, uma dosagem de 0,6 g, o qual possibilitou remoções de 100% de cor. Os dados provenientes dos experimentos foram utilizados para alimentar uma rede neural artificial (RNA) com arquitetura multilayer perceptron (MLP), constatou-se que a estrutura de RNA que melhor modelou os dados experimentais foi composta por 8 neurônios na camada oculta, com um MSE equivalente a 0,013. Os dados previstos pela RNA para a remoção de cor se ajustaram aos dados experimentais com um R = 0,94, logo, a RNA pode ser utilizada para realizar previsões para a cor final do efluente. Foram realizados ajustes não lineares aos modelos cinéticos e de isotermas de adsorção. Para caracterização do biossorvente, foram realizadas análises físico-químicas, ponto de carga zero (pHpzc), microscopia eletrônica de varredura (MEV), espectroscopia na região do infravermelho por transformada de Fourier (FTIR) e área superficial. No ensaio em fluxo contínuo em coluna de leito fixo verificou-se que o ponto de ruptura da coluna de adsorção foi obtido aos 15 min de operação em que a coloração final do efluente foi equivalente a 7,37 PtCo.L-1. De forma geral, pode-se dizer que o BCM apresentou-se um método promissor para o tratamento do efluente têxtil. During the textile industrial production processes generate effluents with strong color, fact that causes concern, given that this high level of color might affect the process of light absorption by plants and animals, interfering with photosynthesis process. The present research work aims to study the biosorption process for removing color from a real textile effluent using the bagasse of sugarcane as biosorbent material and modelling the process using artificial neural networks. The sugarcane bagasse undergo with a pre-treatment and then there was made a factorial design 2² in order to evaluate the influence of chemical treatment of the biosorbent with sulfuric acid on the color removal process by adsorption. It was verified that the best conditions for color removal occurred when the sugarcane bagasse was received chemical treatment, previously, the next stages of this work was carried out with sugarcane bagasse treated sugarcane bagasse (BCM). Also, it was studied the effect of pH solution, particle size, adsorbent’s amount, mixing time and color’s concentration from the effluent of the adsorption process. The best conditions were found in the acid medium using material of 0.7 mm, a dosage of 0.6 g, which reached removals of 100% color. The data from the experiments were used to feed an artificial neural network (ANN) with multilayer perceptron (MLP) architecture. It was found that the ANN structure which best modelled the experimental data was composed of 8 neurons in the hidden layer, with the MSE value equivalent to 0.013. The expected ANN data for color removal were fitted to the experimental data with an R = 0.94 value, thus ANN can be used to perform predictions for the final color of the effluent. Nonlinear adjustments were made to kinetic models and adsorption isotherms. To characterize the biosorvent, physical-chemical analyzes, zero load point (pHpzc), scanning electron microscopy (SEM), infrared spectroscopy by Fourier transform (FTIR) and surface area were performed. In the continuous flow test, it was found that the breaking point of the adsorption column was obtained at 15 min of operation, where the final effluent coloration was equivalent to 7.37 PtCo.L-1, compatible with the legislation. In general, it can be concluded that the BCM had presented a promising method for the treatment of the textile effluent.