Monitoreo de las emisiones de gases de efecto invernadero en la industria del cemento a través de sensores: una revisión
DOI:
https://doi.org/10.47456/bjpe.v9i5.42697Palabras clave:
economía circular, industria cementera, emisiones, sensoresResumen
La importancia de la economía circular en la industria cementera ha aumentado debido al cambio climático y a la escasez de recursos naturales. Esta industria es responsable de una parte significativa de las emisiones de dióxido de carbono, siendo el tercer emisor más grande a nivel mundial. La adopción de tecnologías limpias y sensores en la industria cementera es crucial para reducir las emisiones de gases de efecto invernadero, permitiendo la planificación de la producción, la reducción de pérdidas y la mejora de la calidad del producto al proporcionar estimaciones precisas de variables difíciles de medir directamente. Esto capacita a las empresas para tomar decisiones informadas y maximizar la eficiencia operativa. La metodología utilizada en este estudio fue una revisión de la literatura que abordó la aplicación de sensores en la industria cementera, centrándose en la monitorización de gases de efecto invernadero y en las prácticas relacionadas con la economía circular y la sostenibilidad. Se concluyó que la implementación de sensores en la industria cementera es necesario para transformar el proceso de producción, promoviendo la sostenibilidad y la eficiencia operativa, y contribuyendo a la preservación de recursos y la descarbonización.
Descargas
Citas
ABCP. Associação Brasileira de Cimento Portland. (2020). Panorama do coprocessamento no Brasil. Retirado de https://coprocessamento.org.br/wp-content/uploads/2020/10/Panoramaco_processamento_2020_bx.pdf
ABRELPE. (2022). Panorama dos Resíduos Sólidos no Brasil 2022. São Paulo: ABRELPE.
Bauer, L.A.F. (2005). Materiais de construção (5ª ed.). Rio de Janeiro: Livros Técnicos e Científicos.
Blomsma, F., & Brennan, G. (2017). The Emergence of Circular Economy: A New Framing Around Prolonging Resource Productivity. Journal of Industrial Ecology, 21(3), 603-614. https://doi.org/10.1111/jiec.12603 DOI: https://doi.org/10.1111/jiec.12603
Cantini, A., Leoni, L., De Carlo, F., Salvio, M., Martini, C. & Martini, F. (2021). Technological Energy Efficiency Improvements in Cement Industries. Sustainability - 13, 3810. https://doi.org/10.3390/ su13073810 DOI: https://doi.org/10.3390/su13073810
ENGETOP. (2018). Uso da energia em indústrias cimenteiras. Recuperado de https://engetop.org/uso-da-energia-em-industrias-cimenteiras/
IPCC. (2022). Climate Change 2022: Impacts, Adaptation, and Vulnerability. Contribution of Working Group II to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [H.-O. Pörtner, D.C. Roberts, M. Tignor, E.S. Poloczanska, K. Mintenbeck, A. Alegría, M. Craig, S. Langsdorf, S. Löschke, V. Möller, A. Okem, B. Rama (eds.)]. Cambridge University Press. doi:10.1017/9781009325844 DOI: https://doi.org/10.1017/9781009325844
Jadoon, U., Ahmad, I., Hussain, A., & Menezes, B. (2020). Development of Virtual Sensors for Prediction of Flue Gas Composition of a Cement Plant using Ensemble Learning Technique.
Jadoon, U. K., Ahmad, I., Noor, T., Kano, M., Caliskan, H., & Ahsan, M. (2022). An intelligent sensing system for estimation of efficiency of carbon-capturing unit in a cement plant. Journal of Cleaner Production, 377, 134359. https://doi.org/10.1016/j.jclepro.2022.134359 DOI: https://doi.org/10.1016/j.jclepro.2022.134359
Jiang, Y., Yin, S., Dong, J., & Kaynak, O. (2021). A Review on Soft Sensors for Monitoring, Control, and Optimization of Industrial Processes. IEEE Sensors Journal, 21(11), 12868–12881. https://doi.org/10.1109/JSEN.2020.3033153 DOI: https://doi.org/10.1109/JSEN.2020.3033153
Perera, Y. S., Ratnaweera, D. A. A. C., Dasanayaka, C. H., & Abeykoon, C. (2023). The role of artificial intelligence-driven soft sensors in advanced sustainable process industries: A critical review. Engineering Applications of Artificial Intelligence, 121, 105988. https://doi.org/10.1016/j.engappai.2023.105988 DOI: https://doi.org/10.1016/j.engappai.2023.105988
Queiroz Filho, A. de A., & Amorim Neto, A. A. (2018). Sumário Brasileiro Mineral 2018: Cimento [PDF file]. ANM/PE gov. Recuperado de https://www.gov.br/anm/pt-br/centrais-de-conteudo/publicacoes/serie-estatisticas-e-economia-mineral/sumario-mineral/pasta-sumario-brasileiro-mineral-2018/cimento
Rocha, P., & Cardeira, A. (2021). Transição Energética e Descarbonização: Eficiência, competitividade, inovação na Indústria de Cimento Nacional e Políticas Públicas de apoio à sua transformação.
SNIC. Sindicato Nacional da Indústria do Cimento. (2019). Roadmap Tecnológico do Cimento: Potencial de Redução das Emissões de Carbono da Indústria do Cimento Brasileira até 2050. Rio de Janeiro.
Stöhr, M., & Zielke, T. (2023). Machine Learning for Soft Sensors and an Application in Cement Production. Em K. Von Leipzig, N. Sacks, & M. Mc Clelland (Orgs.), Smart, Sustainable Manufacturing in an Ever-Changing World (p. 627–638). Springer International Publishing. https://doi.org/10.1007/978-3-031-15602-1_46 DOI: https://doi.org/10.1007/978-3-031-15602-1_46
Sun, C., Zhang, Y., Huang, G., Liu, L., & Hao, X. (2022). A soft sensor model based on long&short-term memory dual pathways convolutional gated recurrent unit network for predicting cement specific surface area. ISA Transactions, 130, 293–305. https://doi.org/10.1016/j.isatra.2022.03.013 DOI: https://doi.org/10.1016/j.isatra.2022.03.013
Teplická, K., & Sedláková, Z. (2023). Avaliação da qualidade do processo produtivo de cimento em termos de aumento do desempenho da empresa. Processos, 11(3), 791. MDPI AG. Retirado de http://dx.doi.org/10.3390/pr11030791 DOI: https://doi.org/10.3390/pr11030791
Tracy, B., & Novak, A. (2023). Cement industry accounts for about 8% of CO2 emissions. One startup seeks to change that. CBS News. Recuperado de https://www.cbsnews.com/news/cement-industry-co2-emissions-climate-change-brimstone/
Velenturf, A. P. M., & Purnell, P. (2021). Principles for a sustainable circular economy. Sustainable Production and Consumption, 27, 1437–1457. https://doi.org/10.1016/j.spc.2021.02.018 DOI: https://doi.org/10.1016/j.spc.2021.02.018
Votorantim Cimentos. (2021). Relatório Integrado 2021. Recuperado de https://www.votorantimcimentos.com.br/relatorio-integrado-2021
Zhao, Y., Ding, B., Zhang, Y., Yang, L., & Hao, X. (2021). Online cement clinker quality monitoring: A soft sensor model based on multivariate time series analysis and CNN. ISA Transactions, 117, 180–195. https://doi.org/10.1016/j.isatra.2021.01.058 DOI: https://doi.org/10.1016/j.isatra.2021.01.058
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Brazilian Journal of Production Engineering
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Atribuição-NãoComercial-CompartilhaIgual
CC BY
Esta licença permite que outros remixem, adaptem e desenvolvam seu trabalho não comercialmente, contanto que eles creditem a você e licenciem suas novas criações sob os mesmos termos.
