O uso de inteligências artificiais no tratamento de água: revisão sistemática

Autores

DOI:

https://doi.org/10.59464/2359-4632.2025.3249

Palavras-chave:

Gerenciamento hídrico, Otimização de processos, Controle e monitoramento, Redes neurais, Inteligência artificial

Resumo

O uso de Inteligência Artificial (IA) no tratamento de água tem se mostrado promissor para otimização, monitoramento e controle dos processos de potabilização. Objetivo: Revisar o cenário atual da aplicação de IA no tratamento de água, identificando desafios e perspectivas futuras. Método: Realizou-se uma revisão integrativa, entre julho e dezembro de 2023, nas bases de dados Science Direct e CAPES, utilizando os descritores “Inteligência Artificial” e “Tratamento de água”. Resultados: De 390 artigos inicialmente selecionados, 12 atenderam aos critérios de inclusão, abordando a relação entre IA e processos de tratamento de água. Os estudos indicam que técnicas como redes neurais artificiais, lógica fuzzy e algoritmos de aprendizado de máquina são as mais aplicadas, contribuindo para maior eficiência operacional, previsão de falhas, controle de dosagem de insumos e monitoramento em tempo real. Os principais desafios identificados incluem a disponibilidade de dados confiáveis, padronização metodológica e validação em escala real. Entre os resultados observados, destaca-se a capacidade da IA de reduzir custos, aumentar a confiabilidade dos sistemas e apoiar decisões estratégicas na gestão da água. A análise evidencia que a aplicação de IA pode otimizar processos, melhorar o controle da qualidade da água e favorecer a sustentabilidade hídrica, desde que modelos robustos e adaptáveis sejam empregados. Conclusão: A revisão ressalta a importância de avançar em pesquisas aplicadas, validando tecnologias em contextos reais, e aponta a IA como uma estratégia relevante para segurança hídrica e eficiência operacional nos sistemas de tratamento de água.

Biografia do Autor

Luan Vitor Pereira Trecossi, Universidade de Ribeirão Preto (UNAERP)

Graduando em Engenharia Química pela Universidade de Ribeirão Preto (UNAERP)

Isadora Alves Lovo Ismail, Universidade de Ribeirão Preto (UNAERP)

Graduada em Engenharia Química. Mestre e Doutora em Tecnologia Ambiental pela UNAERP. Docente e Pesquisadora do curso de graduação em Engenharia Química e no programa de Pós-Graduação em Tecnologia Ambiental pela UNAERP

Referências

United Nations, The United Nations World Water Development Report 2023: Partnerships and Cooperation for Water. UNESCO, Paris. https://unesdoc.unesco.org/ark:/48223/pf0000384655 (acesso em 15 de agosto de 2025).

Lazaro LLB, Abram S, Giatti LL, Sinisgalli P, Jacobi PR. Assessing water scarcity narratives in Brazil – Challenges for urban governance. Environmental Development, 47, 100885, 2023. https://doi.org/10.1016/j.envdev.2023.100885.

Di Bernardo L, Dantas AD, Voltan PEN. Métodos e Técnicas de Tratamento de Água. 3ª edição. São Carlos: LDiBe, 2017.

Mdee OJ, Lwasa A, Sadiki N. Overview of the low-cost technologies for household water treatment in developing countries. Water Practice and Technology, 19 (8), 3051–3071, 2024.https://doi.org/10.2166/wpt.2024.177

Olsson G. Urban water supply automation – today and tomorrow. AQUA - Water Infrastructure, Ecosystems and Society 70 (4), 420–437, 2021. https://doi.org/10.2166/aqua.2020.115

KAPELAN Z, WEISBORD E, BABOVIC E. Digital Water. Artificial Intelligence Solutions for the Water Sector. An IWA White Paper (2020). Disponível em: https://iwa-network.org/wp-content/uploads/2020/08/IWA_2020_Artificial_Intelligence_SCREEN.pdf (acesso em 14 de agosto de 2025).

Souza MT, Silva MD, Carvalho R. Revisão integrativa: o que é e como fazer. Einstein (São Paulo) 8 (1), Jan-Mar 2010. https://doi.org/10.1590/S1679-45082010RW1134

Page MJ, McKenzie JE, Bossuyt PM, Boutron I, Hoffmann TC, Mulrow CD, et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ 2021;372:n71. doi: 10.1136/bmj.n71

Mabrok MA, Saad A, Ahmed T, Alsayab H. Modeling and simulations of Water Network Distribution to Assess Water Quality: Kuwait as a case study. Alexandria Engineering Journal, v. 61, n. 12, p. 11859–11877, 2022. DOI: https://doi.org/10.1016/j.aej.2022.05.038

Kamyab H, Khade T, Chelliapan S, Kamarposhti MS, Rezania S, Yusuf M, Farajnezhad M, Abbasi M, Jeon BH, Ahn Y. The latest innovative avenues for the utilization of artificial Intelligence and big data analytics in water resource management. Results in Engineering, 101566, 2023. DOI: https://doi.org/10.1016/j.rineng.2023.101566

Elkharbotly MR, Seddik M, Khalifa A. Toward Sustainable Water: Prediction of non-revenue water via Artificial Neural Network and Multiple Linear Regression modelling approach in Egypt. Ain Shams Engineering Journal, v. 13, n. 5, 101673, 2022. DOI: https://doi.org/10.1016/j.asej.2021.101673

Nti EK, Cobbina SJ, Attafuah EE, Senanu LD, Amenyeku G, Gyan MA, Forson D, Safo AR. Water pollution control and revitalization using advanced technologies: Uncovering artificial intelligence options towards environmental health protection, sustainability and water security. v. 9, n. 7, e18170, 2023. DOI: https://doi.org/10.1016/j.heliyon.2023.e18170

Bajany DM, Zhang L, Xia X. Model predictive control for water management and energy security in arid/semiarid regions. Journal of Automation and Intelligence, v. 1, n. 1, 100001, 2022. DOI: https://doi.org/10.1016/j.jai.2022.100001

Silva WTP, Souza MAA. Modelo para o combate a crises de abastecimento urbano de água. Paranoá, Brasília, n. 10, p. 95–104, 2013. DOI: https://doi.org/10.18830/issn.1679-0944.n10.2013.12127

Hama AR, Ghafour Z, Suhili RA, Latif SD. Optimization model for cost estimation of decentralized wastewater treatment units. Ain Shams Engineering Journal, v. 13, n. 6, 101751, 2022. DOI: https://doi.org/10.1016/j.asej.2022.101751

Nnaji PC, Anadebe VC, Agu C, Ezemagu IG, Edeh JC, Ohanehi AA, Onukwuli OD, Eluno EE. Statistical computation and artificial neural algorithm modeling for the treatment of dye wastewater using mucuna sloanei as coagulant and study of the generated sludge. Results in Engineering, v. 19, 101216, 2023. DOI: https://doi.org/10.1016/j.rineng.2023.101216

Lin D, Sun Q. Development of hybrid mechanistic-artificial intelligence computational technique for separation of organic molecules from water in polymeric membranes. Case Studies in Thermal Engineering, v. 42, 102771, 2023. DOI: https://doi.org/10.1016/j.csite.2023.102771

Santos FCR, Librantz AFH, Dias CG, Rodrigues SG. Intelligent system for improving dosage control. v. 39, n. 1, p. 33–38, 2017. DOI: https://doi.org/10.4025/actascitechnol.v39i1.29353

Lermontov A, Yokoyama L, Lermontov M, Machado MAS. Aplicação da Lógica Nebulosa na Parametrização de um Novo Índice de Qualidade das Águas. Engevista, v. 10, n. 2, p. 106-125, 2008. DOI: https://doi.org/10.22409/engevista.v10i2.218

Downloads

Publicado

2025-12-18

Como Citar

Trecossi, L. V. P. ., Ismail, I. A. L., & Agnesini, M. V. (2025). O uso de inteligências artificiais no tratamento de água: revisão sistemática. Revista Científica Integrada, 8(1), e202526. https://doi.org/10.59464/2359-4632.2025.3249

Edição

v. 8 n. 1 (2025): Revista Científica Integrada

Seção

Artigo de revisão

Licença

Copyright (c) 2025 Revista Científica Integrada

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.