Suzano Três Lagoas: de 4.188 anomalias a 6 fontes de percepção de odor

A unidade da Suzano em Três Lagoas (MS) opera desde 2009 pela rota Kraft, com capacidade instalada de cerca de 3,2 milhões de toneladas de celulose por ano. Uma operação nessa escala gera um volume massivo de dados de processo — e carrega uma característica inerente à rota Kraft: a decomposição da lignina libera compostos voláteis que podem gerar percepção de odor nas comunidades do entorno.

Percepção de odor não é só uma questão de vizinhança. Emissões fugitivas têm peso ambiental, social e regulatório, e sua origem quase sempre está em uma anomalia de processo: um vazamento, uma falha operacional, uma variação não planejada. O problema nunca foi saber que algo aconteceu. Era saber quando, onde e se aquilo tem relação com o que chegou à cidade — ainda mais quando vento, temperatura e sazonalidade mudam a dispersão a cada evento.

A unidade já tinha práticas ambientais estabelecidas. O que faltava era uma ferramenta que identificasse emissões fugitivas de forma mais direta, agregando valor ao que já existia. A pergunta que orientou o projeto: dá para transformar dezenas de milhares de tags em um diagnóstico confiável do que causa a percepção de odor registrada pela comunidade?

Em colaboração entre Suzano, Futurai e IEBT innovation, foi implantado um sistema de machine learning sobre o histórico do PI System (OSIsoft) já em operação na planta, sem instalar sensor ou hardware novo. O algoritmo aprende o comportamento normal de cada processo e, por análise multivariada, condensa centenas de variáveis em um único índice de anomalia — e aponta quais tags mais contribuíram para cada desvio. O alerta não é um limite fixo estourado: é um padrão de comportamento do processo se afastando do que ele costuma ser.

A base começou com 18.000 tags distribuídas em 20 macroprocessos. A equipe de Meio Ambiente da Suzano e a Futurai subdividiram esse escopo em 107 processos distintos. A granularidade foi o que tornou o resultado acionável: em 20 macroprocessos, um desvio aponta para uma área; em 107, aponta para o equipamento. Sem isso, o diagnóstico pararia em "algo na recuperação" em vez de chegar ao ativo específico.

Depois do pré-processamento e do treinamento dos modelos, a Futurai gerou os relatórios históricos e validou os mesmos modelos para monitoramento online, em tempo real, dos 107 processos. Cada anomalia passou a ser cruzada com o canal de comunicação de percepção de odor da fábrica — um 0800 aberto à comunidade — considerando horário do evento, condições meteorológicas e direção do vento em relação à cidade.

Os relatórios históricos apontaram 4.188 anomalias nos 107 processos entre 2021 e 2023. O valor do sistema não está em quantas anomalias ele detecta, mas no funil que ele permite construir sobre elas:

Das 4.188, foram 459 as anomalias avaliadas por proximidade temporal com as comunicações de percepção de odor e por potencial de emissão fugitiva. Depois do cruzamento com dados atmosféricos e temporais, 33 seguiram como candidatas. Dessas, 6 tiveram correlação de causa-efeito comprovada com os registros do 0800.

O cruzamento resultou em um plano de ação para identificação das emissões fugitivas, em sinergia com as iniciativas que a Suzano já mantinha. As fontes deixaram de ser hipótese e passaram a ser lista.

A avaliação das variáveis de processo associada às condições atmosféricas mapeou as anomalias e permitiu sugerir ações eficazes para minimizar emissões. Na prática: antes, cada comunicação de percepção de odor abria uma investigação sobre a planta inteira, sem ponto de partida. Com as fontes mapeadas, a Suzano passou a agir preventivamente sobre esses processos e a checar cada novo registro contra os apontamentos da plataforma — o que confirma a procedência do relato e direciona a correção ao ativo certo.

O sistema integrou-se às práticas ambientais já estabelecidas pela unidade. A leitura de dados passou a alimentar decisões que a equipe de Meio Ambiente já tomava — com mais evidência e menos tempo de busca.

Os 107 processos seguem sob monitoramento online, e cada nova comunicação de percepção de odor entra no mesmo cruzamento entre anomalia, horário e condições atmosféricas. O ganho é cumulativo: toda correlação confirmada afina a leitura de quais desvios têm potencial real de emissão e quais não têm — e a gestão ambiental deixa de reagir a registros para atuar sobre causas conhecidas.