Summary: A estabilidade oxidativa é um dos principais parâmetros de qualidade e desempenho dos biocombustíveis, influenciando diretamente sua vida útil, eficiência energética e impactos ambientais. Processos oxidativos levam à formação de peróxidos, ácidos orgânicos e compostos polares, que podem comprometer o armazenamento, o transporte e o uso final desses combustíveis, além de causar danos a motores e sistemas de injeção. Dessa forma, o monitoramento confiável do estado de oxidação torna-se essencial para garantir a conformidade com normas técnicas e regulatórias.

Os métodos convencionais para avaliação da estabilidade oxidativa, como o ensaio Rancimat, são amplamente utilizados como referência, porém apresentam limitações relacionadas ao tempo de análise, consumo de reagentes e impossibilidade de aplicação em monitoramento contínuo ou em tempo real. Nesse contexto, técnicas espectroscópicas, como FTIR, NIR, Raman e RMN no domínio do tempo (RMN-DT), emergem como alternativas promissoras por serem rápidas, não destrutivas e capazes de capturar alterações químicas sutis associadas aos processos oxidativos.

A integração dessas técnicas com métodos de quimiometria e algoritmos de machine learning possibilita o desenvolvimento de modelos preditivos robustos, capazes de correlacionar dados espectrais complexos com indicadores clássicos de oxidação. Essa abordagem viabiliza o avanço de sensores inteligentes aplicados ao controle de qualidade de biocombustíveis, permitindo análises mais eficientes, automatizadas e alinhadas às demandas da indústria e da sustentabilidade energética.

Starting date: 01/01/2026
Deadline (months): 96

Participants:

Role	Name
Coordinator *	VALERIO GARRONE BARAUNA