Defensa de tesi doctoral “Combining experimental and modelling approaches towards full-scale implementation for membrane bioreactor optimization”, d’Albert Galizia Amoraga

Els biorreactors de membrana (BRMs) són una tecnologia d’avantguarda per al tractament d’aigües que proporciona un efluent d’alta qualitat en dissenys compactes. Tot i així, la seva sostenibilitat econòmica depèn de la superació de dos reptes crítics: l’embrutiment de les membranes i l’elevat consum energètic derivat de l’aeració de la neteja. Aquesta tesi aborda aquestes limitacions mitjançant un enfocament holístic que integra la caracterització experimental avançada, el control intel·ligent i la modelització predictiva.

La recerca d’Albert Galizia comença redefinint l’avaluació de la filtració en demostrar que el flux crític (Jc) és insuficient per sí sol, ja que ignora la interacció entre la l’estructura de la membrana i la seva intensitat d’aeració. Per a solucionar això, l’investigador proposa l’Assaig d’Esglaons d’Aeració (AST), un nou protocol que identifica llindars específics d’aeració. Aquest avenç permet substituir estratègies genèriques per dissenys optimitzats, demostrant que membranes amb fluxos crítics similars poden requerir intensitats d’aeració radicalment diferents per mantenir l’estabilitat.

Fent un salt del laboratori a l’escala real, es va desenvolupar i validar un sistema de control automàtic per lògica difusa a la planta “Riu Sec” de Sabadell durant vuit mesos d’operació continuada. Aquest controlador actua de manera dual i dinàmica, regulant l’aire de neteja i supervisant la producció de permeat en episodis d’estrès hidràulic. Els resultats són concloents: la línia controlada va assolir una reducció dràstica del rati d’embrutiment (90%) i un estalvi energètic del 7% en el bufador de les membranes respecte a l’operació convencional. Aquests desenvolupaments confirmen que integrar el coneixement expert en algoritmes intel·ligents comporta una operació molt més autònoma i eficient.

Finalment, la tesi completa aquest ecosistema digital amb l’ús de l’aprenentatge automàtic (machine learning) per predir l’evolució de la pressió transmembrana (TMP). Amb la incorporació de l’anàlisi d’incertesa en models com el LightGBM, l’eina no només anticipa episodis d’embrutiment, sinó que també proporciona un suport a la decisió fiable per a la planificació del manteniment preventiu, demostrant així que la precisió predictiva depèn més de la qualitat de les dades que no pas de la complexitat del model.

En conjunt, aquest treball de recerca demostra que el futur dels sistemes MBR rau en la convergència entre el rigor experimental y la digitalització, transformant així les plantes de tractament en actius intel·ligents, sostenibles i resil·lients capaços d’adaptar-se positivament als reptes del cicle de l’aigua. La tesi doctoral ha estat dirigida pel Dr. Hèctor Monclús, el Dr. Gaëtan Blandin i el Dr. Joaquim Comas, i està plenament alineada amb la recerca actual en tecnologies de membranes per al tractament d’aigua que es desenvolupa al grup de recerca LEQUIA de la Universitat de Girona al qual pertanyen.