Proposta de sensores virtuais baseados em aprendizado de máquina para estimativa de parametros de qualidade na etapa de pelotamento de minério de ferro.
Nenhuma Miniatura disponível
Data
2021
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
O processo industrial de pelotização de minério de ferro foi desenvolvido objetivando-se o
beneficiamento e aproveitamento comercial dos finos de minério. O pelotamento é a etapa deste
processo responsável pela formação das pelotas, sendo influenciado por diversas variáveis, com
reflexos diretos sobre a qualidade do produto. Logo, é importante que certas características
físicas, desejadas para as pelotas, sejam continuamente monitoradas durante o processo
produtivo. Atualmente o processo de garantia da qualidade é feito através de ensaios em
laboratórios, atividade com alta latência de resposta.
Dada a necessidade de aumento de eficiência deste processo e o respectivo impacto em toda a
cadeia produtiva, este trabalho propõe a aplicação de um sensor virtual para estimar parâmetros
de qualidade na etapa de pelotamento em uma usina de pelotização de minério de ferro. Foram
comparadas 3 técnicas de aprendizado de máquinas: Redes Neurais Artificias, Random Forests
e KNN – K Nearest Neighbors. Foi proposto um modelo de regressão baseado na coletânea nos
melhores modelos individuais comparados. A identificação das variáveis que mais influenciam
nos parâmetros de qualidade de pelotas cruas de minério de ferro é descrita, fundamentando-se
na teoria da metalurgia do processo de pelotização. As variáveis de processo candidatas
(features / targets) ao modelo foram tratadas, formando a base de dados para a geração do
modelo de predição. Os modelos dos sensores virtuais foram validados com sucesso, obtendo-se R2 de 0,944 e RMSE de 0,075 para o modelo de coletânea, comprovando a importância de
variáveis, tais como dosagens de aglomerantes, taxas de dosagem e rotação dos discos de
pelotamento, volumes de produção e retorno. A validação dos modelos evidencia seu potencial
para aplicação em um ambiente real, e abre espaço para continuidade de estudos futuros.
Descrição
Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.
Palavras-chave
Minério de ferro - pelotização, Detectores - detector virtual, Aprendizado de máquina, Inteligência artificial
Citação
DIAS, Fabricio Bertholi. Proposta de sensores virtuais baseados em aprendizado de máquina para estimativa de parâmetros de qualidade na etapa de pelotamento de minério de ferro. 2021. 88 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2021.