EM - Escola de Minas
URI permanente desta comunidadehttp://www.hml.repositorio.ufop.br/handle/123456789/6
Notícias
A Escola de Minas de Ouro Preto foi fundada pelo cientista Claude Henri Gorceix e inaugurada em 12 de outubro de 1876.
Navegar
9 resultados
Filtros
Configurações
Resultados da Pesquisa
Item Aprendizado de máquina aplicado à moagem de minério de ferro.(2023) Silva, Daniel Henrique Cordeiro; Lima, Hernani Mota de; Alves, Vladmir Kronemberger; Alves, Vladmir Kronemberger; Souza, Ernandes Sávio de; Bergerman, Maurício GuimarãesO aprendizado de máquina, juntamente com outras novas tecnologias, desempenha um papel significativo no advento da Indústria 4.0, impulsionando a otimização de vários processos em diversos setores, incluindo o Tratamento de Minérios. Com a crescente disponibilidade de dados de chão de fábrica, algoritmos avançados podem aprimorar a tomada de decisões e aumentar a eficiência, reduzindo custos e aumentando a lucratividade. No beneficiamento de minério, algumas das oportunidades a serem exploradas estão atreladas à utilização das ferramentas de Big Data, Machine Learning e Inteligência Artificial, e podem trazer benefícios na manutenção preditiva, previsão de teores químicos ou de propriedades físicas, bem como controle e otimização de processos e redução do consumo de energia. Especificamente para processos como a moagem, ferramentas de aprendizado de máquina tendem a ter seus ganhos potencializados se combinados com modelos matemáticos consolidados – sejam eles empíricos ou fenomenológicos, advindos do conhecimento do processo. Este trabalho explora a combinação de aprendizado de máquina com modelos de processo já estabelecidos para prever a granulometria do produto em uma planta de moagem de minério de ferro, que é o principal parâmetro de qualidade a ser monitorado. O objetivo é investigar como essas equações podem contribuir para a um desempenho melhor dos modelos preditivos, de forma a otimizar a tomada de decisão operacional na unidade. Por fim, as métricas observadas indicam boa acurácia para os modelos desenvolvidos com a inclusão de equações de processo consagradas, com grande potencial de utilização em operação. Reafirma-se, então, que a ciência de dados e os modelos preditivos são ferramentas de significante potencial valor para otimizar e melhorar a eficiência e a qualidade do processamento mineral e das operações de moagem. Eles permitem que os operadores tomem decisões assertivas e medidas proativas para a melhoria nas operações.Item Estimativa do tamanho de partículas de minério de ferro através de redes neurais convolucionais.(2023) Cardoso, Flavio Wellb; Bianchi, Andrea Gomes Campos; Oliveira, Ricardo Augusto Rabelo; Bianchi, Andrea Gomes Campos; Oliveira, Ricardo Augusto Rabelo; Pessin, Gustavo; Veras, Rodrigo de Melo SouzaNo processamento do minério de ferro a medição e o controle granulométrico têm relevante importância na redução da variabilidade do processo produtivo e na otimização da eficiência energética. Quando aplicáveis, técnicas de visão computacional apresentam- se como uma valiosa alternativa para a estimativa granulométrica em virtude de características como ausência de interferência no processo, baixo custo e alta velocidade de resposta. Este estudo demonstra a aplicabilidade das redes neurais convolucionais profundas na estimativa do tamanho das partículas através da análise de imagens digitais. O algoritmo Mask R-CNN foi escolhido e implementado para esta tarefa em virtude de sua alta precisão na segmentação de instâncias, bem como os resultados apresentados em trabalhos similares. Os experimentos realizados demonstram a viabilidade do método, mas também ressaltam cenários onde a detecção, segmentação e classificação ainda são desafiadores na análise granulométrica por imagem. Os resultados obtidos indicam que é possível atingir precisões acima de 90% na detecção de fragmentos não sobrepostos, alcançando coeficientes de correlação de até 0,98 na estimativa da distribuição do tamanho das partículas nas amostras avaliadas.Item Modelagem de desmonte de rochas controlados com auxílio de redes neurais artificiais : estudo de caso Itabira.(2022) Cruz, Rodolfo Matias de Sousa; Torres, Vidal Félix Navarro; Torres, Vidal Félix Navarro; Lima, Hernani Mota de; Arroyo Ortiz, Carlos Enrique; Dutra, José Ildefonso GusmãoEste estudo avalia o comportamento dinâmico de vibrações geradas pelos desmontes com explosivos nas operações do complexo minerador de Itabira, contemplando as barragens de Conceição, Itabiruçu, Borrachudo e Cambucal e da cidade de Itabira. Tem por objetivo é caracterizar comportamento da atenuação das vibrações induzidas por detonações com explosivos no sentido das barragens e da cidade para evitar possíveis danos as estruturas e incomodidade humana. Este estudo adotou uma metodologia para prever, avaliar e controlar as vibrações do terreno operando próximo a barragens e a comunidade. Foram monitorados sistematicamente mediante 543 pontos correspondentes as 74 desmontes distribuídos redor das barragens citadas e da cidade de Itabira, de janeiro a junho de 2021. A campanha de monitoramento sísmico foi realizada utilizando 21 sismógrafos de engenharia, para consolidar uma robusta base de dados que permitem determinar a lei de atenuação das vibrações e caracterizar a propagação das ondas sísmicas induzidas pelos desmontes com explosivas realizados nas minas de Conceição e Minas do Meio. vi Após coleta em campo, estes foram tratados de modo a consolidar um banco de dados e utilizados para treinar redes neurais artificiais com o objetivo de criar modelo de predição de PPV, PVS e Frequência para as principais direções de vibração, selecionando aquelas com o melhor desempenho. Por fim criou-se uma interface gráfica para realizar a avaliação das vibrações de forma simples e intuitiva, que possibilitou sua aplicação prática nas operações da mina em estudo, propiciando o atendimento a normas de segurança, sem afetar a eficiência das operações.Item Desenvolvimento de um soft sensor para inferência de eficiência energética de moinho de bolas em circuito fechado a úmido.(2020) Diniz, Diego Rafael Monteiro; Reis, Agnaldo José da Rocha; Rêgo Segundo, Alan Kardek; Reis, Agnaldo José da Rocha; Rêgo Segundo, Alan Kardek; Coelho, Vitor Nazário; Sánchez, Antonio Santos; Guimarães, Frederico GadelhaEm processos de moagem em plantas de beneficiamento mineral, os estudos relacionados ao seu consumo de energia estão comumente relacionados aos custos do processo de cominuição. A medição do consumo de energia é capaz de fornecer tomadas de decisão para atendimento às especificações granulométricas desejadas com baixo consumo de energia. Porém, essa medição dificilmente pode ser realizada de forma direta, sendo necessária a adoção de equipamentos para medição do percentual de produto retido em malha passante específica, que possuem elevado custo e necessitam de mão de obra especializada para a sua manutenção. Neste trabalho é apresentado o desenvolvimento de uma nova estratégia baseada em um soft sensor para inferência da eficiência energética em circuitos de moagem fechados a úmido, permitindo o aprimoramento da tomada de decisões das áreas operacionais responsáveis. Uma Rede Perceptron Multi-Camadas (PMC) treinada com o algoritmo de Levenberg-Marquadt foi empregada como motor do soft sensor. Dados reais de um circuito de moagem foram considerados para o desenvolvimento e validação do modelo proposto. Três cenários diferentes foram analisados. O melhor cenário apresentou um coeficiente de determinação R igual a 0,87, sendo um modelo com boa capacidade de generalização, atendendo a solução para a inferência desejada.Item Sistema automático para a inspeção visual de transportadores de correia por meio de redes neurais convolucionais.(2020) Santos, André Almeida; Guimarães, Frederico Gadelha; Reis, Agnaldo José da Rocha; Guimarães, Frederico Gadelha; Reis, Agnaldo José da Rocha; Almeida, Silvia Grasiella Moreira; Rêgo Segundo, Alan Kardek; Pessin, GustavoOs Transportadores de Correia são o meio de transporte mais difundido para grandes quantidades de materiais no setor de mineração. Portanto, métodos autônomos que podem ajudar os seres humanos a realizar a inspeção dos transportadores são uma grande preocupação para as empresas. Projetos que buscam solucionar problemas de segurança nas inspeções de transportadores são necessários e de grande valia para as empresas. Este trabalho apresenta um detector visual novo e automático que reconhece o acúmulo de sujeira nas estruturas dos transportadores de correia, uma das tarefas dos inspetores de manutenção. O sistema proposto envolve o treinamento de uma rede neural convolucional a partir de imagens RGB. O uso da técnica de aprendizado por transferência com redes consolidadas para classificação de imagens mostrouse eficaz para este objetivo com a comparação de dois cenários diferentes. O melhor cenário apresentou uma acurácia média de 0,892 com um F-1 score de 0,836 para o reconhecimento de sujeira. Um experimento de validação de campo serviu para avaliar o desempenho do sistema proposto em uma tarefa de classificação em tempo real. Nesta etapa, foi avaliado um recall de 0,77 com F-1 score de 0,75 para o reconhecimento de sujeira.Item Aplicação de soft sensor baseado em redes neurais artificiais e Random Forest para predição em tempo real do teor de ferro no concentrado da flotação de minério de ferro.(2020) Guedes, Érick Victor de Oliveira; Cocota Júnior, José Alberto Naves; Reis, Agnaldo José da Rocha; Cocota Júnior, José Alberto Naves; Reis, Agnaldo José da Rocha; Luz, José Aurélio Medeiros da; Almeida, Silvia Grasiella MoreiraA flotação surgiu para a concentração onde propriedades classicamente utilizadas (densidade, suscetibilidade magnética, eletrocondutividade) possuem contraste insuficiente ou que apresentem faixas granulométricas muito finas, e passou a ser muito utilizada em áreas como a mineração. Este processo consiste da captação de partículas hidrofóbicas por bolhas de ar e sua flotação, fazendo a separação de tais partículas das hidrofílicas, que se mantêm em suspensão. Para permitir a separação de materiais que naturalmente não apresentam diferenças v em suas propriedades de hidrofobicidade, são utilizados reagentes para induzir as características desejadas. Como a medição do teor e obtenção da recuperação do mineral, objetivos primários do processo, acontece por meio de análise laboratorial que demanda um período de 2 horas, é proposto o desenvolvimento de um soft sensor para sua obtenção em tempo real. Um soft sensor utiliza um modelo desenvolvido para reunir diversas variáveis relevantes a um processo e inferir uma medição para as variáveis de saída desejadas. Os dados coletados de uma linha de flotação passaram por dois métodos de redução de dimensionalidade paralelamente, o RReliefF e o Principal Component Analysis (PCA), e foram utilizados para treinamento, validação e teste dos modelos propostos. Para a modelagem do soft sensor foram utilizadas as técnicas de Redes Neurais Artificiais (RNA) e de Random Forest (RF). Para o treinamento das RNA, foram usados os algoritmos de Levenberg-Marquardt (LM) e o Scaled Conjugate Gradient (SCG). Os desempenhos dos métodos utilizados foram comparados e são apresentados neste texto.Item Previsão de vibrações utilizando redes neurais artificiais no controle de desmonte de rochas.(2019) Costa, João Henrique Rodrigues; Torres, Vidal Félix Navarro; Rêgo Segundo, Alan Kardek; Reis, Agnaldo José da Rocha; Torres, Vidal Félix Navarro; Rêgo Segundo, Alan Kardek; Reis, Agnaldo José da Rocha; Lima, Hernani Mota de; Arroyo Ortiz, Carlos Enrique; Dutra, José Ildefonso GusmãoÉ cada vez maior a preocupação da indústria da mineração com o meio ambiente, especialmente com o impacto que ela causa nas comunidades vizinhas à mina. Somado a essa preocupação, tem-se o aumento no rigor das leis ambientais e trabalhistas. Nesse contexto, uma grande preocupação diz respeito ao controle das vibrações e pressão acústica causadas pelo desmonte de rochas com explosivos na lavra de minas. Objetiva-se com este trabalho criar um modelo de previsão de vibrações e pressão acústica usando redes neurais artificias. Para isso, foram treinadas várias configurações de arquitetura de rede usando uma base de dados proveniente de uma campanha de monitoramento in situ. O objetivo de treinar várias redes foi avaliar o desempenho das redes neurais com e sem a remoção de valores anômalos e assim selecionar a rede neural com melhor desempenho. Fez-se também a avaliação de sensibilidade das entradas da rede e dessa forma estabeleceu-se o impacto que cada entrada tem na estimativa da saída. Para avaliação dos níveis de vibração e pressão acústica, foi criada uma interface gráfica que possibilitou a estimativa desses valores utilizando os parâmetros do plano de fogo. A interface gráfica também foi capaz de mostrar no mapa o ponto de detonação e os valores de vibração associados a uma carga máxima por espera. O modelo de predição obteve coeficientes de determinação acima de 90%, índice esse, em média, acima daqueles obtidos com modelos de previsão tradicionais reportados na literatura. A rede neural também mostrou ser robusta à presença de valores anômalos na base inicial de dados, pois obteve-se maior coeficiente de determinação quando treinada com eles. Por fim, concluiu-se que o modelo de previsão e controle de vibrações mostrou-se eficaz pois possibilitou a estimativa de vibrações usando dados do plano de fogo e o auxilio de uma interface gráfica, obtendo um bom desempenho com coeficientes de determinação altos.Item Obtenção da zona de conforto utilizando redes neurais artificiais.(2016) Nascimento, Denise de Souza Cerqueira; Souza, Henor Artur de; Souza, Henor Artur de; Gomes, Adriano Pinto; Krüger, Eduardo Leite; Dandolini, Gertrudes Aparecida; Akutsu, MariaA demanda e investimento do governo nacional para a melhoria da educação superior têm resultado em ampliações e reformas de caráter emergencial nas Universidades Federais para atender ao aumento no número de abertura de vagas com a criação de novos cursos. Com esta demanda emergente, as edificações escolares foram implantadas sem levar em consideração aspectos geográficos, humanos e construtivos que interferem drasticamente no desempenho humano nestes ambientes. Diante do retorno negativo dos usuários nos novos prédios construídos no Campus Universitário Morro do Cruzeiro da Universidade Federal de Ouro Preto, principalmente na Escola de Medicina e na Escola de Minas, o objetivo deste trabalho é obter zona de conforto utilizando redes neurais artificiais em ambientes naturalmente ventilados, considerando as condições climáticas da cidade de Ouro Preto, Minas Gerais. Com a utilização da metodologia da Avaliação Pós-Ocupação foi possível verificar as variáveis subjetivas da atual situação de uso das edificações, porém suas análises de resultados têm-se demonstrado inconsistentes com alguns métodos apresentados. E na tentativa de gerar dados cada vez mais próximos da realidade é que foi escolhido para análise de dados o método das Redes Neurais Artificiais – Inteligência Artificial, que são modelos computacionais inspirados pelo comportamento do neurônio biológico que são capazes de realizar o aprendizado de máquina, bem como o reconhecimento de padrões nos dados. Para utilização das redes neurais foram necessários os dados subjetivos coletados a partir da Avaliação Pós-Ocupação e também os condicionantes climáticos coletados por equipamentos no ambiente interno e externo. O método foi obtido pelas seguintes etapas: classificação dos dados; divisão dos grupos; definição das variáveis de entrada que determinaram os pesos e variáveis de saída e treinamento da rede com neurônios intermediários. Os resultados obtidos apresentam uma zona de conforto para temperatura – entre 22,3ºC e 24,5ºC, e para umidade - entre 57% e 73%. Considerando-se os dados de acordo com as estações do ano e realizando a média de seus resultados a faixa de conforto altera significativamente para temperatura – entre 16,6ºC e 22,8ºC e também para umidade – entre 39% e 99%. Com este resultado é possível projetar e adequar edificações inseridas nesta condição climática, adaptando-as mais próximas a esta zona de conforto a fim de que o ambiente seja um agregador positivo no aprendizado no aluno.Item Análise de confiabilidade estrutural utilizando o método de Monte Carlo e redes neurais.(2004) Barbosa, Anderson Henrique; Freitas, Marcílio Sousa da Rocha; Neves, Francisco de Assis das; Sousa Junior, João Batista Marques de; Sagrilo, Luis Volnei SudatiA análise de confiabilidade estrutural em geral apresenta algumas restrições para alcançar uma solução. Os métodos analíticos FORM e SORM apresentam alguns problemas em função da complexidade da análise, que gera dificuldades na determinação dos pontos de mínimo. O método de simulação de Monte Carlo, embora seja de fácil implementação e absolutamente geral, o grande número de simulações pode exigir um tempo de processamento elevado, o que pode tornar sua aplicação inviável. Este problema tem sido resolvido através de técnicas de redução de variância tais como Amostragem por Importância e Esperança Condicionada. Neste trabalho propõe-se a aplicação de uma rede neural treinada para a substituição de etapas necessárias ao método de Monte Carlo, assim como da substituição do processo de análise estrutural e de confiabilidade, com o objetivo de reduzir o custo computacional requerido na análise. As redes utilizadas neste trabalho são do tipo backpropagation, fazendo-se uso do algoritmo de Levenberg – Marquartdt e do algoritmo do gradiente descendente com momentum. A aplicação das redes neurais, tanto atuando em conjunto com o método de Monte Carlo quanto substituindo toda a análise, proporcionou bons resultados com baixo custo computacional, o que atesta a viabilidade de sua aplicação.