DECAT - Departamento de Controle e Automação
URI permanente desta comunidadehttp://www.hml.repositorio.ufop.br/handle/123456789/490
Navegar
2 resultados
Resultados da Pesquisa
Item Desenvolvimento de dispositivo automático de medição de umidade de minério de ferro.(2022) Neiva, Matheus Teixeira; Rêgo Segundo, Alan Kardek; Pritzelwitz, Philip von; Rêgo Segundo, Alan Kardek; Pritzelwitz, Philip von; Pabón, Rosa Elvira Correa; Santos, Eduardo NunesA umidade presente nos materiais é um parâmetro essencial para vários processos industriais. Na mineração, essa variável exerce muita influência em várias etapas da cadeia produtiva, como nos transportes ferroviário e marítimo, na pelotização e no armazenamento. Devido ao minério de ferro ser um produto com propriedades físicas variáveis, por causa da sua origem e dos diferentes tipos de processos produtivos, a medição dessa característica em específico é demasiadamente lenta e trabalhosa. Atualmente, a umidade é mensurada por meio de um método de pesagem e de secagem em estufa que demora mais de quatro horas para entregar o resultado de medição, o que acarreta em atrasos e retrabalhos ao longo da cadeia produtiva. De forma alternativa, existem métodos indiretos baseados na medição de propriedades elétricas dos materiais, que apresentam menor tempo de resposta. Nesse sentido, este trabalho tem como objetivo o desenvolvimento de um equipamento de bancada baseado na medição da impedância complexa e da densidade aparente do minério de ferro. Para tornar o procedimento de medição ainda mais rápido e mais padronizado, automatizou-se o equipamento por meio de sensores de posição e dispositivos eletromecânicos, reduzindo-se, assim, a interferência do operador. Além disso, avaliou-se o uso de técnicas de Inteligência Artificial na análise dos dados fornecidos pelo sistema. Testes realizados com uma versão manual do equipamento no Porto da Ponta da Madeira, São Luís, MA, apresentaram resultados muito promissores, visto que a incerteza de medição da umidade foi igual a 0,1578 pontos percentuais de umidade em base úmida, com um coeficiente de determinação de 98,41%, utilizando-se redes neurais artificiais. O equipamento automático, utilizando-se de regressão linear múltipla, apresentou uma incerteza de 0,71 pontos percentuais de umidade em base úmida, com um coeficiente de determinação de 98%. Esses resultados demonstram o grande potencial da solução, mas também evidencia a necessidade de análises mais profundas com o equipamento automático, visto que não foi possível realizar análises com técnicas de inteligência artificial, devido à base de dados pequena.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.