DECAT - Departamento de Controle e Automação
URI permanente desta comunidadehttp://www.hml.repositorio.ufop.br/handle/123456789/490
Navegar
3 resultados
Resultados da Pesquisa
Item Proposta de sensores virtuais baseados em aprendizado de máquina para estimativa de parametros de qualidade na etapa de pelotamento de minério de ferro.(2021) Dias, Fabricio Bertholi; Pessin, Gustavo; Pessin, Gustavo; Euzebio, Thiago Antonio Melo; Coelho, Bruno Nazário; Souza, Jefferson Rodrigo deO 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.Item Monitoramento da qualidade de SINTER FEED através de dados espectrais associados a aprendizado de máquina – estudo de caso : Mina de Carajás Serra Sul (S11D).(2021) Silva, Ana Cristina Pinto; Pabón, Rosa Elvira Correa; Pessin, Gustavo; Pabón, Rosa Elvira Correa; Souza, Jefferson Rodrigo de; Coimbra, Keyla Thayrinne Oliveira; Cota, Luciano PerdigãoEssa pesquisa compreende na geração de bibliotecas espectrais e caracterização espectroscópica de sínter feed, visando contribuir no aprimoramento dos métodos tradicionais utilizados na indústria mineral, para determinação de percentual de ferro e contaminantes na Mina de Carajás Serra Sul, mais conhecida como S11D. Para tanto, foram realizadas em ambiente de laboratório, leituras espectrais de amostras de sínter feed de produto final e amostras preparadas, pulverizadas e secadas. As bibliotecas espectrais e sua caracterização espectroscópica foram realizadas no intervalo de 350 – 2500 nm. A biblioteca espectral gerada será integrada a dados geoquímicos como fluorescência de raio X, com o intuito de construir modelos empíricos que permitam determinar o percentual de ferro e identificar contaminantes nas amostras. Os dados produzidos deverão gerar informações que permitam: (i) identificar as bandas espectrais na assinatura do sínter feed associadas ao conteúdo de ferro; (ii) identificar as bandas espectrais na assinatura do sínter feed referentes aos contaminantes: (iii) gerar modelos estatísticos que permitam estimar o percentual de ferro nas amostras de sínter feed; (iv) avaliar o uso de métodos de aprendizado de máquinas para estimar o teor de ferro em amostras de minério de ferro, com base em bibliotecas espectrais; (iv) espera-se que na medida em que os objetivos do projeto sejam atingidos, avaliar a possibilidade de uso dos critérios viii derivados em laboratório para prever situações reais nas atividades de mineração e gerar uma nova metodologia que permita determinar o percentual de ferro e identificação de contaminantes de maneira precisa e oportuna, para a tomada de decisões e otimização nos processos produtivos.Item Aprendizado de máquina aplicado em previsão de curto prazo de valores de indicadores de nível de água.(2021) Kümmel, Luiz Frederico de Freitas; Pessin, Gustavo; Torres, Vidal Félix Navarro; Sabino, Jodelson Aguilar; Pessin, Gustavo; Sabino, Jodelson Aguilar; Girao Sotomayor, Juan Manuel; Hidaka, RenatoA estabilidade e solidez de barragens de rejeito para resíduos de atividades industriais de mineração é de importância primordial para a segurança da sociedade e meio ambiente localizado a sua jusante. Para assegurar as essenciais exigências de segurança e exposição ao risco das barragens ao longo da sua vida útil, devem ser implementadas ações mitigatórias de prevenção e controle dessas condições, nesse intuito esse trabalho visa aplicar métodos de Machine Learning, para prever o comportamento dos indicadores de nível de água associados a carta de risco. Os algoritmos de machine learning mostraram elevadas taxas de acerto para predição, sendo que a combinação de métodos de classificação e regressão permitiu aumentar ainda mais a qualidade de resposta do sistema proposto.