Previsão da temperatura do aço líquido em uma aciaria a oxigênio utilizando modelos de regressão com aprendizado de máquina.

Abstract

O controle da temperatura do aço líquido é uma tarefa fundamental para a garantia da estabilidade operacional em uma aciaria a oxigênio. Desvios das faixas de temperatura especificadas pelos processos estão diretamente associados a falhas de qualidade no produto, aumento de custos, perdas de produção e até mesmo riscos para a segurança operacional da planta. O entendimento e a quantificação das perdas térmicas que ocorrem entre o vazamento do aço do convertedor LD até o lingotamento contínuo são as principais etapas para a previsão da temperatura do aço. Devido à natureza dos processos que ocorrem em uma aciaria, o cálculo das perdas térmicas depende de variáveis altamente dinâmicas, motivando a construção de modelos preditivos para a temperatura. Neste contexto, foram ajustados e avaliados cinco algoritmos de regressão amplamente reconhecidos na literatura para a previsão da temperatura do aço na panela e no distribuidor em uma aciaria a oxigênio. Adicionalmente, um sexto algoritmo, híbrido, que combina elementos de modelos lineares e não-lineares, foi concebido. Os modelos foram desenvolvidos em aderência à metodologia CRISP-DM (Processo Padrão Interindústrias para Mineração de Dados), e avaliados de acordo com duas métricas de acurácia: a raiz do erro quadrático médio (RMSE) e uma métrica personalizada. Os resultados evidenciaram que o método híbrido proposto alcança uma precisão superior em relação aos demais algoritmos testados em ambos os modelos, além disso, apresenta um desempenho adequado para ser implementado na indústria.