Pessin, GustavoDias, Fabricio Bertholi2022-04-192022-04-192021DIAS, 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.http://www.repositorio.ufop.br/jspui/handle/123456789/14869Programa 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.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.pt-BRabertohttp://creativecommons.org/licenses/by-nc-sa/3.0/us/Minério de ferro - pelotizaçãoDetectores - detector virtualAprendizado de máquinaInteligência artificialDissertacaoAutorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 07/02/2022 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais.