Lima, Hernani Mota deAlves, Vladmir KronembergerSilva, Daniel Henrique Cordeiro2023-12-192023-12-192023SILVA, Daniel Henrique Cordeiro. Aprendizado de máquina aplicado à moagem de minério de ferro. 2023. 94 f. Dissertação (Mestrado em Engenharia Mineral) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2023.http://www.repositorio.ufop.br/jspui/handle/123456789/17956Programa de Pós-Graduação em Engenharia de Produção. Departamento de Engenharia de Produção, Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto.O 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.pt-BRabertoBeneficiamento de minério - moagemRedes neurais - computaçãoAprendizado de máquinaControle de processosDissertacaoAutorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 11/12/2023 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 nem a adaptação.