Euzebio, Thiago Antonio MeloSilva, Moisés Tavares daGomes, Vinícius Geraldo Rodrigues2021-02-232021-02-232020GOMES, Vinícius Geraldo Rodrigues. Predição do teor de ferro em processo de beneficiamento mineral usando modelo autorregressivo. 2020. 107 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2020.http://www.repositorio.ufop.br/handle/123456789/13113Programa 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.A tarefa de medir o teor de ferro do minério processado em uma usina é complexa, mas fundamental para o bom desempenho da operação. Em geral, esta medição e realizada por meio de analise laboratorial que insere um atraso de algumas horas na obtenção dos resultados. Neste trabalho e realizada a predição do teor de ferro a partir dos dados históricos das analises laboratoriais. Estes dados indicam os teores dos materiais alimentados em uma etapa de concentração magnética e uma etapa de flotação reversa de duas unidades distintas de beneficiamento mineral da mineradora Vale S.A. Inicialmente, são realizadas analises de estacionariedade, autocorreção e autocorreção parcial. Em seguida, são usados modelos autorregressivos e o algoritmo de mínimos quadrados recursivos para predição do teor de ferro. Os resultados demonstram o bom desempenho do modelo na tarefa de efetivamente predizer as amostras futuras e indicar tendências ascendentes ou descendentes do teor de ferro, auxiliando, assim, os engenheiros de automação e de processos das plantas na tomada de decisões.pt-BRabertoAnálise de séries temporaisControle de processo - métodos estatísticos - modelos autorregressivos - ARMétodos experimentais - mínimos quadrados recursivos - MQRBeneficiamento de minérioDissertacaoAutorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 03/02/2021 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.