Previsão de propriedades físicas e metalúrgicas do sínter através de redes neurais artificiais e regressão linear múltipla.

Detalhes bibliográficos
Autor(a) principal: Almeida, Emmanuel de Sousa
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal do Ceará (UFC)
Texto Completo: http://www.repositorio.ufc.br/handle/riufc/33363
Resumo: ALMEIDA, Emmanuel de Sousa. Previsão de propriedades físicas e metalúrgicas do sínter através de redes neurais artificiais e regressão linear múltipla. 2018. 59 f. Monografia (Graduação em Engenharia Metalúrgica) - Universidade Federal do Ceará, Fortaleza, 2018.
id UFC-7_2376cbcd1f7483a6e5b8b85ad88dc6c8
oai_identifier_str oai:repositorio.ufc.br:riufc/33363
network_acronym_str UFC-7
network_name_str Repositório Institucional da Universidade Federal do Ceará (UFC)
repository_id_str
spelling Previsão de propriedades físicas e metalúrgicas do sínter através de redes neurais artificiais e regressão linear múltipla.Prediction of physical and metallurgical properties of sinter through artificial neural networks and multiple linear regression.SinterizaçãoRedes neurais artificiaisRegressão linear múltiplaSiderurgiaTítuloALMEIDA, Emmanuel de Sousa. Previsão de propriedades físicas e metalúrgicas do sínter através de redes neurais artificiais e regressão linear múltipla. 2018. 59 f. Monografia (Graduação em Engenharia Metalúrgica) - Universidade Federal do Ceará, Fortaleza, 2018.Due to the latest technological developments and high investments in research, steel processes have become increasingly competitive, through the construction of robust and sophisticated systems to map and model the processes involved. Parallel to this, the quality of raw materials, especially iron ore, decreases over time, increasing the need to develop statistical and mathematical models capable of controlling the process, in order to optimize the consumption of these resources, coupled with the reduction of costs. Therefore, this paper aims to evaluate the performance of two statistical methodologies - Artificial Neural Networks (ANN) and Multivariate Linear Regression (MLR) - in the prediction of physical properties (Degradation Index and Mean Particle Size) and metallurgical (Reduction Degradation Index and Reducibility Index) product of an iron ore sintering plant in order to improve process control and understanding the complex relationships between input and output variables. To achieve this paper’s objectives, a database of process variables, chemical and physical analysis of the sinter produced by Sinter Plant of the Brazilian steel company under study was used to feed the algorithms based on Artificial Neural Networks and Multivariate Linear Regression, developed in Matlab and Microsoft Excel, respectively, in order to obtain, as main results, the regression coefficient (R2) and absolute mean percentage error (AMPE) for each statistical modeling. The model in general obtained good results for the Degradation Index in both techniques, with R2 ranging from 0.43 to 0.71 with AMPE below 0.52%, which demonstrates its applicability at the industrial level. However, for the other properties, the models were unable to provide satisfactory results, with R2 ranging from 0.14 to 0.62 and AMPE ranging between 2 and 7%, which indicates that for such variables, the model serves only as trend guides, unless the models are refined by improving sinter sampling processes and implementing new input variables.Em função dos mais recentes desenvolvimentos tecnológicos e altos investimentos em pesquisa, os processos siderúrgicos têm se tornado cada vez mais competitivos, através da utilização de sistemas robustos e sofisticados para mapear e modelar os processos envolvidos. Paralelo a isso, a qualidade das matérias primas, em especial do minério de ferro, decresce com o tempo, aumentando a necessidade de desenvolver modelos estatísticos e matemáticos capazes de controlar o processo, a fim de otimizar o consumo desses recursos, atrelado à redução de custos. Portanto, este trabalho visa avaliar o desempenho de duas metodologias estatísticas – Redes Neurais Artificiais (RNA) e Regressão Linear Múltipla (RLM) – na previsão de propriedades físicas (Índice de Degradação e Tamanho Médio de Partícula) e metalúrgicas (Índice de Degradação Sob Redução e Índice de Redutibilidade) do produto de uma planta de sinterização de minérios de ferro, a fim de melhorar o controle de processo e a compreensão das complexas relações entre variáveis de entrada e saída. Para alcançar o objetivo supracitado, fora utilizado um banco de dados de variáveis de processo, análise química e física do sínter produzido na sinterização da companhia siderúrgica brasileira em estudo, que foram empregados para alimentar os algoritmos de estimação baseados em Redes Neurais Artificiais e Regressão Linear Multivariável, desenvolvidos em Matlab e Microsoft Excel, respectivamente, de modo a obter, como principais resultados, o coeficiente de regressão (R2) e Erro Percentual Absoluto Médio (EPAM) para cada modelagem estatística. O modelo em geral obteve bons resultados para o Índice de Degradação em ambas as metodologias, com R2 variando entre 0,43 e 0,71, com EPAM menor que 0,52%, o que demonstra sua aplicabilidade a nível industrial. Entretanto, para as demais propriedades, os modelos foram incapazes de oferecer resultados satisfatórios, com R2 variando entre 0,14 e 0,62, com EPAM variando entre 2 e 7%, o que indica que, para tais variáveis, os modelos servem apenas como guias de tendência, a menos que os modelos sejam refinados, através de aperfeiçoamento nos processos de amostragem de sínter e da implementação de novas variáveis de entrada.Moura, Elineu Pinho deAlmeida, Emmanuel de Sousa2018-07-02T14:40:38Z2018-07-02T14:40:38Z2018info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfALMEIDA, E. S. (2018)http://www.repositorio.ufc.br/handle/riufc/33363porreponame:Repositório Institucional da Universidade Federal do Ceará (UFC)instname:Universidade Federal do Ceará (UFC)instacron:UFCinfo:eu-repo/semantics/openAccess2018-07-02T14:40:38Zoai:repositorio.ufc.br:riufc/33363Repositório InstitucionalPUBhttp://www.repositorio.ufc.br/ri-oai/requestbu@ufc.br || repositorio@ufc.bropendoar:2024-09-11T18:53:14.704083Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)false
dc.title.none.fl_str_mv Previsão de propriedades físicas e metalúrgicas do sínter através de redes neurais artificiais e regressão linear múltipla.
Prediction of physical and metallurgical properties of sinter through artificial neural networks and multiple linear regression.
title Previsão de propriedades físicas e metalúrgicas do sínter através de redes neurais artificiais e regressão linear múltipla.
spellingShingle Previsão de propriedades físicas e metalúrgicas do sínter através de redes neurais artificiais e regressão linear múltipla.
Almeida, Emmanuel de Sousa
Sinterização
Redes neurais artificiais
Regressão linear múltipla
Siderurgia
Título
title_short Previsão de propriedades físicas e metalúrgicas do sínter através de redes neurais artificiais e regressão linear múltipla.
title_full Previsão de propriedades físicas e metalúrgicas do sínter através de redes neurais artificiais e regressão linear múltipla.
title_fullStr Previsão de propriedades físicas e metalúrgicas do sínter através de redes neurais artificiais e regressão linear múltipla.
title_full_unstemmed Previsão de propriedades físicas e metalúrgicas do sínter através de redes neurais artificiais e regressão linear múltipla.
title_sort Previsão de propriedades físicas e metalúrgicas do sínter através de redes neurais artificiais e regressão linear múltipla.
author Almeida, Emmanuel de Sousa
author_facet Almeida, Emmanuel de Sousa
author_role author
dc.contributor.none.fl_str_mv Moura, Elineu Pinho de
dc.contributor.author.fl_str_mv Almeida, Emmanuel de Sousa
dc.subject.por.fl_str_mv Sinterização
Redes neurais artificiais
Regressão linear múltipla
Siderurgia
Título
topic Sinterização
Redes neurais artificiais
Regressão linear múltipla
Siderurgia
Título
description ALMEIDA, Emmanuel de Sousa. Previsão de propriedades físicas e metalúrgicas do sínter através de redes neurais artificiais e regressão linear múltipla. 2018. 59 f. Monografia (Graduação em Engenharia Metalúrgica) - Universidade Federal do Ceará, Fortaleza, 2018.
publishDate 2018
dc.date.none.fl_str_mv 2018-07-02T14:40:38Z
2018-07-02T14:40:38Z
2018
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv ALMEIDA, E. S. (2018)
http://www.repositorio.ufc.br/handle/riufc/33363
identifier_str_mv ALMEIDA, E. S. (2018)
url http://www.repositorio.ufc.br/handle/riufc/33363
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Ceará (UFC)
instname:Universidade Federal do Ceará (UFC)
instacron:UFC
instname_str Universidade Federal do Ceará (UFC)
instacron_str UFC
institution UFC
reponame_str Repositório Institucional da Universidade Federal do Ceará (UFC)
collection Repositório Institucional da Universidade Federal do Ceará (UFC)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)
repository.mail.fl_str_mv bu@ufc.br || repositorio@ufc.br
_version_ 1813028984794906624

Registros relacionados