Predição do teor de hidrogênio nos refinos secundários de uma aciaria usando redes neurais artificiais.

Abstract

Dentre os problemas críticos na produção do aço está a incorporação de hidrogênio durante o processo produtivo. A presença desse elemento pode ocasionar defeitos, fragilização e, em casos extremos, rompimento da pele de aço solidificada. A redução do teor de hidrogênio no aço líquido é feita apenas pelo equipamento RH, cujo custo e tempo de tratamento não torna viável o processamento de todo material produzido. Portanto, o objetivo deste trabalho é predizer o teor de hidrogênio das corridas antes do processo de lingotamento com o uso de redes neurais artificiais do tipo Multi-Layer Perceptron (MLP), baseado nos dados dos processos anteriores. Foram utilizados dados históricos de produção da aciaria da Usiminas, planta de Ipatinga/MG. Para atingir o objetivo, foi estruturada uma rede neural artificial cujos valores preditos foram comparados com os valores reais medidos no processo através do sistema Hydris. O modelo gerado respondeu satisfatoriamente, com um erro absoluto médio de 0,76 ppm, dentro de faixa de tolerância de + ou - 2 ppm em relação ao valor aferido pelo sistema Hydris, atendendo às expectativas do público técnico e operacional da aciaria.