Detecção de formação de gaiolas no Alto-forno 2.

Abstract

Redes neurais são modelos computacionais inspirados no funcionamento do cérebro humano. Compostas por unidades chamadas neurônios artificiais, essas redes são capazes de aprender padrões e realizar tarefas complexas, como reconhecimento de padrões, classificação e previsão. Esse trabalho tem como objetivo criar uma ferramenta capaz de detectar a formação de gaiolas no Alto-forno 2 da Aperam através da identificação e compreensão das principais variáveis do processo e definição da técnica mais eficaz para lidar com elas. Nos altos-fornos, que são reatores responsáveis pela produção do ferro gusa, problemas como entupimentos, obstruções e reduções da velocidade de descida de carga podem ter impactos significativos na eficiência operacional e na produção de ferro gusa. Manter o alto forno em operação contínua e minimizar interrupções é crucial para o processo metalúrgico. Através da utilização da Rede Neural Convolucional (CNN) capaz de realizar o reconhecimento de padrões auxiliando na resolução de problemas sistêmicos do processo foi possível construir um modelo que retira a subjetividade operacional da detecção das gaiolas na produção de gusa. Assim, para o objetivo de criação de um modelo capaz de detectar a formação das gaiolas, através da utilização do modelo de CNN, foi obtido uma acurácia de aproximadamente 90%, suficiente para o problema tratado.