Utilização de modelos de regressão para predição do teor de enxofre do ferro gusa produzido em alto-forno.

Abstract

O mercado siderúrgico mundial exige aços de alta qualidade para atender às demandas crescentes por materiais duráveis, resistentes e com desempenho superior em diversas aplicações industriais. Sendo o enxofre uma impureza prejudicial para a obtenção destes aços, a dessulfuração do ferro gusa é de extrema importância. Neste processo, o conhecimento do teor de enxofre do ferro gusa é necessário para o dimensionamento dos agentes dessulfurantes. Na empresa estudada tal variável é obtida através de análises laboratoriais. Eventualmente, essa informação não é disponibilizada em tempo hábil. Neste contexto, esse trabalho tem como propósito o desenvolvimento de um modelo de rede neurais como alternativa para predição do teor de enxofre no gusa a ser dessulfurado em panela pelicano. A metodologia empregada neste estudo é caracterizada como empírico-descritiva, exploratória e explicativa. Inicialmente, realizou-se uma revisão bibliográfica sobre o tema, seguida pela coleta e tratamento de uma base de dados. Em seguida, aplicaram-se modelos de redes neurais para a predição da variável de interesse. O modelo de rede neural desenvolvido demonstrou um erro médio absoluto (MAE) dentro da faixa aceitável estabelecida pelos especialistas do processo estudado. Aproximadamente 77,3% dos valores preditos estavam dentro da faixa de aceitação. No entanto, devido à criticidade do processo, desvios superiores aos limites de aceitação indicam a necessidade de aprimoramento do modelo.