Predição da eficiência de calcinação baseado em variáveis de entrada do forno de cal em uma indústria de celulose.

Abstract

Este trabalho mostra a importância de modelos preditivos específicos para a eficiência da calcinação, os quais são fundamentais para maximizar o desempenho dos fornos de cal. A otimização de processos industriais é essencial para melhorar a produção e reduzir custos. O presente estudo investiga a predição da eficiência de calcinação no forno de cal 03 da CENIBRA utilizando variáveis de entrada do processo. O objetivo é desenvolver um modelo robusto para estimar a eficiência da reação de calcinação a partir das variáveis de entrada do forno. A pesquisa analisa a relação entre essas variáveis e a eficiência da calcinação, além disso, identifica padrões e tendências que podem otimizar o desempenho do processo. A metodologia empregada inclui a coleta e análise de dados históricos, seguida pela aplicação de técnicas avançadas de machine learning para a construção do modelo preditivo. Por meio de análises estatísticas e modelagem preditiva, é proposto um modelo que demonstra uma relação significativa entre as variáveis de entrada e a eficiência da calcinação, o que proporciona insights valiosos para o controle e aprimoramento do processo. Os resultados mostram a importância das variáveis de entrada na eficiência da calcinação do forno de cal. O modelo preditivo, baseado em redes neurais perceptron multicamadas, validado por técnicas como validação cruzada e otimização de hiperparâmetros, mostra-se eficaz e aplicável à indústria de celulose, mais especificamente, para a CENIBRA. Os resultados mostram uma redução no Erro Médio Absoluto de 59% em comparação com a regressão linear e um R² de 0.62, superando em 4.49 vezes o modelo de regressão linear. Este estudo oferece uma ferramenta prática para otimizar a operação do forno de cal com implicações significativas para o controle de processos e eficiência operacional.