Por favor, use este identificador para citar o enlazar este ítem: http://www.monografias.ufop.br/handle/35400000/6906
Título : Predição da eficiência de calcinação baseado em variáveis de entrada do forno de cal em uma indústria de celulose.
Autor : Guzzo, Giovane Simões
metadata.dc.contributor.advisor: Souza, Alexandre Magno de
metadata.dc.contributor.referee: Souza, Alexandre Magno de
Araújo, Janniele Aparecida Soares
Jesus, Guilherme Luiz de
Palabras clave : Aprendizado do computador
Controle preditivo
Industria de celulose
Previsão - calcinação - metalurgia
Redes neurais - computação
Fecha de publicación : 2024
Citación : GUZZO, Giovane Simões. Predição da eficiência de calcinação baseado em variáveis de entrada do forno de cal em uma indústria de celulose. 2024. 89 f. Monografia (Especialização em Ciência de Dados) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2024.
Resumen : 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.
metadata.dc.description.abstracten: This work demonstrates the importance of specific predictive models for calcination efficiency, which are essential to maximize the performance of lime kilns. The optimization of industrial processes is crucial for improving production and reducing costs. This study investigates the prediction of calcination efficiency in the lime kiln 03 at CENIBRA using process input variables. The objective is to develop a robust model to estimate the efficiency of the calcination reaction based on the kiln’s input variables. The research analyzes the relationship between these variables and calcination efficiency, and also identifies patterns and trends that can optimize process performance. The methodology employed includes the collection and analysis of historical data, followed by the application of advanced machine learning techniques for building the predictive model. Through statistical analysis and predictive modeling, a model is proposed that demonstrates a significant relationship between input variables and calcination efficiency, providing valuable insights for process control and improvement. The results show the importance of input variables in the calcination efficiency of the lime kiln. The predictive model, based on multilayer perceptron neural networks, validated by techniques such as cross-validation and hyperparameter optimization, proves to be effective and applicable to the pulp and paper industry, specifically for CENIBRA. The results show a reduction in Mean Absolute Error of 59% compared to linear regression and an R² of 0.62, outperforming the linear regression model by 4.49 times. This study offers a practical tool to optimize lime kiln operation with significant implications for process control and operational efficiency.
URI : http://www.monografias.ufop.br/handle/35400000/6906
metadata.dc.rights.license: Este trabalho está sob uma licença Creative Commons BY-NC-ND 4.0 (https://creativecommons.org/licenses/by-nc-nd/4.0/?ref=chooser-v1).
Aparece en las colecciones: Especialização - Ciência dos Dados

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
MONOGRAFIA_PrediçãoEficiênciaCalcinação.pdf3,79 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.