Aplicação de redes neurais artificiais para predição do consumo de combustível em um alto-forno a coque de uma empresa de grande porte.

Abstract

A indústria siderúrgica no Brasil possui significativa importância para economia nacional. Somente no ano de 2018 foram produzidas 30 milhões de toneladas de aço. Com tamanha produção a siderurgia representou cerca de 4% do PIB nesse mesmo ano. O processo de produção de aço é altamente complexo e possui incontáveis variáveis inerentes a diversidade de rotas até a entrega do produto final. Inserido na rota conhecida como redução, o alto-forno é um reator com muitas variáveis de processo que, por sua vez, são responsáveis por garantir a qualidade e a competitividade do produto final conhecido como ferro gusa. Dentre essas variáveis podemos citar: o consumo específico de carbono - responsável por garantir viabilidade econômica do processo -, e o teor de silício de enxofre no gusa, esses são os principais indicadores de qualidade do gusa. Diante desse contexto surge então a necessidade de criar métodos consistentes e precisos para controlar tais indicadores. O objetivo deste trabalho é a criação de uma máquina de comitê compostas por três modelos de redes neurais para predição do consumo de carbono específico. Como resultado final, verificou-se que o modelo apresentou o valor de RMSE 4,67 para o consumo específico de carbono. De posse desses valores foi possível constatar a relevância do modelo para a comunidade acadêmica, uma vez que os mesmos foram os mais promissores encontrados na literatura até o presente momento.