PREDIÇÃO DA CONCENTRAÇÃO DE FÓSFORO DO AÇO EM CONVERTEDORES A OXIGÊNIO
Luan Carlos de Oliveira1; Cassius Zanetti Resende1; Daniel Cruz Cavalieri1; Leandro Rodrigues Ramos2; Henrique Silva Furtado2; Roberto Dalmaso2
1 Instituto Federal do Espírito Santo; 2 Arcelor Mittal Tubarão
Baixar PDF doi:10.20906/CPS/CBA2018-1088
Resumo
O objetivo deste trabalho é o desenvolvimento e análise de desempenho entre dois modelos de predição, baseados nas técnicas SVR (Support Vector Regression) e rede neural Autoencoder. Tais modelos visam à predição do teor de Fósforo do aço em convertedores a Oxigênio ao final do refino primário, em substituição à amostragem comumente realizada para análises laboratoriais e consequente verificação das propriedades químicas da matéria em produção. Para a modelagem utilizou-se um conjunto de variáveis formado por insumos e dados de instrumentação do refino. Utilizou-se a validação cruzada k-fold para obtenção de modelos generalistas e como métricas de desempenho adotou-se o RMSE (Root Mean Square Error) e taxa de acerto em relação à concentração final de Fósforo. Dentre as técnicas, a SVR com kernel linear garantiu os melhores resultados, se mostrando uma boa solução para o problema proposto.
Palavras-chave: Aprendizado de Máquina; Support Vector Regression; Autoencoder; Basic Oxygen Furnace