Utilização de técnicas de aprendizado de máquina supervisionado para a previsão do desgaste do revestimento refratário de um conversor de aço à oxigênio (2024)
- Authors:
- Autor USP: KLOTZ, LUCCAS ESPER - EP
- Unidade: EP
- Sigla do Departamento: PMT
- Subjects: REFRATÁRIOS; INDÚSTRIA SIDERÚRGICA; REVESTIMENTOS; APRENDIZADO COMPUTACIONAL; ANÁLISE DE DADOS
- Agências de fomento:
- Language: Português
- Abstract: Este estudo explora o uso de técnicas de aprendizado de máquina supervisionado para abordar a previsão do desgaste de revestimentos refratários em conversores LD, uma questão crucial na indústria siderúrgica. Os materiais refratários são extremamente importantes nesta indústria devido à sua resistência em condições extremas, e seu desempenho influencia diretamente e indiretamente os custos de produção do aço, além da segurança operacional. Com a evolução das técnicas de análise de dados, o aprendizado de máquina apresenta-se como uma solução promissora frente às limitações das abordagens estatísticas clássicas, especialmente em contextos em que a quantidade de características de processo é vasta e a distribuição dos dados não segue padrões estatísticos convencionais. No contexto deste estudo, utilizaram-se dados de um conversor LD de uma usina siderúrgica integrada localizada no Brasil. O tratamento dos dados envolveu eliminar outliers e variáveis irrelevantes ou incorretas. Os dados utilizados podem ser separados em dados de processo e medidas de espessura do revestimento, que precisaram ser relacionados e, para isso, agrupamentos de corridas foram feitos para adequar as diferenças de frequência de coleta dos dois grupos de dados. A principal ferramenta utilizada para o tratamento de dados e modelagem foi Python, empregando bibliotecas como scikit-learn e TensorFlow. Na modelagem, aplicaram-se os algoritmos de regressão linear, polinomial, Lasso, Ridge, Elastic Net, KNN, SVR, árvores de decisão e redes neurais artificiais (RNAs). Utilizou-se grid search e cross-validation para otimizar cada algoritmo. Além de ajustar os modelos, conduziu-se treinamento com diferentes conjuntos de características, incluindo todas as disponíveis, seleção via eliminação recursiva de variáveis (RFE) e aquelas comcorrelação de Pearson significativa com a variável alvo. Os melhores algoritmos foram combinados em modelos de aprendizado conjunto. Os resultados evidenciaram a inadequação dos modelos lineares, enquanto abordagens que modelam relações não lineares, como SVR, KNN e RNAs, demonstraram desempenho superior. Entre os diferentes modelos e combinações de características, o melhor resultado obtido foi o aprendizado em conjunto de SVR com KNN, alcançando um R² de 0,21, indicando que o aprendizado em conjunto pode gerar modelos superiores aos individuais. Devido à pequena quantidade de dados disponíveis, foi feita uma análise com relação a quantidade de dados que mostra que com uma maior quantidade seria possível obter coeficientes de determinação sensivelmente maiores. Este trabalho contribui para a indústria não pela precisão na previsão do desgaste do revestimento, mas pelo seu extenso exame de várias técnicas de aprendizado de máquina. A investigação detalhada sobre o desempenho de diferentes metodologias enriquece o corpo de conhecimento técnico e oferece uma base sólida para futuras pesquisas.
- Imprenta:
- Data da defesa: 01.02.2024
-
ABNT
KLOTZ, Luccas Esper. Utilização de técnicas de aprendizado de máquina supervisionado para a previsão do desgaste do revestimento refratário de um conversor de aço à oxigênio. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3133/tde-06052024-080850/pt-br.php. Acesso em: 03 jun. 2024. -
APA
Klotz, L. E. (2024). Utilização de técnicas de aprendizado de máquina supervisionado para a previsão do desgaste do revestimento refratário de um conversor de aço à oxigênio (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3133/tde-06052024-080850/pt-br.php -
NLM
Klotz LE. Utilização de técnicas de aprendizado de máquina supervisionado para a previsão do desgaste do revestimento refratário de um conversor de aço à oxigênio [Internet]. 2024 ;[citado 2024 jun. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3133/tde-06052024-080850/pt-br.php -
Vancouver
Klotz LE. Utilização de técnicas de aprendizado de máquina supervisionado para a previsão do desgaste do revestimento refratário de um conversor de aço à oxigênio [Internet]. 2024 ;[citado 2024 jun. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3133/tde-06052024-080850/pt-br.php
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
