Resumo:
Tanto a necessidade de produzir sínter metalúrgico com propriedades melhores e mais estáveis independente das variações da qualidade dos insumos utilizados, tais como minério de ferro e coque, como a de garantir a competitividade na produção do aço diante de um cenário de constantes crises econômicas mundiais, são fatores motivadores para o desenvolvimento de modelos de previsão aplicados para indústria siderúrgica. O presente trabalho propõe o desenvolvimento de uma ferramenta computacional para estimar as propriedades finais do sínter a partir de características mecânicas, químicas e de variáveis do processo de sinterização. As propriedades do sínter investigadas são: Índice de Resistência Shatter (SI), Índice de Redutibilidade (RI), Índice de Degradação Sob Redução (RDI) e Tamanho Médio de Partícula (MPS). Algoritmos distintos foram utilizados a fim de se obter o melhor modelo de predição para cada uma das respostas estudas, sendo o melhor uma Rede Neural Percéptrons Múltiplos com algoritmo de aprendizagem do tipo Levenberg–Marquardt (MLP-LM). Os coeficientes de determinação dos melhores modelos encontrados para o SI, RI, RDI e MPS, respetivamente, foram 74.10%, 26.60%, 43.88% e 60.30%