Por: Guilherme Frederico Bernardo Lenz e Silva (USP), THALES ARANTES KERCHE NUNES (USP), NATALIA PIEDEMONTE ANTONIASSI (USP), RONALDO ADRIANO ALVARENGA BORGES (USP)
Resumo:
Existe um grande interesse em modelar de forma precisa as variáveis operacionais do processo de produção de aços em convertedores LD. Entretanto, essa não é uma tarefa simples, visto que a interação entre as diversas variáveis do processo não é totalmente entendida e, muitas decisões na indústria são tomadas a partir de experiência operacional. Por isso, este trabalho pretende fornecer um modelo confiável que possa, com boa precisão, auxiliar a decisão na indústria apresentando uma estimativa do comportamento futuro das variáveis que envolvem a produção de aço em um LD. Foram utilizadas análises multivariadas de séries temporais para atingir o objetivo, dentre elas, os modelos de Autorregressão Vetorial, ElasticNet, K-Nearest-Neighbors, Regressão Linear Múltipla e rede neural de memória de curto e longo prazo. Estes modelos foram aplicados em um conjunto de dados de três campanhas distintas de produção de aço. Foi encontrado um modelo com bom desempenho para prever 35 das 42 variáveis propostas, comprovando ser possível correlacionar a maioria das variáveis escolhidas.