PREVISÃO ON-LINE DA FINURA DO CIMENTO EM MOINHO DE BOLAS USANDO SENSOR VIRTUAL
Karina Andreatta
Andreatta, Karina A.
Filipe Apóstolo
Apóstolo, Filipe
Reginaldo Nunes
Nunes, Reginaldo B.
01/12/2023
60-86
4
Este capítulo apresenta três modelos de regressão supervisionada para previsão da finura do cimento: rede neural perceptron multicamadas (RNPMC), máquina de vetores de suporte (SVM- Support Vector Machine) e rede neural de função de base radial (RNFBR). Para o treinamento dos modelos, as variáveis de entrada foram selecionadas através do estudo do processo de moagem do cimento e, posteriormente, foram escolhidos dois subconjuntos a partir dessas informações adquiridas por meio de métodos estatísticos. A variável de saída foi o resultado da análise laboratorial da finura do cimento. A etapa de pré-processamento que abrange a extração, análise, tratamento e limpeza dos dados recebidos da fábrica foi realizada de forma intensiva, o que ajudou a obter excelentes resultados na estimativa da finura do cimento. Este trabalho descreve o projeto e implementação de um sensor virtual baseado no modelo RNPMC treinado com o algoritmo de retropropagação de Adam e também no SVM para prever a finura do cimento online em um moinho de bolas. Os sistemas desenvolvidos foram implementados como sensores virtuais e foram efetivamente testados em um processo de moagem de cimento, denominado processo 1. Eles demonstraram a capacidade de fornecer informações sobre as variáveis anteriormente obtidas apenas por meio de testes laboratoriais off-line, com destaque para o sensor virtual baseado no modelo RNPMC. Os sensores virtuais desenvolvidos podem oferecer novas oportunidades complementares na redução do consumo de energia e também na melhoria da qualidade do produto final, entre outras vantagens para o processo de moagem.
Finura do Cimento, Rede Neural Artificial, Máquina de Vetor de Suporte, Qualidade do Produto, Moinho de Bolas.
Este capítulo está licenciado com uma Licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional.
O conteúdo do capítulo e seus dados e sua forma, correção e confiabilidade, são de responsabilidade exclusiva do(s) autor(es). É permitido o download e compartilhamento desde que pela origem e no formato Acesso Livre (Open Access), com os créditos e citação atribuídos ao(s) respectivo(s) autor(es). Não é permitido: alteração de nenhuma forma, catalogação em plataformas de acesso restrito e utilização para fins comerciais. O(s) autor(es) mantêm os direitos autorais do texto.