Title

Digitalização operacional de forno-panela por meio de modelos preditivos em tempo real

Operational digitalization in ladle furnace practice through real-time predictive models

Authorship

ROCHA, ANA CAROLINA; ALVES, DAVI SILVA; SOARES, LIS NUNES

ROCHA, ANA CAROLINA

I am this author

ALVES, DAVI SILVA

I am this author

SOARES, LIS NUNES

I am this author

DOI

10.5151/2594-5300-43650

Downloads

Abstract

A crescente disponibilidade de dados industriais tem criado novas oportunidades para converter informações operacionais em ações de processo mais consistentes na metalurgia secundária. Na prática do forno-panela, as decisões sobre aquecimento, momento de amostragem e ajustes elétricos ainda dependem fortemente de medições esparsas e da interpretação do operador. Este trabalho apresenta uma aplicação industrial concebida para transformar sinais online do forno-panela em indicadores preditivos e recomendações operacionais em tempo real. Implementada na plataforma Viridis Performance, a solução combina dois modelos baseados em regressão: um estima a evolução térmica do aço entre medições físicas e o outro projeta a demanda de energia térmica, a energia remanescente e a potência média necessária para atender à condição solicitada dentro do tempo disponível. A proposta é apresentada como um recurso de digitalização operacional voltado a melhorar o monitoramento do aquecimento, padronizar as práticas de amostragem e apoiar a tomada de decisão na rotina da planta. Na validação industrial, o modelo térmico alcançou R2=0,70 e erro quadrático médio (RMSE) de 0,6 °C. A projeção de energia apresentou desvio médio de aproximadamente 8% entre os valores previstos e medidos. Os resultados indicam maior previsibilidade do tratamento, melhor alinhamento entre a potência elétrica e a demanda real do processo e uso prático mais amplo dos dados de processo na operação do forno-panela.

The increasing availability of industrial data has created new opportunities to convert operational information into more consistent process actions in secondary metallurgy. In ladle furnace practice, decisions on heating, sampling timing, and electrical settings still rely heavily on sparse measurements and operator interpretation. This work presents an industrial application designed to transform online ladle furnace signals into predictive indicators and real-time operational recommendations. Implemented in the Viridis Performance platform, the solution combines two regression-based models: one estimates steel thermal evolution between physical measurements, and the other projects heat energy demand, remaining energy, and the average power required to meet the requested condition within the available time. The proposal is framed as an operational digitalization resource aimed at improving heat monitoring, standardizing sampling practices, and supporting decision-making in plant routine. In industrial validation, the thermal model achieved R2=0.70 and a root mean squared error of 0.6 °C. The energy projection showed an average deviation of approximately 8% between predicted and measured values. The results indicate improved treatment predictability, better alignment between electrical power and actual process demand, and broader practical use of process data in ladle furnace operation.

Keywords

Forno-panela, Digitalização operacional, Suporte à decisão, Metalurgia secundária, Modelos preditivo

Ladle furnace, Operational digitalization, Decision support, Secondary metallurgy, Predictive models