Title

MODELAGEM DA UMIDADE DOS EMBARQUES DE PRODUTOS DE MINÉRIO DE FERRO FINO PARA AUXILIAR NO CONTROLE E GESTÃO DE RISCOS AO TML (LIMITE DE UMIDADE TRANSPORTÁVEL)

MODELING IRON ORE FINES SHIPMENTS MOISTURE TO SUPPORT MARITIME RISK MANAGEMENT (TRANSPORTABLE MOISTURE LIMIT - TML)

Authorship

Cunha, Rogerio Rabelo; Machado, Marcelo Lucas Pereira

Cunha, Rogerio Rabelo

I am this author

Machado, Marcelo Lucas Pereira

I am this author

DOI

10.5151/2594-357X-39660

Downloads

Abstract

O transporte marítimo de cargas sólidas a granel envolve riscos sérios à embarcação, seus tripulantes e ao meio ambiente, e é regulamentado pela IMO (International Maritime Organization), que criou o código IMSBC (International Maritime Solid Bulk Cargoes Code). O uso de modelos empíricos para predição de umidade de embarque toma uma grande dimensão neste contexto, permitindo que as decisões sejam tomadas em tempo hábil, para garantir a segurança da carga e a conformidade com os requisitos regulatórios. Neste trabalho, foi utilizado um banco de dados de embarques de finos de minérios de ferro de 980 cargas, com informações de qualidade química, umidade e granulometria e foram construídos três diferentes modelos estatísticos e redes neurais artificiais (RNA) para predição da umidade do embarque para comparação dos resultados e verificar qual o de melhor performance. Os modelos de RNA foram mais eficazes, chegando a um R2 acima de 90%, sendo, portanto, mais adequados para aplicação industrial.

Bulk cargos maritime transportation represents significant risks to the vessel, its crew, and the environment, and is duly regulated by IMO (International Maritime Organization), who created the IMSBC (International Maritime Solid Bulk Cargoes Code). The application of empirical models for moisture prediction takes huge importance in this context, supporting due time decisions to guarantee the overall safety cargo and regulatory requirements compliance. Over 980 iron ore fines cargoes database, with chemical quality, moisture and size distribution were studied. In this work tree different models were developed to cargo moisture prediction (time series, regression, and artificial neural network) and outcomes compared against each other. The obtained results showed artificial neural network models were able to explain higher variance, over 90%, thus being more suitable to industrial application.

Keywords

Umidade do minério de ferro; Limite de umidade transportável; Redes neurais artificiais; Modelos de

Iron ore moisture; Transportable moisture limit; Artificial neural network; Moisture prediction mode