ISSN 2594-5335
27th Seminar on Automation & IT — Vol. 27, Num. 27 (2025)
Title
Authorship
DOI
Downloads
Abstract
A poluição do ar, incluindo a causada por material particulados, apresenta riscos significativos à saúde e desafios ambientais. Este estudo tem como objetivo prever as emissões difusas de material particulado no pátio de pelotas das usinas 5 a 7 da Unidade de Tubarão da VALE, em Vitória, Espírito Santo, Brasil. Utilizando um modelo de inteligência artificial (IA), especificamente o algoritmo XGBoost, a pesquisa visa prever emissões de particulados com base em dados meteorológicos e operacionais. A metodologia envolve a integração de dados de várias fontes, incluindo sistemas automáticos de monitoramento de particulados e provedores externos de dados meteorológicos. O processo de treinamento do modelo incorpora técnicas avançadas de aprendizado de máquina para lidar com dados heterogêneos e otimizar previsões. As estratégias de validação, incluindo a validação cruzada, garantem a robustez e a generalização do modelo. Os resultados demonstram a precisão do modelo na previsão de emissões de particulados, fornecendo informações valiosas para monitoramento em tempo real e tomada de decisões operacionais. O estudo destaca os desafios da integração de dados e a importância de dados confiáveis para um controle eficaz das emissões. As etapas futuras incluem explorar a escalabilidade do modelo de IA para outras áreas operacionais e desenvolver protocolos de resposta automatizados para acionar ações específicas quando os limites de emissão forem excedidos. A ferramenta de IA desenvolvida oferece uma abordagem promissora para gerenciar a qualidade do ar em áreas industriais, contribuindo para a sustentabilidade ambiental e saúde pública.
AIR POLLUTION, INCLUDING THE CAUSED BY PARTICULATE MATTER, POSES SIGNIFICANT HEALTH RISKS AND ENVIRONMENTAL CHALLENGES. THIS STUDY FOCUSES ON PREDICTING DIFFUSE EMISSIONS OF PARTICULATE MATTER IN THE PELLET STOCKYARD OF PLANTS 5 TO 7 AT VALE'S TUBARãO UNIT IN VITóRIA, ESPíRITO SANTO, BRAZIL. UTILIZING AN ARTIFICIAL INTELLIGENCE (AI) MODEL, SPECIFICALLY THE XGBOOST ALGORITHM, THE RESEARCH AIMS TO FORECAST PARTICULATE EMISSIONS BASED ON METEOROLOGICAL AND OPERATIONAL DATA. THE METHODOLOGY INVOLVES INTEGRATING DATA FROM VARIOUS SOURCES, INCLUDING AUTOMATIC PARTICULATE MONITORING SYSTEMS AND EXTERNAL METEOROLOGICAL DATA PROVIDERS. THE MODEL TRAINING PROCESS INCORPORATES ADVANCED MACHINE LEARNING TECHNIQUES TO HANDLE HETEROGENEOUS DATA AND OPTIMIZE PREDICTIONS. VALIDATION STRATEGIES, ENSURE THE MODEL'S ROBUSTNESS AND GENERALIZATION. RESULTS DEMONSTRATE THE MODEL'S ACCURACY IN PREDICTING PARTICULATE EMISSIONS, PROVIDING VALUABLE INSIGHTS FOR REAL-TIME MONITORING AND OPERATIONAL DECISION-MAKING. THE STUDY HIGHLIGHTS THE CHALLENGES OF DATA INTEGRATION AND THE IMPORTANCE OF RELIABLE DATA FOR EFFECTIVE EMISSION CONTROL. FUTURE STEPS INCLUDE EXPLORING THE SCALABILITY OF THE AI MODEL TO OTHER OPERATIONAL AREAS AND DEVELOPING AUTOMATED RESPONSE PROTOCOLS TO TRIGGER SPECIFIC ACTIONS WHEN EMISSION THRESHOLDS ARE EXCEEDED. THE DEVELOPED AI TOOL OFFERS A PROMISING APPROACH TO MANAGING AIR QUALITY IN INDUSTRIAL AREAS, CONTRIBUTING TO ENVIRONMENTAL SUSTAINABILITY AND PUBLIC HEALTH
Keywords
Emissões de material particulado, Inteligência artificial
Particulate matter emissions, Artificial intelligence
How to cite
Ribeiro, Lucilio Bertoldi; Knidel, Raquel; Silva, Rafael Leal; Hemerli, Flavio Manoel Santos.
MODELO BASEADO EM INTELIGÊNCIA ARTIFICIAL PARA PREVER EMISSÕES DIFUSAS EM UM PÁTIO DE ESTOCAGEM DE PELOTAS,
p. 13-27.
In: 27th Seminar on Automation & IT,
São Paulo, Brasil,
2025.
ISSN: 2594-5335, DOI 10.5151/2594-5335-41837