Title

TÉCNICAS DE MODELAGEM PARA SOFT-SENSOR EM BALANÇAS DE ALIMENTAÇÃO: UM ESTUDO COMPARATIVO NA PELOTIZAÇÃO

MODELING TECHNIQUES FOR SOFT SENSOR IN FEED SCALES: A COMPARATIVE STUDY IN PELLETIZING

Authorship

CUNHA, ANDERSON CHRISTO; TOZATO, BRUNO SEPULCHRO; RESENDO, CASSIO COLOMBI; NUNES, ERIK DE AZEREDO; MARTINS, GUILHERME CHRYSTELLO; MIGUEL, MAYKCILANE FERNANDES; CYPRIANO, MICHEL DA CONCEIÇÃO; BRITO, RAFAEL DAMASCENO XAVIER DE

CUNHA, ANDERSON CHRISTO

I am this author

TOZATO, BRUNO SEPULCHRO

I am this author

RESENDO, CASSIO COLOMBI

I am this author

NUNES, ERIK DE AZEREDO

I am this author

MARTINS, GUILHERME CHRYSTELLO

I am this author

MIGUEL, MAYKCILANE FERNANDES

I am this author

CYPRIANO, MICHEL DA CONCEIÇÃO

I am this author

BRITO, RAFAEL DAMASCENO XAVIER DE

I am this author

DOI

10.5151/2594-5335-41936

Downloads

Abstract

Este trabalho apresenta o desenvolvimento e a comparação de três abordagens para um soft-sensor aplicado às balanças das alimentadoras dos discos de pelotamento: modelagem baseada em fenômenos físicos, regressão polinomial multivariada e aprendizado de máquina. A modelagem física obteve acurácia de 68%, enquanto a regressão polinomial alcançou 94%, demonstrando maior capacidade de capturar relações entre variáveis. O aprendizado de máquina apresentou o melhor desempenho, com 99% de acurácia, porém, devido à sua menor demanda computacional, a regressão polinomial foi escolhida para implementação no sistema de controle.

THIS WORK PRESENTS THE DEVELOPMENT AND COMPARISON OF THREE APPROACHES FOR A SOFT-SENSOR APPLIED TO PELLET DISC FEEDER SCALES: MODELING BASED ON PHYSICAL PHENOMENA, MULTIVARIATE POLYNOMIAL REGRESSION, AND MACHINE LEARNING. PHYSICAL MODELING ACHIEVED AN ACCURACY OF 68%, WHILE POLYNOMIAL REGRESSION ACHIEVED 94%, DEMONSTRATING A GREATER ABILITY TO CAPTURE RELATIONSHIPS BETWEEN VARIABLES. MACHINE LEARNING PRESENTED THE BEST PERFORMANCE, WITH 99% ACCURACY; HOWEVER, DUE TO ITS LOWER COMPUTATIONAL DEMAND, POLYNOMIAL REGRESSION WAS CHOSEN FOR IMPLEMENTATION IN THE CONTROL SYSTEM.

Keywords

Soft-sensor, Balanças industriais, Aprendizado de máquina, Processos de pelotamento.

Soft-sensor, industrial scales, machine learning, pellitizing processes