ISSN 2594-5335
27th Seminar on Automation & IT — Vol. 27, Num. 27 (2025)
Title
Authorship
DOI
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
How to cite
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.
TÉCNICAS DE MODELAGEM PARA SOFT-SENSOR EM BALANÇAS DE ALIMENTAÇÃO: UM ESTUDO COMPARATIVO NA PELOTIZAÇÃO,
p. 62-72.
In: 27th Seminar on Automation & IT,
São Paulo, Brasil,
2025.
ISSN: 2594-5335, DOI 10.5151/2594-5335-41936