ISSN 2594-5300
54rd Seminar on Steelmaking, Casting and Non-Ferrous Metallurgy — Vol. 54, Num. 54 (2025)
Title
Authorship
DOI
Downloads
Abstract
A crescente demanda por aços de alta qualidade e processos mais eficientes tem impulsionado a adoção de tecnologias avançadas de controle na indústria siderúrgica. Nesse contexto, o controle de temperatura durante o refino secundário e o lingotamento contínuo exerce papel fundamental na qualidade do aço produzido. Este trabalho apresenta o desenvolvimento e a aplicação de um modelo de inteligência artificial (IA), elaborado em parceria com a EVCOM, para prever perdas térmicas ao longo do processo produtivo na Gerdau Charqueadas. A metodologia combinou técnicas de agrupamento e regressão para estimar com precisão a temperatura do aço em etapas críticas do processo, com destaque para o intervalo entre o Forno Panela (FP) e o Desgaseificador a Vácuo (VD). Os resultados obtidos demonstraram elevado desempenho do modelo, com coeficiente de determinação (R²) de 0,95 e erro absoluto médio de 2,48 °C, evidenciando sua capacidade de prever variações térmicas e otimizar a estabilidade do processo. Além disso, observou-se uma redução de 64,7% nas corridas frias e de 24,7% nas corridas muito quentes. Considerando apenas as corridas quentes, aquelas que seguiram a recomendação do modelo apresentaram uma redução adicional de 70% em relação às que não seguiram. Esses resultados reforçam a eficácia do modelo no aprimoramento do controle térmico e seu impacto positivo nas operações industriais de aciaria.
THE GROWING DEMAND FOR HIGH-QUALITY STEEL AND MORE EFFICIENT PROCESSES HAS DRIVEN THE STEEL INDUSTRY TO ADOPT ADVANCED PROCESS CONTROL TECHNOLOGIES. IN THIS CONTEXT, TEMPERATURE CONTROL DURING SECONDARY REFINING AND CONTINUOUS CASTING PLAYS A CRUCIAL ROLE IN THE QUALITY OF THE PRODUCED STEEL. THIS STUDY PRESENTS THE DEVELOPMENT AND APPLICATION OF AN ARTIFICIAL INTELLIGENCE (AI) MODEL, CREATED IN PARTNERSHIP WITH EVCOM, TO PREDICT THERMAL LOSSES THROUGHOUT THE PRODUCTION PROCESS AT GERDAU CHARQUEADAS. THE METHODOLOGY EMPLOYED CLUSTERING TECHNIQUES AND REGRESSION MODELS TO ACCURATELY ESTIMATE THE STEEL TEMPERATURE AT CRITICAL PROCESS STAGES, PARTICULARLY BETWEEN THE LADLE FURNACE (LF) AND THE VACUUM DEGASSER (VD). THE RESULTS SHOWED A COEFFICIENT OF DETERMINATION (R²) OF 0.95 AND A MEAN ABSOLUTE ERROR OF 2.48°C, HIGHLIGHTING THE MODEL’S ABILITY TO PREDICT THERMAL VARIATIONS AND OPTIMIZE PROCESS STABILITY. ADDITIONALLY, THERE WAS A 64.7% REDUCTION IN COLD HEATS AND A 24.7% REDUCTION IN OVERHEATED HEATS. WHEN CONSIDERING ONLY THE OVERHEATED HEATS, THOSE THAT FOLLOWED THE MODEL’S RECOMMENDATION SHOWED A FURTHER 70% REDUCTION COMPARED TO THOSE THAT DID NOT. THESE RESULTS DEMONSTRATE THE MODEL’S EFFECTIVENESS IN IMPROVING THERMAL CONTROL AND ITS INDUSTRIAL IMPACT ON STEELMAKING OPERATIONS
Keywords
Produção de aço, Inteligência Artificial, Controle de temperatura, Refino secundário.
Steel production, Artificial Intelligence, Temperature control, Secondary refining, Continuous casting, Thermal losses, Process optimization
How to cite
Schander, Luiz Guilherme; Dias, Ana Clara; Sibemberg, Lucas Siviero; Nabinger, Bruno Moreira; Guimarães, Mateus; Vecchia, Rodrigo Dalla; Passos, Marino Moscardini dos; Fagundes, Geraldo.
USO DE INTELIGêNCIA ARTIFICIAL PARA OTIMIZAçãO DO CONTROLE DE TEMPERATURA NO REFINO SECUNDáRIO,
p. 306-313.
In: 54rd Seminar on Steelmaking, Casting and Non-Ferrous Metallurgy,
São Paulo, Brasil,
2025.
ISSN: 2594-5300, DOI 10.5151/2594-5300-42105