ISSN 2594-357X
54º Seminário de Redução de Minérios e Matérias-Primas — Vol. 54 , num. 54 (2026)
Título
Autoria
DOI
Downloads
Resumo
O presente trabalho apresenta um estudo detalhado sobre a viabilidade e implementação de um sistema de monitoramento contínuo das propriedades metalúrgicas do coque (CSR, CRI e Umidade) utilizando sensores ópticos e inteligência artificial. A metodologia baseia-se na correlação entre o espectro de tons de cinza da superfície do coque e sua microestrutura de carbono (anisotropia). Os resultados demonstram que o sistema supera as limitações de frequência e a variabilidade intrínseca de ±2 pontos dos ensaios laboratoriais convencionais. Através de uma jornada de calibração iniciada em 2021, o modelo atingiu um erro médio quadrático normalizado (nRMSE) de 0,080 para o CSR, consolidando-se como uma ferramenta de suporte à decisão que permite ajustes proativos na operação e redução de custos operacionais
Optical sensors and artificial intelligence. The methodology is based on the correlation between the grayscale spectrum of the coke surface and its carbon microstructure, particularly anisotropy. The results show that the system overcomes the frequency limitations and the intrinsic variability of ±2 points associated with conventional laboratory tests. Through a calibration process initiated in 2021, the model achieved a normalized root mean square error (nRMSE) of 0.080 for CSR, consolidating itself as a decision-support tool that enables proactive operational adjustments and reductions in operating costs.
Palavras-chave
Coque metalúrgico, CSR, CRI, Visão computacional, Aprendizado de máquina, Monitoramento on-line
Metallurgical coke, CSR, CRI, Computer vision, Machine learning, Online monitoring
Como citar
Martins, Marco Aurelio Soares; Souza, Edwin Wilker Chaves; Pinto, Daniel Magalhães; Silva, Arthur de Souza Vilela; Marciano, Nadia Giovanna Martins; Cunha, Jean Tadeu de Miranda; Ferreira, Kelly Cristina.
Monitoramento on-line de propriedades metalúrgicas do coque via visão computacional e aprendizado de máquina: Uma abordagem para estabilidade de alto-forno,
p. 362-369.
In: 54º Seminário de Redução de Minérios e Matérias-Primas,
São Paulo, SP - Brasil,
2026.
ISSN: 2594-357X, DOI 10.5151/2594-357X-43940
