Título

Predição da qualidade do coque metalúrgico por espectroscopia Raman e modelagem generativa baseada em CVAE

Prediction of Metallurgical Coke Quality Using Raman Spectroscopy and CVAE-Based Generative Modeling

Autoria

COUTINHO, PEDRO HENRIQUE AGRIMPIO; CAVALIERI, DANIEL CRUZ; PRADO, ADILSON RIBEIRO

COUTINHO, PEDRO HENRIQUE AGRIMPIO

Eu sou esse autor

CAVALIERI, DANIEL CRUZ

Eu sou esse autor

PRADO, ADILSON RIBEIRO

Eu sou esse autor

DOI

10.5151/2594-5335-43187

Downloads

Resumo

A Indústria 4.0 tem impulsionado a demanda por métodos rápidos e precisos para caracterização de materiais na mineração e siderurgia. No alto-forno, ensaios convencionais de qualidade do coque metalúrgico, como CSR e DI, são custosos e lentos. A espectroscopia Raman surge como alternativa promissora, permitindo identificar variações microestruturais do carbono, embora a não linearidade espectral e a escassez de amostras rotuladas dificultem o desenvolvimento de modelos preditivos robustos. A metodologia proposta integra pré-processamento espectral, seleção de regiões informativas e geração de espectros sintéticos via CVAE, avaliados com regressores kNN, PLS e SVR em três bases de dados com até 146 amostras reais. O PLS apresentou melhor desempenho médio para CSR e DI, consolidando um arcabouço metodológico sólido para predição de qualidade do coque via espectroscopia Raman e modelos generativos.

Industry 4.0 has driven demand for fast and accurate methods for material characterization in mining and steelmaking. In blast furnace operations, conventional quality tests for metallurgical coke, such as CSR and DI, are costly and time-consuming. Raman spectroscopy emerges as a promising alternative, enabling the identification of microstructural variations in carbon; however, spectral nonlinearity and the scarcity of labeled samples hinder the development of robust predictive models. The proposed methodology integrates spectral preprocessing, informative region selection, and synthetic spectrum generation via CVAE, evaluated with kNN, PLS, and SVR regressors across three datasets containing up to 146 real samples. PLS achieved the best average performance for both CSR and DI, consolidating a solid methodological framework for coke quality prediction using Raman spectroscopy and generative models.

Palavras-chave

Espectroscopia Raman, Coque Metalúrgico, Autoencoders Variacionais Condicionais, Modelos de Regressão

Raman Spectroscopy, Metallurgical Coke, Conditional Variational Autoencoders, Regression Models