Título

ABORDAGENS DE REGRESSÃO LINEAR E FLORESTAS ALEATÓRIAS PARA DEFINIR UM MODELO DE PREVISÃO DE QUALIDADE DO COQUE

LINEAR REGRESSION AND RANDOM FOREST APPROACHES TO DEFINE A COKE QUALITY PREDICTION MODEL

Autoria

Fornasari, Lorenzo Engel; Oliveira, Diestéfano Souza; Raposo, Leonardo Lobo Cerqueira; Silva, Bruno Pinheiro da

DOI

10.5151/2594-357X-40125

Downloads

Baixar Artigo 27 Downloads

Resumo

Em um cenário de escassez de carvões minerais e alta nos preços da principal matéria-prima para a fabricação de coque, é fundamental utilizar todas as ferramentas possíveis para mitigar esses problemas. O desafio enfrentado pelos profissionais que lidam com misturas de carvões é cada vez maior, uma vez que não se pode abrir mão da qualidade, mas é necessário reduzir ao máximo os custos relacionados aos carvões. Nesse contexto, estabelecer um modelo de previsão do CRI e CSR do coque com base nos dados dos carvões individuais mostra-se um caminho com grande potencial econômico, além de ser uma ferramenta importante na rota de descarbonização, permitindo o uso de taxas menores de coque com segurança. Com dados operacionais de 4 anos, foi realizado um tratamento sequencial desses dados e, em seguida, foram utilizadas abordagens de regressão linear simples e florestas aleatórias para prever os índices de qualidade mencionados do coque. Os resultados de previsão para ambos os modelos foram satisfatórios, levando em consideração a natureza dos dados e a variabilidade dos ensaios, indicando um caminho promissor para a modelagem desses parâmetros. Os modelos gerados pelas florestas aleatórias foram analisados usando valores SHAP para garantir confiabilidade e interpretabilidade.

 

In a scenario of shortages of coal and high prices of the main raw material for the manufacture of coke, it is essential to use all possible tools to mitigate these problems. The challenge faced by professionals who deal with coal blends is increasing, since quality cannot be compromised, but it is necessary to reduce as much as possible the costs related to the coals. In this context, establishing a model to predict the CRI and CSR of coke based on data from individual coals is a path with great economic potential, besides being an important tool in the decarbonization route, allowing the use of lower rates of coke safely. Using 4 years of operational data, a sequential treatment of these data was performed and then simple linear regression and random forest approaches were used to predict the mentioned coke quality ratios. The prediction results for both models were satisfactory, taking into account the nature of the data and the variability of the trials, indicating a promising path for modeling these parameters. The models generated by the random forests were analyzed using SHAP values to ensure reliability and interpretability.

Palavras-chave

Regressão linear; Previsão; Coque; Aprendizado de máquina.

Linear regression; Prediction; Coke; Machine learning.