AUMENTO DE EFICIÊNCIA NO TAMPONAMENTO DOS FUROS DE GUSA POR MEIO DA APLICAÇÃO DE MACHINE LEARNING NA ARCELORMITTAL TUBARÃO: EFFICIENCY ON TAPHOLE FILLING THROUGH MACHINE LEARNING APPLICATION IN ARCELORMITTAL TUBARÃO

AS CONDIÇÕES OPERACIONAIS DE UM ALTO-FORNO PODEM AFETAR O DESEMPENHO DA CASA DE CORRIDA, ACARRETANDO PERDAS DE EFICIÊNCIA E PRODUTIVIDADE. UM DOS FATORES LIGADOS À BOA PERFORMANCE DAS CASAS DE CORRIDA É A MANUTENÇÃO DO COMPRIMENTO DO COGUMELO, GERADO A PARTIR DA INJEÇÃO DE MASSA DE TAMPONAMENTO NOS FUROS DE GUSA. O PRESENTE TRABALHO USA TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL, MACHINE LEARNING, PARA ELABORAR UM PADRÃO INTELIGENTE DE INJEÇÃO DE MASSA DE TAMPONAMENTO. ESPECIALISTAS DA ARCELORMITTAL TUBARÃO E SAINT GOBAIN USARAM MODELOS DE APRENDIZAGEM SUPERVISIONADA, DO TIPO REGRESSÃO DE FLORESTAS ALEATÓRIAS, PARA TRATAR 46 PARÂMETROS OPERACIONAIS DO ALTO-FORNO 1 DA AMT, NO PERÍODO ENTRE 2016 E 2019. FOI GERADO UM ALGORITMO DE PREVISÃO PARA O COMPRIMENTO POSTERIOR DO FURO DE GUSA QUE OBTEVE 57% DE ACURÁCIA. ESSE MODELO FOI VALIDADO EM UM NOVO CONJUNTO DE DADOS DO ANO DE 2020, INÉDITOS AO PROCESSO, COMPROVANDO SUA CAPACIDADE DE PREDIZER O COMPORTAMENTO DE CRESCIMENTO OU DESGASTE DOS FUROS DE GUSA. O NOVO PADRÃO DE INJEÇÃO DE MASSA DE TAMPONAMENTO FOI ENTÃO SUBMETIDO AO TESTE PRÁTICO NOS FUROS DE GUSA 1 E 2. VALE RESSALTAR QUE A INTEGRIDADE FÍSICA DO FURO DE GUSA FOI MANTIDA PRATICAMENTE CONSTANTE ANTES E DURANTE O TESTE, SENDO O DESGASTE DOS COMPRIMENTOS DOS FUROS DE GUSA O PRINCIPAL FATOR ANALISADO

THE OPERATINAL CONDITIONS OF A BLAST FURNACE CAN AFFECT THE PERFORMANCE OF THE CASTHOUSE, LEADING TO WORSEN EFFICIENCY AND PRODUCTIVITY. ONE FACTOR LINKED TO A GOOD CASTHOUSE PERFORMANCE IS THE MAINTENANCE OF THE TAPHOLE LENGTH, GENERATED BY THE TAPHOLE CLAY INJECTION. THE PRESENT WORK USES ARTIFICIAL INTELLIGENCE TECHNIQUES, MACHINE LEARNING, TO DEVELOP AN INTELLIGENT PATTERN OF TAPHOLE CLAY INJECTION. SPECIALISTS FROM ARCELORMITTAL TUBARãO AND SAINT GOBBAIN USED THE SUPERVISED LEARNING MODELS, RANDOM FOREST REGRESSION TYPE, TO TREAT 46 OPERATIONAL PARAMETERS OF BLAST FURNACE 1 IN ARCELORMITTAL TUBARãO, PERIOD BETWEEN 2016 AND 2019. AN ALGORITHM WAS GENERATED TO PREDICT THE SUBSEQUENT TAPHOLE LENGTH WITH AN ACCURACY OF 57%. THIS MODEL WAS VALIDATED IN A NEW DATA SET FROM THE YEAR 2020, PROVING ITS ABILITY TO PREDICT THE GROWTH OR WEAR BEHAVIOR OF TAPHOLE LENGHT. THE NEW INJECTION PATTERN WAS THEN SUBJECTED TO THE PRACTICAL TESTS AT TAPHOLES 1 AND 2 OF AMT´S BLAST FURNACE 1. IT IS WORTH MENTIONING THAT THE PHYSICAL INTEGRITY OF THE TAPHOLES WAS KEPT PRACTICALLY CONSTANT BEFORE AND DURING THE TESTS, BEEING THE WEAR INDEX THE MAIN FACTOR ANALYZED

Palavras-chave

Alto-Forno; Massa de Tamponamento; Machine Learning

Blast Furnace, Taphole Clay; Machine Learning

Como citar

Generoso, Lucas Gonçalves; Lien, Fábio Maykon Bastos; Silva, Bruno Pinheiro da; Campos, Maria Gabriela Garcia; Santos, Matheus Felipe; Sako, Eric Yoshimitsu; Hespanhol, Deivison Carlos Fontes; Rangel, Bruno Gonçalves. AUMENTO DE EFICIÊNCIA NO TAMPONAMENTO DOS FUROS DE GUSA POR MEIO DA APLICAÇÃO DE MACHINE LEARNING NA ARCELORMITTAL TUBARÃO , p. 620-633. In: 50° Seminário de Redução de Minérios e Matérias-primas, São Paulo, 2022.
ISSN: 2594-357X , DOI 10.5151/2594-357X-34954