Título

DESENVOLVIMENTO DE MODELO PREDITIVO DE EMISSÕES DIFUSAS EM PÁTIOS DE PELOTAS DE USINAS DE PELOTIZAÇÃO

DEVELOPMENT OF PREDICTIVE MODEL FOR DIFFUSE EMISSIONS IN PELLETS STOCKYARD

Autoria

Andrade, Alexandre Gonçalves; Alvarenga, Tatiane Ferreira; Pacheco, Crisley Dellaqua; Nasaré, Aline Maria Santoro; Teixeira, Gabriel Miranda

DOI

10.5151/2594-357X-33645

Downloads

Baixar Artigo 217 Downloads

Resumo

Emissões de fontes difusas são aquelas diretamente relacionadas a suspensão de material particulado de estruturas civis, metálicas, materiais carreados pelo vento em correias transportadoras, operações de estocagem e recuperação e processos onde o sistema de captação não são suficientes para realizar a limpeza e tratamento. A Vale possui um sistema exclusivo para quantificação das emissões de fontes difusas, a Rede Automática de Monitoramento de Poeira (RAMPs), formando uma malha de análise ao longo de toda a unidade de Tubarão, em Vitória, ES. Para atuar de forma a prevenir as emissões difusas nos pátios de pelotas das usinas de pelotização da unidade de Tubarão, foi desenvolvido um sistema preditivo com base nas informações de variáveis de processo e informações climáticas disponíveis, utilizando ferramentas de Big Data e analítica avançada. Os modelos se mostraram aderentes às taxas reais de emissões medidos pelas RAMPs e se mostraram uma ferramenta eficiente para predizer emissões acima da meta com até 4 horas de antecedência

 

Diffuse emissions are that directly related to particulate matter suspended from civil structures, materials disposed in conveyor belts carried out by wind, stack e reclaimers operations and that one where dust collectors are not able to act correctly. Vale implemented in the last years a unique system capable to measure this kind of dust, called RAMPs (Dust Monitoring Automatic Network), which creates an analytical net in Tubarao industrial site, located in Vitória, ES. In order to prevent diffuse emissions in Tubarao’s pellets stockyard, it was proposed and developed a predictive model based on operational and climate variables available on the site, using big data and advanced analytics tools. The models developed shows to be adherent to the real emissions rates measured by the RAMPs and proved to be an efficient tool to predict emissions over the internal target with 4 hours of precedence

Palavras-chave

Emissões Difusas; Pelotização; Modelo Preditivo; Big Data

Diffuse Emissions; Pelletizing; Predictive Model; Big Data