Título

IDENTIFICAÇÃO DAS VARIÁVEIS QUE INFLUENCIAM A PROJEÇÃO DE ESCÓRIA NO BOF POR MEIO DE ANÁLISE MULTIVARIADA DE DADOS

IDENTIFICATION OF THE VARIABLES THAT INFLUENCE THE SLOPPING IN THE BOF USING MULTIVARIATE DATA ANALYSIS

Autoria

Loiola, Bruna Helena Malovini; Furtado, Henrique Silva; Peixoto, Johne Jesus Mol; Silva, Itavahn Alves da; Silva, Carlos Antônio da

DOI

10.5151/2594-5300-33530

Downloads

Baixar Artigo 212 Downloads

Resumo

A projeção de escória do BOF (Basic Oxygen Furnace) ocorre a partir da formação da emulsão, a qual provoca expulsão de escória se o volume da mesma aumenta em demasia. Esse fenômeno gera algumas preocupações para uma aciaria, como diminuição da eficácia do refino, perdas financeiras, perda de material, riscos de acidentes e principalmente problemas ambientais. Arquivos de Big Data da ArcelorMittal Tubarão foram estudados para que fosse possível a identificação das causas principais das projeções a partir de estudos estatísticos de análises multivariadas, técnicas ainda pouco usuais para estudos na área de aciaria. Foram utilizados os softwares Statistica, Genes, e Rbio com novas propostas de utilização de ferramentas desta área, como a análise de componentes principais e a análise de trilha e análise de rede de correlações. Foi possível verificar, por exemplo, que o peso de briquete misto adicionado durante o sopro e o teor de silício no gusa carregado estão entre as principais causas de projeção.

 

Slopping occurs when the emulsion inside the BOF (Basic Oxygen Furnace) increases its volume and portion of the slag is expelled. This phenomenon brings some concerns for steelmaking such as reduction of refining efficiency, material losses, health concerns and also environmental issues. Big Data files from ArcelorMittal Tubarão have been analysed in order to identify the main causes of the slopping. Statistical techniques such as multivariate analyzes, which are not very usual in the steelmaking field, have been employed for such. Statistica, Genes and Rbio softwares were used and principal components, path analysis, and correlation network were the chosen tools. It was possible to verify, for example, that the weight of mixed briquette added during the blowing and the content of silicon in the hot metal are among the causes of slopping.

Palavras-chave

Projeção, BOF; Big Data; Análise Multivariada

Slopping; BOF; Big Data; Multivariate Analysis