Título

VIABILIZAÇÃO DO VAZAMENTO DIRETO DE AÇOS NOS CONVERTEDORES COM USO DE TÉCNICAS MACHINE LEARNING NA ARCELORMITTAL TUBARÃO

ENABLING THE DIRECT TAPPING IN CONVERTERS USING MACHINE LEARNING TECHNIQUES IN ARCELORMITTAL TUBARAO

Autoria

RAMOS, LEANDRO RODRIGUES; ANTUNES, CLAUDIO DE OLIVEIRA; DALMASO, ROBERTO; FURTADO, HENRIQUE SILVA

DOI

10.5151/2237-0234-30713

Downloads

Baixar Artigo 274 Downloads

Resumo

Este trabalho tem por objetivo discutir a abordagem e os resultados referentes à versão do modelo de vazamento direto atualmente instalado na Aciaria da ArcelorMittal Tubarão. Para este trabalho fez-se uso de uma massa de dados histórica de corridas, propondo um novo modelo para predição de composição química (Fósforo e Manganês) ao fim de sopro dos convertedores, baseado em Redes Neurais Artificiais. Em seguida foram avaliados os resultados alcançados e respectivos potenciais de ganho. Desta forma pode-se avaliar e concluir que o uso de técnicas de Machine Learning pode trazer um aumento de produtividade na fabricação de aço minimizando-se os tempos de espera por análises químicas.

 

This paper aims to discuss the approach and results regarding the version of the direct tapping model currently installed in ArcelorMittal Tubarao Steelworks. For this work a historical database was used, proposing a new model to predict chemical composition (Phosphorus and Manganese) at the end of the blow of the converters, based on Artificial Neural Networks. The results obtained and potential gains were then evaluated. In this way it can be concluded that the use of Machine Learning techniques can increase productivity in steelmaking plants, minimizing waiting times for chemical analyzes..

Palavras-chave

BOF, Machine Learning, Fósforo, Modelagem Matemática

BOF, Machine Learning, Phosphorous, Mathematical Modeling