DISSERTAÇÃO Nº 123

 

Discente: Victor Raphael Souza Araújo    

Título: “Otimização do Reaquecimento de Tarugos de Aço Usando Inteligência Artificial”  
Orientador: Prof. Dr. Carmelo José Albanez Bastos Filho.

Coorientador: Prof. Dr. Jornandes Dias da Silva 

Examinador Interno: Prof. Dr. Diego José Rátiva Millán (UPE) 

Examinador Externo: Prof. Dr. Sérgio Murilo Maciel Fernandes (UPE)  

Data-hora: 09/04/2021, às 15h

Local: Formato Remoto

CÓDIGO DA SALA - Google meet: meet.google.com/aag-fqwg-row

 

Resumo do Projeto:

 

Nas indústrias siderúrgicas, produtos como barras, cantoneiras e vergalhão são produzidos em processo de laminação a partir de tarugos de aço. Para ser laminado, os tarugos de aço devem estar a uma temperatura adequada, garantindo as propriedades e características dos produtos laminados. O processo de reaquecimento dos tarugos de aço, basicamente, eleva a temperatura do tarugo, da temperatura de entrada até a temperatura ideal de laminação, cujo equipamento responsável é o forno de reaquecimento. O processo de reaquecimento de tarugos de aço para Laminação nem sempre é operado de forma eficiente, devido o forno ter sido projetado e construído com suas devidas particularidades. Os valores da temperatura de cada zona de controle, são baseados na experiência do engenheiro do forno junto com os operadores. A aplicação de inteligência artificial pode ser utilizada para identificar valores de operação de forma a reduzir o consumo energético, maximizando a produção do equipamento, garantindo as restrições do processo (temperatura mínima e capacidade de produção). O objetivo desse trabalho é propor uma metodologia de operação eficiente com o emprego de otimização multi-objetivos, aplicado a modelos regressivos gerados nesta dissertação para os sistemas envolvidos no processo de reaquecimento de tarugos de aço. O algoritmo de otimização multi-objetivos aplicado foi o NSGA-II, algoritmo genético para poucos objetivos amplamente utilizado para problemas de engenharia, para identificação dos valores da temperatura das zonas de controle, a partir dos sistemas regressivos envolvidos. A previsão da temperatura de saída do tarugo é obtida a partir da temperatura de entrada do tarugo, das temperaturas das três zonas e tempos de permanência nas zonas, como atributos de entrada de uma rede neural com múltiplas camadas. A definição da configuração da rede neural, foi obtida a partir da variação da quantidade de neurônios e épocas de treinamento, observando-se o menor RMSE. Para a identificação do consumo total, foi necessário identificar a vazão de gás natural de cada zona de controle a partir de três modelos independentes para a previsão da vazão, a partir da temperatura das zonas de controle. Os valores identificados pelo algoritmo de otimização foram implementados em um processo real, após um período de operação em regime nominal, obtendo a redução do consumo de gás natural em 12%, validando a eficiência do processo proposto.

 

Palavras-chave: Previsão de temperatura, Inteligência Artificial, Otimização Multi-objetivo

Go to top Menú