Modelagem de Processos (ENG10633) Relatrio de disciplina Curso de Engenharia Qumica CCA/UFES (Campos de Alegre, ES)

ESTUDO DA UTILIZAO DE REDES NEURAIS PARA PREVISO DA TEMPERATURA DO AO EM FORNO PANELA

Bruno Rodrigues Botinha Matrcula: 2009209134 Homero Minine de Souza Matrcula: 2009209352 Jadinei Fernandes Fonseca Matrcula: 2009209133 Sara Cristina Silva Matrcula: 2009209127 Andra Oliveira da Costa Docente

Alegre, ES Julho de 2013

1. Autoria e filiao Autor do trabalho: Patrcia Teixeira Sampaio Orientador: Prof. Dr. Antnio de Pdua Braga Dissertao de Mestrado submetida Banca Examinadora designada pelo Programa de Ps-Graduao em Engenharia Eltrica da Universidade Federal de Minas Gerais PPGEE/UFMG, como requisito parcial obteno do ttulo de Mestre em Engenharia da Eltrica. Belo Horizonte, Dezembro de 2006.

2. Descrio do sistema e motivao dos autores: Atualmente, as RNAs tem sido aplicadas na soluo de problemas cuja delimitao de fronteiras complexa ou onde falta algum conhecimento explcito para a busca de uma soluo. No trabalho estudado, as redes neurais artificiais foram utilizadas como ferramenta principal para a modelagem trmica de um forno panela da indstria V&M (Figura 1) (Sampaio, 2006).

Figura 1 - Esquema representativo de um forno panela (Sampaio, 2006; Rizzo, 2006).

A necessidade de aumento de produtividade, reduo de custos e fabricao de aos com exigncias de qualidade cada vez mais severas, conduziu o desenvolvimento dos processos de refino para uma outra unidade, denominada refino secundrio do ao. A criao desta nova unidade trouxe um aumento de at 20% da produtividade (Sampaio, 2006). O refino secundrio do ao, realizado atravs do forno panela, tem como princpio de funcionamento a utilizao de energia eltrica para o aquecimento do ao (Sampaio, 2006). O grande problema do refino secundrio a perda de calor. Um estudo realizado pela British Steel Corporation (2005) demonstrou que para um arco eltrico de 7kA e 173V, aproximadamente 72,5% do calor transferido para o banho, 14,5% para os eletrodos e 13% para as paredes e abbada. Apesar das perdas relatadas, a utilizao do forno panela possibilitou a produo de aos com estreitos ajustes de temperatura e composio qumica (Sampaio, 2006). Entretanto, apesar do forno panela ter possibilitado uma reduo de at 15% do consumo energtico, com a retirada do processo de refino do convertedor LD, esta unidade representa a maior parcela do consumo energtico da aciaria (Sampaio, 2006). Desta forma, a busca por alternativas que reduzam o consumo energtico da unidade do forno panela so de extrema importncia dadas as propores que esse consumo representa no custo total do ao produzido. Na siderurgia da V&M do Brasil, uma forma de reduzir o consumo energtico seria a reduo da variabilidade da temperatura do ao, que est diretamente ligada variao observada no consumo energtico especfico. Com isso, decidiu-se por desenvolver um modelo de previso da temperatura do ao, com o objetivo de prover uma ferramenta de suporte deciso para a operao, tornando-a mais eficaz e padronizada (Sampaio, 2006). A no-linearidade e a complexidade do processo do forno panela, aliado ao baixo conhecimento da sua dinmica, tornaram o uso de redes neurais artificiais bastante interessante como uma ferramenta de modelagem e previso (Sampaio, 2006).

3. Emprego de redes neurais: A tcnica de redes neurais pode ser considerada indicada para anlise do problema estudado, uma vez que, devido alta complexidade do processo e ao baixo conhecimento de sua dinmica, a otimizao do sistema por tcnicas convencionais de difcil implementao.

4. Anlise dos resultados obtidos: O tipo de rede testado foi a MLP (Multilayer Perceptron). Para coletar os dados foi desenvolvido um programa em Delphi 7.0, responsvel por buscar os dados nas tabelas do sistema de automao existente na planta, formatlos e aplicar o primeiro critrio de pr-processamento nos mesmos. O critrio inicial de pr-processamento consistiu na filtragem dos dados que estavam fora da faixa operacional, como peso lquido mximo de 86 toneladas e altura de borda livre mnima de 10 cm. Em seguida, os dados foram novamente filtrados utilizando uma tabela terica com taxas de aquecimento do forno. Os dados resultantes corresponderam a 76,5 % de todas as amostras coletadas, o que correspondeu a 11431 amostras em aproximadamente 6 meses de produo e 2580 corridas. Utilizou-se o algoritmo Levenberg-Marquardt em conjunto com a regularizao bayesiana para o treinamento da rede. O modelo neural foi composto por 9 neurnios de entrada, uma camada escondida com 20 neurnios e uma camada de sada com 1 neurnio. A funo de ativao escolhida para a camada escondida foi a tangente hiperblica e para a sada, a funo linear. Foi utilizada a arquitetura no recorrente para a rede (Figura 2). As variveis de entrada so as seguintes: temperatura inicial, tempo de forno ligado, tempo de forno desligado, ndice de encharque, qualidade do ao, altura da borda livre, peso lquido do ao, nmero do TAP e perda trmica. Soma-se nove variveis de entrada que influenciam diretamente na varivel de sada, ou seja, a temperatura do ao.

Figura 2 - Arquitetura de rede neural utilizada no modelo.

5. Tcnicas de modelagem matemtica: Devido alta complexidade do processo e o nmero elevado de variveis, determinar equaes fenomenolgicas que correlacionem todas as variveis do processo pode-se tornar uma tarefa impraticvel. Da mesma forma, propor modelos empricos multidimensionais que explique o comportamento da temperatura do ao em relao a 9 variveis tambm pode no ser vivel. Desta forma, considera-se que a aplicao de RNAs seja a modelagem mais apropriada.

6. Concluso: O erro mdio alcanado pelo modelo foi menor que o erro mdio especificado pela equipe de produo da V&M do Brasil, dessa forma possvel afirmar que o modelo de rede neural desenvolvido foi bastante robusto e regular.

Alteraes no processo podero levar a necessidade de um novo treinamento do modelo implementado, dessa forma sempre necessrio um grande conjunto de dados para obteno dos parmetros da rede. Para trabalhos futuros sugere-se a implementao de um sistema que tenha funo de calcular o erro de previso a cada mudana no processo e sugerir o melhor momento para se realizar um novo treinamento da rede neural.

7. Referncias Bibliogrficas

SAMPAIO, P. T. Modelagem Trmica de um Forno Panela utilizando Redes Neurais Artificiais. (Dissertao de mestrado em Engenharia Eltrica). PPGEE/UFMG. Belo Horizonte MG. 112 p. 2006. RIZZO, E. M. S. Introduo aos Processos de Refino Secundrio dos Aos (1 ed.). Associao Brasileira de Metalurgia e Materiais. 2006.