Banca de QUALIFICAÇÃO: NATÁLIA REZENDE PINHEIRO LEITE

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : NATÁLIA REZENDE PINHEIRO LEITE
DATA : 12/07/2024
HORA: 10:00
LOCAL: https://meet.google.com/mef-smip-zxr
TÍTULO:

REDE NEURAL ARTIFICIAL PARA MODELAGEM PREDITIVA DE INSOLÚVEL EM QUINOLÉINA DO PICHE EM UMA INDÚSTRIA SIDERÚRGICA

PALAVRAS-CHAVES:

Palavras-chaves: piche, insolúvel em quinolina, redes-neurais, modelagem.

PÁGINAS: 43
RESUMO:

O piche, proveniente do alcatrão de carvão, é amplamente empregado na indústria. Oitenta por cento do piche é utilizado como ânodo pelas indústrias de alumínio, que demandam propriedades físicas e químicas específicas para garantir o desempenho do piche na produção de ânodos de qualidade. O teor de insolúveis em quinolina (IQ) tem sido um foco importante de estudo. A composição do IQ em um piche é influenciada pela mistura de carvões do alcatrão precursor, pelos parâmetros de coqueificação e pela extensão do tratamento térmico ao qual o piche foi submetido. A previsão da qualidade do IQ no piche é desafiadora, devido à complexidade dos processos de produção e à interdependência dos fatores que a afetam. As soluções baseadas em redes neurais artificiais (RNAs) têm se destacado na abordagem de sistemas complexos, adaptando-se bem a contextos sujeitos a mudanças frequentes, devido à sua capacidade aprender por meio de exemplos e de generalizar a informação aprendida. Neste estudo, as RNAs foram usadas para prever o teor de IQ no piche com base em dados reais da indústria siderúrgica, revelando uma alta dispersão nos dados de entrada durante o regime transiente. Reforçando a escolha apropriada das RNAs para decifrar e antecipar, por meio da inteligência artificial, os resultados do processo, garantindo a qualidade do produto. Um modelo de RNA do tipo feedforward foi empregado, utilizando o algoritmo de treinamento Levenberg-Marquardt, o qual foi programado e implementado no software MATLAB. O modelo foi configurado com duas camadas ocultas, empregando a função de ativação tansig, e vinte neurônios em cada camada. A construção da rede neural foi estabelecida mediante o treinamento dos neurônios, cuja validação foi realizada por meio da análise das planilhas de dados correspondentes aos reatores de polimerização. Durante esse processo, foram determinados os erros associados, avaliada a performance do ajuste e calculados os coeficientes de correlação. Obteve-se uma rede neural representativa do processo, a qual, a partir dos dados de entrada, incluindo o nível do tanque, temperatura de polimerização, taxa de ar, vazão de alimentação e IQ do alcatrão, gerou um resultado de saída referente ao IQ do piche. Na configuração da rede foram realizadas 2000 iterações, com 20 neurônios na camada oculta, gerando um erro de treinamento (MSE) de 1x10^-10. Conclui-se que a modelagem por meio de redes neurais demonstrou eficácia na análise de processos industriais, especialmente quando aplicada à avaliação de extensos conjuntos de dados.

MEMBROS DA BANCA:
Presidente - 1742695 - JUAN CANELLAS BOSCH NETO
Interno - 1811284 - EDSON ROMANO NUCCI
Externo ao Programa - 063.122.426-25 - PEDRO PRATES VALÉRIO - UFMG
Externa ao Programa - 2029466 - ISABEL CRISTINA BRAGA RODRIGUES