Predição da temperatura do ferro-gusa em um alto-forno utilizando redes neurais LSTM

• Ano de defesa: 2022
• Autor(a) principal: Seidel, Rodrigo
• Orientador(a): Resendo, Leandro
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Serra
• Palavras-chave em Português: Temperatura; Regressão; Rede Neural; LSTM; Ferro-Gus; Alto-forno
• Link de acesso: https://repositorio.ifes.edu.br/handle/123456789/2960

Em razão da importância da siderurgia na economia nacional e da complexidade inerente à operação de um alto-forno, se torna necessário o estudo de meios para otimizar a operação desse equipamento e o consumo de recursos. Desta forma, este trabalho tem como principal contribuição a investigação do uso da rede neural LSTM (Long Short-Term Memory neural network) para realização da predição de temperatura do ferro-gusa produzido por um alto-forno. Considerando a importância da temperatura neste processo e os diversos fatores que podem influenciá-la, é possível que essa predição apoie o trabalho dos operadores do alto-forno, de forma a se otimizar o consumo de recursos para se manter o equipamento em funcionamento, podendo se refletir também na qualidade do ferro-gusa produzido. Utilizando os dados de operação do alto-forno como uma série temporal, foram avaliadas diversas configurações da rede neural LSTM. Foi realizado um estudo do histórico e da arquitetura das redes neurais LSTM e através dos resultados experimentais, a rede neural foi ajustada para, em seu melhor desempenho, uma camada de 2.048 neurônios. Foram realizadas avaliações comparativas e estudos de ablação (ablation studies) para averiguar a qualidade do modelo proposto e os resultados foram positivos. Com os resultados obtidos utilizando os dados do alto-forno como uma série temporal, concluiu-se que o uso da LSTM é satisfatório e que aprimoramento destes experimentos poderá atender as necessidades desse setor siderúrgico.