Redes neurais artificiais LSTM aplicadas na previsão de padrões um forno de reaquecimento de tarugos.

• Ano de defesa: 2022
• Autor(a) principal: RODRIGUES, Nahanni Taynah Jácome.
• Banca de defesa: VASCONCELOS, Luis Gonzaga Sales. , RAMOS, Wagner Brandão. , BRITO, Romildo Pereira. , MORAIS JÚNIOR, Arioston Araújo de.
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande
• Programa de Pós-Graduação: PÓS-GRADUAÇÃO EM ENGENHARIA QUÍMICA
• Departamento: Centro de Ciências e Tecnologia - CCT
• País: Brasil
• Palavras-chave em Português: Engenharia química; Redes neurais artificiais LSTM; Forno de aquecimento; Controle de temperatura; Chemical engineering; LSTM artificial neural networks; heating oven; Temperature control
• Área do conhecimento CNPq: Engenharia Química
• Link de acesso: https://dspace.sti.ufcg.edu.br/handle/riufcg/27646

O processo de reaquecimento de tarugos dentro da indústria de laminação é uma etapa crucial para a obtenção de produtos com a qualidade desejada, visto que ela garante que as peças tenham as propriedades mecânicas ideias, como dureza, elasticidade, ductibilidade e resistência a tração. A temperatura dentro do forno precisa ser controlada dentro de uma faixa de 1000 a 1300°C, que varia de acordo com o funcionamento do forno, para que não ocorra fusão das peças ou perca das propriedades desejadas, assim como desperdício de peças fora de qualidade e de combustível usado para promover transferência de calor através da combustão nas zonas do forno. Desse modo, o presente trabalho apresenta a criação de Rede Neurais do tipo LSTM para previsão de padrões no processo de reaquecimento de tarugos, para que possa ser utilizada na construção de controladores do tipo PI, a serem empregados nas oito zonas presentes do forno em estudo. Diferentes métodos foram utilizados para tratar os dados de entrada para criação do modelo, como normalização, variação da taxa de amostragem, eliminação de valores outliers, com o objetivo de descobrir a influência dos mesmos na acurácia da RNA obtida. Os resultados mostram que as RNA desenvolvidas foram satisfatórias para prever dados de processos complexos que envolvem muitas variáveis, como o estudado, assim como apresenta a obtenção de um controlador PI que permite manter cada zona do forno dentro dos valores de temperatura desejados para a mesma. A RNA obtida para a taxa de amostragem de 30 segundos apresentou um melhor aprendizado dos dados do processo. O controlador desenvolvido foi capaz de manter as temperaturas de setpoint estabelecidas para cada zona, mostrando uma ferramenta eficaz visando obter peças com a qualidade desejada para o laminador, evitando desperdício, aumentando a vida útil do laminador, e consumindo a quantidade necessária dos combustíveis que alimentam o forno e promovem a combustão necessária para transferir calor para as peças.