Quantificação da incerteza na medição da vazão mássica de minério com sensores virtuais orientados por dados.

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Diniz, Francisco José dos Santos
Orientador(a): Pessin, Gustavo, Luz, Eduardo José da Silva
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Modelos matemáticos - sensores virtuais
Confiabilidade - engenharia - quantificação de incertezas
Predição conforme
Link de acesso: https://www.repositorio.ufop.br/handle/123456789/20326
Resumo: Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.
id UFOP_00dcdfb05a7cd288d3b0eb00c878609a
oai_identifier_str oai:repositorio.ufop.br:123456789/20326
network_acronym_str UFOP
network_name_str Repositório Institucional da UFOP
repository_id_str
spelling Diniz, Francisco José dos SantosPessin, GustavoLuz, Eduardo José da SilvaRêgo Segundo, Alan KardekUeyama, JóPessin, GustavoLuz, Eduardo José da Silva2025-06-17T19:30:32Z2025DINIZ, Francisco José dos Santos. Quantificação da incerteza na medição da vazão mássica de minério com sensores virtuais orientados por dados. 2025. 85 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2025.https://www.repositorio.ufop.br/handle/123456789/20326Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.No contexto da Indústria 4.0, existe uma crescente demanda por informações confiáveis. A compreensão das incertezas associadas aos modelos e aos dados pode aprimorar a tomada de decisão, aumentar a segurança e elevar a eficiência de processos industriais. O setor de minera- ção é um desses casos em que sensores virtuais baseados em aprendizado de máquina (Machine Learning, ML) são amplamente utilizados. Esse aspecto se torna ainda mais relevante no trans- porte de minério, onde sensores virtuais são empregados para estimar a taxa de material em transportadores de correia. O uso de técnicas tradicionais de ML em geral tem se limitado à realização de estimativas pontuais, isto é, que não levam em consideração as incertezas ineren- tes às estimativas dos modelos. Essa lacuna pode comprometer a confiabilidade das decisões baseadas nessas estimativas, especialmente em sistemas críticos como os utilizados na mine- ração. Neste contexto, o presente estudo visa aprimorar o desempenho dos sensores virtuais por meio da incorporação da quantificação das incertezas (Uncertainty Quantification, UQ) nas estimativas das taxas de material. O sensor virtual analisado neste trabalho utiliza dados de corrente elétrica de um motor para estimar a taxa de material transportado em Transportadores de Correia de Longa Distância (TCLDs). Para atingir esse objetivo, é proposta inicialmente uma etapa de engenharia e seleção de atributos, que visa otimizar a acurácia das estimativas e a capacidade de adaptação do modelo. Foram consideradas três técnicas de aprendizado de máquina tradicionais: (i) Regressão Linear (RL), (ii) Árvore de Decisão (AD), e (iii) Multi- layer Perceptron (MLP). Além dessas técnicas, o algoritmo Light Gradient Boosting Machine (LightGBM) também foi utilizado. Já para a UQ, quatro métodos foram avaliados, sendo dois mais tradicionais: (i) - Baseado em Distribuição t-Student, (ii) Intervalos de Predição com bo- otstrap, e outros dois baseados em Predição Conforme (Conformal Prediction, CP): (iii) Split Conformal Prediction (SCP) e (iv) Full Conformal Prediction (FCP). Uma abordagem baseada na CP e em janelas deslizantes foi aplicada para realizar a emulação da UQ em um Controlador Lógico Programável (CLP). Os resultados obtidos indicam que o modelo LightGBM, aliado à engenharia e à seleção de atributos, resultou em uma redução de 17% no erro do sensor virtual em comparação com estudos anteriores. Além disso, os métodos bootstrap e FCP demonstra- ram eficácia na geração de intervalos de previsão, alcançando a cobertura desejada de 95% com larguras de intervalo cerca de 10% menores que a distribuição t-Studente e com menor varia- bilidade que a SCP, com larguras médias em torno de 166,56, 167,24, 184,60 e 167,49 (t/h), respectivamente. Por fim, o uso do CLP emulado com quantificação de incertezas, viabiliza a implantação desses algoritmos em cenários reais da indústria, nosso resultado apontam que a implementação de uma SCP com janelas deslizantes de tamanho 100 podem garantir uma co- bertura de aproximadamente 95% de confiança, respeitando as restrições relativas a capacidade computacional de um computador industrial.In the context of Industry 4.0, there is a growing demand for reliable information. Un- derstanding the uncertainties associated with models and data can improve decision-making, enhance safety, and increase the efficiency of industrial processes. The mining sector is one such case Machine Learning (ML) are widely used. This aspect becomes even more relevant in ore transportation, where virtual sensors are employed to estimate material flow rates on belt conveyors. The use of traditional ML techniques has generally been limited to providing point estimates, i.e., those that do not account for the inherent uncertainties in model predictions. This gap may compromise the reliability of decisions based on these estimates, especially in critical systems such as those used in mining. In this context, the present study aims to enhance the performance of virtual sensors by incorporating uncertainty quantification Uncertainty Quan- tification (UQ) into material flow rate estimates. The virtual sensor analyzed in this work uses electric current data from a motor to estimate the transported material flow rate in Long Dis- tance Belt Conveyors (LDBCs). To achieve this goal, an initial step of feature engineering and selection is proposed to optimize estimation accuracy and model adaptability. Three tradi- tional machine learning techniques were considered: (i) Linear Regression (LR), (ii) Decision Tree (DT), and (iii) Multilayer Perceptron (MLP). Additionally, the Light Gradient Boosting Machine (LightGBM) algorithm was also utilized. For UQ, four methods were evaluated, in- cluding two traditional approaches: (i) Student’s t-distribution-based, (ii) bootstrap prediction intervals; and two others based on Conformal Prediction (Conformal Prediction, CP): (iii) Split Conformal Prediction (SCP) and (iv) Full Conformal Prediction (FCP). A sliding window ap- proach combined with Conformal Prediction was applied to emulate UQ in a Programmable Logic Controller (PLC). The results indicate that the LightGBM model, combined with fea- ture engineering and selection, led to a 17% reduction in the virtual sensor error compared to previous studies. Furthermore, the bootstrap and FCP methods demonstrated effectiveness in generating prediction intervals, achieving the desired 95% coverage with interval widths ap- proximately 10% narrower than the Student’s t-distribution and lower variability compared to SCP, with average widths of 166.56, 167.24, 184.60, and 167.49 (t/h), respectively. Finally, the use of the emulated PLC with uncertainty quantification enables the deployment of these algorithms in real industrial scenarios. Our results suggest that implementing SCP with sliding windows of size 100 can ensure approximately 95% confidence coverage while respecting the computational capacity constraints of industrial computers.Attribution-NoDerivs 3.0 United Stateshttp://creativecommons.org/licenses/by-nd/3.0/us/Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 11/06/2025 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite a adaptação.info:eu-repo/semantics/openAccessModelos matemáticos - sensores virtuaisConfiabilidade - engenharia - quantificação de incertezasPredição conformeQuantificação da incerteza na medição da vazão mássica de minério com sensores virtuais orientados por dados.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFOPinstname:Universidade Federal de Ouro Preto (UFOP)instacron:UFOPORIGINALDISSERTAÇÃO_QuantificaçãoIncertezaMedição.pdfDISSERTAÇÃO_QuantificaçãoIncertezaMedição.pdfapplication/pdf9705626https://www.repositorio.ufop.br/bitstreams/35f1be5c-6196-407f-861c-69a534319a4c/download75df975dc132325d64e583b42bf62201MD51trueAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-8926https://www.repositorio.ufop.br/bitstreams/ef853bae-4791-42d1-a548-5e4cf23cdcea/download6dfd919e2b1c01620b6fbdd30d00db2cMD52falseAnonymousREADTEXTDISSERTAÇÃO_QuantificaçãoIncertezaMedição.pdf.txtDISSERTAÇÃO_QuantificaçãoIncertezaMedição.pdf.txtExtracted texttext/plain102842https://www.repositorio.ufop.br/bitstreams/cacde670-412d-44f5-ba8a-be7e2fb45282/download7f34f7714c3a9f3b500d3655ed5a84feMD53falseAnonymousREADTHUMBNAILDISSERTAÇÃO_QuantificaçãoIncertezaMedição.pdf.jpgDISSERTAÇÃO_QuantificaçãoIncertezaMedição.pdf.jpgGenerated Thumbnailimage/jpeg3660https://www.repositorio.ufop.br/bitstreams/235a6ba5-02dd-4cc1-b818-4ef878231935/download03838c5eb0ec0e802b2203d5d49e9a49MD54falseAnonymousREADCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8899https://www.repositorio.ufop.br/bitstreams/eb154343-b8f0-4fed-94ed-94b7b60b503e/download5aba0d8952bdb83a4ca6f97ded663704MD55falseAnonymousREAD123456789/203262025-06-17 16:30:35.931http://creativecommons.org/licenses/by-nd/3.0/us/abertoopen.accessoai:repositorio.ufop.br:123456789/20326https://www.repositorio.ufop.brRepositório InstitucionalPUBhttp://www.repositorio.ufop.br/oai/requestrepositorio@ufop.edu.bropendoar:32332025-06-17T19:30:35Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)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
dc.title.none.fl_str_mv Quantificação da incerteza na medição da vazão mássica de minério com sensores virtuais orientados por dados.
title Quantificação da incerteza na medição da vazão mássica de minério com sensores virtuais orientados por dados.
spellingShingle Quantificação da incerteza na medição da vazão mássica de minério com sensores virtuais orientados por dados.
Diniz, Francisco José dos Santos
Modelos matemáticos - sensores virtuais
Confiabilidade - engenharia - quantificação de incertezas
Predição conforme
title_short Quantificação da incerteza na medição da vazão mássica de minério com sensores virtuais orientados por dados.
title_full Quantificação da incerteza na medição da vazão mássica de minério com sensores virtuais orientados por dados.
title_fullStr Quantificação da incerteza na medição da vazão mássica de minério com sensores virtuais orientados por dados.
title_full_unstemmed Quantificação da incerteza na medição da vazão mássica de minério com sensores virtuais orientados por dados.
title_sort Quantificação da incerteza na medição da vazão mássica de minério com sensores virtuais orientados por dados.
author Diniz, Francisco José dos Santos
author_facet Diniz, Francisco José dos Santos
author_role author
dc.contributor.referee.none.fl_str_mv Pessin, Gustavo
Luz, Eduardo José da Silva
Rêgo Segundo, Alan Kardek
Ueyama, Jó
dc.contributor.author.fl_str_mv Diniz, Francisco José dos Santos
dc.contributor.advisor1.fl_str_mv Pessin, Gustavo
Luz, Eduardo José da Silva
contributor_str_mv Pessin, Gustavo
Luz, Eduardo José da Silva
dc.subject.por.fl_str_mv Modelos matemáticos - sensores virtuais
Confiabilidade - engenharia - quantificação de incertezas
Predição conforme
topic Modelos matemáticos - sensores virtuais
Confiabilidade - engenharia - quantificação de incertezas
Predição conforme
description Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.
publishDate 2025
dc.date.accessioned.fl_str_mv 2025-06-17T19:30:32Z
dc.date.issued.fl_str_mv 2025
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv DINIZ, Francisco José dos Santos. Quantificação da incerteza na medição da vazão mássica de minério com sensores virtuais orientados por dados. 2025. 85 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2025.
dc.identifier.uri.fl_str_mv https://www.repositorio.ufop.br/handle/123456789/20326
identifier_str_mv DINIZ, Francisco José dos Santos. Quantificação da incerteza na medição da vazão mássica de minério com sensores virtuais orientados por dados. 2025. 85 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2025.
url https://www.repositorio.ufop.br/handle/123456789/20326
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NoDerivs 3.0 United States
http://creativecommons.org/licenses/by-nd/3.0/us/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NoDerivs 3.0 United States
http://creativecommons.org/licenses/by-nd/3.0/us/
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFOP
instname:Universidade Federal de Ouro Preto (UFOP)
instacron:UFOP
instname_str Universidade Federal de Ouro Preto (UFOP)
instacron_str UFOP
institution UFOP
reponame_str Repositório Institucional da UFOP
collection Repositório Institucional da UFOP
bitstream.url.fl_str_mv https://www.repositorio.ufop.br/bitstreams/35f1be5c-6196-407f-861c-69a534319a4c/download
https://www.repositorio.ufop.br/bitstreams/ef853bae-4791-42d1-a548-5e4cf23cdcea/download
https://www.repositorio.ufop.br/bitstreams/cacde670-412d-44f5-ba8a-be7e2fb45282/download
https://www.repositorio.ufop.br/bitstreams/235a6ba5-02dd-4cc1-b818-4ef878231935/download
https://www.repositorio.ufop.br/bitstreams/eb154343-b8f0-4fed-94ed-94b7b60b503e/download
bitstream.checksum.fl_str_mv 75df975dc132325d64e583b42bf62201
6dfd919e2b1c01620b6fbdd30d00db2c
7f34f7714c3a9f3b500d3655ed5a84fe
03838c5eb0ec0e802b2203d5d49e9a49
5aba0d8952bdb83a4ca6f97ded663704
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)
repository.mail.fl_str_mv repositorio@ufop.edu.br
_version_ 1862724375154786304

Registros relacionados