Aplicação de soft sensor baseado em redes neurais artificiais e Random Forest para predição em tempo real do teor de ferro no concentrado da flotação de minério de ferro.

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Guedes, Érick Victor de Oliveira
Orientador(a): Cocota Júnior, José Alberto Naves, Reis, Agnaldo José da Rocha
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:
Flotação
Soft sensor - software
Redes neurais - computação
Random Forest
Link de acesso: http://www.repositorio.ufop.br/handle/123456789/13058
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_67cfcda085789d5cb99dcc906653da34
oai_identifier_str oai:localhost:123456789/13058
network_acronym_str UFOP
network_name_str Repositório Institucional da UFOP
repository_id_str
spelling Guedes, Érick Victor de OliveiraCocota Júnior, José Alberto NavesReis, Agnaldo José da RochaLuz, José Aurélio Medeiros daAlmeida, Silvia Grasiella MoreiraCocota Júnior, José Alberto NavesReis, Agnaldo José da Rocha2021-01-22T15:18:06Z2021-01-22T15:18:06Z2020GUEDES, Érick Victor de Oliveira. Aplicação de soft sensor baseado em redes neurais artificiais e Random Forest para predição em tempo real do teor de ferro no concentrado da flotação de minério de ferro. 2020. 75 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2020.http://www.repositorio.ufop.br/handle/123456789/13058Programa 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.A flotação surgiu para a concentração onde propriedades classicamente utilizadas (densidade, suscetibilidade magnética, eletrocondutividade) possuem contraste insuficiente ou que apresentem faixas granulométricas muito finas, e passou a ser muito utilizada em áreas como a mineração. Este processo consiste da captação de partículas hidrofóbicas por bolhas de ar e sua flotação, fazendo a separação de tais partículas das hidrofílicas, que se mantêm em suspensão. Para permitir a separação de materiais que naturalmente não apresentam diferenças v em suas propriedades de hidrofobicidade, são utilizados reagentes para induzir as características desejadas. Como a medição do teor e obtenção da recuperação do mineral, objetivos primários do processo, acontece por meio de análise laboratorial que demanda um período de 2 horas, é proposto o desenvolvimento de um soft sensor para sua obtenção em tempo real. Um soft sensor utiliza um modelo desenvolvido para reunir diversas variáveis relevantes a um processo e inferir uma medição para as variáveis de saída desejadas. Os dados coletados de uma linha de flotação passaram por dois métodos de redução de dimensionalidade paralelamente, o RReliefF e o Principal Component Analysis (PCA), e foram utilizados para treinamento, validação e teste dos modelos propostos. Para a modelagem do soft sensor foram utilizadas as técnicas de Redes Neurais Artificiais (RNA) e de Random Forest (RF). Para o treinamento das RNA, foram usados os algoritmos de Levenberg-Marquardt (LM) e o Scaled Conjugate Gradient (SCG). Os desempenhos dos métodos utilizados foram comparados e são apresentados neste texto.The flotation process emerged to be used where properties classically used (density, magnetic susceptibility, electroconductivity) have insuficient contrast or present very fine particle sizes, and became largely used in areas such as mining. This process consists of the capture and flotation of hydrophobic particles by air bubbles, separating these particles from the hydrophilic ones, which remain in suspension. In order to allow the separation of minerals that naturally do not exhibit differences in its hydrophobic properties, reagents are added to induce the desired characteristics. Given that the measurement of the vii process’ primary objectives, concentrate grade and recovery, is realized through laboratory analysis which demands a 2 hours period, this work proposes the development of a soft sensor to infer these data in real time. A soft sensor uses a model to gather several variables relevant to the process and infer a measurement to the desired output variables. Two methods of dimensionality reduction were applied in parallel to the data collected from a flotation line, the RReliefF and the principal component analysis (PCA), before the data was used for training, validation and test of the proposed models. Artificial neural networks (ANN) and Random Forests (RF) were used to model the soft sensor. For training the ANN, it was used the Levenberg-Marquardt (LM) algorithm and the Scaled Conjugate Gradient (SCG). The performance of the methods used were compared and are presented in this text.Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 09/12/2020 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 o uso para fins comerciais nem a adaptação.info:eu-repo/semantics/openAccessFlotaçãoSoft sensor - softwareRedes neurais - computaçãoRandom ForestAplicação de soft sensor baseado em redes neurais artificiais e Random Forest para predição em tempo real do teor de ferro no concentrado da flotação de minério de ferro.Artificial neural networks and Random Forest based soft sensor applied to the real time prediction of iron ore content in the iron ore froth flotation concentrate.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFOPinstname:Universidade Federal de Ouro Preto (UFOP)instacron:UFOPLICENSElicense.txtlicense.txttext/plain; charset=utf-8924http://www.repositorio.ufop.br/bitstream/123456789/13058/5/license.txt62604f8d955274beb56c80ce1ee5dcaeMD55CC-LICENSElicense_urllicense_urltext/plain; charset=utf-849http://www.repositorio.ufop.br/bitstream/123456789/13058/2/license_url4afdbb8c545fd630ea7db775da747b2fMD52license_textlicense_texttext/html; charset=utf-80http://www.repositorio.ufop.br/bitstream/123456789/13058/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-80http://www.repositorio.ufop.br/bitstream/123456789/13058/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54ORIGINALDISSERTAÇÃO_AplicaçãoSoftSensor.pdfDISSERTAÇÃO_AplicaçãoSoftSensor.pdfapplication/pdf3120012http://www.repositorio.ufop.br/bitstream/123456789/13058/1/DISSERTA%c3%87%c3%83O_Aplica%c3%a7%c3%a3oSoftSensor.pdf3e3f5914c793dd2f2b262af8bba7835eMD51123456789/130582021-01-22 10:18:06.013oai:localhost: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ório InstitucionalPUBhttp://www.repositorio.ufop.br/oai/requestrepositorio@ufop.edu.bropendoar:32332021-01-22T15:18:06Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)false
dc.title.pt_BR.fl_str_mv Aplicação de soft sensor baseado em redes neurais artificiais e Random Forest para predição em tempo real do teor de ferro no concentrado da flotação de minério de ferro.
dc.title.alternative.pt_BR.fl_str_mv Artificial neural networks and Random Forest based soft sensor applied to the real time prediction of iron ore content in the iron ore froth flotation concentrate.
title Aplicação de soft sensor baseado em redes neurais artificiais e Random Forest para predição em tempo real do teor de ferro no concentrado da flotação de minério de ferro.
spellingShingle Aplicação de soft sensor baseado em redes neurais artificiais e Random Forest para predição em tempo real do teor de ferro no concentrado da flotação de minério de ferro.
Guedes, Érick Victor de Oliveira
Flotação
Soft sensor - software
Redes neurais - computação
Random Forest
title_short Aplicação de soft sensor baseado em redes neurais artificiais e Random Forest para predição em tempo real do teor de ferro no concentrado da flotação de minério de ferro.
title_full Aplicação de soft sensor baseado em redes neurais artificiais e Random Forest para predição em tempo real do teor de ferro no concentrado da flotação de minério de ferro.
title_fullStr Aplicação de soft sensor baseado em redes neurais artificiais e Random Forest para predição em tempo real do teor de ferro no concentrado da flotação de minério de ferro.
title_full_unstemmed Aplicação de soft sensor baseado em redes neurais artificiais e Random Forest para predição em tempo real do teor de ferro no concentrado da flotação de minério de ferro.
title_sort Aplicação de soft sensor baseado em redes neurais artificiais e Random Forest para predição em tempo real do teor de ferro no concentrado da flotação de minério de ferro.
author Guedes, Érick Victor de Oliveira
author_facet Guedes, Érick Victor de Oliveira
author_role author
dc.contributor.referee.pt_BR.fl_str_mv Cocota Júnior, José Alberto Naves
Reis, Agnaldo José da Rocha
Luz, José Aurélio Medeiros da
Almeida, Silvia Grasiella Moreira
dc.contributor.author.fl_str_mv Guedes, Érick Victor de Oliveira
dc.contributor.advisor1.fl_str_mv Cocota Júnior, José Alberto Naves
Reis, Agnaldo José da Rocha
contributor_str_mv Cocota Júnior, José Alberto Naves
Reis, Agnaldo José da Rocha
dc.subject.por.fl_str_mv Flotação
Soft sensor - software
Redes neurais - computação
Random Forest
topic Flotação
Soft sensor - software
Redes neurais - computação
Random Forest
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 2020
dc.date.issued.fl_str_mv 2020
dc.date.accessioned.fl_str_mv 2021-01-22T15:18:06Z
dc.date.available.fl_str_mv 2021-01-22T15:18:06Z
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 GUEDES, Érick Victor de Oliveira. Aplicação de soft sensor baseado em redes neurais artificiais e Random Forest para predição em tempo real do teor de ferro no concentrado da flotação de minério de ferro. 2020. 75 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2020.
dc.identifier.uri.fl_str_mv http://www.repositorio.ufop.br/handle/123456789/13058
identifier_str_mv GUEDES, Érick Victor de Oliveira. Aplicação de soft sensor baseado em redes neurais artificiais e Random Forest para predição em tempo real do teor de ferro no concentrado da flotação de minério de ferro. 2020. 75 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2020.
url http://www.repositorio.ufop.br/handle/123456789/13058
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
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 http://www.repositorio.ufop.br/bitstream/123456789/13058/5/license.txt
http://www.repositorio.ufop.br/bitstream/123456789/13058/2/license_url
http://www.repositorio.ufop.br/bitstream/123456789/13058/3/license_text
http://www.repositorio.ufop.br/bitstream/123456789/13058/4/license_rdf
http://www.repositorio.ufop.br/bitstream/123456789/13058/1/DISSERTA%c3%87%c3%83O_Aplica%c3%a7%c3%a3oSoftSensor.pdf
bitstream.checksum.fl_str_mv 62604f8d955274beb56c80ce1ee5dcae
4afdbb8c545fd630ea7db775da747b2f
d41d8cd98f00b204e9800998ecf8427e
d41d8cd98f00b204e9800998ecf8427e
3e3f5914c793dd2f2b262af8bba7835e
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_ 1797950934172565504

Registros relacionados