Inteligência computacional aplicada à adaptação na modelagem matemática do processo de laminação a frio de aços planos.

Detalhes bibliográficos
Ano de defesa: 2009
Autor(a) principal: Santos Filho, Antonio Luiz dos
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://www.teses.usp.br/teses/disponiveis/3/3142/tde-29092010-155922/
Resumo: A laminação a frio de aços planos é um processo industrial de grande complexidade, executado num ambiente bastante agressivo e caracterizado por parâmetros incertos, grandes tempos de atraso, múltiplas entradas e múltiplas saídas e por forte interação entre as diversas variáveis (GUO, 2000). As referências necessárias para o controle de tal processo são obtidas por meio de um modelo matemático, responsável pela sua otimização. Dadas as particularidades do processo, o modelo deve ser do tipo adaptativo, ou seja, deve ter seus parâmetros continuamente ajustados com base nos resultados efetivamente obtidos durante a operação. A adaptação do modelo é essencial para a consecução dos requisitos de qualidade do produto e, em conseqüência, para a viabilidade da planta. Este trabalho primeiramente investiga as estratégias tradicionalmente empregadas no desenvolvimento de modelos adaptativos para o processo de laminação de aços, identificando os pontos fortes e deficiências de tais técnicas. Com o objetivo de minimizar essas deficiências e aperfeiçoar o desempenho do modelo, o trabalho propõe em seguida a utilização de ferramentas de Inteligência Computacional (mais especificamente, Redes Neurais Artificiais) para tornar mais eficiente a adaptação de dois importantes parâmetros: o limite de escoamento do material e o coeficiente de atrito entre a tira e os cilindros de trabalho. O texto apresenta os fundamentos teóricos, a metodologia de desenvolvimento e a implantação da solução, bem como os resultados preliminares obtidos com a aplicação da proposta num laminador real. Finalmente, discutem-se esses resultados, apresentam-se as conclusões, sumarizam-se as contribuições da pesquisa e se sugerem futuras linhas de pesquisa para extensão dos resultados.
id USP_d9e039b6ea7597e1d88264fad42327ce
oai_identifier_str oai:teses.usp.br:tde-29092010-155922
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Inteligência computacional aplicada à adaptação na modelagem matemática do processo de laminação a frio de aços planos.Computational intelligence applied to the adaptation of mathematical modeling in flat steel cold rolling process.Artificial intelligenceAutomação industrialIndustrial automationInteligência artificialLaminaçãoNeural networksRedes neuraisRollingA laminação a frio de aços planos é um processo industrial de grande complexidade, executado num ambiente bastante agressivo e caracterizado por parâmetros incertos, grandes tempos de atraso, múltiplas entradas e múltiplas saídas e por forte interação entre as diversas variáveis (GUO, 2000). As referências necessárias para o controle de tal processo são obtidas por meio de um modelo matemático, responsável pela sua otimização. Dadas as particularidades do processo, o modelo deve ser do tipo adaptativo, ou seja, deve ter seus parâmetros continuamente ajustados com base nos resultados efetivamente obtidos durante a operação. A adaptação do modelo é essencial para a consecução dos requisitos de qualidade do produto e, em conseqüência, para a viabilidade da planta. Este trabalho primeiramente investiga as estratégias tradicionalmente empregadas no desenvolvimento de modelos adaptativos para o processo de laminação de aços, identificando os pontos fortes e deficiências de tais técnicas. Com o objetivo de minimizar essas deficiências e aperfeiçoar o desempenho do modelo, o trabalho propõe em seguida a utilização de ferramentas de Inteligência Computacional (mais especificamente, Redes Neurais Artificiais) para tornar mais eficiente a adaptação de dois importantes parâmetros: o limite de escoamento do material e o coeficiente de atrito entre a tira e os cilindros de trabalho. O texto apresenta os fundamentos teóricos, a metodologia de desenvolvimento e a implantação da solução, bem como os resultados preliminares obtidos com a aplicação da proposta num laminador real. Finalmente, discutem-se esses resultados, apresentam-se as conclusões, sumarizam-se as contribuições da pesquisa e se sugerem futuras linhas de pesquisa para extensão dos resultados.Flat steel cold rolling is a complex industrial process, carried out into a very harsh environment, characterized by uncertain parameters, large delay times, multiple inputs and outputs, and having a strong interaction between the diverse variables (GUO, 2000). The control system of such a process obtains its setpoints from a mathematical model, responsible for process optimization. Given process peculiarity, the mathematical model must have adaptive features, that is, its parameters need to be continuously adjusted, on the basis of actual operational results. Adaptation is an essential characteristic for achieving product quality requirements and, as a consequence, for the plant feasibility itself. First of all, this work surveys the strategies commonly used in the development of cold rolling adaptive models, pointing out their strengths and deficiencies. Following to this, aiming at the minimization of such deficiencies and by this way improving the performance of the model, this work proposes the application of Computational Intelligence techniques (specifically Artificial Neural Networks) in order to bestow greater effectiveness to the adaptation of two important parameters, namely, the material flow stress and the friction coefficient between rolled strip and rolling cylinders. The text presents the theoretical foundations, the methodology and the implementation of the solution, as so the preliminary results after its application in a real steel mill plant. Finally, the text presents the conclusions, sums up the contributions of the research work and suggests further research to improve the results.Biblioteca Digitais de Teses e Dissertações da USPRamírez Fernandez, Francisco Javier Santos Filho, Antonio Luiz dos2009-09-25info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/3/3142/tde-29092010-155922/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2016-07-28T16:10:12Zoai:teses.usp.br:tde-29092010-155922Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:10:12Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Inteligência computacional aplicada à adaptação na modelagem matemática do processo de laminação a frio de aços planos.
Computational intelligence applied to the adaptation of mathematical modeling in flat steel cold rolling process.
title Inteligência computacional aplicada à adaptação na modelagem matemática do processo de laminação a frio de aços planos.
spellingShingle Inteligência computacional aplicada à adaptação na modelagem matemática do processo de laminação a frio de aços planos.
Santos Filho, Antonio Luiz dos
Artificial intelligence
Automação industrial
Industrial automation
Inteligência artificial
Laminação
Neural networks
Redes neurais
Rolling
title_short Inteligência computacional aplicada à adaptação na modelagem matemática do processo de laminação a frio de aços planos.
title_full Inteligência computacional aplicada à adaptação na modelagem matemática do processo de laminação a frio de aços planos.
title_fullStr Inteligência computacional aplicada à adaptação na modelagem matemática do processo de laminação a frio de aços planos.
title_full_unstemmed Inteligência computacional aplicada à adaptação na modelagem matemática do processo de laminação a frio de aços planos.
title_sort Inteligência computacional aplicada à adaptação na modelagem matemática do processo de laminação a frio de aços planos.
author Santos Filho, Antonio Luiz dos
author_facet Santos Filho, Antonio Luiz dos
author_role author
dc.contributor.none.fl_str_mv Ramírez Fernandez, Francisco Javier
dc.contributor.author.fl_str_mv Santos Filho, Antonio Luiz dos
dc.subject.por.fl_str_mv Artificial intelligence
Automação industrial
Industrial automation
Inteligência artificial
Laminação
Neural networks
Redes neurais
Rolling
topic Artificial intelligence
Automação industrial
Industrial automation
Inteligência artificial
Laminação
Neural networks
Redes neurais
Rolling
description A laminação a frio de aços planos é um processo industrial de grande complexidade, executado num ambiente bastante agressivo e caracterizado por parâmetros incertos, grandes tempos de atraso, múltiplas entradas e múltiplas saídas e por forte interação entre as diversas variáveis (GUO, 2000). As referências necessárias para o controle de tal processo são obtidas por meio de um modelo matemático, responsável pela sua otimização. Dadas as particularidades do processo, o modelo deve ser do tipo adaptativo, ou seja, deve ter seus parâmetros continuamente ajustados com base nos resultados efetivamente obtidos durante a operação. A adaptação do modelo é essencial para a consecução dos requisitos de qualidade do produto e, em conseqüência, para a viabilidade da planta. Este trabalho primeiramente investiga as estratégias tradicionalmente empregadas no desenvolvimento de modelos adaptativos para o processo de laminação de aços, identificando os pontos fortes e deficiências de tais técnicas. Com o objetivo de minimizar essas deficiências e aperfeiçoar o desempenho do modelo, o trabalho propõe em seguida a utilização de ferramentas de Inteligência Computacional (mais especificamente, Redes Neurais Artificiais) para tornar mais eficiente a adaptação de dois importantes parâmetros: o limite de escoamento do material e o coeficiente de atrito entre a tira e os cilindros de trabalho. O texto apresenta os fundamentos teóricos, a metodologia de desenvolvimento e a implantação da solução, bem como os resultados preliminares obtidos com a aplicação da proposta num laminador real. Finalmente, discutem-se esses resultados, apresentam-se as conclusões, sumarizam-se as contribuições da pesquisa e se sugerem futuras linhas de pesquisa para extensão dos resultados.
publishDate 2009
dc.date.none.fl_str_mv 2009-09-25
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://www.teses.usp.br/teses/disponiveis/3/3142/tde-29092010-155922/
url http://www.teses.usp.br/teses/disponiveis/3/3142/tde-29092010-155922/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815258577569316864