Estimativa da finura do cimento durante o processo de moagem em moinho de bolas

Abstract

RESUMO: O setor cimenteiro é considerado um potencial consumidor de energia elétrica. O fornecimento de informações on-line sobre a finura do cimento pode oferecer novas oportunidades complementares na redução do consumo de energia e também no aprimoramento da qualidade do produto final, o cimento, dentre outras vantagens para o processo de moagem. Este trabalho apresenta o projeto de 3 tipos de modelos de regressão supervisionados para previsão da finura do cimento: rede neural perceptron multicamadas (RNPMC), máquina de vetores de suporte (MVS) e rede neural de função de base radial (RNFBR). Um estudo comparativo dos vários modelos desenvolvidos foi realizado para obtenção do que obteve melhor desempenho na capacidade de estimar a finura on-line. A performance dos modelos desenvolvidos foi calculada por meio da métrica do erro médio quadrático (MSE, do inglês: mean square error), e pelo erro absoluto médio (MAE, do inglês: mean absolute error). Para treinamento dos modelos, as variáveis de entrada foram selecionadas através do estudo do processo de moagem de cimento e, posteriormente, dois subconjuntos foram escolhidos a partir destas informações adquiridas utilizando métodos estatísticos. A variável de saída foi o resultado das análises laboratoriais da finura. A etapa de pré-processamento que abrange a extração, análise, tratamento e limpeza dos dados brutos recebidos da fábrica foi realizada de maneira intensificada, o que auxiliou na obtenção de excelentes resultados na estimação da finura do cimento. Este trabalho descreve o projeto e a implementação de um sensor virtual baseado no modelo RNPMC treinado com o algoritmo de retropropagação Adam e também no MVS, dado que estes modelos alcançaram os melhores resultados obtidos de acordo com as métricas MSE e MAE, onde o modelo baseado em MVS atingiu um MSE de 0,641 e um MAE de 0,614. O modelo RNPMC ficou em segundo lugar, com um MSE de 0,704 e um MAE de 0,651. Os sistemas desenvolvidos foram testados em um processo real de moagem de cimento de uma indústria, referido neste trabalho como processo 1. Eles demonstraram a capacidade de fornecer informações sobre as variáveis anteriormente obtidas apenas por meio de testes laboratoriais off-line, com destaque no sensor virtual baseado no modelo RNPMC que atingiu um MSE de 0,860. Por meio deste sistema, espera-se contribuir com a melhoria do setor de moagem de cimento, uma vez que esta pesquisa promoverá impactos positivos no processo como na eficiência energética, no meio ambiente, na automatização do ajuste da velocidade do rotor do separador, dentre outros aspectos favoráveis.