| Summary: | === The national steel industries are investing in construction of hydroelectric or thermo electrical power stations in partnership with the energy companies with the objective of energy cost reduction in their business. Then, actions that search alternatives of energy consumption reduction and increase the productivity became priority for research and development. The ladle furnace of V&M is one of the largest consuming units of energy in the steel plant, consuming 2.400 MWh on average a month. Due to the process complexity, system optimization became difficult to be implemented using conventional techniques. However, applications of computational intelligence have been used as auxiliary tools or main tools to modeling process with difficult approach. Due to the low knowledge of ladle furnace dynamics and the high variability of specific energy consumption, the use of neural networks was defined as a modeling tool. This work demonstrates the use of neural networks in complex industrial problems through the steel temperature prediction during the ladle furnace process. This work proves the generalization capability of the neural networks, obtaining smaller medium error than the medium error specified by the instrument of measurement of steel temperature. Besides, this work demonstrates that use of the thermal model will result in productivity increase and operational and energy cost reduction. === As siderúrgicas nacionais estão investindo cada vez mais na construção de usinas hidrelétricas ou termoelétricas em parceria com as concessionárias regionais com o objetivo principal de deter o crescimento do custo energético nos seus negócios. Com isso, todas as ações que visam a busca de alternativas para a redução do consumo energético e o aumento da produtividade nas siderurgias tornaram-se temas prioritários de pesquisa e desenvolvimento. O forno panela da V&M é uma das maiores unidades consumidoras de energia na siderurgia, consumindo em média 2.400 MWh por mês. Devido à complexidade do processo, a busca pela otimização do sistema tornou-se de difícil implementação a partir de técnicas convencionais. No entanto, aplicações de inteligência computacional vêm sendo utilizadas cada vez mais como ferramentas de modelagem de processos de difícil abordagem. Desta forma, devido à não-linearidade do processo do forno panela, ao baixo conhecimento de sua dinâmica e à alta variabilidade observada do consumo energético específico, definiu-se o uso de redes neurais artificiais como uma ferramenta de modelagem e previsão. Este trabalho de dissertação busca demonstrar a aplicabilidade do emprego das redes neurais artificiais em problemas industriais complexos, através da previsão da temperatura do aço durante o processo de refino secundário de um forno panela. O trabalho comprova a capacidade de generalização da rede neural, obtendo erro médio menor que o erro médio especificado pelo instrumento de medição da temperatura do aço. Além disso, este trabalho demonstra que a utilização efetiva do modelo térmico resultará em ganhos de produtividade, redução do custo energético e operacional.
|
|---|
