Desenvolvimento de dispositivo automático de medição de umidade de minério de ferro.

Abstract

A umidade presente nos materiais é um parâmetro essencial para vários processos industriais. Na mineração, essa variável exerce muita influência em várias etapas da cadeia produtiva, como nos transportes ferroviário e marítimo, na pelotização e no armazenamento. Devido ao minério de ferro ser um produto com propriedades físicas variáveis, por causa da sua origem e dos diferentes tipos de processos produtivos, a medição dessa característica em específico é demasiadamente lenta e trabalhosa. Atualmente, a umidade é mensurada por meio de um método de pesagem e de secagem em estufa que demora mais de quatro horas para entregar o resultado de medição, o que acarreta em atrasos e retrabalhos ao longo da cadeia produtiva. De forma alternativa, existem métodos indiretos baseados na medição de propriedades elétricas dos materiais, que apresentam menor tempo de resposta. Nesse sentido, este trabalho tem como objetivo o desenvolvimento de um equipamento de bancada baseado na medição da impedância complexa e da densidade aparente do minério de ferro. Para tornar o procedimento de medição ainda mais rápido e mais padronizado, automatizou-se o equipamento por meio de sensores de posição e dispositivos eletromecânicos, reduzindo-se, assim, a interferência do operador. Além disso, avaliou-se o uso de técnicas de Inteligência Artificial na análise dos dados fornecidos pelo sistema. Testes realizados com uma versão manual do equipamento no Porto da Ponta da Madeira, São Luís, MA, apresentaram resultados muito promissores, visto que a incerteza de medição da umidade foi igual a 0,1578 pontos percentuais de umidade em base úmida, com um coeficiente de determinação de 98,41%, utilizando-se redes neurais artificiais. O equipamento automático, utilizando-se de regressão linear múltipla, apresentou uma incerteza de 0,71 pontos percentuais de umidade em base úmida, com um coeficiente de determinação de 98%. Esses resultados demonstram o grande potencial da solução, mas também evidencia a necessidade de análises mais profundas com o equipamento automático, visto que não foi possível realizar análises com técnicas de inteligência artificial, devido à base de dados pequena.