Análise multivariada e redes neurais aplicadas na predição de projeção no BOF.

Abstract

A projeção de escória pode acontecer durante o processo de refino do ferro gusa no BOF devido à formação de um volume excessivo de emulsão gás-metal-escória, que, ao crescer além da capacidade do convertedor, expele grande porção da escória e metal. Assim, são gerados problemas recorrentes para a operação, como refino menos efetivo, menor rendimento metálico, danos ao equipamento, e principalmente, poluição ambiental devido aos gases que são emitidos no momento da projeção. O objetivo deste estudo foi criar um modelamento matemático para prever a ocorrência de projeção em corridas dos convertedores BOF. Este projeto se baseia em análise multivariada de Big Data a qual permitiu identificar as variáveis de operação que mais influenciam no fenômeno projeção, dentre as quais estão o peso de briquete misto e de dunito adicionados durante o sopro, e concentração de silício presente no gusa. Além disso, foi possível treinar redes neurais artificiais em linguagem Python o que gerou um modelo de predição com confiabilidade de 96%.