Otimização do processo de moagem de cimento (2024)
- Authors:
- Autor USP: SALAS, ENRIQUE GUEVARA - ICMC
- Unidade: ICMC
- Subjects: CIMENTO; INTELIGÊNCIA ARTIFICIAL
- Keywords: Modelos de regressão; Blaine
- Language: Português
- Abstract: A produção de cimento é uma das atividades mais intensivas em consumo de recursos e energia, resultando em elevados impactos ambientais, como emissões de CO2 e a extração de matérias- primas não renováveis. O concreto, por sua vez, é um dos materiais de construção mais utilizados globalmente, e sua produção segue crescendo em resposta à demanda populacional. O desafio enfrentado pelas indústrias de cimento é a busca por processos mais eficientes e sustentáveis, especialmente na etapa de moagem, onde o índice de Blaine (finura do cimento) é um fator crítico para garantir a qualidade do produto final. O presente estudo visa desenvolver um modelo prescritivo de otimização que permita estimar com maior precisão o valor de Blaine em tempo real, minimizando o tempo de resposta e os desvios de qualidade. A metodologia adotada foca na aplicação de aprendizado de máquina, especialmente modelos de regressão e aprendizado por reforço, para identificar e prever combinações ideais de variáveis operacionais que garantam a estabilidade do processo de produção de cimento. Na fase inicial de modelagem, foram construídos diferentes modelos de regressão, incluindo regressão linear, Ridge, Lasso, e modelos de árvores de decisão e de boosting. Cada modelo foi avaliado com base em métricas como R2 e RMSE, sendo o modelo de regressão linear escolhido por sua consistência e explicabilidade. O modelo apresentou uma margem de erro de 4,4% na previsão do valor de Blaine. Em seguida, foi implementado o modelo de aprendizado por reforço deep deterministic policy gradient (DDPG), que se mostrou eficiente para ajustar variáveis contínuas em um ambiente de controle industrial. O DDPG foi utilizado para recomendar as melhores ações operacionais a fim de manter o valor de Blaine dentro da faixa ideal (4700-4750).Esse modelo, ao interagir com o modelo de regressão, permitiu uma redução da margem de erro para 3,6% durante o processo de validação, mostrando potencial para otimizar o controle da qualidade em tempo real. A combinação de modelos de regressão e aprendizado por reforço oferece uma solução robusta para otimizar o processo de moagem de cimento, reduzindo erros operacionais e melhorando a eficiência energética.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
-
ABNT
SALAS, Enrique Guevara. Otimização do processo de moagem de cimento. 2024. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2024. Disponível em: https://bdta.abcd.usp.br/directbitstream/971743df-02f7-4cdb-bc71-423422e43ed6/Enrique_Guevara_Salas.pdf. Acesso em: 22 abr. 2025. -
APA
Salas, E. G. (2024). Otimização do processo de moagem de cimento (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/971743df-02f7-4cdb-bc71-423422e43ed6/Enrique_Guevara_Salas.pdf -
NLM
Salas EG. Otimização do processo de moagem de cimento [Internet]. 2024 ;[citado 2025 abr. 22 ] Available from: https://bdta.abcd.usp.br/directbitstream/971743df-02f7-4cdb-bc71-423422e43ed6/Enrique_Guevara_Salas.pdf -
Vancouver
Salas EG. Otimização do processo de moagem de cimento [Internet]. 2024 ;[citado 2025 abr. 22 ] Available from: https://bdta.abcd.usp.br/directbitstream/971743df-02f7-4cdb-bc71-423422e43ed6/Enrique_Guevara_Salas.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Enrique_Guevara_Salas.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
