Inteligência Computacional Autônoma Aplicada à Operação do Alto Forno

A operação e controle de altos fornos representa um grande desafio presente na indústria siderúrgica. O alto-forno é um equipamento utilizado para fazer a redução (extração do oxigênio) do minério de ferro, transformando-o em ferro gusa, que é um material intermediário antes da transformação em aço. De forma resumida, o minério de ferro é despejado na parte superior do forno na forma de granulados, sínter ou pelotas. Ao mesmo tempo, um grande volume de ar aquecido a altas temperaturas é soprado para dentro do forno pelas ventaneiras que ficam na sua parte inferior. Com as altas temperaturas dentro do forno, o material carregado é transformado em ferro gusa líquido que desce até a parte inferior do forno, sendo extraído por furos de vazamento. O ferro gusa extraído posteriormente será convertido em aço.

A temperatura do metal em um alto forno é algo difícil de controlar gerando um problema, pois muitas vezes a produção precisa parar até que a temperatura atinja níveis desejados. Essa variabilidade na temperatura afeta negativamente a produção. Tipicamente, o processo de controle do alto-forno ainda é feito de forma manual por operadores humanos. Portanto, cada operador é responsável por inspecionar um alto número de variáveis descrevendo o estado atual do forno e tomar uma decisão a respeito dos valores atuais das variáveis de entrada que definirão o estado do forno após algum tempo (minutos ou horas). Uma vez que esse processo depende da interpretação de operadores humanos, ele está sujeito a variabilidade (por exemplo, devido ao estado físico e mental do operador no momento ou da diversidade de interpretação entre diferentes operadores).

Este projeto tem como objetivo geral o desenvolvimento de uma inteligência computacional autônoma (ICA) capaz de otimizar a operação de um alto forno. Através do monitoramento de variáveis de estado do alto-forno, esta ICA será capaz de predizer variáveis de controle do alto-forno de forma a permitir uma operação mais estável do que a obtida com operadores humanos no processo atual. Como resultados de pesquisa a serem alcançados, espera-se avançar com o estado da arte em automatização de processos de controle de alto-forno, além de avançar com as técnicas computacionais de reconhecimento de padrões em sinais (incluindo classificação e predição).