Development of a prediction model for ironmaking blast furnace operational conditions based on artificial neural networks

Este trabalho descreve o desenvolvimento de um modelo capaz de prever as condições operacionais do processo de redução de minério de ferro em alto-forno a partir de características das matérias-primas e da composição da carga e do sopro, fornecendo aos operadores e engenheiros de processo, uma ferramenta de planejamento e de análise de desempenho da operação. A motivação para este trabalho deveu-se à constatação de que existe uma deficiência de modelos capazes de identificar cotidianamente os fatores críticos na operação dos altos-fornos siderúrgicos. Os modelos encontrados são excessivamente simples para preverem condições futuras de processo ou são demasiadamente complexos para o uso operacional diário ou no pJanejamento estratégico da produção. Os altos-fornos e os conversores de aço são as unidades centrais de uma usina siderúrgica integrada. O primeiro obtém o ferro primário a partir dos óxidos contidos nos minérios e o segundo refina e ajusta a composição química do metal produzindo o aço. O modelo desenvolvido e aplicado tem natureza híbrida, combinando algoritmos simuladores baseados em balanços de massa e energia com variável grau de desvio estequiométrico e térmico. O valor de cada indicador de desvio é previsto por uma rede neural cujas variáveis de entrada quantificam características das matérias-primas e condições de sopro e carga do alto-forno. A aplicação industrial do modelo comprovou sua capacidade de prever as condições do processo e sua aplicação resultou em aumento da produtividade média do processo e menor consumo específico de redutores, decorrentes da melhor efetividade das ações operacionais. Além disso, o modelo, associado a um módulo de balanço do setor primário da usina, vem sendo aplicado na simulação de alternativas de padrões operacionais, atividade fundamental para o planejamento estratégico do negócioThis work describes the development of a model capable of evaluating and predicting iron ore reduction process in blast-furnaces based on raw materiais characteristics as well as burden and blast composition. It provides a planning and analysing toll to operators and process engineers. The motivation for this development resides on the lack of this kind of model in the ironmaking industry. The many models found are either toa simple and not capable of predicting raw materiais parameters effects on the furnace performance or toa complexo The latter are useful in technology potential identifications but not in the daily work or ordinary operation planning. Blast-furnaces and oxygen converters are the core units in a integrated steel works. The former one produces primary iron from oxides bared by iron ores and the latter one refines molten iron into steel, adjusting its chemical compositiono The developed and applied model is hybrid in nature, combining simulating algorithms based on mass and energy balances with variable lack of fitnesso The value of each lack-of-fitness index is estimated by a neural model in which the input quantify burden materiais characteristics as well as blow and charging conditions. The model has shown its predicting capacity during its industrial application, which lead to higher average productivity and lower specific fuel consumption are expected following better operation action and process planning efficiency. In addition, the model is now being associated to a plant mass balance module to asses alternative operation pattern simulation for the hole company which is a fundamental activity in strategic business plannin