Desenvolvimento de modelo de previsão da condição térmica da placa para o forno pusher da linha de tiras a quente.

Abstract

O processo de laminação de tiras a quente se inicia com o reaquecimento, que tem como objetivo aumentar a ductilidade da placa para possibilitar a laminação até a espessura final desejada. Durante todo o processo, é desejada a temperatura da placa, porém, devido à imprecisão da sua medição dentro do forno, é necessário calcular essa temperatura por meio de modelos matemáticos relacionados às temperaturas de ambiente. Entre os tipos de fornos utilizados, o forno pusher, datado da década de 60 e com baixo custo de implantação, apresenta limitações de controle e não conta com um modelo matemático de automação, o que pode se tornar um gargalo para a produção. Com os avanços em sistemas computacionais e a abordagem orientada a dados, torna-se viável o uso de algoritmos de Machine Learning para modelar os parâmetros do processo, como as condições de reaquecimento. Neste trabalho, foram aplicados algoritmos de redes neurais a dados históricos de reaquecimento de um forno pusher da linha de Tiras a Quente da Usina de Ipatinga, com o objetivo de prever a força de laminação no primeiro passe de desbaste, que indiretamente, pode indicar a homogeneidade térmica da placa. Os resultados de previsão apresentaram um erro médio de 5% em relação aos dados reais. Considerando as incertezas e a precisão dos equipamentos de medição convencionais, o erro da rede neural mostra-se promissor para ser utilizado como referência de controle para a equipe de operação. Além disso, foi possível identificar as variáveis que mais influenciaram na previsão da força, abrindo caminho para a otimização do processo.