Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/59816
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSousa, Alexandre Ladeira de-
dc.date.accessioned2025-02-10T16:03:23Z-
dc.date.available2025-02-10T16:03:23Z-
dc.date.issued2025-02-10-
dc.date.submitted2024-12-17-
dc.identifier.citationSOUSA, Alexandre Ladeira de. Predição da análise de cal livre na produção de cimento por meio de aprendizado de máquina e uso de dados sintéticos. 2025. 81 p. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Lavras, Lavras, 2024.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/59816-
dc.description.abstractCement production is a complex process that involves mining, grinding of raw materials and heating of materials in clinker kilns. Throughout this production chain, homogenization and chemical reactions occur that alter the structure of the compounds to obtain a final product that meets the quality standards required by regulations. In the clinkering stage, one of the cru- cial parameters to be monitored is the free lime content, which directly impacts the quality of the cement and the efficiency of the process. However, this analysis is punctual, usually per- formed every two hours, and includes collection, sample preparation and calibration steps in X-ray equipment. Therefore, this work aims to develop a predictive model for the analysis of free lime in clinker kilns, using machine learning techniques and synthetic data generation. A consultation with process experts and related research was carried out to define the variables with the greatest impact on the free lime value, their respective limits that characterize stability in the operation, as well as cases in which the sampling of the variables could be impaired. Based on this, a historical database of the selected quantities was created, followed by data processing and increase of the database with the generation of synthetic data through techni- ques based on real data, being interpolation between samples and disturbance through Gaussian noise. Then, machine learning algorithms were applied to predict the free lime content, eva- luating the performance of each one and aiming to guide proactive adjustments in the process. In the performance analysis, the proposed predictive model obtained the indices of R2 = 0.966, MSE = 0.02 and RMSE = 0.141, compared to R2 = 0.73 and MSE = 0.1162 of the bibliographic reference most similar to the present application. The experimental results obtained indicate that it is possible to predict free lime, highlighting the relevance of the work for improving the energy efficiency of the plant, reducing waste, and providing greater stability in the quality of the clinker and, consequently, of the cement produced.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Lavraspt_BR
dc.rightsacesso abertopt_BR
dc.rightsAttribution-ShareAlike 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-sa/4.0/*
dc.subjectAprendizado de máquinapt_BR
dc.subjectCal livrept_BR
dc.subjectCimentopt_BR
dc.subjectClinquerpt_BR
dc.subjectMachine learningpt_BR
dc.subjectFree limept_BR
dc.subjectCementpt_BR
dc.titlePredição da análise de cal livre na produção de cimento por meio de aprendizado de máquina e uso de dados sintéticospt_BR
dc.title.alternativePrediction of free lime analysis in cement production through machine learning and use of synthetic datapt_BR
dc.typedissertaçãopt_BR
dc.publisher.programPrograma de Pós-Graduação em Ciência da Computaçãopt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countrybrasilpt_BR
dc.contributor.advisor1Rodríguez, Demóstenes Zegarra-
dc.contributor.referee1Melgarejo, Dick Carrillo-
dc.contributor.referee2Dias, Vinicius Vitor dos Santos-
dc.description.resumoA produção de cimento é um processo complexo que envolve etapas de mineração, mo- agem de matérias-primas e aquecimento de materiais em fornos de clinquerização. Ao longo dessa cadeia produtiva, ocorrem etapas de homogeneização e reações químicas que alteram a estrutura dos compostos para se obter um produto final conforme os padrões de qualidade exi- gidos por normas. Na etapa de clinquerização, um dos parâmetros cruciais a ser monitorado é o teor de cal livre, que impacta diretamente na qualidade do cimento e na eficiência do processo. No entanto, essa análise é pontual, realizada geralmente a cada duas horas, e inclui etapas de coleta, preparação da amostra e aferição em aparelhos de raio X. Diante disso, o presente traba- lho tem como objetivo desenvolver um modelo preditivo para a análise de cal livre nos fornos de clínquer, utilizando técnicas de aprendizado de máquina e geração de dados sintéticos. Foi rea- lizada uma consulta a especialistas da área de processo e a pesquisas relacionadas ao tema para a definição das variáveis com maior impacto no valor de cal livre, seus respectivos limites que caracterizam a estabilidade na operação, bem como casos em que a amostragem das variáveis pudesse ser prejudicada. Com base nisso, foi elaborada uma base de dados histórica das gran- dezas selecionadas, seguida de tratamento de dados e aumento da base com a geração de dados sintéticos por meio de técnicas baseadas nos dados reais, sendo interpolação entre amostras e perturbação por meio de ruído Gaussiano. Em seguida, foram aplicados algoritmos de aprendi- zado de máquina para prever o teor de cal livre, avaliando o desempenho de cada um e visando a orientar ajustes proativos no processo. Na análise de desempenho, o modelo preditivo proposto obteve os índices de R2 = 0,966, MSE = 0,02 e RMSE = 0,141, em comparação com R2 = 0,73 e MSE = 0,1162 da referência bibliográfica mais simular à presente aplicação. Os resultados experimentais obtidos indicam que é possível a predição da cal livre, evidenciando a relevância do trabalho para a melhoria da eficiência energética da planta, redução de desperdícios, maior estabilidade na qualidade do clínquer e, consequentemente, do cimento produzido.pt_BR
dc.publisher.departmentInstituto de Ciências Exatas e Tecnológicas – ICETpt_BR
dc.subject.cnpqCiência da Computaçãopt_BR
dc.creator.Latteshttp://lattes.cnpq.br/5938860990317255pt_BR
Aparece nas coleções:Ciência da Computação - Mestrado (Dissertações)



Este item está licenciada sob uma Licença Creative Commons Creative Commons