Classificação de falhas em processo industrial de mineração a partir de uma representação fuzzy de séries temporais : estudo de caso em uma usina de Carajás (S11D).

Simple item page
dc.contributor.advisorGuimarães, Frederico Gadelhapt_BR
dc.contributor.advisorReis, Agnaldo José da Rochapt_BR
dc.contributor.authorFernandes, Gabriel Vinicios Moreira
dc.contributor.refereeGuimarães, Frederico Gadelhapt_BR
dc.contributor.refereeReis, Agnaldo José da Rochapt_BR
dc.contributor.refereeRêgo Segundo, Alan Kardekpt_BR
dc.contributor.refereeSilva, Rodrigo César Pedrosapt_BR
dc.contributor.refereeMozelli, Leonardo Amaralpt_BR
dc.date.accessioned2022-12-05T16:55:44Z
dc.date.available2022-12-05T16:55:44Z
dc.date.issued2022pt_BR
dc.descriptionPrograma de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.pt_BR
dc.description.abstractO Brasil é um dos mais importantes produtores de minérios do mundo e com potencial para crescer ao longo dos anos. O setor de mineração demanda a adoção de tecnologia da informa- ção para o desenvolvimento de sistemas especializados que permitam uma melhor eficiência da produção. O mercado de mineração deve aderir a inovação para automação de tarefas repeti- tivas, integração de sistemas, melhoria contínua de processos, redução de riscos de desastres e adaptação ao contexto global. Nesta perspectiva, o estudo implementou inteligência artificial para classificar falhas de sensores na britragem secundária na Usina A do Projeto Ferro S11D, da Empresa Vale, localizada em Canaã dos Carajás, Pará, região Norte do Brasil. O trabalho de pesquisa testou modelos matemáticos, desenvolveu uma metodologia com modelos Fuzzy Time Series e classificador baseado em arvore de decisão e obteve-se resultados com dados co- letados da respectiva Planta O resultado deste estudo contribuiu para o desempenho da plantas de beneficiamento de minério de ferro, melhorou a eficiência do sistema de britagem, reduziu paradas inesperadas e mitigou irregularidades no processo produtivo. O resultado obtido com a metodologia proposta foi o aumento da acurácia de 79,3% para 98,9% e f-score de 58,8% para 98,9%.pt_BR
dc.description.abstractenBrazil is one of the most important mineral producers in the world and with potential to grow over the years. The mining sector demands adoption of information technology to develop spe- cialist systems that allow better production. The mining market should join innovation toward automation of repetitive tasks, continuous improvement, disaster risk reduction and adaptation to the global context. In this perspective, the study aims to implement artificial intelligence to classify sensor failure in secondary screening at Plant A of Iron S11D, from Vale Company, located in Canaã dos Carajás, Pará, North of Brazil. The research tested mathematical mod- els, developed an application with Fuzzy Time Series models, and simulated results with data collected from Plant, until it was able to validate the sensor failures. This study contributed to performance improvements in iron ore processing plants, crushing system efficiency and reduc- ing the number of the unexpected stops. The result obtained with a proposed methodology of accuracy from 79,3% to 98,9% and f-score that was previously 58,8% and became 98,9%.pt_BR
dc.identifier.citationFERNANDES, Gabriel Vinicios Moreira. Classificação de falhas em processo industrial de mineração a partir de uma representação fuzzy de séries temporais: estudo de caso em uma usina de Carajás (S11D). 2022. 80 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2022.pt_BR
dc.identifier.urihttp://www.repositorio.ufop.br/jspui/handle/123456789/15806
dc.language.isopt_BRpt_BR
dc.rightsabertopt_BR
dc.rights.licenseAutorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 23/11/2022 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante.pt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-sa/3.0/us/*
dc.subjectSistemas difusos - fuzzy systemspt_BR
dc.subjectIndústria mineralpt_BR
dc.subjectLocalização de falhas - engenhariapt_BR
dc.titleClassificação de falhas em processo industrial de mineração a partir de uma representação fuzzy de séries temporais : estudo de caso em uma usina de Carajás (S11D).pt_BR
dc.typeDissertacaopt_BR
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
DISSERTAÇÃO_ClassificaçãoFalhasProcesso.pdf
Size:
4.87 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
PROFICAM - Mestrado (Dissertações)