Predição do teor de ferro em processo de beneficiamento mineral usando modelo autorregressivo.

Simple item page
dc.contributor.advisorEuzébio, Thiago Antonio Melopt_BR
dc.contributor.advisorSilva, Moisés Tavares dapt_BR
dc.contributor.authorGomes, Vinícius Geraldo Rodrigues
dc.contributor.refereeEuzébio, Thiago Antonio Melopt_BR
dc.contributor.refereeSilva, Moisés Tavares dapt_BR
dc.contributor.refereeAcioli Junior, Georgept_BR
dc.contributor.refereeMonteiro, Paulo Marcos de Barrospt_BR
dc.contributor.refereeCota, Luciano Perdigãopt_BR
dc.date.accessioned2021-02-23T14:31:51Z
dc.date.available2021-02-23T14:31:51Z
dc.date.issued2020pt_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.abstractA tarefa de medir o teor de ferro do minério processado em uma usina é complexa, mas fundamental para o bom desempenho da operação. Em geral, esta medição e realizada por meio de analise laboratorial que insere um atraso de algumas horas na obtenção dos resultados. Neste trabalho e realizada a predição do teor de ferro a partir dos dados históricos das analises laboratoriais. Estes dados indicam os teores dos materiais alimentados em uma etapa de concentração magnética e uma etapa de flotação reversa de duas unidades distintas de beneficiamento mineral da mineradora Vale S.A. Inicialmente, são realizadas analises de estacionariedade, autocorreção e autocorreção parcial. Em seguida, são usados modelos autorregressivos e o algoritmo de mínimos quadrados recursivos para predição do teor de ferro. Os resultados demonstram o bom desempenho do modelo na tarefa de efetivamente predizer as amostras futuras e indicar tendências ascendentes ou descendentes do teor de ferro, auxiliando, assim, os engenheiros de automação e de processos das plantas na tomada de decisões.pt_BR
dc.description.abstractenThe task of measuring the iron content of ore processed at a plant is complex, but essential to the performance of the operation. In general, this measurement is carried out by means of laboratory analysis which produces a delay of several hours in obtaining the results. In this work, the iron content prediction is made from the historical data of the laboratory analyzes. These datas indicates the contents of the material that feeds a stage of magnetic concentration and a stage of reverse flotation from two distincts mineral processing units of the mining company Vale S.A. Initially, analyzes of stationarity, autocorrelation and partial autocorrelation are performed. Then, autoregressive models and the recursive least squares algorithm are used to predict the iron content. The results show good performance of the model in the task of effectively predicting future samples and indicating behavior ascending or descending trends, thus, assisting process engineer and control and automation engineer in making decisions.pt_BR
dc.identifier.citationGOMES, Vinícius Geraldo Rodrigues. Predição do teor de ferro em processo de beneficiamento mineral usando modelo autorregressivo. 2020. 107 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2020.pt_BR
dc.identifier.urihttp://www.repositorio.ufop.br/handle/123456789/13113
dc.language.isopt_BRpt_BR
dc.rightsabertopt_BR
dc.rights.licenseAutorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 03/02/2021 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. Não permite o uso para fins comerciais nem a adaptação.pt_BR
dc.subjectAnálise de séries temporaispt_BR
dc.subjectControle de processo - métodos estatísticos - modelos autorregressivos - ARpt_BR
dc.subjectMétodos experimentais - mínimos quadrados recursivos - MQRpt_BR
dc.subjectBeneficiamento de minériopt_BR
dc.titlePredição do teor de ferro em processo de beneficiamento mineral usando modelo autorregressivo.pt_BR
dc.title.alternativeIron ore grade prediction in mineral processing plant using auto-regressive model.pt_BR
dc.typeDissertacaopt_BR
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
DISSERTAÇÃO_PrediçãoTeorFerro.pdf
Size:
4.12 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
924 B
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
PROFICAM - Mestrado (Dissertações)