PREDIÇÃO DA CONCENTRAÇÃO DE FOSFORO DO AÇO EM CONVERTEDORES A OXIGÊNIO

O objetivo deste trabalho e o desenvolvimento e analise de desempenho entre dois modelos de predicao, baseados nas tecnicas SVR (Support Vector Regression) e rede neural Autoencoder. Tais modelos visam a  predicao do teor de fosforo do aco em convertedores a oxigenio ao final do refino primario, em substituicao a amostragem comumente realizada para analises laboratoriais, reduzindo o tempo do processo e, consequentemente, aumentando a produtividade da producao do aco. Para a modelagem utilizou-se um conjunto de variaveis formado por insumos e dados de instrumentacao do refino. Utilizou-se a validacao cruzada k-fold para obtencao de modelos generalistas e como metricas de desempenho adotou-se o RMSE (Root Mean Square Error) e taxa de acerto em relacao a concentracao final de fosforo. Dentre as tecnicas, a SVR com kernel linear garantiu os melhores resultados, se mostrando uma boa solucao para o problema proposto.