Qualificação de doutorado da discente Érica Silva, dia 31/10/2024, às 09:00.

Qualificação de doutorado da discente Érica Silva, dia 31/10/2024, às 09:00.

Título: DESENVOLVIMENTO DE SISTEMA DE MEDIÇÃO DE UMIDADE DE MINÉRIO DE FERRO: UMA PERSPECTIVA INTEGRADA DE TÉCNICAS DE MEDIÇÃO E APRENDIZADO DE MÁQUINA

Title: DEVELOPMENT OF AN IRON ORE MOISTURE MEASUREMENT SYSTEM: AN INTEGRATED PERSPECTIVE OF MEASUREMENT TECHNIQUES AND MACHINE LEARNING

Resumo: O elevado tempo de resposta do método de medição de umidade de minério de ferro baseado em secagem compromete a tomada de decisão e o controle dos processos de mineração. No caso do carregamento de navios, por exemplo, isso pode impactar o controle da umidade da carga, visto que o resultado é obtido com atraso de 4 horas. Nesse intervalo de tempo, toneladas de material já foram depositadas no porão do navio. Se a umidade ultrapassar valores limiares estabelecidos por normas internacionais, pode haver problemas de segurança com a embarcação, já que existe o risco de liquefação da carga e, no pior caso, de naufrágio. Os métodos alternativos disponíveis na literatura, apesar de apresentarem baixo tempo de resposta, não fornecem a acurácia exigida nos processos de mineração, especialmente no caso do carregamento dos navios, em que o erro médio absoluto (MAE) deve ser menor que 0,3 pontos percentuais (pp). O trabalho que fornece o melhor resultado apresenta erro padrão de 0,180 pp e MAE de até 0,150 pp, porém em condições muito distintas do ambiente industrial. O método alternativo empregado na indústria também é baseado em secagem, usando um forno de convecção forçada. Apesar de fornecer acurácia adequada ao processo, com erro padrão de 0,125 pp e MAE de 0,165 pp, e de apresentar tempo de resposta menor, de 20 min, apresenta a limitação de ser uma alternativa paliativa, pois também é suscetível à abrasividade do minério de ferro, o que requer constante substituição do equipamento. Além disso, os métodos baseados em secagem são destrutivos, o que impede medições repetitivas de uma mesma amostra, e impõem dificuldades na realização de medições automáticas, pois são muito dependentes do operador. Logo, medir a umidade de minério de forma rápida, automática, precisa e robusta é um problema ainda não solucionado no estado da arte. Neste contexto, propõe-se o desenvolvimento de um dispositivo disruptivo que utiliza redes neurais artificiais (RNAs) para determinar a umidade de forma rápida e precisa, integrando variáveis como permissividade relativa, condutividade, densidade aparente e torque aplicado a uma amostra de minério de ferro. O equipamento possui propriedade intelectual depositada em forma de patente em 2019 e foi submetido a um teste de validação industrial no Terminal Marítimo de Ponta da Madeira, localizado em São Luís, MA. Em uma análise pós-processada dos dados coletados, o sistema superou em 16% a precisão do método alternativo de secagem empregado atualmente no porto, com erro padrão de até 0,105 pp e MAE de até 0,07 pp. Além disso, o tempo de resposta foi 85% menor que o do forno de convecção forçada, levando apenas 3 min. Os resultados evidenciam a eficácia do dispositivo e uma contribuição científica significativa, visto que não existe na literatura e no mercado um equipamento capaz de medir a umidade de minério com a precisão e a rapidez do sistema proposto. Além disso, a tecnologia não só pode substituir os métodos existentes como também se mostra promissora para aplicações em diversos outros setores industriais, ampliando as possibilidades de medições de umidade com maior nível de automação.

Abstract: The long response time of the iron ore moisture measurement based on the drying method hinders decision-making and control in mining processes. This can affect cargo moisture control for ship loading, as results can be delayed by 4 hours, and within this period tons of material may be deposited in the cargo hold. If moisture exceeds thresholds set by international standards, it may cause safety issues with the vessel, as there is a risk of cargo liquefaction and potentially leading to sinking in the worst-case scenario. While offering quick response times, alternative methods in the literature do not provide the accuracy required in mining processes, especially for ship loading, where the mean absolute error (MAE) must be less than 0.3 percentage points (pp). The best-performing study shows a standard error of 0.180 pp and MAE up to 0.150 pp, but under very different conditions if compared to an industrial environment. The alternative moisture measurement method used in industry also relies on a drying approach, such as a forced convection oven. While it provides adequate accuracy with a standard error of 0.125 pp and MAE of 0.165 pp and offers a shorter response time of 20 minutes, it is subject to some limitations. It is a stopgap solution vulnerable to iron ore abrasiveness and requires frequent equipment replacement. Moreover, drying-based methods are destructive, preventing repeated measurements of the same sample, as they pose challenges for automatic measurements due to a high manual operation dependence. Therefore, measuring iron ore moisture quickly, automatically, accurately, and robustly remains an unsolved problem unprecedented in the literature. In this context, we propose developing a disruptive device using artificial neural networks (ANNs) applied to an iron ore sample which determines moisture rapidly and accurately, integrating variables such as relative permittivity, conductivity, apparent density, and torque. The equipment has intellectual property filed as a patent in 2019 and underwent industrial validation testing at the Ponta da Madeira Maritime Terminal in São Luís, MA, Brazil. In a post-processed analysis of collected data, the system outperformed the current alternative drying method used at the port by 16%, with a standard error of up to 0.105 pp and MAE of up to 0.07 pp. Additionally, the response time was 85% shorter than the forced convection oven while taking only 3 minutes. The results demonstrate the device's effectiveness and a significant scientific contribution as no equipment in the literature or market measures ore moisture with the precision and speed of the proposed system. Furthermore, this technology has the potential not only to replace current methods but also holds promise for applications across various other industrial sectors, expanding the possibilities for moisture measurements with a high level of automation and accuracy.

Sala: https://meet.google.com/sjt-cnzi-nmy

Membros da banca:
Prof. Dr. Alan Kardek Rêgo Segundo (Orientador - UFOP)
Prof. Dr. Gustavo Pessin (Coorientador - ITV / UFOP)
Prof. Dr. Gustavo Freitas (UFMG)
Prof. Dr. Eduardo Luz (UFOP)
Profa. Dra. Andrea Gomes Campos (UFOP)