Por: MARCOS ANTÔNIO RODRIGUES (TERNIUM BRASIL LTDA.), LEONCIO MACHADO DE REZENDE (TERNIUM BRASIL), Vilson José Anunciação (TERNIUM BRASIL), André Machado da Silva (TERNIUM BRASIL), Evandro da Silva do Carmo (TERNIUM BRASIL), Arthur Araujo Maia Farah (Vetta - SMS), Fernanda da Silva Machado (Vetta - SMS)
Resumo:
O objetivo desse trabalho será apresentar o desenvolvimento do projeto, que visa otimizar a geração e a distribuição dos gases siderúrgicos e vapores provenientes dos processos produtivos na Ternium Brasil. Utilizando técnicas de machine learning para criação de modelos de previsão, simulação e otimização, bem como técnicas que possibilitem avaliar cenários que maximizem a viabilidade econômica das operações, possibilitando a redução da queima de gases siderúrgicos nos flares, e a sua posterior substituição pelo gás natural, maximizando a maior geração de energia elétrica com a energia dos gases residuais ofertados. O projeto tem por objetivo a otimização dos gases siderúrgicos e vapores a partir do planejamento produtivo das áreas produtivas, embora os modelos de previsão usem as ordens de produção para definir previsão de consumo e geração, essas são apenas variáveis de entrada do sistema otimizador de despacho de gases/vapores, e sob as quais nenhuma decisão ou controle são efetuadas.
A sazonalidade de geração do gás de Aciaria aliada à sua complexa análise de geração de energia gerada por corrida, assim como a logística de distribuição dos gases siderúrgicos do site da Ternium Brasil, foi exponencialmente um dos fatores mais importantes e relevantes para o desenvolvimento desse projeto de Machine Learning que utiliza algoritmos para assimilar as mudanças de cenários de geração e consumo dos gases siderúrgicos e vapores.
