Predição do Índice de Abrasão de Pelotas de Minério de Ferro usando Floresta Aleatória

Resumo

A industria atual depende de tecnologias de aquisição, comunicação e processamento de volumes massivos de dados. Por vezes, entretanto, a expertise necessária para extrair inteligência destes dados não está disponível. No setor siderúrgico, vastos recursos são investidos em instrumentação, mas nem sempre isto se traduz em resultados. Este trabalho descreve uma aplicação de aprendizado de máquina para predição de índices de abrasão em pelotas de minério de ferro. Todo o processo de pelotização é instrumentalizado, gerando grande volume de dados. A hipótese de trabalho é que seria possível criar de um modelo preditivo para o índice de abrasão. Através de uma análise minuciosa dos conjuntos de dados brutos foram selecionadas as variáveis preditoras mais promissoras e a partir delas foi gerado um modelo preditivo. Este modelo teve sucesso em estimar os índices de abrasão das pelotas à partir das variáveis do processo de produção, permitindo atuar sobre estas variáveis e melhorar os índices de abrasão e a qualidade geral do produto final. O ganho com o uso de técnicas de aprendizado de máquina se mostraram comprovadamente benéficos e levaram a insights que mesmo os especialistas não haviam identificado antes.