Redes neurais artificiais aplicadas à moagem de minério de ferro combinadas a modelos empíricos.

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.creatorSilva, Daniel Henrique Cordeiro-
Autor(es): dc.creatorAlves, Vladmir Kronemberger-
Autor(es): dc.creatorSávio, Ernandes-
Data de aceite: dc.date.accessioned2025-08-21T15:03:38Z-
Data de disponibilização: dc.date.available2025-08-21T15:03:38Z-
Data de envio: dc.date.issued2024-10-03-
Data de envio: dc.date.issued2024-10-03-
Data de envio: dc.date.issued2021-
Fonte completa do material: dc.identifierhttps://www.repositorio.ufop.br/handle/123456789/18745-
Fonte completa do material: dc.identifierhttps://doi.org/10.33448/rsd-v11i13.32329-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1001712-
Descrição: dc.descriptionA cada dia, com o advento da Indústria 4.0, novas tecnologias são disponibilizadas e aplicadas ao Tratamento de Minérios, impulsionadas pela crescente disponibilidade de dados de chão de fábrica. Algumas das oportunidades a serem exploradas estão atreladas à utilização das ferramentas de Big Data, Advanced Analytics, Machine Learning e Inteligência Artificial. No beneficiamento de minério de ferro, nos processos de moagem, os ganhos potenciais oriundos de ferramentas de aprendizado de máquina tendem a ser ampliados quando combinados com modelos matemáticos consagrados, oriundos do conhecimento do processo, sejam eles empíricos ou fenomenológicos. Este artigo apresenta a aplicação de redes neurais artificiais para a predição da granulometria no produto de uma planta de moagem, principal parâmetro de qualidade, combinadas a modelos empíricos que descrevem o processo, visando estabelecer se tais equações podem contribuir para uma melhor performance dos modelos preditivos, de forma a suportar uma melhor e mais rápida tomada de decisão pelo operador da unidade.-
Descrição: dc.descriptionStep by step, the technologies provided by Industry 4.0 are being inserted in the mining processes and one of the opportunities to be explored is the use of Big Data and Advanced Analytics tools. In iron ore beneficiation plants, in the milling processes, the potential gains from machine learning tools tend to be amplified when combined with mathematical models derived from process knowledge, whether empirical or phenomenological. This article presents the application of artificial neural networks for the prediction of the main product quality parameter of a milling plant, combined with empirical equations that describe the milling process, to establish whether such equations can contribute to a better performance of the predictive models.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsaberto-
Direitos: dc.rightsEste é um artigo publicado em acesso aberto sob uma licença Creative Commons. Fonte: PDF do artigo.-
Palavras-chave: dc.subjectRedes neurais artificiais-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectTratamento de minérios-
Palavras-chave: dc.subjectMoagem-
Palavras-chave: dc.subjectControle de processos-
Título: dc.titleRedes neurais artificiais aplicadas à moagem de minério de ferro combinadas a modelos empíricos.-
Título: dc.titleArtificial neural networks applied to iron ore grinding process combined with empirical models.-
Aparece nas coleções:Repositório Institucional - UFOP

Não existem arquivos associados a este item.