Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Quantificação da incerteza na medição da vazão mássica de minério com sensores virtuais orientados por dados.
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/1002162
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Pessin, Gustavo | - |
| Autor(es): dc.contributor | Luz, Eduardo José da Silva | - |
| Autor(es): dc.contributor | Pessin, Gustavo | - |
| Autor(es): dc.contributor | Luz, Eduardo José da Silva | - |
| Autor(es): dc.contributor | Rêgo Segundo, Alan Kardek | - |
| Autor(es): dc.contributor | Ueyama, Jó | - |
| Autor(es): dc.creator | Diniz, Francisco José dos Santos | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T15:05:10Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T15:05:10Z | - |
| Data de envio: dc.date.issued | 2025-06-17 | - |
| Data de envio: dc.date.issued | 2024 | - |
| Fonte completa do material: dc.identifier | https://www.repositorio.ufop.br/handle/123456789/20326 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1002162 | - |
| Descrição: dc.description | Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto. | - |
| Descrição: dc.description | No contexto da Indústria 4.0, existe uma crescente demanda por informações confiáveis. A compreensão das incertezas associadas aos modelos e aos dados pode aprimorar a tomada de decisão, aumentar a segurança e elevar a eficiência de processos industriais. O setor de minera- ção é um desses casos em que sensores virtuais baseados em aprendizado de máquina (Machine Learning, ML) são amplamente utilizados. Esse aspecto se torna ainda mais relevante no trans- porte de minério, onde sensores virtuais são empregados para estimar a taxa de material em transportadores de correia. O uso de técnicas tradicionais de ML em geral tem se limitado à realização de estimativas pontuais, isto é, que não levam em consideração as incertezas ineren- tes às estimativas dos modelos. Essa lacuna pode comprometer a confiabilidade das decisões baseadas nessas estimativas, especialmente em sistemas críticos como os utilizados na mine- ração. Neste contexto, o presente estudo visa aprimorar o desempenho dos sensores virtuais por meio da incorporação da quantificação das incertezas (Uncertainty Quantification, UQ) nas estimativas das taxas de material. O sensor virtual analisado neste trabalho utiliza dados de corrente elétrica de um motor para estimar a taxa de material transportado em Transportadores de Correia de Longa Distância (TCLDs). Para atingir esse objetivo, é proposta inicialmente uma etapa de engenharia e seleção de atributos, que visa otimizar a acurácia das estimativas e a capacidade de adaptação do modelo. Foram consideradas três técnicas de aprendizado de máquina tradicionais: (i) Regressão Linear (RL), (ii) Árvore de Decisão (AD), e (iii) Multi- layer Perceptron (MLP). Além dessas técnicas, o algoritmo Light Gradient Boosting Machine (LightGBM) também foi utilizado. Já para a UQ, quatro métodos foram avaliados, sendo dois mais tradicionais: (i) - Baseado em Distribuição t-Student, (ii) Intervalos de Predição com bo- otstrap, e outros dois baseados em Predição Conforme (Conformal Prediction, CP): (iii) Split Conformal Prediction (SCP) e (iv) Full Conformal Prediction (FCP). Uma abordagem baseada na CP e em janelas deslizantes foi aplicada para realizar a emulação da UQ em um Controlador Lógico Programável (CLP). Os resultados obtidos indicam que o modelo LightGBM, aliado à engenharia e à seleção de atributos, resultou em uma redução de 17% no erro do sensor virtual em comparação com estudos anteriores. Além disso, os métodos bootstrap e FCP demonstra- ram eficácia na geração de intervalos de previsão, alcançando a cobertura desejada de 95% com larguras de intervalo cerca de 10% menores que a distribuição t-Studente e com menor varia- bilidade que a SCP, com larguras médias em torno de 166,56, 167,24, 184,60 e 167,49 (t/h), respectivamente. Por fim, o uso do CLP emulado com quantificação de incertezas, viabiliza a implantação desses algoritmos em cenários reais da indústria, nosso resultado apontam que a implementação de uma SCP com janelas deslizantes de tamanho 100 podem garantir uma co- bertura de aproximadamente 95% de confiança, respeitando as restrições relativas a capacidade computacional de um computador industrial. | - |
| Descrição: dc.description | In the context of Industry 4.0, there is a growing demand for reliable information. Un- derstanding the uncertainties associated with models and data can improve decision-making, enhance safety, and increase the efficiency of industrial processes. The mining sector is one such case Machine Learning (ML) are widely used. This aspect becomes even more relevant in ore transportation, where virtual sensors are employed to estimate material flow rates on belt conveyors. The use of traditional ML techniques has generally been limited to providing point estimates, i.e., those that do not account for the inherent uncertainties in model predictions. This gap may compromise the reliability of decisions based on these estimates, especially in critical systems such as those used in mining. In this context, the present study aims to enhance the performance of virtual sensors by incorporating uncertainty quantification Uncertainty Quan- tification (UQ) into material flow rate estimates. The virtual sensor analyzed in this work uses electric current data from a motor to estimate the transported material flow rate in Long Dis- tance Belt Conveyors (LDBCs). To achieve this goal, an initial step of feature engineering and selection is proposed to optimize estimation accuracy and model adaptability. Three tradi- tional machine learning techniques were considered: (i) Linear Regression (LR), (ii) Decision Tree (DT), and (iii) Multilayer Perceptron (MLP). Additionally, the Light Gradient Boosting Machine (LightGBM) algorithm was also utilized. For UQ, four methods were evaluated, in- cluding two traditional approaches: (i) Student’s t-distribution-based, (ii) bootstrap prediction intervals; and two others based on Conformal Prediction (Conformal Prediction, CP): (iii) Split Conformal Prediction (SCP) and (iv) Full Conformal Prediction (FCP). A sliding window ap- proach combined with Conformal Prediction was applied to emulate UQ in a Programmable Logic Controller (PLC). The results indicate that the LightGBM model, combined with fea- ture engineering and selection, led to a 17% reduction in the virtual sensor error compared to previous studies. Furthermore, the bootstrap and FCP methods demonstrated effectiveness in generating prediction intervals, achieving the desired 95% coverage with interval widths ap- proximately 10% narrower than the Student’s t-distribution and lower variability compared to SCP, with average widths of 166.56, 167.24, 184.60, and 167.49 (t/h), respectively. Finally, the use of the emulated PLC with uncertainty quantification enables the deployment of these algorithms in real industrial scenarios. Our results suggest that implementing SCP with sliding windows of size 100 can ensure approximately 95% confidence coverage while respecting the computational capacity constraints of industrial computers. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Direitos: dc.rights | aberto | - |
| Direitos: dc.rights | Attribution-NoDerivs 3.0 United States | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by-nd/3.0/us/ | - |
| Direitos: dc.rights | Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 11/06/2025 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite a adaptação. | - |
| Palavras-chave: dc.subject | Modelos matemáticos - sensores virtuais | - |
| Palavras-chave: dc.subject | Confiabilidade - engenharia - quantificação de incertezas | - |
| Palavras-chave: dc.subject | Predição conforme | - |
| Título: dc.title | Quantificação da incerteza na medição da vazão mássica de minério com sensores virtuais orientados por dados. | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - UFOP | |
Não existem arquivos associados a este item.
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo