
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.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.creator | Andrade, R. | - |
| Autor(es): dc.creator | Benedet, L. | - |
| Autor(es): dc.creator | Mancini ,M. | - |
| Autor(es): dc.creator | Silva, S. H. G. | - |
| Autor(es): dc.creator | Freitas, C. S. | - |
| Autor(es): dc.creator | Carneiro, M. A. C. | - |
| Autor(es): dc.creator | Curi, N. | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:23:57Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:23:57Z | - |
| Data de envio: dc.date.issued | 2025-08-08 | - |
| Data de envio: dc.date.issued | 2024 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/60151 | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.1590/1413-7054202549026424 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1160505 | - |
| Descrição: dc.description | Brazilian steel industries require high-quality charcoal to produce pig iron. Desirable charcoal attributes include high elemental carbon content, large mean particle size (MPS), and high density, while producing low contents of ash and volatile matter, and presenting low contents of water and contaminants (e.g., phosphorous). These attributes are commonly determined by standardized laboratory analyses, which are time consuming and costly, besides generating chemical effluents. Portable X-ray fluorescence (pXRF) spectrometry can be used to avoid the downsides of laboratory analyses. The objective of this study was to evaluate the use of pXRF data in machine-learning models trained to predict attributes of eucalypt charcoal. pXRF data (elemental contents) from 276 charcoal samples were used to train predictive models using six machine-learning algorithms. Auxiliary explanatory variables (drying time, wood age, fine particle content, and friability) were included in the models. Models were trained to predict the following charcoal attributes: fixed C (%), ash content (%), volatile matter (%), MPS (mm), water content (%), density (kg/m3), and P contents (%). Satisfactory predictions were obtained for volatile matter, MPS, moisture, and density (R2 > 0.6), and very accurate predictions were obtained for ash and P contents (R2 > 0.75). The inclusion of auxiliary explanatory variables increased the prediction accuracy of MPS (R2 increased from 0.61 to 0.82), bulk density (from 0.56 to 0.73), and P contents (from 0.86 to 0.94). These results indicate that pXRF can be used as an ecofriendly alternative to assess the quality of eucalypt charcoal utilized in metallurgy. © 2025, Federal University of Lavras. All rights reserved. | - |
| Descrição: dc.description | Indústrias metalúrgicas exigem carvão de alta qualidade para produzir ferro-liga. Os atributos desejáveis do carvão incluem alta porcentagem de carbono fixo, grande tamanho médio das partículas (MPS), alta densidade, baixa produção de cinzas e materiais voláteis, além de baixos teores de água e contaminantes. Esses atributos são determinados por análises laboratoriais padronizadas, que são demoradas e caras, além de gerarem efluentes químicos. A espectrometria de fluorescência de raios X portátil (pXRF) poderia ser usada para superar as desvantagens das análises laboratoriais. Este trabalho objetivou utilizar dados de pXRF em modelos de aprendizado de máquina treinados para predizer atributos de carvão de madeira de eucalipto. Os dados de pXRF de 276 amostras de carvão foram usados como variáveis explicativas para treinar os modelos preditivos usando seis algoritmos de aprendizado de máquina. Variáveis explicativas auxiliares também foram incluídas nos modelos. Os modelos foram treinados para predizer os atributos: C fixo, cinzas, matéria volátil, MPS, umidade, densidade e teor de P. Predições satisfatórias foram obtidas para matéria volátil, MPS, umidade e densidade (R2 > 0,6), e predições muito exatas foram obtidas para os teores de cinzas e teores de P (R2 > 0,75). A inclusão de variáveis explicativas auxiliares aumentou a acurácia da predição de MPS (R2 aumentou de 0,61 para 0,82), densidade (de 0,56 para 0,73) e teores de P (de 0,86 para 0,94). Esses resultados indicam que o pXRF pode ser usado como uma alternativa ecologicamente amigável para avaliar a qualidade do carvão de eucalipto utilizado na indústria metalúrgica. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Universidade Federal de Lavras | - |
| Direitos: dc.rights | Attribution 3.0 Brazil | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/3.0/br/ | - |
| ???dc.source???: dc.source | Ciencia e Agrotecnologia | - |
| Palavras-chave: dc.subject | Proximal sensors | - |
| Palavras-chave: dc.subject | machine learning algorithms | - |
| Palavras-chave: dc.subject | metallurgy | - |
| Palavras-chave: dc.subject | pXRF | - |
| Palavras-chave: dc.subject | waste minimization; Sensores proximais; pXRF; aprendizado de máquina; metalurgia; minimização de resíduos | - |
| Título: dc.title | Portable X-ray fluorescence sensor for ecofriendly, low-cost, and fast assessment of eucalypt charcoal attributes | - |
| Título: dc.title | Sensor portátil de fluorescência de raios-X utilizado em uma metodologia verde, barata e rápida para a análise de atributos de carvão vegetal de eucalipto | - |
| Tipo de arquivo: dc.type | artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: