Tecnologia em Metalurgia, Materiais e Mineração
https://tecnologiammm.com.br/article/doi/10.4322/2176-1523.20201895
Tecnologia em Metalurgia, Materiais e Mineração
Original Article

ESTUDO DE PROJEÇÕES DE UM BOF UTILIZANDO ANÁLISE MULTIVARIADA DE DADOS

STUDY OF SLOPPING IN A BOF USING MULTIVARIATE ANALYSIS DATA

Bruna Helena Malovini Loiola, Henrique Silva Furtado, André Vicente Salazar, Itavahn Alves da Silva, Carlos Antônio da Silva

Downloads: 2
Views: 1044

Resumo

A projeção em um BOF é uma anomalia que representa desperdício de matéria prima, risco de acidentes, prejuízo financeiro e, principalmente, traz consequências ambientais. Devido à relevância deste fato foram realizados acompanhamentos in loco na ArcelorMittal Tubarão (AMT), e arquivos de Big Data advindos da operação de sopro de oxigênio dos convertedores foram analisados com o intuito de investigar as principais variáveis associadas ao fenômeno de projeção. Realizou-se o tratamento descritivo, por meio das técnicas de Análise de Cluster, Análise de Fatores, e de Componentes Principais com a finalidade de elaborar uma equação de regressão linear multivariada que pudesse modelar e prever as corridas com projeções. O tratamento estatístico foi feito com a utilização do software Statistica e do NCSS Statistical Software. A análise conclui que as variáveis teor de silício no gusa líquido, peso de minério adicionado, peso de cal calcítica e tempo de sopro de oxigênio estão entre as principais causas de projeção.

Palavras-chave

Projeção de escória; BOF; Análise multivariada; Big Data.

Abstract

Slopping in a BOF is an anomaly that leads to waste of raw material, accident hazard, financial losses, and mainly, brings environmental consequences. Due to its relevance on-site monitoring was performed at ArcelorMittal Tubarão (AMT), and Big Data files were analyzed with the purpose of investigating the main variables associated with slopping. The descriptive treatment was carried out using Cluster Analysis, Factor Analysis, and Principal Components to elaborate a multivariate linear regression equation capable of forecasting slopping. The statistical treatment was performed with the support of the Statistica and NCSS Statistical Software. According with this analysis the hot metal Silicon content, the weight of iron ore added as a coolant, the weight of calcined lime and the oxygen blowing time are among the main causes of slopping.

Keywords

Slopping; BOF; Multivariate analysis; Big data.

References

1 Rizzo E. Processos de refino primário dos aços nos convertedores a oxigênio. São Paulo: ABM; 2006. p. 61-64. O Sopro de Oxigênio.

2 Fruehan R, Turkdogan E. The making, shaping and treating of steel. 10th ed. Pittsburgh: AISE Steel Foundation; 1998. p. 102. Fundamentals of Iron and Steelmaking.

3 Albani CB, Furtado HS, Oliveira JR. Estudo das causas de projeções de escória no convertedor LD. In: Associação Brasileira de Metalurgia, Materiais e Mineração. ABMWeek 2017; São Paulo, Brazil. São Paulo: ABM. p. 289-298.

4 Hewage AK. Numerical Simulation of Slag Foaming with Reaction Kinetics in Oxygen Steelmaking [thesis]. Melbourne, Australia: Faculty of Science, Engineering and Technology, Swinburne University of Technology; 2017.

5 Harada Y, Ishihara M, Saito N, Nakashima K. Impedance measurement of simulated foaming slag for evaluation of gas phase fraction. ISIJ International. 2017;57(10):1733-1741.

6 Remus R, Monsonet M, Roudier S, Sancho L. Best Available Techniques (BAT) reference document for iron and steel production. Seville: Joint Research Centre; 2013. p. 354-376. Basic Oxygen Steelmaking and Casting.

7 Bramming M. Avoiding slopping in top-blow BOS Vessels [thesis]. Lulea: Lulea University of Technology; 2010.

8 Walker DI, Kemeny FL, Jone JAT. Vessel slopping detection. USA: Aistech; 2005. p. 711-721.

9 Carvalho D, Castro H, Demuner L, Viana M, Wojnar P, Formage R, Schulz T, Totti B. Blowing Process Challenges for High rate of Iron Ore Pellet Addition – Process Development and Results at TKCSA. In: Associação Brasileira de Metalurgia, Materiais e Mineração. ABM Week 2017; São Paulo, Brazil. São Paulo: ABM. p. 637-645.

10 NCSS Statistical Software. Principal components analysis. USA: NCSS; 2017 [acesso em 10 ago. 2017]. Disponivel em: https://ncss-wpengine.netdna-ssl.com/wp-content/themes/ncss/pdf/Procedures/NCSS/Principal_Components_Analysis.pdf

11 Hair J Jr, Black W, Babin B, Anderson R, Tatham R. Análise multivariada de dados. 6. ed. Porto Alegre: Bookman; 2009.

5e9f291d0e882564427b6dab tmm Articles
Links & Downloads

Tecnol. Metal. Mater. Min.

Share this page
Page Sections