Resumo: Para manterem-se competitivas as empresas otimizam seus processos continuamente, de maneira sustentável e reaproveitando os recursos naturais. As ferramentas de apoio a tomada de decisão são de extrema importância, principalmente quando tais ferramentas auxiliam na antecipação dos problemas operacionais, evitando custos, perdas de produtividade, acidentes de trabalho e ambientais. Este estudo tem foco no processo produtivo de alumina pelo método Bayer, na mensuração do teor cáustico da mistura de bauxita, que influencia diretamente na qualidade. A empresa obtém este resultado uma vez ao dia, por meio de análise laboratorial, devido aos elevados custos. A medida não é suficiente para tomada de decisão e antecipação das correções de problemas que possam evitar a ineficiência do processo, observado apenas no dia seguinte, quando ocorrer o recebimento do novo resultado. Propõe-se a previsão da concentração cáustica em tempo real, através da modelagem do processo por Regressão Linear Múltipla e Rede Neural Artificial. Tais modelos foram gerados através dos softwares SPSS e MATLAB. Os resultados foram comparados com base no erro entre a previsão da concentração do produto gerada pelos modelos, e a concentração real de saída obtidas de análise laboratorial. Concluiu-se que a técnica de Redes Neurais Artificiais desempenhou melhor que a Regressão Linear Múltipla. Os resultados mostraram a viabilidade do processo de análise imediata por meio da previsão, auxiliando assim a decisão da equipe de trabalho envolvida.
Palavras-chave:Redes Neurais Artificiais. Processo Bayer. Regressão Linear Múltipla. Alumina. Evaporação.
Abstract:With world becoming each day a global village, enterprises continuously seek to optimize their internal processes to hold or improve their competitiveness and make better use of natural resources. In this context, decision support tools are an underlying requirement. Such tools are helpful on predicting operational issues, avoiding cost risings, loss of productivity, work-related accident leaves or environmental disasters. This paper has its focus on the prediction of spent liquor caustic concentration of Bayer process for alumina production. Caustic concentration measuring is essential to keep it at expected levels, otherwise quality issues might arise. The organization requests caustic concentration by chemical analysis laboratory once a day, such information is not enough to issue preventive actions to handle process inefficiencies that will be known only after new measurement on the next day. Thereby, this paper proposes using Multiple Linear Regression and Artificial Neural Networks techniques a mathematical model to predict the spent liquor´s caustic concentration. Hence preventive actions will occur in real time. Such models were built using software tool for numerical computation (MATLAB) and a statistical analysis Revista Produção Online, Florianópolis, SC, v.15, n. 3, p. 948-971, jul./set. 2015. 948