Pesquisa
alcança patamar de sistema industrial vendido por corporação japonesa
Em
uma indústria como a Companhia Siderúrgica Nacional(CSN)
de Volta Redonda (RJ) onde há alto-fornos de 100 metros
e altura e 13 de diâmetro, uma informação
imprecisa pode dificultar a produção em série
e levar ao reprocessamento do aço (liga de ferro e carbono).
Em artigo da revista Engeneering Applications of Artificial
Intelligence pesquisadores da Unicamp desenvolveram um sistema
computacional para a tomada de decisões 16% mais preciso
que o modelo em funcionamento na CSN. Utilizando redes neurais
artificiais, eles estimam que, se o software for implementado,
a economia pode chegar a um milhão de dólares por
ano.
No entanto, segundo Carlos Tadeu Reis, Engenheiro de Desenvolvimento
da CSN, o sistema foi testado, em 2004, por um período
de seis meses a um ano, e alcançou desempenho semelhante
ao programa japonês da empresa Nippon Steel Corporation.
Essa, na opinião do engenheiro, oferece o melhor modelo
dinâmico do mundo na área refino de aço. Reis
não quis revelar valores, mas afirma que o programa custou
caro. Ele acredita que o software brasileiro pode superar o modelo
japonês e tem planos de realizar melhoramentos antes de
colocá-lo em funcionamento na CSN. A intenção
é aumentar o número de variáveis na entrada
do modelo, ou seja, estabelecer mais parâmetros para que
o programa tenha um campo de conhecimento mais abrangente na interpretação
informações.
O sistema de redes neurais artificiais (neurocomputadores) para
controlar uma das etapas de produção - o Processo
de Refino de Aço com Sopro de Oxigênio (BOS, sigla
em inglês) - foi desenvolvido pela professora de Faculdade
de Engenharia Química da Unicamp (FEQ), Ana Frattini, junto
com os pesquisadores Tatiana Pacionotto e André Cunha.
O BOS ocorre no Conversor a Oxigênio onde ferro gusa (ferro
líquido) e sucata se transformam em aço. E o oxigênio
é empregado para remover as impurezas, através da
oxidação, o que eleva a temperatura de 1400 graus
para aproximadamente 1650 graus.
O desafio dos pesquisadores foi modelar um sistema de redes neurais
artificiais capaz de prever, com mais precisão, a porcentagem
de carbono e a temperatura do aço no fim do BOS. Esse sistema
é utilizado para alterar as condições de
processo de forma a atingir os objetivos de produção
do aço. Para que a liga tenha qualidade, é preciso
reduzir a quantidade de carbono de 4% para menos de 0,08%. Outra
tarefa, que, segundo Frattini, é mais difícil, consiste
em fazer o acerto da temperatura do aço líquido,
o que interfere na seqüência do processo, o lingotamento
(quando o aço líquido é transformado em placas).
O calor também determina a quantidade de minério
de ferro que deve ser adicionada para resfriar o aço. Esse
acréscimo dificulta a padronização da produção,
visto que esse minério apresenta variações
químicas.
Segundo Frattini, outra barreira foi encontrar parâmetros
para ajustar simultaneamente o sistema às duas variáveis
temperatura e carbono. O valor de acerto de porcentagem de carbono
obtido com este teste foi de 82% e o de temperatura foi de 97%,
totalizando 82% de ajuste, contra 66% do sistema convencional.
Frattini explica que o sistema não alcançou totalmente
os padrões indicados na pesquisa porque, provavelmente,
certos ajustes manuais que deveriam ser feitos com a variação
do clima não foram realizados. Os pesquisadores disponibilizaram
gratuitamente o modelo de redes neurais para a CSN.
Inteligência artificial
Inspiradas no funcionamento do cérebro humano, os neurocomputadores
compõem um ramo da Inteligência Artificial (IA).
O objetivo da IA é desevolver modelos (chamados de algoritmos)
para armazenar informações, aplicá-los na
solução problemas e adquirir conhecimento através
da experiência. Frattini explica que as redes neurais artificias
só se tornaram viáveis com a evolução
dos computadores, que ficaram mais rápidos e com maior
capacidade de armazenar dados.
Essas redes têm sido aplicadas em vários ramos, tais
como análise de pesquisa de mercado, aplicações
climáticas, identificação de fraude de cartão
de crédito, controle de processos industriais, e até
mesmo no diagnóstico médico. Um dos desafios na
área é treinar as redes para que se chegue mais
perto da interpretação a que o cérebro humano
chegaria.