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.