Estudo comparativo do uso de redes neurais artificiais e regressão linear múltipla para a previsão da concentração cáustica em uma etapa do processo de fabricação de alumina

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.