IA do PPComp otimiza previsão de consumo de gás na indústria de pelotização
"A Pipeline for Multivariate Time Series Forecasting of Gas Consumption in Pelletization Process " desenvolvido por pesquisadores do Programa de Pós-Graduação em Computação Aplicada (PPComp) do Ifes Campus Serra foi publicado no CLEI Electronic Journal (Qualis B3), apresentando uma aplicação de Inteligência Artificial para a previsão do consumo de gás em plantas de pelotização.
O trabalho investiga o uso de técnicas de Automated Machine Learning (AutoML) para automatizar a construção e o ajuste de modelos de redes neurais destinados à previsão do consumo energético em processos industriais. A abordagem permite reduzir o esforço necessário para a definição dos parâmetros dos modelos, tornando o desenvolvimento de soluções de Inteligência Artificial mais rápido e eficiente em comparação aos métodos tradicionais.
A pesquisa foi desenvolvida pelo egresso do PPComp Thadeu Pezzin Melo, em colaboração com o professor Jefferson Oliveira Andrade e a professora Karin Satie Komati. O estudo utilizou dados industriais reais, permitindo avaliar o desempenho dos modelos em cenários próximos às condições operacionais da indústria.
Entre os resultados obtidos, destacam-se os modelos baseados em redes neurais do tipo Long Short-Term Memory (LSTM), que apresentaram desempenho promissor na previsão do consumo de gás. A aplicação dessas técnicas pode contribuir para uma gestão mais eficiente dos recursos energéticos, auxiliando na redução de custos operacionais e na diminuição dos impactos ambientais associados aos processos industriais.
Além de evidenciar o potencial da Inteligência Artificial na indústria de pelotização, a pesquisa reforça a atuação do PPComp no desenvolvimento de soluções computacionais voltadas para problemas reais do setor produtivo, promovendo a integração entre pesquisa acadêmica e aplicações industriais.
Acesse o artigo completo: https://doi.org/10.19153/cleiej.28.3.2