Use este identificador para citar ou linkar para este item: https://repositorio.ufjf.br/jspui/handle/ufjf/12133
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
pedrogabrieldasilvaguimarães.pdfPDF/A2.71 MBAdobe PDFThumbnail
Visualizar/Abrir
Tipo: Dissertação
Título: Otimização multiobjetivo do leito de fusão para altos-fornos
Autor(es): Guimarães, Pedro Gabriel da Silva
Primeiro Orientador: Borges, Carlos Cristiano H.
Co-orientador: Arbex, Wagner Antônio
Membro da banca: Fonseca Neto, Raul
Membro da banca: Santo, Marcelo Costa Pinto e
Resumo: Neste trabalho é apresentado um modelo de otimização multiobjetivo para apoiar no orçamento de cargas para o consumo em altos-fornos na fabricação de ferro-gusa, principal material na produção do aço. Dado um conjunto de matérias-primas e restrições de fabricação como disponibilidade dos materiais, características objetivadas para o produto final, etc, deseja-se calcular a quantidade de cada matéria-prima a ser enfornada que gere as soluções com os menores custos e desperdício. Devido ao interesse em objetivos conflitantes, um modelo evolutivo multiobjetivo foi desenvolvido com o acoplamento de componentes específicos construídos com base nas características das variáveis de decisão que compõem o problema, estas que se dividem em variáveis com normalização e sem normalização. Desta forma, modelos de projeção das variáveis são apresentados em conjunto com uma estratégia de evolução intra-indivíduo, visando um incremento na eficiência e qualidade das soluções obtidas. A evolução intra-indivíduo consiste em etapas que envolvem mutação por permutação, um método de projeção específico e uma otimização secundária em parte das variáveis de decisão, construída por meio de um modelo de inteligência de enxame, o algoritmo de enxame de partículas (PSO). O modelo mostrou-se ser bastante efetivo e útil ao imprimir vários cenários de maneira rápida para auxiliar na tomada de decisões para o orçamento de matérias-primas.
Abstract: In this work is presented a multi-objective optimization model to support the raw materials budget for blast furnaces consumption in the production of pig-iron, main material for steel making. Given a set of materials and fabrication constraints, such as materials availability, their chemical compositions, required features for the final product, etc, the objective of the model is to find the amount of each material that generates the lowest cost and wasteful solutions. Due to the interest in conflicting objectives, an evolutionary multi-objective model has been developed associated with specific components, built on the characteristics of decision variables that formulate the problem, in which those are divided in variables with normalization and without normalization. Thus, variable projections models are presented together with an intra-individual evolution strategy, aiming to increment efficiency and quality in the obtained solutions. The intra-individual evolution consists of stages that involve mutation by permutation, a specific projection method, and a secondary optimization, which was built by means of a swarm inteligent algorithm, the Particle Swarm Optimization. The model has shown to be very effective and useful in printing several scenarios in a swift way to aid in decisions making for the raw materials budget.
Palavras-chave: Alto-forno
Leito de fusão
Otimização multiobjetivo
Algoritmo genético
Problemas de misturas
Plano simplex
Enxame de partículas
Blast furnace
Multi-objective optimization
Genetic algorithm
Mixture problems
Simplex
Particle swarm optimization
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma: por
País: Brasil
Editor: Universidade Federal de Juiz de Fora (UFJF)
Sigla da Instituição: UFJF
Departamento: ICE – Instituto de Ciências Exatas
Programa: Programa de Pós-graduação em Ciência da Computação
Tipo de Acesso: Acesso Aberto
Attribution-ShareAlike 3.0 Brazil
Licenças Creative Commons: http://creativecommons.org/licenses/by-sa/3.0/br/
URI: https://repositorio.ufjf.br/jspui/handle/ufjf/12133
Data do documento: 2-Set-2019
Aparece nas coleções:Mestrado em Ciência da Computação (Dissertações)



Este item está licenciado sob uma Licença Creative Commons Creative Commons