“Desenvolvimento de Modelos

Estatísticos de Regressão Linear

Múltipla para a Previsão dos Teores de
Fósforo em Aços e Ferro-ligas de
Manganês durante Refino em
Convertedores a Oxigênio”

Bolsista: Danilo Cuzzuol Pedrini

Orientador: Cláudio Batista Vieira, Dr.
1. Introdução e Relevância
O convertedor a oxigênio é um processo
industrial largamente empregado para
produção de aço no Brasil e no mundo;
Também é usado, em menor escala,
para refino de FeMnAc;
Presença de fósforo compromete a
qualidade de produtos metalúrgicos;
Neste contexto, torna-se muito
importante estudar a desfosforação
dessas ligas;
A modelagem estatística é uma
ferramenta de grande auxílio no
2. Objetivos
Análise estatística de banco de dados
provenientes de processos de refino a
oxigênio para a produção de Aço e
FeMnMC;
Desenvolvimento de MRLM para a
variável resposta teor de fósforo em
Aços e FeMnMC, tendo como variáveis
regressoras os parâmetros do processo
de refino em convertedores a oxigênio.
3. Modelos de Regressão Linear Múltipla
Os MRLM são utilizados para estimar a
relação entre uma variável resposta Y e
“k” variáveis regressoras:
Y= β +β X +β X
0 1 1 2 2
+ ... + β
K X K
+ε

Suposição: ei ~ NID(0, σ2)

4. Metodologia
Banco de dados de uma usina
siderúrgica brasileira referentes à
produção do aço em convertedor a
oxigênio : composto inicialmente por
379 amostras;
Bando de dados de uma usina
brasileira de ferro-ligas para a
desfosforação do FeMnMC em
convertedor a oxigênio : composto
inicialmente por 634 amostras;
Após análise prévia, foram descartadas
96 amostras do primeiro BD e 360 do
segundo, que continham erros de
digitação ou falta de dados;
4.1 Metodologia para a Análise Estatística
Banco de Dados Filtrado

Banco de Dados Utilizado

para a modelagem
Sumário Gráfico para cada
variável do processo

MINITAB
Presença de NÃO Exclusão dos outliers
Outliers?

Sim
Sim

Valor indica erro NÃO

Análise do valor de cada de digitação ou
outlier. de processo?
4.2 Metodologia para a Modelagem Estatística
Transformações Transformações
lineares da Variável lineares das Variáveis
Resposta Explicativas

MODELO VÁLIDO
Aplicação da Rotina
Stepwise para a seleção
das variáveis mais
importantes.

Aplicação da Rotina
MINITAB Bestsubsets para a escolha
do melhor modelo.

Análise
NÃO Residual:
Exclusão dos outliers. ei~NID(0,σ2)?

Aplicação
da Rotina Exclusão das variáveis.
Análise de
Regressão

P-Value > SIM

0,05? VIF > 10?

NÃO
5. Resultados da Análise Estatística
Separou-se a Análise Estatística em 2
partes:
- Análise Estatística 1: para a
desfosforação do aço;
- Análise Estatística 2: para a
desfosforação do FeMnMC.
5.1 Resultados da Análise Estatística 1
Excluiu-se um total de 11 amostras que
apresentaram valores outliers para uma
ou mais variáveis: assim utilizou-se um
total de 271 corridas para a
modelagem;
Análise Estatística 1.doc
5.2 Resultados da Análise Estatística 2
Pela análise do histograma, resolveu-se
excluir duas variáveis do banco de
dados: teor de TiO2 do FeMnAC e K2O da
escória;
Excluiu-se um total de 28 amostras que
apresentaram valores outliers para uma
ou mais variáveis: assim utilizou-se um
total de 246 corridas para a
modelagem;
Análise Estatística 2.doc
6. Resultados da Modelagem Estatística
Assim como na Análise Estatística, a
modelagem foi dividida em 2 partes:
- Modelagem Estatística A: para previsão
do fósforo do aço ao final do processo
de refino;
- Modelagem Estatística B: para a
previsão do fósforo do FeMnMC ao final
do processo de refino.
6.1 Resultados e Discussões - Modelagem A
Inicialmente, foi proposta a estimação
de 8 modelos de regressão para a
previsão do teor de fósforo do aço;
Modelagem Estatística 1.doc.
6.1 Resultados e Discussões - Modelagem A
Os modelos 1A, 2A e 4A, que
apresentavam o teor de fósforo como
variável resposta não apresentaram
resíduos normalmente distribuídos e
não foram validados;
Não foi possível estimar modelos
contendo variáveis regressoras ao cubo,
tendo o teor de fósforo em sua forma
linear como variável resposta;
6.1 Resultados e Discussões - Modelagem A
Os modelos 5A e 6A tiveram o logaritmo
natural do fósforo como variável
reposta, os coeficientes de
determinação foram, respectivamente,
56% e 99,6%;
Os modelos 7A e 8A tiveram o logaritmo
natural da divisão do teor de fósforo
pelo teor de P2O5 da escória como
variável regressoras, seus coeficientes
de determinação foram,
6.1 Resultados e Discussões - Modelagem A
O aumento do silício do ferro-gusa
acarreta na diminuição do teor de
fósforo do aço;
O aumento do teor final de carbono do
aço causa um aumento do teor final de
fósforo do aço;
O aumento da temperatura, prejudica a
desfosforação;
O aumento do teor de sílica na escória
prejudica as reações de desfosforação,
causando o aumento do teor final de
fósforo do aço;
6.1 Resultados e Discussões - Modelagem A
O aumento do teor de MgO da escória
acarreta num aumento do teor final de
fósforo do aço;
A diminuição do teor de P2O5 da escória
diminui o teor final de fósforo da
escória;
Os teores de MnO, FeO e CaO da escória
e os índices de basicidade não foram
consideradas importantes para
caracterizar o teor final de fósforo do
6.2 Resultados e Discussões - Modelagem B
Inicialmente, foi proposta a estimação
de 8 modelos de regressão para a
previsão do teor de fósforo do aço.
Modelagem Estatística 2.doc.
6.2 Resultados e Discussões - Modelagem B
Os modelos 1B, 2B e 4B, que
apresentavam o teor de fósforo como
variável resposta apresentaram
resíduos normalmente distribuídos e
foram validados;
Não foi possível estimar modelos
contendo variáveis regressoras ao cubo,
tendo o teor de fósforo em sua forma
linear como variável resposta;
6.2 Resultados e Discussões - Modelagem B
Os modelos 5B e 6B tiveram o logaritmo
natural do fósforo como variável
reposta, os coeficientes de
determinação foram, respectivamente,
62,2% e 62%;
O modelo 7B teve a diferença entre os
teores de fósforo do FeMnMC e FeMnAC
como variável resposta, seu coeficiente
de determinação foi de 31,3%;
6.2 Resultados e Discussões - Modelagem B
O modelo 8B teve o logaritmo da
diferença entre os teores de fósforo do
FeMnMC e FeMnAC como variável
resposta, seu coeficiente de
determinação foi de 99,1%;
Altos teores de fósforo do FeMnAC
acarretam em altos teores de fósforo do
FeMnMC;
Um aumento do teor de ferro do
FeMnAC acarreta numa diminuição do
6.2 Resultados e Discussões - Modelagem B
O Aumento do teor de BaO da escória
acarreta numa diminuição do teor de
fósforo do FeMnMC;
A dissolução de cal no conversor
diminui o teor final de fósforo do
FeMnMC;
O acréscimo do teor de MnO da escória
do conversor aumenta o teor de fósforo
do FeMnMC, isso ocorre porque esse
óxido dilui o CaO da escória, diminuindo
a basicidade da mesma.
7. Conclusões
Foram obtidos 4 modelos válidos para a
previsão do teor de fósforo do aço,
sendo que o melhor modelo encontrado
foi capaz de explicar aproximadamente
99,7% da variabilidade do teor final de
fósforo.
Foram obtidos 7 modelos válidos para a
previsão do teor de fósforo do FeMnMC,
sendo que o melhor modelo encontrado
foi capaz de explicar aproximadamente
99,1% da variabilidade do teor final de
 Agradecimentos:

Universidade Federal de Ouro Preto;

Escola de Minas;
Departamento de Eng. de Produção;
Departamento de Eng. Metalúrgica e de Materiais
REDEMAT- Rede Temática em Engenharia de
Materiais ;
Fundação Gorceix;
Empresas estudadas.
Muito obrigado!