Revisão sistemática do uso de Inteligência Artificial para modelagem laminadores de encruamento
DOI:
https://doi.org/10.47385/tudoeciencia.1087.2023Palavras-chave:
Laminador de Encruamento, Inteligência Artificial, Redes Neurais Artificiais, Revisão Sistemática de LiteraturaResumo
A otimização de despesas e o aumento da produtividade são imperativos para garantir a competitividade industrial, especialmente no setor siderúrgico. Um controle preciso dos equipamentos industriais é crucial para manter a produção contínua e reduzir a perda de material. Nesse contexto, a Inteligência Artificial surge como uma ferramenta promissora para modelar o laminador de encruamento, equipamento responsável pelo acabamento das chapas de aço. Para verificar as tendências deste campo de estudo, este artigo propõe o levantamento bibliográfico utilizando uma técnica de revisão sistemática de modo a obter um panorama geral do que já foi realizado e as lacunas de conhecimento relacionada a esta área. Os resultados revelaram 4 artigos que destacam o uso de Redes Neurais Artificiais na modelagem orientada a dados do laminador de encruamento.
Downloads
Referências
AGUIRRE, Luis Antonio. Introdução a identificação de sistemas: técnicas lineares e não-lineares aplicadas a sistemas reais. 3 ed ed. Belo Horizonte: UFMG, 2007.
BRERETON, Pearl; KITCHENHAM, Barbara A.; BUDGEN, David; TURNER, Mark; KHALIL, Mohamed. Lessons from applying the systematic literature review process within the software engineering domain. Journal of Systems and Software, [S. l.], v. 80, n. 4, p. 571–583, 2007. DOI: 10.1016/j.jss.2006.07.009. Disponível em: https://linkinghub.elsevier.com/retrieve/pii/S016412120600197X.
COLLA, Valentina. A big step ahead in Metal Science and Technology through the application of Artificial Intelligence. IFAC-PapersOnLine, [S. l.], v. 55, n. 21, p. 1–6, 2022. DOI: 10.1016/j.ifacol.2022.09.234. Disponível em: https://linkinghub.elsevier.com/retrieve/pii/S2405896322014641.
HAI-TAO HE; HONG-MIN LIU. The research on integrated neural networks in rolling load prediction system for temper mill. Em: 2005 INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND
CYBERNETICS 2005a, Anais [...]. : IEEE, 2005. p. 4089-4093 Vol. 7. DOI: 10.1109/ICMLC.2005.1527653. Disponível em: http://ieeexplore.ieee.org/document/1527653/.
HAI-TAO HE; HONG-MIN LIU. The research on an adaptive rolling load prediction model based on neural networks. Em: 2005 INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND
CYBERNETICS 2005b, Anais [...]. : IEEE, 2005. p. 4094-4099 Vol. 7. DOI: 10.1109/ICMLC.2005.1527654. Disponível em: http://ieeexplore.ieee.org/document/1527654/.
MAHMOODKHANI, Y.; WELLS, M. A.; SONG, G. Prediction of roll force in skin pass rolling using numerical and artificial neural network methods. Ironmaking & Steelmaking, [S. l.], v. 44, n. 4, p. 281–286, 2017. DOI: 10.1080/03019233.2016.1210405. Disponível em: https://www.tandfonline.com/doi/full/10.1080/03019233.2016.1210405.
MUMALI, Fredrick. Artificial neural network-based decision support systems in manufacturing processes: A systematic literature review. Computers & Industrial Engineering, [S. l.], v. 165, p. 107964, 2022. DOI: 10.1016/j.cie.2022.107964. Disponível em: https://linkinghub.elsevier.com/retrieve/pii/S0360835222000341.
PICAN, N.; ALEXANDRE, F.; BRESSON, P. Artificial neural networks for the presetting of a steel temper mill. IEEE Expert, [S. l.], v. 11, n. 1, p. 22–27, 1996. DOI: 10.1109/64.482953. Disponível em: http://ieeexplore.ieee.org/document/482953/.
SHEN, Shuhong; GUYE, Denzel; MA, Xiaoping; YUE, Stephen; ARMANFARD, Narges. Multistep networks for roll force prediction in hot strip rolling mill. Machine Learning with Applications, [S. l.], v. 7, p. 100245, 2022. DOI: 10.1016/j.mlwa.2021.100245. Disponível em: https://linkinghub.elsevier.com/retrieve/pii/S2666827021001237.
SHI, Peiming; GAO, Hao; YU, Yue; XU, Xuefang; HAN, Dongying. Intelligent fault diagnosis of rolling mills based on dual attention- guided deep learning method under imbalanced data conditions. Measurement, [S. l.], v. 204, p. 111993, 2022. a. DOI: 10.1016/j.measurement.2022.111993.
SHI, Peiming; YU, Yue; GAO, Hao; HUA, Changchun. A novel multi-source sensing data fusion driven method for detecting rolling mill health states under imbalanced and limited datasets. Mechanical Systems and Signal Processing, [S. l.], v. 171, p. 108903, 2022. b. DOI: 10.1016/j.ymssp.2022.108903. Disponível em: https://linkinghub.elsevier.com/retrieve/pii/S0888327022000905.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 Congresso Brasileiro de Ciências e Saberes Multidisciplinares
![Creative Commons License](http://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png)
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.