Forecast management of the refractory campaign duration in a steel industry
DOI:
https://doi.org/10.5585/exactaep.v18n4.14537Keywords:
Refractory materials, Multivariate regression, Linear programming.Abstract
When it comes to steel processes, it is known that refractory materials are responsible for a significant portion of the steel production costs. For this reason, this work aimed to understand the high variability and the low durability of the refractory campaign that compose a process of continuous casting in a large LD mill in the state of Minas Gerais, identifying the relationship between the process variables so it was possible to make estimates about the duration of its refractory campaign. For the selection of the explanatory factors, a variation of the method Stepwise was used. In each step of the algorithm, a model based on linear programming was responsible for the calculations of the linear regression coefficients. In the end, a prediction model was obtained for the duration of the campaign containing 12 explanatory factors and 97.66% of statistical significance.Downloads
References
Abbad, G. D. S., & Torres, C. V. (2002). Regressão múltipla stepwise e hierárquica em Psicologia Organizacional: aplicações, problemas e soluções. Estudos de Psicologia. 7 (Special Number), 19-29. https://doi.org/10.1590/S1413-294X2002000300004
Bragança, S. R. (2012). Corrosão de refratários utilizados na siderurgia. Parte II: propriedades físicas dos refratários e fatores operacionais. Cerâmica. 58(348), 459-464. https://doi.org/10.1590/S0366-69132012000400007
Carvalho, M. D. (2005). Correlação das microestruturas de amostras de dolomitas do quadrilátero ferrífero, MG com as temperaturas iniciais de hidratação das dolomas (Unpublished master’s thesis). Federal University of Minas Gerais, Belo Horizonte, MG.
Fávero, L. P., & Belfiore, P. (2016). Análise de dados: modelos de regressão com Excel®, Stata®, R® e SPSS®. Rio de Janeiro, RJ: Elsevier.
Francisco, J. R. D. S., Amaral, H. F., & Bertucci, L. A. (2013). Remuneração dos acionistas por meio do juro sobre o capital próprio das empresas listadas na BM&FBOVESPA. Revista de Contabilidade do Mestrado em Ciências Contábeis da UERJ, 18(2), 32-48. Retrieved from http://www.atena.org.br/revista/ojs-2.2.3-08/index.php/UERJ/article/view/1728/1602.
Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. (2009). Análise multivariada de dados. Porto Alegre, RS: Bookman.
Lee, W. E., & Zhang, S. (2004). Direct and indirect slag corrosion of oxide and oxide-c refractories. In: VII International Conference on Molten Slags Fluxes and Salts, 309-319. Retrieved from http://saimm.org.za/Conferences/Slags2004/045_Lee.pdf.
Mondal, S. C. (2016). Process capability – a surrogate measure of process robustness: a case study. International Journal of Quality & Reliability Management. 33(1), 90-106. https://doi.org/10.1108/IJQRM-12-2013-0202
Nieto, P., Suárez, V., Antón, J., Bayón, R., Blanco, J., & Fernández, A. (2015). A new predictive model of centerline segregation in continuous cast steel slabs by using multivariate adaptive regression splines approach. Materials. 8(6), 3562-3583. https://doi.org/10.3390/ma8063562
Peres, F. A. P., & Fogliatto, F. S. (2018). Variable selection methods in multivariate statistical process control: A systematic literature review. Computers & Industrial Engineering, 115, 603-619. https://doi.org/10.1016/j.cie.2017.12.006
Rao, M., Rama, O., Subbaiah, K. V., Rao, K. N., & Rao, T. S. (2013). Application of multivariate control chart for improvement in quality of hotmetal: a case study. International Journal for Quality Research, 7(4), 623-640. Retrieved from http://www.ijqr.net/journal/v7-n4/11.pdf.
Ritzman, L. P., Krajewski, L. J., & Klassen, R. D. (2004). Foundations of operations management. Toronto: Pearson Prentice Hall.
Ruuska, J., Sorsa, A., Lilja, J., & Leiviskä, K. (2017). Mass-balance based multivariate modelling of basic oxygen furnace used in steel industry. IFAC-PapersOnLine, 50(1), 13784-13789. https://doi.org/10.1016/j.ifacol.2017.08.2065
Sarmento, C. T. (2010). Regressão múltipla: Ferramenta de apoio a decisão nas pesquisas de marketing institucional. In: X Coloquio Internacional sobre Gestión Universitaria en América del Sur. Retrieved from http://repositorio.ufsc.br/xmlui/handle/123456789/97095.
Turrioni, J. B., & Mello, C. H. P. (2012). Metodologia de pesquisa em engenharia de produção. Programa de Pós-Graduação em Engenharia de Produção da Universidade Federal de Itajubá. Itajubá: UNIFEI.
Xu, D., & Zhao, W. (2005). Reliability prediction using multivariate degradation data. In: Annual Reliability and Maintainability Symposium. IEEE, 337-341. doi:10.1109/RAMS.2005.1408385.
Zimmer, A., Bragança, S., Santos, L. D., & Bergmann, C. (2004). Comparação entre refratários magnesianos e dolomíticos utilizados em panelas para refino de aço. In: Proceedings of the 48th Annual Meeting of the Brazilian Ceramic Society. Retrieved from https://www.ipen.br/biblioteca/cd/cbc/2004/artigos/48cbc-8-14.pdf.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2020 Exacta
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Autores que tiverem artigos aceitos para publicação na Revista Exacta concordam com os seguintes termos:
- A Cessão dos Direitos Autorais da publicação do artigo à Revista Exacta;
- Os autores que tiverem seus trabalhos aceitos e publicados na Revista Exacta estão sujeitos a Política de Direitos Autorais CC BY NC SA https://creativecommons.org/licenses/by-nc-sa/4.0/;
- A publicação do artigo pela Revista Exacta, em caráter de exclusividade e em meio eletrônico;
- A indexação do artigo em bases de dados nacionais e internacionais, diretórios, bibliotecas digitais e bases bibliométricas em que a Revista estiver e vir a estar indexada.
