ESTUDO DE MÉTODOS DE APRENDIZADO DE MÁQUINA CAPAZES DE IDENTIFICAR AS VARIÁVEIS MAIS IMPACTANTES NO DESEMPENHO DE UMA MINERADORA

Transcrição

1 Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas - ICEB Departamento de Computação - DECOM ESTUDO DE MÉTODOS DE APRENDIZADO DE MÁQUINA CAPAZES DE IDENTIFICAR AS VARIÁVEIS MAIS IMPACTANTES NO DESEMPENHO DE UMA MINERADORA Aluno: André Gomes Assenço Matricula: Orientador: Andréa Iabrudi Tavares Ouro Preto 15 de setembro de 2011

2 Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas - ICEB Departamento de Computação - DECOM ESTUDO DE MÉTODOS DE APRENDIZADO DE MÁQUINA CAPAZES DE IDENTIFICAR AS VARIÁVEIS MAIS IMPACTANTES NO DESEMPENHO DE UMA MINERADORA Proposta de monograa apresentada ao curso de Bacharelado em Ciência da Computação, Universidade Federal de Ouro Preto, como requisito parcial para a conclusão da disciplina Monograa II (BCC391). Aluno: André Gomes Assenço Matricula: Orientador: Andréa Iabrudi Tavares Ouro Preto 15 de setembro de 2011

3 Sumário 1 Introdução 1 2 Justicativa 2 3 Objetivos Objetivo geral Objetivo especíco Metodologia Etapa 01 - Coleta de Dados Etapa 02 - Estudo dos Métodos computacionais Etapa 03 - Escolha do Método e Testes Etapa 04 - Análise dos resultados Cronograma de atividades 5

4 Lista de Figuras Lista de Tabelas 1 Cronograma de Atividades

5 1 Introdução Ao nal dos anos 70, havia uma visão de que o reaproveitamento, assim como a reciclagem de materiais faria com que o consumo mineral decrescesse em relação ao PIB mundial, fazendo com que a economia do mundo crescesse pouco mais de 2% ao ano. Atualmente, este pessimismo parece cada vez mais afastado, o que pode ser constatado pelo desempenho da indústria mineral, que hoje se amplia da mesma forma que a demanda de suprimentos advindos deste material[1]. Hoje em dia, os 9 países de destaque da mineração mundial participam com 43% da renda, 50% da população e 51% da superfície global. Isto mostra a força econômica gerada por este ramo. Segundo o relatório de 2008 da Metals Economic Group [2], as tendências nacionalizantes ou de aumento de impostos e de royalties em determinados países situados na América Latina, na África e no Oriente Médio, tendem a alterar a destinação dos uxos internacionais de investimento em exploração. A demanda mundial de aço vem crescendo muito com o passar dos anos. Somente em 2011, ela deverá crescer cerca de 5,3%, de acordo com a Associação Mundial do Aço [referencia]. A abertura de novas frentes de lavra para suprir esta grande demanda vem sendo cada vez mais limitada por questões ambientais, sociais, de mão de obra e energia. Desta forma, o aumento da produtividade nas minas já existentes será essencial para suportar tal crescimento. Processos como o de uma mineradora dependem de inúmeras variáveis e possuem relações complexas, dicilmente capturáveis com exatidão por modelos matemáticos, exigindo respostas exponencialmente mais complexas e forte esforço de cálculo. Existem alguns estudos que tratam exatamente este tipo de problema, como a Aprendizagem de Máquina, que se presta a estabelecer modelos de relações desconhecidas, onde as variáveis são muitas, algumas vezes coletadas de forma imprecisa ou em alguns casos ausentes. Neste trabalho, serão estudadas técnicas de Aprendizagem de Máquina regressão lineares visando estabelecer aquela que mais se adequa ao problema e permitindo assim, identicar as variáveis de impacto na produtividade de minas. Os resultados serão avaliados utilizando dados reais de um ambiente de mineração. 1

6 2 Justicativa Métodos de estimativa para gestão de produtividade vêm sendo utilizados há muito tempo na mineração, porém tanto a escolha do modelo quanto a aquisição dos dados necessários para tal são muito complexos[3]. Na disciplina de Inteligência Articial, especicamente em Aprendizagem de Máquina, serão abordados alguns destes métodos e suas aplicações, fazendo com que a diculdade de encontrar um modelo para o nosso caso seja minimizado. Desta forma, seremos capazes de selecionar o que mais se enquadra no nosso desao. A determinação do modelo nos permitirá quanticar os impactos e desvios sobre a produtividade. Esta análise é importante para determinar as ações que trarão melhores resultados, fundamentais para maximizar a eciência do sistema produtivo. 2

7 3 Objetivos 3.1 Objetivo geral O objetivo geral deste trabalho é o de aliar os conhecimentos de aprendizado de máquina adquiridos na disciplina de Inteligência Articial à solução de um problema real. Serão estudados os principais métodos e os seus comportamentos quando usamos dados reais de uma mineradora. Desta forma, seremos capazes de determinar o método que melhor se comporta para este problema. Assim, poderemos no futuro, fazer inferências sobre as variáveis do processo. 3.2 Objetivo especíco Chegar em um modelo capaz de permitir a identicação das variáveis impactantes sobre a produtividade de uma mina. À partir dele, será capaz determinar as ações que irão trazer maiores resultados e menor custo, fundamental para maximizar a eciência do sistema produtivo. Sem o modelo, é praticamente impossível a tomada de decisões sobre os impactos no processo, já que as variantes serão desconhecidas. À partir de então, serão simuladas implantações de melhoria sobre uma mina genérica, para demonstrar a eciência do modelo encontrado. 3

8 4 Metodologia 4.1 Etapa 01 - Coleta de Dados Serão coletados dados relativos à operação de uma mina a céu aberto no período de 1 ano. As seguintes variáveis serão contempladas: Tempo de la de carregamento Tempo de Manobra Tempo de Carregamento Distância até a descarga Velocidade Caminhão Cheio Espera na la para descarregar Tempo de descarga Velocidade Caminhão vazio Fatores Climáticos ( Umidade, Pluviometria, temperatura) 4.2 Etapa 02 - Estudo dos Métodos computacionais Serão analisados os principais métodos computacionais de aprendizado de máquina, suas principais funcionalidades, histórico de uso, aplicações e resultados. 4.3 Etapa 03 - Escolha do Método e Testes Através de testes em cada metodologia, poderemos denir o método mais indicado para o nosso tipo de problema. À partir dos dados iniciais, o método que gerar o melhor subgrupo de variáveis será o escolhido para dar prosseguimento ao trabalho. 4.4 Etapa 04 - Análise dos resultados Finalmente, os resultados gerados pelo método escolhido serão analisados, e poderemos quanticar os impactos dos desvios dos indicadores de produtividade sobre a mina em questão. 4

9 5 Cronograma de atividades Na Tabela 1, Cronograma de atividades. Atividades Ago Set Out Nov Dez Pesquisa Bibliográca X Coleta de Dados X X Estudo dos Métodos X X Escolha do Método e Testes X X Análise dos resultados X X Redigir dissertação X X Apresentação Monograa X Tabela 1: Cronograma de Atividades. 5

10 Referências [1] G. ALBUQUERQUE. Reexoes sobre a Economia Mineral e a Compressao de Precos. Escola Politecnica da USP, 19 edition, [2] J.G. ANDRADE. Competitividade na Exploracao Mineral: Um Modelo de Avaliacao. Escola Politecnica da USP, 38 edition, [3] R. Brandao. Metodologia para estimativa e gestao da produtividade de lavra. Esc. Minas, 64 edition,