RDBU| Repositório Digital da Biblioteca da Unisinos

Variáveis sistemicamente prevalentes para a eficiência técnica: avaliação da operação de um forno de reaquecimento no setor siderúrgico

Show simple item record

metadataTrad.dc.contributor.author Brasil, João Eduardo Sampaio;
metadataTrad.dc.contributor.authorLattes http://lattes.cnpq.br/7038674126048387;
metadataTrad.dc.contributor.advisor Lacerda, Daniel Pacheco;
metadataTrad.dc.contributor.advisorLattes http://lattes.cnpq.br/6330279254229431;
metadataTrad.dc.contributor.advisor-co1 Morandi, Maria Isabel Wolf Motta;
metadataTrad.dc.contributor.advisor-co1Lattes http://lattes.cnpq.br/4506541364434201;
metadataTrad.dc.publisher Universidade do Vale do Rio dos Sinos;
metadataTrad.dc.publisher.initials Unisinos;
metadataTrad.dc.publisher.country Brasil;
metadataTrad.dc.publisher.department Escola Politécnica;
metadataTrad.dc.language pt_BR;
metadataTrad.dc.title Variáveis sistemicamente prevalentes para a eficiência técnica: avaliação da operação de um forno de reaquecimento no setor siderúrgico;
metadataTrad.dc.description.resumo O Brasil precisa de um setor siderúrgico eficiente e competitivo para enfrentar a concorrência externa. A siderurgia é um ramo da metalurgia responsável pela fabricação do aço, e dentre os processos produtivos do setor, destaca-se o processo de laminação do aço, que utiliza fornos de reaquecimento. Esta pesquisa emprega a modelagem com as técnicas do Pensamento Sistêmico e da Dinâmica de Sistemas na formulação de um modelo computacional no contexto dos fornos de reaquecimento. A partir da validação do modelo, são utilizadas a Análise Envoltória de dados, para avaliar a eficiência técnica, e a regressão Tobit, para identificar variáveis estatisticamente significantes. Essas variáveis são usadas para definição dos cenários simulados. Posteriormente, as eficiências dos cenários são avaliadas por meio de estatística descritiva. Também são avaliados alvos e folgas e é testada a hipótese de igualdade da média com o teste de Welch e Post-Hoc Kruskal-Wallis. Finalmente, é realizada a análise explicativa e, com a aplicação da técnica computacional da Rede Neural Artificial, são identificadas as variáveis prevalentes da eficiência técnica do forno de reaquecimento. Tal estudo possibilita e estimula o planejamento, a gestão e a tomada de decisão a partir da análise das melhores opções. Permite, ainda, a tomada de ações com base no conhecimento prévio, contribuindo para iniciativas pontuais e focadas na competitividade.;
metadataTrad.dc.description.abstract Brazil needs an efficient and competitive steel sector to face external competition. The siderurgy is a branch of metallurgy responsible for steelmaking, and among the productive processes in the industry the steelmaking process that uses the reheating furnaces can be highlighted. This research employs the modeling with the techniques of Systemic Thinking and Systems Dynamics in the formulation of a computational model in the context of reheating furnaces. Then, using the validated model, Data Envelopment Analysis was used, evaluating the technical efficiency and the use of the Tobit regression of statistically significant variables. These variables are used to define the simulated scenarios. Subsequently, the scenarios efficiencies were evaluated by means of descriptive statistics, evaluated targets and backlash and tested the hypothesis of equality of the average with the test of Welch and Post-Hoc Kruskal-Wallis. Finally, the explanatory analysis and identified with the application of the computational technique of the Artificial Neural Network are the prevalent variables of the technical efficiency of the reheating furnace. This study enables and stimulates planning, management and decision making based on the analysis of the best options and allows the taking of actions based on previous knowledge, and thus contributes to specific initiatives focused on competitiveness.;
metadataTrad.dc.subject Dinâmica de sistemas; Forno de reaquecimento; Pensamento sistêmico; Regressão tobit; Rede neural artificial; Systems dynamics; Reheating furnace; Systemic thinking; Regression tobit; Artificial neural network;
metadataTrad.dc.subject.cnpq ACCNPQ::Engenharias::Engenharia de Produção;
metadataTrad.dc.type Dissertação;
metadataTrad.dc.date.issued 2018-08-23;
metadataTrad.dc.description.sponsorship Nenhuma;
metadataTrad.dc.rights openAccess;
metadataTrad.dc.identifier.uri http://www.repositorio.jesuita.org.br/handle/UNISINOS/7409;
metadataTrad.dc.publisher.program Programa de Pós-Graduação em Engenharia de Produção e Sistemas;


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search

Advanced Search

Browse

My Account

Statistics