O aumento da demanda por aços mais elaborados em termos de composição química e limpidez interna torna as condições de refino primário das aciarias das siderúrgicas cada vez mais severas. Em paralelo, o aumento dos tempos de processo de fabricação do aço aliado às outras variáveis operacionais como quantidades e tipos de adições químicas, níveis de oxidação do banho e da escória, taxa de desfosforação, temperaturas de final de sopro, dentre outras, fazem com que as condições às quais os revestimentos refratários dos fornos de produção dos aços (convertedores LD) sejam cada vez mais agressivas com conseqüente redução do desempenho (vida) e de disponibilidade do equipamento para a produção. Logo, essa tese objetivou a construção de modelos de previsão da taxa de desgaste dos refratários destes fornos em função das variáveis de processo visando maior controle operacional e de segurança. Foram utilizadas técnicas estatísticas de análise de dados (séries temporais, correlação uni e multivariadas) e mapas auto-organizáveis SOM (Self Organization Maps), até então nunca utilizado em LDs e com resultados encontrados que foram similares aos estatísticos. A modelagem foi realizada sob as regiões mais críticas dos fornos (região dos munhões) de modo a estabelecer modelos de previsão da taxa de desgaste refratário e consequentemente dos fornos. O modelamento levou em consideração os dados de 3 campanhas (mais de 12.000 corridas) de um dos convertedores LD da Aciaria de uma usina integrada com capacidade de 4,5 Mt/ano. As análises mostraram que as variáveis que impactam a taxa de desgaste dos tijolos dos munhões do LD são os teores de MgO e CaO da escória, os percentuais de sucata enfornada e de ressopro, a basicidade binária da escória, os níveis de oxidação do banho metálico e da escória, a taxa de desfosforação e nefelina utilizada, a temperatura e o carbono de final de sopro. A análise comparativa dos dados via estatística clássica e SOM validou a possibilidade de utilização desta nova ferramenta em análise de processo em Aciarias e no ajuste de equações de modelos determinísticos.

The increased of demand for more elaborate steels, in terms of chemical composition and internally defects free, makes the primary refining conditions of steelmaking plants severe. At the same time, the rise of time in steel manufacturing process, together with other operational variables such as quantities and types of chemical additions, bath and slag oxidation levels, dephosphorus rate, end blow temperatures, among others, make the conditions to which the refractories linings of steel production furnaces (LD Converters) are subjected to more aggressive conditions with a consequent reduction in the performance (life) and availability of equipment for producyion. Therefore, this thesis sought to build models to predict the wear rate of refractories in these furnaces as a function of process variables with the objective of greater operational control and safety. Statistical data analysis tecniques were used (time series, univariated and multivariate correlation) and Self Organization Maps (SOM) that never were used in LD Converters and with results were found similar in the two techniques. The modeling was carried out under the most critical regions of the furnaces (trunnions), in order to establish a deterministic equation for predicting the wear refractories rate of such regions and, consequently, of the furnaces. The modeling took into account data from 3 campaigns (over 12,000 heats) of one of the steelmaking LD converters of an integrated plant with a capacity of 4.5 Mt/year. The analysis showed that the main variables that impact the wear rate of the LD trunnion bricks are the MgO and CaO content of the slag, the percentages of scrap and reblowing, the binary basicity of the slag, the oxidation levels, the rate of dephosphorization and nepheline used, the temperature and the carbon at the end of the blow. The comparative analysis of data, by classical statistics and SOM, validated the possibility of using this new data analysis tool in process analysis in steelmaking plants and in the adjustment of equations for deterministic models.