Professional Documents
Culture Documents
RELATÓRIO FINAL
Para a desfosforação do aço, foram estimados quatro modelos válidos, sendo que o
melhor modelo encontrado apresentou um coeficiente de determinação de 99,7%. Para a
desfosforação do ferromanganês, foram estimados sete modelos, sendo que o melhor deles
apresentou um coeficiente de determinação de 99,1%.
_______________________________________________________
DANILO CUZZUOL PEDRINI
(ALUNO)
_______________________________________________________
PROF. CLÁUDIO BATISTA VIEIRA, M.SC, DR.
(ORIENTADOR)
ii
Índice
1. Introdução e Relevância........................................................................................................ 1
2. Objetivos ............................................................................................................................... 2
3. Revisão Bibliográfica............................................................................................................ 2
3.1. Introdução ...................................................................................................................... 2
3.2. Aços ............................................................................................................................... 3
3.3. Ferro-ligas de Manganês ................................................................................................ 4
3.4. Processos de Desfosforação ........................................................................................... 6
3.4.1. Introdução ............................................................................................................... 6
3.4.2. Desfosforação de Aços ........................................................................................... 8
3.4.3. Desfosforação de Ligas de Ferromanganês .......................................................... 12
3.4.3.1. Desfosforação Gasosa .................................................................................... 12
3.4.3.2. Desfosforação Redutora ................................................................................. 13
3.4.3.3. Desfosforação Oxidante ................................................................................. 16
3.4.4.4. Desfosforação do FeMnMC .......................................................................... 22
4. Modelos Estatísticos de Regressão Linear Múltipla ........................................................... 24
4.1. Análise de Regressão ................................................................................................... 25
4.1.1. Testes de Hipóteses no MRLM............................................................................. 25
4.1.2. Estudo da Adequação do Modelo ......................................................................... 26
4.1.2.1. Análise Residual ............................................................................................ 26
4.1.2.2. Coeficientes de Determinação ....................................................................... 28
4.2. Problemas Comuns em MRLM ................................................................................... 28
4.2.1. Multicolinearidade ................................................................................................ 28
4.2.2. Autocorrelação ...................................................................................................... 29
4.3. Seleção de Variáveis e Modelos .................................................................................. 30
4.3.1. Método Stepwise ................................................................................................... 30
4.3.2. Método Bestsubsets ............................................................................................... 30
5. Metodologia ........................................................................................................................ 31
5.1. Banco de Dados da Empresa Siderúrgica .................................................................... 31
5.2. Banco de Dados da Empresa de Ferro-ligas ................................................................ 32
5.3. Metodologia Utilizada para a Análise Estatística ........................................................ 33
5.4. Metodologia Utilizada para a Modelagem Estatística ................................................. 33
6. Resultados da Análise Estatística........................................................................................ 35
6.1. Resultados da Análise estatística 1 .............................................................................. 36
6.2. Resultados da Análise Estatística 2.............................................................................. 46
7. Resultados da Modelagem Estatística ................................................................................. 64
7.1. Resultados da Modelagem para a Empresa Siderúrgica .............................................. 64
7.1.1. Modelagem 1A...................................................................................................... 65
7.1.2. Modelagem 2A...................................................................................................... 69
7.1.3. Modelagem 3A...................................................................................................... 75
7.1.4. Modelagem 4A...................................................................................................... 75
7.1.5. Modelagem 5A...................................................................................................... 82
7.1.6. Modelagem 6A...................................................................................................... 86
7.1.7. Modelagem 7A...................................................................................................... 92
7.1.8. Modelagem 8A...................................................................................................... 97
7.2. Resultados da Modelagem para a Empresa de Ferro-ligas ........................................ 103
7.2.1. Modelagem 1B .................................................................................................... 104
7.2.2. Modelagem 2B .................................................................................................... 106
7.2.3. Modelagem 3B .................................................................................................... 108
iii
7.2.4. Modelagem 4B .................................................................................................... 108
7.2.5. Modelagem 5B .................................................................................................... 111
7.2.6. Modelagem 6B .................................................................................................... 113
7.2.7. Modelagem 7B .................................................................................................... 115
7.2.8. Modelagem 8B .................................................................................................... 119
8. Discussões dos Resultados ................................................................................................ 122
9. Conclusões ........................................................................................................................ 131
10. Referências Bibliográficas .............................................................................................. 133
11. Bibliografias .................................................................................................................... 135
iv
Lista de Figuras
Fig. 3.1 – Representação genérica do processo de refino no Convertedor LD com suas
entradas e saídas (ALMEIDA, 2005)........................................................................................ 6
Fig. 3.2 – Representação esquemática do Convertedor LD da Siderúrgica estudada, adaptado
de FRUEHAN (1998) apud ALMEIDA (2005). ...................................................................... 7
Fig. 3.3 – Representação genérica do processo de refino no Conversor da empresa de Ferro-
ligas com suas entradas e saídas. .............................................................................................. 7
Fig. 3.4 – Conversor a oxigênio da empresa estudada, adaptado de TAKAOKA et al (1993). 8
Fig. 3.5 – Evolução da desfosforação no Conversor LD, adaptado de MUNDIN (1980). ..... 10
Fig. 3.6 – Comportamento da composição química do aço durante o processo de refino no
convertedor LD (DEO, 1993) apud ALMEIDA, 2005). ........................................................ 11
Fig. 3.7 – Comportamento da composição química da escória durante o processo de refino no
convertedor LD (DEO,1993 apud ALMEIDA, 2005). ........................................................... 11
Fig. 3.8 – Variação da concentração de fósforo do FeMnMC durante a desfosforação
redutora em função do tempo de tratamento (CRUZ et al, 1994). ......................................... 16
Fig. 3.9 – Efeito do teor inicial de carbono das ligas de ferromanganês no grau de
desfosforação oxidante (MA et al, 1992). .............................................................................. 17
Fig. 3.10 – Efeito do teor inicial de silício das ligas de ferromanganês no grau de
desfosforação (MA et al, 1992). ............................................................................................. 17
Fig. 3.11 – Efeito do teor de BaO dos fluxos adicionados na capacidade de desfosforação de
FeMnAC (LIU, 1993). ............................................................................................................ 18
Fig. 3.12 – Efeito da temperatura no teor de fósforo do ferromanganês (LIU, 1993). ........... 19
Fig. 3.13 – Efeito do teor de carbono inicial no teor final de fósforo do ferromanganês (LIU,
1993). ...................................................................................................................................... 20
Fig. 3.14 – Variação da concentração de fósforo do FeMnAC durante a desfosforação
oxidante em função do tempo de tratamento, adaptado de CRUZ et al (1994)...................... 22
Fig. 3.15 – Influência da basicidade ternária no teor de MnO da escória (JINHUA &
ZHIZHONG, 1992)................................................................................................................. 23
Fig. 4.1 – Padrões de comportamento de gráficos de Resíduos: (a) satisfatório, (b) funil, (c)
arco duplo e (d) não linear (MONTGOMERY & RUNGEE, 2003). ..................................... 27
Fig. 6.1 – Sumário gráfico para o teor final de fósforo do aço. .............................................. 36
Fig. 6.2 – Sumário gráfico para o peso do ferro-gusa processado no Convertedor LD, em
toneladas. ................................................................................................................................ 37
Fig. 6.3 – Sumário gráfico para o peso da sucata adicionada ao convertedor LD, em
toneladas. ................................................................................................................................ 37
Fig. 6.4 – Sumário gráfico para o peso do aço produzido pelo convertedor LD, em toneladas.
................................................................................................................................................. 38
Fig. 6.5 – Sumário gráfico para o teor de silício do ferro-gusa. ............................................. 39
Fig. 6.6 – Sumário gráfico para o teor de carbono do aço. ..................................................... 39
Fig. 6.7 – Sumário gráfico para o volume de oxigênio soprado no banho metálico, em
normais metros cúbicos........................................................................................................... 40
Fig. 6.8 – Sumário gráfico para temperatura final da escória do convertedor LD, em °C. .... 41
Fig. 6.9 – Sumário gráfico para o teor de CaO da escória do convertedor LD....................... 42
Fig. 6.10 – Sumário gráfico para o teor de FeO da escória do convertedor LD. .................... 42
Fig. 6.11 – Sumário gráfico para o teor de SiO2 da escória do convertedor LD. .................... 43
Fig. 6.12 – Sumário gráfico para o teor de MnO da escória do convertedor LD. ................... 44
Fig. 6.13 – Sumário gráfico para o teor de MgO da escória do convertedor LD. ................... 45
Fig. 6.14 – Sumário gráfico para o teor de P2O5 da escória do convertedor LD. ................... 45
Fig. 6.15 – Sumário gráfico para o teor final de fósforo do FeMnMC. .................................. 47
v
Fig. 6.16 – Sumário gráfico para o peso de FeMnAC processado no conversor, em toneladas.
................................................................................................................................................. 48
Fig. 6.17 – Sumário gráfico para o peso de FeMnMC produzido no conversor, em toneladas.
................................................................................................................................................. 48
Fig. 6.18 – Sumário gráfico para o peso da escória do conversor, em toneladas. .................. 49
Fig. 6.19 – Sumário gráfico para o volume de oxigênio soprado na liga metálica, em Normais
metros cúbicos. ....................................................................................................................... 50
Fig. 6.20 – Sumário gráfico do teor inicial de manganês do FeMnAC. ................................. 51
Fig. 6.21 – Sumário gráfico do teor inicial de silício do FeMnAC. ....................................... 51
Fig. 6.22 – Sumário gráfico do teor inicial de fósforo do FeMnAC. ...................................... 52
Fig. 6.23 – Sumário gráfico do teor inicial de ferro do FeMnAC. ......................................... 53
Fig. 6.24 – Sumário gráfico do teor inicial de titânio do FeMnAC. ....................................... 53
Fig. 6.25 – Sumário gráfico do teor inicial de carbono do FeMnAC. .................................... 54
Fig. 6.26 – Sumário gráfico do teor de MnO da escória do conversor. .................................. 55
Fig. 6.27 – Sumário gráfico do teor de MgO da escória do conversor. .................................. 56
Fig. 6.28 – Sumário gráfico do teor de CaO da escória do conversor. ................................... 57
Fig. 6.29 – Sumário gráfico do teor de SiO2 da escória do conversor. ................................... 57
Fig. 6.30 – Sumário gráfico do teor de Al2O3 da escória do conversor. ................................. 58
Fig. 6.31 – Sumário gráfico do teor de BaO da escória do conversor. ................................... 59
Fig. 6.32 – Sumário gráfico do teor de K2O da escória do conversor. ................................... 60
Fig. 6.33 – Sumário gráfico do teor de TiO2 da escória do conversor. ................................... 61
Fig. 6.34 – Sumário gráfico do teor de FeO da escória do conversor..................................... 62
Fig. 6.35 – Sumário gráfico da temperatura final da escória do conversor, em graus Celsius.
................................................................................................................................................. 63
Fig. 6.36 – Sumário gráfico a variação percentual do teor de fósforo da liga de manganês
produzida no conversor. .......................................................................................................... 64
Fig. 7.1 – 1° Gráfico dos resíduos do Modelo 1A. ................................................................. 67
Fig. 7.2 – 1° Gráfico de normalidade dos resíduos do Modelo 1A. ....................................... 67
Fig. 7.3 – Gráfico dos resíduos do Modelo 1A. ...................................................................... 68
Fig. 7.4 – Gráfico de normalidade dos resíduos do Modelo 1A. ............................................ 69
Fig. 7.5 – 1° Gráfico dos resíduos do Modelo 2A. ................................................................. 72
Fig. 7.6 – 1° Gráfico de normalidade dos resíduos do Modelo 2A. ....................................... 72
Fig. 7.7 – Gráfico final dos resíduos do Modelo 2A. ............................................................. 74
Fig. 7.8 – Gráfico de normalidade final dos resíduos do Modelo 2A. .................................... 74
Fig. 7.9 – 1° Gráfico dos resíduos do Modelo 4A. ................................................................. 78
Fig. 7.10 – 1° Gráfico de normalidade dos resíduos do Modelo 4A. ..................................... 78
Fig. 7.11 – Gráfico dos resíduos do Modelo 4A. .................................................................... 81
Fig. 7.12 – Gráfico de normalidade dos resíduos do Modelo 4A. .......................................... 81
Fig. 7.13 – Gráfico dos resíduos do Modelo 5A. .................................................................... 85
Fig. 7.14 – Gráfico de normalidade dos resíduos do Modelo 5A. .......................................... 85
Fig. 7.15 – Gráfico dos resíduos do Modelo 6A. .................................................................... 89
Fig. 7.16 – Gráfico de normalidade dos resíduos do Modelo 6A. .......................................... 90
Fig. 7.17 – Gráfico final dos resíduos do Modelo 6A. ........................................................... 91
Fig. 7.18 – Gráfico de normalidade final dos resíduos do Modelo 6A. .................................. 92
Fig. 7.19 – Gráfico final dos resíduos do Modelo 7A. ........................................................... 96
Fig. 7.20 – Gráfico de normalidade final dos resíduos do Modelo 7A. .................................. 96
Fig. 7.21 – Gráfico dos resíduos do Modelo 8A. .................................................................. 100
Fig. 7.22 – Gráfico de normalidade dos resíduos do Modelo 8A. ........................................ 100
Fig. 7.23 – Gráfico final dos resíduos do Modelo 8A. ......................................................... 102
vi
Fig. 7.24 – Gráfico de normalidade final dos resíduos do Modelo 8A. ................................ 103
Fig. 7.25 – Gráfico final dos resíduos do Modelo 1B. .......................................................... 105
Fig. 7.26 – Gráfico de normalidade final dos resíduos do Modelo 1B. ................................ 105
Fig. 7.27 – Gráfico final dos resíduos do Modelo 2B. .......................................................... 107
Fig. 7.28 – Gráfico de normalidade final dos resíduos do Modelo 2B. ................................ 107
Fig. 7.29 – Gráfico final dos resíduos do Modelo 4B. .......................................................... 110
Fig. 7.30 – Gráfico de normalidade final dos resíduos do Modelo 4B. ................................ 110
Fig. 7.31 – Gráfico final dos resíduos do Modelo 5B. .......................................................... 112
Fig. 7.32 – Gráfico de normalidade final dos resíduos do Modelo 5B. ................................ 112
Fig. 7.33 – Gráfico final dos resíduos do Modelo 6B. .......................................................... 114
Fig. 7.34 – Gráfico de normalidade final dos resíduos do Modelo 6B. ................................ 115
Fig. 7.35 – Gráfico dos resíduos do Modelo 7B. .................................................................. 117
Fig. 7.36 – Gráfico de normalidade dos resíduos do Modelo 7B. ........................................ 117
Fig. 7.37 – Gráfico final dos resíduos do Modelo 7B. .......................................................... 118
Fig. 7.38 – Gráfico de normalidade final dos resíduos do Modelo 7B. ................................ 119
Fig. 7.39 – Gráfico dos resíduos do Modelo 8B. .................................................................. 121
Fig. 7.40 – Gráfico de normalidade dos resíduos do Modelo 8B. ........................................ 122
vii
Lista de Tabelas
Tab. 3.1 – Sumário dos resultados experimentais da desfosforação redutora, adaptado de LEE
et al (1989). ............................................................................................................................. 14
Tab. 3.2 – Sumário dos resultados experimentais da desfosforação oxidante, adaptado de LIU
et al (1996). ............................................................................................................................. 20
Tab. 5.1 – Critérios estatísticos adotados para estimação dos modelos.................................. 35
Tab. 7.1 – Resultado do Best Subsets da Modelagem 1A. ...................................................... 65
Tab. 7.2 – Resultado do Best Subsets da Modelagem 2A. ...................................................... 70
Tab. 7.3 – Resultado do Best Subsets da Modelagem 4A. ...................................................... 76
Tab. 7.4 – Resultado do Best Subsets da Modelagem 5A. ...................................................... 82
Tab. 7.5 – Resultado do Best Subsets da Modelagem 6A. ...................................................... 86
Tab. 7.6 – Resultado do Best Subsets da Modelagem 7A. ...................................................... 93
Tab. 7.7 – Resultado do Best Subsets da Modelagem 8A. ...................................................... 97
Tab. 8.1 – Sumário de resultados da análise estatística 1. .................................................... 122
Tab. 8.2 – Sumário de resultados da modelagem do banco de dados da empresa siderúrgica.
............................................................................................................................................... 123
Tab. 8.3 – Sumário de resultados da análise estatística 2. .................................................... 127
Tab. 8.4 – Sumário de resultados da modelagem do banco de dados da empresa produtora de
FeMnMC. .............................................................................................................................. 128
viii
Glossário de Caracteres
1/T – inverso da temperatura;
Al2O3 – teor de alumina (Al2O3) da escória;
(Al2O3)^2, (BaO)^2, C^2, (C*)^2, (CaO)^2, (Fe*)^2, (FeO)^2, (K2O)^2, (Mn*)^2,
(MnO)^2, (MgO)^2, (P*)^2, (P2O5)^2, (Si*)^2, (SiO2)^2, (Ti*)^2, (TiO2)^2 e (Si
(Gusa))^2 – variáveis regressoras elevadas ao quadrado;
(Al2O3)^3, (BaO)^3, C^3, (C*)^3, (CaO)^3, (Fe*)^3, (FeO)^3, (K2O)^3, (Mn*)^3,
(MnO)^3, (MgO)^3, (P*)^3, (P2O5)^3, (Si*)^3, (SiO2)^3, (Ti)^3, (TiO2)^3 e (Si
(Gusa))^3 – variáveis regressoras elevadas ao cubo;
BaO – teor de óxido de bário da escória;
BB – índice de basicidade binária da escória;
BO – índice de basicidade ótica da escória;
BQ – índice de basicidade quaternária da escória;
BT – índice de basicidade ternária da escória;
C – teor final de carbono ao final do sopro de oxigênio (tanto para o aço quanto para o
FeMnMC);
C* – teor inicial de carbono do FeMnAC antes de ser processado no conversor;
CaO – teor de óxido de cálcio da escória;
Coef – notação de saída do software Minitab para os valores dos parâmetros estimadores do
intercepto (B0) e de inclinação (Bj);
Constant - notação de saída do software Minitab para o parâmetro estimadore do intercepto
(B0);
F – notação de saída software Minitab para o resultado do teste F-Snedecor da Análise de
Variância;
Fe* - teor inicial de ferro do FeMnAC antes de ser processado no conversor;
FeMnAC – ferro-manganês alto carbono;
FeMnBC – ferro-manganês baixo carbono;
FeMnMC – ferro-manganês médio carbono;
FeO – teor de óxido de ferroso da escória;
FeSiMn – ferro sílico-manganês;
K2O – teor de óxido de potássio (K2O) da escória;
ln (Al2O3), ln (BaO), ln (C), ln (C*), ln (CaO), ln (Fe*), ln (FeO), ln (K2O), ln (Mn*), ln
(MnO), ln (MgO), ln (P*), ln (P2O5), ln (Si*), ln (SiO2), ln (Si (Gusa)), ln (Ti*), ln
(TiO2) – logaritmos naturais das variáveis regressoras;
ln P – logaritmo natural do teor final de fósforo ao final do sopro de oxigênio (tanto para o
aço quanto para o FeMnMC);
ln ( P – P*) – logaritmo natural para a diferença entre teor de fósforo entre o FeMnMC
produzido no conversor e o teor de fósforo do FeMnAC;
ix
ln (P/Rq(P2O5) – logaritmo natural do teor final de fósforo dividido pela raiz quadrada do
teor de óxido de fósforo da escória;
Mallows C-p – notação de saída do software Minitab para a estatística Cp de Mallows;
MgO – teor de óxido de magnésio da escória;
Mn* - teor de manganês inicial do FeMnAC, antes de ser processado;
MnO – teor de óxido de manganês da escória;
Noconstant - notação de saída do software Minitab para indicação de que o modelo estimado
é sem intercepto;
P – teor final de fósforo ao final do sopro de oxigênio (tanto para o aço quanto para o
FeMnMC);
P* – teor inicial de fósforo do FeMnMC, antes de ser processado no conversor a oxigênio;
P2O5 – teor de pentóxido de fósforo (P2O5) da escória;
R-Sq – notação de saída do software Minitab para o coeficiente de determinação (R2) para
modelos de regressão linear múltipla;
R-Sq(adj) – notação de saída do software Minitab para o coeficiente de determinação
ajustado (Raj2) para modelos de regressão linear múltipla;
SE Coef - notação de saída do software Minitab para os desvios-padrão dos parâmetros
estimadores do intercepto (B0) e de inclinação (Bj);
Si (Gusa) – teor de silício do ferro-gusa antes de ser processado no convertedor LD;
Si* – teor inicial de silício do FeMnAC antes de ser processado no conversor;
SiO2 – teor de sílica (SiO2) da escória;
T – valor do teste t para cada parâmetro estimador do modelo, sejam o parâmetro do
intercepto (B0) ou os de inclinação para cada variável regressora (Bj);
Ti* - teor inicial de titânio do FeMnAC antes de ser processado no conversor;
TiO2 – teor de óxido de titânio (TiO2) da escória;
(P-P*) – diferença entre teor de fósforo entre o FeMnMC produzido no conversor e o teor de
fósforo do FeMnAC.
x
1. Introdução e Relevância
O alto teor de fósforo nos minérios de ferro e de manganês tem sido muitas vezes
um fator limitante do aproveitamento econômico parcial ou total de muitas jazidas ferríferas
e manganesíferas do Brasil e do mundo. Justifica-se que estes minérios são recursos naturais
que ocupam papel de destaque no país, sejam pelas reservas existentes, sejam pela
essencialidade na produção de ferro-ligas e aço. O setor mínero-metalúrgico é
indubitavelmente um dos alicerces da economia brasileira.
1
2. Objetivos
3. Revisão Bibliográfica
3.1. Introdução
Os aços e as ligas de ferrromanganês, durante seus processos de fabricação,
apresentam, em sua composição, uma grande variedade de elementos deletérios, como o
fósforo, silício, alumínio, enxofre, arsênio, titânio, etc. Essas impurezas devem ter suas
concentrações abaixo dos limites especificados para não alterarem as propriedades e
características desejadas para o produto final (CHIAVERINI, 1990).
2
Segundo CHIAVERINI (1990) e LIU (1993) o fósforo substitui alguns átomos de
ferro na estrutura sólida dos aços, alterando forma e tamanho dos grãos, causando o
endurecimento da ferrita. Dessa forma, ocorre a alteração da dureza dos aços, aumentando,
assim, a sua resistência à tração, principalmente em aços de baixo carbono, mas diminuindo a
sua ductibilidade. Um efeito do fósforo muito conhecido é a chamada “fragilidade a frio”,
que é caracterizada pela baixa tenacidade em temperaturas baixas, facilitando o surgimento
de trincas em temperaturas comuns, aspectos que dificultam a sua utilização na construção
civil.
Em aços com teores mais elevados de carbono os efeitos do fósforo são ainda mais
nocivos, já que este tende a expulsar o carbono da austenita e durante o resfriamento do aço
as áreas originalmente ricas em fósforo ficam constituídas quase que completamente de
ferrita, ocasionando o surgimento de “ghost lines” que facilitam o aparecimento de trincas
(CHIAVERINI, 1990).
O fósforo nos aços de baixo carbono apresenta alguns aspectos favoráveis, já que
aumenta a sua dureza. Quando combinado com enxofre, o fósforo melhora a resistência à
corrosão e a usinabilidade dos aços (CHIAVERINI, 1990).
3.2. Aços
Segundo CHIAVERINI (1990) os aços podem ser classificados de acordo com a
sua composição química, sua estrutura ou de acordo com a sua aplicação. No presente
trabalho, serão apresentadas apenas as classificações de acordo com a composição química.
Dessa forma, os aços podem ser classificados em aços-carbono e aços-liga.
3
Segundo LÚCIO et al (1980), os aços-liga contém maiores quantidades de um ou
vários elementos de liga, como manganês, silício, cromo, níquel, molibdênio, alumínio,
vanádio, cobalto, entre outros. Para CHIAVERINI (1990) esses aços geralmente apresentam
melhores propriedades mecânicas que os aços carbono e podem ser subdivididos em:
- Aços-liga de baixo teor em liga: os elementos residuais estão presentes acima dos
teores normais e o teor de elementos de liga não ultrapassam 5,0%. A quantidade total de
elementos de liga é insuficiente para alterar profundamente as estruturas dos aços resultantes;
- Aços-liga de médio teor em liga: o teor de elementos de liga está entre 5,0 e
10,0%;
- Aços-liga de alto teor em liga: o teor total dos elementos de liga é superior a 10%.
Essa grande quantidade de elementos de liga causa profundas alterações na estrutura e
propriedades desses aços.
4
liga em aços-liga (LÚCIO et al, 1980; LIU et al, 1995; MA et al 1992; LEE &
KOLBEINSEN, 2005).
5
3.4. Processos de Desfosforação
3.4.1. Introdução
Nos aços, o processo LD consiste basicamente na descarburação do ferro-gusa,
transformando em aço líquido mediante a injeção de oxigênio no banho metálico Além da
diminuição to teor de carbono do metal, nesse processo também ocorre a diminuição dos
teores de silício, fósforo, enxofre e outras impurezas a níveis residuais. Na figura 3.1, têm-se
uma representação genérica do processo:
A empresa estudada aplica o processo LD com sopro combinado, onde são injetados
oxigênio por uma lança no topo do convertedor LD e gás inerte (argônio ou nitrogênio) pelo
fundo através de refratários porosos (ALMEIDA, 2005).
6
Fig. 3.2 – Representação esquemática do Convertedor LD da Siderúrgica estudada, adaptado
de FRUEHAN (1998) apud ALMEIDA (2005).
7
A empresa estudada utiliza o conversor com sopro combinado, onde se injeta
oxigênio por uma lança localizada no topo e por duas ventaneiras no fundo através de
refratários porosos.
8
- alta atividade de óxidos de FeO da escória;
9
Segundo KUNDRIN (1984) devido à adição de cal no convertedor, nessa fase
ocorre também a oxidação de fósforo do aço e redução de óxido de ferro da escória:
2[P] + 5(FeO) + 3(CaO) → (3CaO. P2O5) + 5[Fe]
2[P] + 5(FeO) + 4(CaO) → (4CaO. P2O5) + 5[Fe]
10
A variação dos teores de carbono, fósforo, manganês, enxofre e silício e a
composição da escória durante o processo podem ser vistas nas figura 3.6 e 3.7,
respectivamente:
11
3.4.3. Desfosforação de Ligas de Ferromanganês
Existem poucos estudos relativos à desfosforação de ligas de ferromanganês em
indústrias metalúrgicas, devido principalmente à dificuldade da aplicação dessas técnicas
fora das condições controladas de laboratórios. Segundo LIU (1993), os atuais métodos
desfosforação podem ser divididos em 3 correntes diferentes: desfosforação redutora,
desfosforação oxidante e desfosforação gasosa.
Na reação (i) o fósforo pode ser removido pela adição de NaF ou NaCl, formando o
gás Na3P, o que levaria à problemas ambientais para o controle desse gás.
As escórias da desfosforação gasosa reagem com água, produzindo o gás PH3 que é
tóxico, acarretando em problemas ambientais e de segurança dos trabalhadores da empresa
(TUSET & WÆRNES, 1989).
12
3.4.3.2. Desfosforação Redutora
Para CRUZ et al (1994) a remoção do fósforo das ligas de manganês sem que
ocorra a oxidação de grande parte do manganês pode ser realizada de duas formas:
- Condições pouco oxidantes, com escórias ultra-básicas: eficientes em ferro-ligas
de manganês com elevados teores de carbono e reduzidos teores de silício;
- Condições fortemente redutoras através de escórias básicas ou de elementos
formadores de fosfetos: eficientes em ferro-ligas de manganês com baixos teores de carbono
e teores baixos de silício.
13
Tab. 3.1 – Sumário dos resultados experimentais da desfosforação redutora, adaptado de LEE
et al (1989).
LEE et al (1989) chegou à conclusão que o magnésio metálico e o Mg2Si são bons
agentes desfosforantes de ligas de FeMnAC e que quanto menor a atividade do fosfeto de
magnésio, maior é o grau de desfosforação da liga.
14
fósforo e o processo somente pode ser realizado com baixas pressões parciais desses dois
gases.
15
Fig. 3.8 – Variação da concentração de fósforo do FeMnMC durante a desfosforação
redutora em função do tempo de tratamento (CRUZ et al, 1994).
16
- aumentos do teor inicial de carbono beneficiam a desfosforação do
ferromanganês, como é possível observar na figura 3.9:
Fig. 3.9 – Efeito do teor inicial de carbono das ligas de ferromanganês no grau de
desfosforação oxidante (MA et al, 1992).
Fig. 3.10 – Efeito do teor inicial de silício das ligas de ferromanganês no grau de
desfosforação (MA et al, 1992).
17
LIU (1993) estudou a desfosforação oxidante de ligas de ferromanganês com
escórias a base de BaO, além de testar a influência da adição de CaF2, MnO, BaCl2 e BaF2 na
eficiência de remoção do fósforo.
LIU (1993) descobriu que o melhor fluxo para ser adicionado na desfosforação do
ferromanganês é 50% de BaO, 20% de MnO e 30%BaF2. Na figura 3.11 é possível observar
a influência do teor de BaO dos fluxos no grau de desfosforação:
Fig. 3.11 – Efeito do teor de BaO dos fluxos adicionados na capacidade de desfosforação de
FeMnAC (LIU, 1993).
18
Fig. 3.12 – Efeito da temperatura no teor de fósforo do ferromanganês (LIU, 1993).
19
Fig. 3.13 – Efeito do teor de carbono inicial no teor final de fósforo do ferromanganês (LIU,
1993).
Tab. 3.2 – Sumário dos resultados experimentais da desfosforação oxidante, adaptado de LIU
et al (1996).
20
Ainda em seus estudos, LIU (1993) também realizou experimentos com um fluxo
de BaCO3 puro, achando um grau de desfosforação de 61% e sugeriu pesquisas mais
aprofundadas desse tipo de fluxo. Dessa forma, CHAUDHARY et al (2001) realizou estudos
sobre a desfosforação oxidante de FeMnAC utilizando fluxos de BaCO3, com adições de
CaO, CaF2, Al2O3, MnO2, BaCl2 e BaF2. Esse estudo chegou aos seguintes resultados:
- o fluxo de 65% de BaCO3 e 35% de BaF2 foi o mais eficiente para a
desfosforação, removendo cerca de 68% do fósforo contido inicialmente na liga, com uma
perda de manganês inferior a 5%;
- a adição de BaCl2 ou de MnO2 nos fluxos diminuiu a eficiência da desfosforação;
- o aumento do teor inicial de Silício da liga reduz drasticamente o grau de
desfosforação;
- temperaturas baixas (1300-1350°C) favorecem as reações de desfosforação em
condições oxidantes;
21
Fig. 3.14 – Variação da concentração de fósforo do FeMnAC durante a desfosforação
oxidante em função do tempo de tratamento, adaptado de CRUZ et al (1994).
22
Para diminuir o consumo de refratário do conversor da empresa, que é a base de
MgO, só são processadas ligas de FeMnAC que contenham teores de Si inferiores a 0,5%,
além disso, baixos teores de Silício da liga favorecem a remoção do fósforo (MA et al,1992;
CRUZ et al 1994; CHAUDHARY et al 2001).
Fig. 3.15 – Influência da basicidade ternária no teor de MnO da escória (JINHUA &
ZHIZHONG, 1992).
23
Na 2ª etapa, chamada de fase descarburante, há um aumento da temperatura do
banho, o que reduz a oxidação do manganês e aumenta a taxa de descarburação, que provoca
também um aumento da volatização do Mn. Com esse aumento de temperatura pode ocorrer
a refosforação, já que o P2O5 é muito instável em altas temperaturas:
2/5(P2O5) → 4/5[P] + 2[O]
24
Y =β +β X +β X
1 2
+ ... + β X K
+ε
0 1 2 K
Se o P-value encontrado for menor que o 0,05, então a variável Xj pode ser
considerada estatisticamente importante para o modelo.
25
Outro teste bastante utilizado é a Análise de Variância, que testa a significância do
modelo de regressão estimado, esse teste determina se há uma relação linear entre a variável
resposta e as variáveis regressoras, sendo testadas as seguintes hipóteses (CANCHO, 2004):
Se o P-value encontrado for menor que 0,05, existe pelo menos um coeficiente de
inclinação que é diferente de zero, assim há relação linear entra a variável resposta e pelo
menos uma variável regressora e o modelo é estatisticamente correto.
Segundo MONTGOMERY & RUNGEE (2003), através da análise dos gráficos dos
resíduos é possível avaliar-se as suposições de que os erros são independentes e seguem uma
distribuição aproximadamente normal, com média zero e variância constante, ou seja, ei ~
N(0, σ2).
Uma forma muito utilizada para avaliar se os resíduos seguem uma distribuição
aproximadamente normal é a plotagem do gráfico de Normalidade dos resíduos: se os pontos
estiverem dispostos próximos a uma linha reta pode-se considerar que os resíduos são
normalmente distribuídos. Porém, em alguns casos, esse alinhamento não é evidente,
tornando a avaliação muito difícil, para isso existem procedimentos de testes para avaliar a
normalidade como o teste de aderência, o teste de Anderson-Darling, teste de Shapiro-Wilk,
o teste de Kolmogorov-Smirnov, entre outros (CANCHO, 2004).
26
apresentar nenhuma tendenciosidade, como o gráfico (a), então a suposição de variância
constante é verdadeira. Caso o gráfico for semelhante aos gráficos (b), (c) e (d), a suposição é
falsa, assim o modelo não é estatisticamente correto:
Fig. 4.1 – Padrões de comportamento de gráficos de Resíduos: (a) satisfatório, (b) funil, (c)
arco duplo e (d) não linear (MONTGOMERY & RUNGEE, 2003).
27
A Medida de Distância de Cook mede quão longe a i-ésima informação está do
restante das informações. Deve-se considerar uma informação como sendo influente quando
sua medida de Distância de Cook for maior que um, ou seja Di > 1 (MONTGOMERY &
PECK, 1992).
onde 0≤ R2 ≤ 1.
28
quando existirem valores dos coeficientes de correlação linear de um par de variáveis
regressoras próximos a -1 ou +1, esse par de variáveis apresenta uma forte correlação entre
si.
Se o VIF for maior que dez (VIF > 10) considera-se que a variável Xj seja altamente
correlacionada com o restante das variáveis.
4.2.2. Autocorrelação
A autocorrelação é a dependência do tempo apresentada por algumas variáveis.
Num modelo de regressão linear, quando a variável resposta Y e as variáveis regressoras Xj
são autocorrelacionadas, há uma estrutura de correlação entre os termos do modelo
(MONTGOMERY & PECK, 1992).
Em alguns casos o gráfico plotado não fica muito claro, ficando difícil a avaliação
se há ou não presença de autocorrelação entre as variáveis do modelo, para isso existe a
estatística de Durbin-Watson, pela qual é possível realizar um teste de hipóteses para a
avaliação da aucorrelação entre as variáveis.
29
4.3. Seleção de Variáveis e Modelos
Um problema encontrado frequentemente é a seleção das melhores variáveis
independentes dentre o conjunto de variáveis regressoras e também a escolha dos melhores
modelos, utilizando combinações de variáveis. Para a escolha de um modelo é necessário
escolher um número suficiente de variáveis regressoras estatisticamente mais importantes
para o modelo, de forma que a variável resposta possa ser caracterizada corretamente, mas
sem aumentar muito a complexidade do modelo.
30
Dessa forma, escolhe-se modelos em que a estatística Cp de Mallows tenha um
valor menor e próximo ao do número de variáveis regressoras mais um (p = k +1), porém em
alguns casos torna-se interessante escolher valores de Cp levemente maiores que p
(MONTGOMERY & RUNGEE, 2003).
5. Metodologia
Esse banco de dados foi utilizado por BITTENCOURT (2005) para estimar o teor
final de fósforo do convertedor LD da empresa estudada. BITTENCOURT (2005) também
coletou dados experimentais de 45 corridas da empresa para testar a influência do óxido de
magnésio (MgO) no teor de fósforo ao final do processo.
Para o presente trabalho, a variável resposta estudada é o teor de fósforo (P) no aço
ao final do processo no convertedor LD, e as variáveis regressoras são: composição da
escória (FeO, SiO2, MnO, MgO, P2O5 e CaO), silício do gusa, rendimento geral do processo,
teor de carbono do aço, volume de O2 e a temperatura da escória do processo. Foram feitas
algumas transformações das variáveis para uma melhor adequação dos modelos, adotando-se,
por exemplo, o inverso da temperatura em vez da temperatura em sua forma linear, como
adotado por CAMPOS (1985) e ALMEIDA (2005).
Como a basicidade da escória foi apontada por MUNDIM (1980), GASKELL (1982),
KUNDRIN (1984) e CAMPOS (1985) como importante para a desfosforação do aço,
também serão calculados os índices de basicidade da escória do processo e esses valores
encontrados serão usados para a estimação de modelos de regressão linear múltipla.
31
Para o cálculo do índice de basicidade serão adotadas as seguintes fórmulas:
32
- basicidade binária: %CaO/%SiO2;
- basicidade ótica.
Com o box plot do teor final de fósforo serão excluídas as corridas que contenham
outliers que sejam identificados como erros de coleta ou falha do processo visando assim a
eliminação de erros que poderiam comprometer a qualidade dos modelos estimados.
A análise estatística foi divida em 2 partes: a análise estatística 1, feita para o banco
de dados da empresa siderúrgica e a análise estatística 2, feita para o banco de dados da
empresa produtora de ferro-ligas de manganês.
33
• Com o apoio das referências bibliográficas utilizadas, é feita a seleção das
variáveis regressoras teoricamente importantes para o processo, a seguir essas
variáveis são transferidas para as tabelas do software MINITAB;
34
Tab. 5.1 – Critérios estatísticos adotados para estimação dos modelos.
1. Uso da rotina Stepwise para identificar as variáveis estatisticamente mais
importantes para caracterizar a variável resposta, adotando um nível de
significância de 10% tanto para a entrada quanto para a saída de variáveis;
2. Uso da rotina Best Subsets para fazer as combinações possíveis das variáveis
selecionadas no método anterior. O melhor modelo é selecionado através da
análise dos valores de: coeficientes de determinação R2 e R2aj (que devem ser
altos e próximos) e da estatística Cp de Mallows (que deve ter
aproximadamente o valor de p);
3. Aplicação da rotina Regression a fim de estimar os coeficientes da equação de
regressão linear múltipla, calcular e plotar os gráficos de resíduos e o VIF;
4. Análise dos valores dos estimadores de interseção e de inclinação e realização
dos testes T-Student para testar a significância para cada um desses
parâmetros, adotando um nível de significância de 5%;
5. Análise de variância e realização do teste F-Snedecor para a identificação da
adequação geral do modelo, adotando um nível de significância de 5%;
6. Análise dos valores do VIF de cada parâmetro de inclinação, para valores de
VIF superiores a 10 considera-se que há multicolinearidade;
7. Plotagem do gráfico de normalidade dos erros e realização do Teste de
Anderson-Darling para verificar se os resíduos são normalmente distribuídos
(ei ~N(0,σ2), adotando-se um nível de significância de 5%.
8. Análise dos resíduos padronizados, sendo consideradas informações não
usuais aquelas que não estiverem contidas no intervalo [-2,5;2,5]. A exclusão
dessas informações não usuais pode levar à uma melhoria geral do modelo;
35
para os dados, estatísticas descritivas dos dados (média, desvio-padrão, assimetria, kurtosis,
máximos e mínimos, quartis e medianas), box plots de cada variável e intervalos de confiança
para média e mediana.
Analisando o boxplot do Teor Final do Fósforo (figura 6.1), é possível observar que
existem 7 informações outliers. Três dessas amostras foram consideradas como sendo erros
de medida e foram excluídas do banco de dados a fim de melhorar a qualidade dos modelos
que serão estimados na modelagem estatística. É possível observar que o teor médio de
fósforo do aço produzido pela empresa é de 0,016741%.
36
Fig. 6.2 – Sumário gráfico para o peso do ferro-gusa processado no Convertedor LD, em
toneladas.
Fig. 6.3 – Sumário gráfico para o peso da sucata adicionada ao convertedor LD, em
toneladas.
37
Na figura 6.3, é possível observar que o peso médio da sucata adicionada ao
convertedor LD é de 14,230 toneladas, com um desvio-padrão de 3,194 toneladas. Cerca de
50% dos dados estão dentro do intervalo de 12,418 a 16,403 toneladas.
Fig. 6.4 – Sumário gráfico para o peso do aço produzido pelo convertedor LD, em toneladas.
38
Fig. 6.5 – Sumário gráfico para o teor de silício do ferro-gusa.
39
Analisando o boxplot do carbono na figura 6.6, é possível observar que existem 10
informações outliers, sendo que 2 amostras foram detectadas como sendo erros de medida ou
digitação por parte dos operadores. Essas amostras serão excluídas do modelo, de forma a
melhorar os modelos a serem estimados.
Fig. 6.7 – Sumário gráfico para o volume de oxigênio soprado no banho metálico, em
normais metros cúbicos.
40
Fig. 6.8 – Sumário gráfico para temperatura final da escória do convertedor LD, em °C.
41
Fig. 6.9 – Sumário gráfico para o teor de CaO da escória do convertedor LD.
Na figura 6.9 é possível observar que o teor médio CaO da escória do convertedor
LD é de 47,931%, com um desvio-padrão de 5,486%. Cerca de 50% dos dados apresentam
teor de CaO dentro do intervalo 28,920 a 51,345%.
Fig. 6.10 – Sumário gráfico para o teor de FeO da escória do convertedor LD.
42
Na figura 6.10 é possível observar que o teor médio FeO da escória do convertedor
LD é de 23,903%, com um desvio-padrão de 4,162%. Cerca de 50% dos dados apresentam
teor de FeO da escória dentro do intervalo 20,920 a 25,973%.
Fig. 6.11 – Sumário gráfico para o teor de SiO2 da escória do convertedor LD.
Na figura 6.11 é possível observar que o teor médio SiO2 da escória do convertedor
LD é de 15,946%, com um desvio-padrão de 3,021%. Cerca de 50% dos dados apresentam
teor de SiO2 dentro do intervalo 13,843 a 18,180%.
43
Fig. 6.12 – Sumário gráfico para o teor de MnO da escória do convertedor LD.
44
Fig. 6.13 – Sumário gráfico para o teor de MgO da escória do convertedor LD.
Na figura 6.13 é possível observar que o teor médio MgO da escória do convertedor
LD é de 3,949%, com um desvio-padrão de 2,7435%. Cerca de 50% dos dados apresentam
teor MgO dentro do intervalo 1,918 a 5,168%.
Fig. 6.14 – Sumário gráfico para o teor de P2O5 da escória do convertedor LD.
45
Na figura 6.14 é possível observar que o teor médio P2O5 da escória do convertedor
LD é de 2,317%, com um desvio-padrão de 0,522%. Cerca de 50% dos dados apresentam
teor de P2O5 dentro do intervalo 1,950 a 2,643%.
Pela análise estatística, percebeu-se uma grande alteração dos valores das corridas
número 38 e 233. A corrida 38 apresentou um baixo valor para o volume de oxigênio
soprado no banho metálico, acarretando em altos valores para os teores de carbono e fósforo
do aço produzido, caracterizando um defeito em algum equipamento do processo. A corrida
233 apresentou baixos valores para o volume de oxigênio soprado no banho e um baixo valor
para a temperatura final da escória.
46
Fig. 6.15 – Sumário gráfico para o teor final de fósforo do FeMnMC.
47
Fig. 6.16 – Sumário gráfico para o peso de FeMnAC processado no conversor, em toneladas.
Fig. 6.17 – Sumário gráfico para o peso de FeMnMC produzido no conversor, em toneladas.
48
Na figura 6.17 é possível observar que o peso médio do FeMnMC produzido no
conversor é de 9,803 toneladas, com desvio-padrão de 1,566 toneladas. Cerca de 50% dos
dados apresentam peso do FeMnMC dentro do intervalo de 8,675 a 11,041 toneladas.
Ainda é possível observar que observar que o peso médio da escória do conversor é
de 1,411 toneladas, com desvio-padrão de 0,364 toneladas. Cerca de 50% dos dados
apresentam teor de fósforo do FeMnMC dentro do intervalo de 1,20 a 1,55 toneladas.
49
Fig. 6.19 – Sumário gráfico para o volume de oxigênio soprado na liga metálica, em Normais
metros cúbicos.
50
Fig. 6.20 – Sumário gráfico do teor inicial de manganês do FeMnAC.
51
No boxplot do peso do teor inicial de silício do FeMnAC (figura 6.21) foram
detectadas 22 amostras com informações outliers. Como a empresa procura processar apenar
ligas de FeMnAC que contenham teor de silício com teor máximo de 0,5%, mas em alguns
casos ocorre o processamento no conversor de ligas que tenham teor de silício superior ao
limite máximo, dessa forma, resolveu-se excluir as 3 amostras que apresentaram teores de
silício superiores a 0,6%.
Dentro da figura 6.21, é possível observar que o teor inicial de silício do FeMnAC
processado no conversor é de 0,163%, com um desvio-padrão de 0,123%. Cerca de 50% dos
dados apresentam teor inicial de silício do FeMnAC dentro do intervalo 0,10 a 0,17%.
52
Fig. 6.23 – Sumário gráfico do teor inicial de ferro do FeMnAC.
Na figura 6.23, é possível observar que o teor inicial médio de ferro do FeMnAC
processado no conversor é de 14,952%, com um desvio-padrão de 1,812%. Cerca de 50%
dos dados apresentam teor inicial de ferro do FeMnAC dentro do intervalo 13,60 a 16,22%.
53
Analisando o boxplot do teor inicial de titânio do FeMnAC na figura 6.24, é
possível observar que existem 17 informações outliers, analisando a distribuição dos dados,
resolveu-se excluir essa variável dos modelos a serem estimados, já que cerca de 50% dos
dados apresentam teor de titânio iguais a 0,01%.
54
Fig. 6.26 – Sumário gráfico do teor de MnO da escória do conversor.
55
Fig. 6.27 – Sumário gráfico do teor de MgO da escória do conversor.
56
Fig. 6.28 – Sumário gráfico do teor de CaO da escória do conversor.
57
Fig. 6.30 – Sumário gráfico do teor de Al2O3 da escória do conversor.
58
Fig. 6.31 – Sumário gráfico do teor de BaO da escória do conversor.
59
Fig. 6.32 – Sumário gráfico do teor de K2O da escória do conversor.
60
Fig. 6.33 – Sumário gráfico do teor de TiO2 da escória do conversor.
61
Fig. 6.34 – Sumário gráfico do teor de FeO da escória do conversor.
62
Fig. 6.35 – Sumário gráfico da temperatura final da escória do conversor, em graus Celsius.
63
Fig. 6.36 – Sumário gráfico a variação percentual do teor de fósforo da liga de manganês
produzida no conversor.
64
7.1.1. Modelagem 1A
Esta modelagem refere-se a modelos de regressão linear múltipla tendo o teor de
fósforo em sua forma linear como variável resposta, utilizando como variáveis regressoras as
variáveis: Si (Gusa), teores do componentes da escória (CaO, SiO2, FeO, P2O5, MnO e
MgO), inverso da temperatura (1/T) , basicidade binária, ternária e ótica e teor final de
carbono do aço.
(
G
u S P
s 1 C i M 2
Mallows B a / a O g O
Vars R-Sq R-Sq(adj) C-p S T ) C T O 2 O 5
Os dois melhores modelos apontados pelo Best Subsets foram marcados em negrito.
Resolveu-se escolher o modelo que apresenta 7 variáveis regressoras, já que a retirada da
variável Basicidade Ternária acarretou em uma queda de apenas 0,2% no valor do coeficiente
de determinação e esse modelo apresenta o menor de valor para “s” (desvio padrão dos
erros). Logo a variável regressora bacisidade ternária (BT) foi excluída do modelo e utilizou-
se as variáveis regressoras SiO2, CaO, MgO, P2O5, 1/T, Si(Gusa) e carbono do aço para o
desenvolvimento do Modelo 1A. A saída do software Minitab foi:
65
P = 0,0923 - 0,00575 Si (Gusa) + 0,121 C - 149 1/T - 0,000193 CaO + 0,000977 SiO2
+ 0,000534 MgO + 0,00250 P2O5
Analysis of Variance
Source DF SS MS F P
Regression 7 0,00526946 0,00075278 22,14 0,000
Residual Error 263 0,00894220 0,00003400
Total 270 0,01421167
Quadro 1.1 -
É possível observar que todos os P-values dos testes t são menores que 0,05, assim
é possível concluir que todas as variáveis regressoras do modelo são importantes para
explicar o teor final do fósforo do aço. Todas as variáveis regressoras apresentam VIF< 10,
logo não há problema de multicolinearidade nesse modelo.
66
Fig. 7.1 – 1° Gráfico dos resíduos do Modelo 1A.
Através da análise do gráfico dos resíduos da figura 7.1 não é possível aceitar a
suposição de que os resíduos tenham um desvio-padrão constante. Analisando o gráfico de
normalidade da figura 7.2 e o P-value do teste Anderson-Darling, que é menor que o nível de
significância adotado (0,05), dessa forma, os resíduos não podem ser considerados
normalmente distribuídos, logo o Modelo proposto não é válido. Numa tentativa de melhorar
os resultados do modelo 1A, foram excluídas 9 amostras caracterizadas como sendo outliers,
já que continham resíduos padronizados fora do intervalo [-2,5;2,5].
P = 0,0355 - 0,00443 Si (Gusa) + 0,0661 C - 69,8 1/T + 0,000858 SiO2 + 0,000872 MgO
+ 0,00242 P2O5
67
MgO 0,00087245 0,00009243 9,44 0,000 1,1
P2O5 0,0024191 0,0005437 4,45 0,000 1,5
Analysis of Variance
Source DF SS MS F P
Regression 6 0,00357119 0,00059520 43,77 0,000
Residual Error 241 0,00327725 0,00001360
Total 247 0,00684844
É possível observar que todos os P-values dos testes t são menores que 0,05, logo
conclui-se que todas as variáveis regressoras do modelo são importantes para explicar o teor
final do fósforo do aço.
Pela análise de variância também é possível observar que a variável resposta teor
final do fósforo do aço é linearmente relacionada a pelo menos uma das variáveis
regressoras. Todas as variáveis regressoras apresentam VIF< 10, logo não há problema de
multicolinearidade nesse modelo.
68
Fig. 7.4 – Gráfico de normalidade dos resíduos do Modelo 1A.
Através da análise do gráfico dos resíduos da figura 7.3 não é possível aceitar a
suposição de que os resíduos tenham um desvio-padrão constante. Analisando o gráfico de
normalidade da figura 7.4 e o P-value do teste Anderson-Darling, que é menor que o nível de
significância adotado (0,05), conclui-se que os resíduos não podem ser considerados
normalmente distribuídos.
7.1.2. Modelagem 2A
A Esta modelagem refere-se a modelos de regressão linear múltipla tendo o teor de
fósforo em sua forma linear como variável resposta, utilizando como variáveis regressoras as
variáveis: Si (Gusa), componentes da escória(SiO2, CaO, FeO, P2O5, MnO e MgO), teor de
carbono do aço e seus respectivos quadrados, os índices de basicidade binária, ternária e
ótica, além do inverso da temperatura (1/T).
69
Tab. 7.2 – Resultado do Best Subsets da Modelagem 2A.
(
S
i
(
( G
S ( u (
i M s F
O g a e
2 O ) P O
) ) ) 1 C 2 F )
Mallows ^ ^ ^ / ^ O e ^
Vars R-Sq R-Sq(adj) C-p S 2 2 2 C T 2 5 O 2
1 15,3 15,0 115,2 0,0066907 X
1 7,4 7,1 150,6 0,0069938 X
2 21,9 21,3 87,4 0,0064363 X X
2 20,5 19,9 93,7 0,0064942 X X
3 27,7 26,9 63,0 0,0062023 X X X
3 27,7 26,9 63,1 0,0062036 X X X
4 31,2 30,2 49,2 0,0060618 X X X X
4 31,2 30,2 49,3 0,0060627 X X X X
5 35,2 34,0 33,3 0,0058952 X X X X X
5 33,6 32,3 40,6 0,0059681 X X X X X
6 37,5 36,1 25,0 0,0058010 X X X X X X
6 37,2 35,8 26,2 0,0058137 X X X X X X
7 39,8 38,2 16,6 0,0057040 X X X X X X X
7 39,2 37,6 19,1 0,0057301 X X X X X X X
8 41,3 39,5 11,9 0,0056443 X X X X X X X X
8 40,8 39,0 14,1 0,0056677 X X X X X X X X
9 42,1 40,1 10,0 0,0056130 X X X X X X X X X
Analysis of Variance
70
Source DF SS MS F P
Regression 9 0,00598852 0,00066539 21,12 0,000
Residual Error 261 0,00822315 0,00003151
Total 270 0,01421167
É possível observar que todos os P-values dos testes t são menores que 0,05, assim
é possível concluir que todas as variáveis regressoras do modelo são importantes para
explicar o teor final do fósforo do aço. O problema encontrado nesse modelo foi o elevado
VIF das variáveis FeO e (FeO)2, apontando multicolinearidade entre essas 2 variáveis.
Resolveu-se excluir a variável regressora FeO, já que esta apresenta valores mais
altos de VIF e do P-value do que a variável (FeO)2. Assim estimou-se outro modelo, a saída
do software Minitab foi:
P = 0,0870 + 0,000035 (SiO2)^2 + 0,000059 (MgO)^2 - 0,00417 (Si (Gusa))^2
- 1,82 C^2 + 0,362 C - 162 1/T + 0,00293 P2O5 + 0,000006 (FeO)^2
Analysis of Variance
Source DF SS MS F P
Regression 8 0,00579554 0,00072444 22,55 0,000
Residual Error 262 0,00841612 0,00003212
Total 270 0,01421167
É possível observar que todos os P-values dos testes t são menores que 0,05, assim
é possível concluir que todas as variáveis regressoras do modelo são importantes para
explicar o teor final do fósforo do aço. Todas as variáveis regressoras apresentam VIF< 10,
logo o problema de multicolinearidade anteriormente encontrado foi resolvido.
71
O passo seguinte é a análise residual e a plotagem do gráfico de normalidade dos
resíduos, que são mostrados nas figuras 7.5 e 7.6:
Através da análise do gráfico dos resíduos da figura 7.5 é possível observar que os
resíduos apresentem um desvio-padrão que aumenta com o aumento dos valores estimados
para o teor final de fósforo do aço, assim não é possível aceitar a suposição de que os
resíduos tenham um desvio-padrão constante. Analisando o gráfico de normalidade da figura
7.6 e o P-value do teste Anderson-Darling, que é menor que o nível de significância adotado
72
(0,05), conclui-se que os resíduos não podem ser considerados normalmente distribuídos,
logo o Modelo proposto não é válido.
Analysis of Variance
Source DF SS MS F P
Regression 6 0,00407384 0,00067897 49,07 0,000
Residual Error 246 0,00340402 0,00001384
Total 252 0,00747786
É possível observar que todos os P-values dos testes t são menores que 0,05, assim
é possível concluir que todas as variáveis regressoras do modelo são importantes para
explicar o teor final do fósforo do aço. Todos os VIF’s encontrados são menores que 10, logo
não há multicolinearidade entre as variáveis regressoras do modelo 2A.
73
O P-value da análise de variância também é menor que 0,05, logo há fortes
evidências estatísticas para acreditar que a variável resposta teor final do fósforo do aço é
linearmente relacionada a pelo menos uma das variáveis regressoras.
Através da análise residual da figura 7.7 não é possível aceitar a suposição de que
os resíduos tenham um desvio-padrão constante, já que apresentam um perfil de arco duplo.
Analisando o gráfico de normalidade da figura 7.8 e o P-value do teste Anderson-Darling,
74
que é menor que o nível de significância adotado (0,05), conclui-se que os resíduos não
podem ser considerados normalmente distribuídos, logo o Modelo proposto não é válido.
Como não há mais informações outliers chegou-se à versão final para o Modelo 2A,
obtendo-se um modelo que explique 54,5% da variabilidade do teor final de fósforo do aço,
que não é válido pois ocorreu a violação da suposição de normalidade dos resíduos do
modelo.
7.1.3. Modelagem 3A
Esta modelagem refere-se a modelos de regressão linear múltipla tendo o teor de
fósforo em sua forma linear como variável resposta, utilizando como variáveis regressoras as
variáveis: Si (Gusa), componentes da escória (SiO2, FeO, P2O5, MnO e MgO), carbono do
aço, essas mesmas variáveis elevadas ao quadrado e ao cubo, além do inverso da temperatura
(1/T) .
7.1.4. Modelagem 4A
Esta modelagem refere-se a modelos de regressão linear múltipla tendo o teor de
fósforo em sua forma linear como variável resposta, utilizando como variáveis regressoras as
variáveis: Si (Gusa), componentes da escória(SiO2, FeO, P2O5, MnO e MgO), carbono do
aço, essas mesmas variáveis elevadas ao quadrado, além de seus respectivos logaritmos
naturais e o inverso da temperatura (1/T).
75
Tab. 7.3 – Resultado do Best Subsets da Modelagem 4A.
l
n
(
S
i l
( n l
S ( ( ( n l
i M G ( F n
O l g u P e ( (
2 n O s 2 O F C
) ( ) a 1 O ) e a
Mallows ^ C ^ ) / 5 ^ O O
Vars R-Sq R-Sq(adj) C-p S 2 ) 2 ) T ) 2 ) )
1 15,3 15,0 122,8 0,0066907 X
1 12,3 12,0 136,5 0,0068072 X
2 26,1 25,5 75,1 0,0062607 X X
2 23,5 23,0 86,7 0,0063673 X X
3 30,2 29,4 58,3 0,0060971 X X X
3 28,9 28,1 64,1 0,0061514 X X X
4 34,6 33,7 39,7 0,0059092 X X X X
4 33,6 32,6 44,5 0,0059568 X X X X
5 37,9 36,7 26,8 0,0057718 X X X X X
5 37,6 36,4 28,1 0,0057854 X X X X X
6 40,8 39,4 15,6 0,0056474 X X X X X X
6 39,6 38,3 20,8 0,0057009 X X X X X X
7 41,6 40,0 13,8 0,0056185 X X X X X X X
7 41,3 39,7 15,0 0,0056319 X X X X X X X
8 42,6 40,9 10,9 0,0055780 X X X X X X X X
8 42,3 40,5 12,4 0,0055941 X X X X X X X X
9 43,3 41,3 10,0 0,0055580 X X X X X X X X X
76
S = 0,00557804 R-Sq = 42,6% R-Sq(adj) = 40,9%
Analysis of Variance
Source DF SS MS F P
Regression 8 0,00605967 0,00075746 24,34 0,000
Residual Error 262 0,00815200 0,00003111
Total 270 0,01421167
É possível observar que todos os P-values dos testes t são menores que 0,05, assim
é possível concluir que todas as variáveis regressoras do modelo são importantes para
explicar o teor final do fósforo do aço. O problema encontrado nesse modelo foi o elevado
VIF das variáveis ln (FeO) e (FeO)2, apontando multicolinearidade entre essas 2 variáveis.
Analysis of Variance
Source DF SS MS F P
Regression 7 0,00583787 0,00083398 26,19 0,000
Residual Error 263 0,00837380 0,00003184
Total 270 0,01421167
É possível observar que todos os P-values dos testes t são menores que 0,05, assim
é possível concluir que todas as variáveis regressoras do modelo são importantes para
explicar o teor final do fósforo do aço. Todos os VIF’s encontrados são menores que 10, logo
não há multicolinearidade entre as variáveis regressoras do modelo 4A.
77
linearmente relacionada a pelo menos uma das variáveis regressoras, assim o modelo
proposto é válido.
Através da análise residual da figura 7.9 não é possível aceitar a suposição de que
os resíduos tenham um desvio-padrão constante. Analisando o gráfico de normalidade da
figura 7.10 e o P-value do teste Anderson-Darling, que é menor que o nível de significância
78
adotado (0,05), conclui-se que os resíduos não podem ser considerados normalmente
distribuídos, assim o modelo proposto não é válido.
Analysis of Variance
Source DF SS MS F P
Regression 6 0,00446176 0,00074363 39,79 0,000
Residual Error 255 0,00476581 0,00001869
Total 261 0,00922757
É possível observar que todos os P-values dos testes t são menores que 0,05, assim
é possível concluir que todas as variáveis regressoras do modelo são importantes para
explicar o teor final do fósforo do aço. Todos os VIF’s encontrados são menores que 10, logo
não há multicolinearidade entre as variáveis regressoras do modelo 4A.
Através da análise residual não foi possível aceitar a suposição de que os resíduos
tenham um desvio-padrão constante. Analisando o gráfico de normalidade dos resíduos e o
P-value do teste Anderson-Darling, que é menor que o nível de significância adotado (0,05),
79
conclui-se que os resíduos não podem ser considerados normalmente distribuídos, logo o
Modelo proposto não é válido.
Analysis of Variance
Source DF SS MS F P
Regression 6 0,00401557 0,00066926 54,80 0,000
Residual Error 242 0,00295545 0,00001221
Total 248 0,00697102
É possível observar que todos os P-values dos testes t são menores que 0,05, assim
é possível concluir que todas as variáveis regressoras do modelo são importantes para
explicar o teor final do fósforo do aço. Todos os VIF’s encontrados são menores que 10, logo
não há multicolinearidade entre as variáveis regressoras do modelo 4A.
80
Fig. 7.11 – Gráfico dos resíduos do Modelo 4A.
Como não há mais informações outliers chegou-se à versão final para o Modelo 4A,
obtendo-se um modelo que explique 57,6% da variabilidade do teor final de fósforo do aço,
81
que não é válido pois ocorreu a violação da suposição de normalidade dos resíduos do
modelo.
7.1.5. Modelagem 5A
Esta modelagem refere-se a modelos de regressão linear múltipla tendo o logaritmo
natural do teor de fósforo do aço como variável resposta, utilizando como variáveis
regressoras as variáveis: Si (Gusa), componentes da escória(SiO2, FeO, P2O5, MnO e MgO),
teor de carbono do aço, essas mesmas variáveis elevadas ao quadrado e ao cubo, além do
inverso da temperatura (1/T).
(
( G
S ( u ( (
i M s C F
O g a a e
2 O P ) O O
) ) 2 1 ) C C F ) )
Mallows ^ ^ O / ^ ^ a e ^ ^
Vars R-Sq R-Sq(adj) C-p S 2 2 5 T C 2 2 O O 2 2
1 18,6 18,3 148,4 0,37090 X
1 8,0 7,7 202,6 0,39435 X
2 28,7 28,2 98,8 0,34775 X X
2 27,0 26,5 107,6 0,35190 X X
3 35,9 35,2 64,3 0,33043 X X X
3 35,0 34,3 68,6 0,33262 X X X
4 39,5 38,6 47,8 0,32156 X X X X
4 38,4 37,5 53,4 0,32450 X X X X
5 42,3 41,2 35,6 0,31471 X X X X X
5 41,6 40,5 39,0 0,31651 X X X X X
6 43,9 42,6 29,6 0,31098 X X X X X X
6 43,7 42,4 30,5 0,31146 X X X X X X
7 45,5 44,1 23,1 0,30690 X X X X X X X
7 45,2 43,8 24,6 0,30774 X X X X X X X
8 46,8 45,1 18,8 0,30399 X X X X X X X X
8 46,8 45,1 18,8 0,30400 X X X X X X X X
9 47,9 46,1 14,9 0,30123 X X X X X X X X X
9 47,7 45,8 16,2 0,30200 X X X X X X X X X
10 48,5 46,5 14,1 0,30021 X X X X X X X X X X
10 48,4 46,4 14,4 0,30042 X X X X X X X X X X
11 49,3 47,1 12,0 0,29846 X X X X X X X X X X X
82
Resolveu-se escolher o modelo que apresenta 11 variáveis regressoras, já que esse
modelo apresenta o maior valor para o coeficiente de determinação, além de apresentar o
menor valor para “s” (desvio padrão dos erros). Logo, as variáveis regressoras: (SiO2)2,
(MgO)2, P2O5, 1/T, C, (Si (Gusa))2, C2, CaO, (CaO)2, FeO e (FeO)2 foram selecionadas para
a estimação do modelo 5A, a saída do software Minitab foi:
ln P = 5,58 + 0,00123 (SiO2)^2 + 0,00188 (MgO)^2 + 0,179 P2O5 - 8301 1/T
+ 14,6 C - 0,231 (Si (Gusa))^2 - 69,8 C^2 + 0,00134 (CaO)^2
+ 0,00153 (FeO)^2 - 0,151 CaO - 0,107 FeO
Analysis of Variance
Source DF SS MS F P
Regression 11 22,4017 2,0365 22,86 0,000
Residual Error 259 23,0710 0,0891
Total 270 45,4728
83
C^2 -74,91 29,03 -2,58 0,010 6,4
CaO -0,011580 0,007846 -1,48 0,141 5,1
FeO -0,00348 0,01120 -0,31 0,756 6,1
Analysis of Variance
Source DF SS MS F P
Regression 9 21,0314 2,3368 24,95 0,000
Residual Error 261 24,4414 0,0936
Total 270 45,4728
Analysis of Variance
Source DF SS MS F P
Regression 7 19,0622 2,7232 45,14 0,000
Residual Error 248 14,9610 0,0603
Total 255 34,0232
É possível observar que todos os P-values dos testes t são menores que 0,05, assim
é possível concluir que todas as variáveis regressoras do modelo são importantes para
explicar o teor final do fósforo do aço. Todos os VIF’s encontrados são menores que 10, logo
não há evidências de multicolinearidade entre as variáveis regressoras do modelo 5A.
84
O P-value da análise de variância também é menor que 0,05, logo há fortes
evidências estatísticas para acreditar que a variável resposta logaritmo natural do teor final do
fósforo do aço é linearmente relacionada a pelo menos uma das variáveis regressoras.
85
normalmente distribuídos, já que o P-value do teste Anderson-Darling encontrado (0,817), é
maior que o nível de significância adotado (0,05). Portanto, chegou-se ao primeiro modelo
válido para a previsão do teor final de fósforo do aço.
Como não há mais informações outliers chegou-se à versão final para o modelo 5A,
obtendo-se um modelo que explique 56,0% da variabilidade do teor final de fósforo do aço.
7.1.6. Modelagem 6A
Esta modelagem refere-se a modelos de regressão linear múltipla tendo o logaritmo
natural do teor de fósforo do aço como variável resposta, utilizando como variáveis
regressoras as variáveis: Si (Gusa), componentes da escória (SiO2, FeO, P2O5, MnO e MgO),
teor de carbono do aço, essas mesmas variáveis elevadas ao quadrado e ao cubo, além de
seus respectivos logaritmos naturais e o inverso da temperatura (1/T) .
86
Resolveu-se escolher o modelo que apresenta 8 variáveis regressoras (marco em
negrito), já que esse modelo apresenta o valor para o coeficiente de determinação próximo ao
do modelo que possui 9 variáveis regressoras, além de apresentar o valor para “s” (desvio
padrão dos erros) ligeiramente superior ao do modelo que contém 9 variáveis, mas apresenta
a vantagem de possuir uma variável regressora a menos, fator que facilita o controle. Assim,
excluiu-se a variável regressora “ln (FeO)” do modelo, dessa forma, foram utilizadas as
seguintes variáveis regressoras: (SiO2)2, ln C, (MgO)2, ln Si (Gusa), 1/T, ln (P2O5), (FeO),
CaO e ln (CaO) para o desenvolvimento do Modelo 6A. A saída do software Minitab foi:
Analysis of Variance
Source DF SS MS F P
Regression 8 22,4187 2,8023 31,85 0,000
Residual Error 262 23,0540 0,0880
Total 270 45,4728
É possível observar que todos os P-values dos testes t são menores que 0,05, assim
é possível concluir que todas as variáveis regressoras do modelo são importantes para
explicar o teor final do fósforo do aço. O problema encontrado nesse modelo foi o elevado
VIF das variáveis ln (CaO) e (CaO)2, apontando multicolinearidade entre essas 2 variáveis.
Resolveu-se excluir a variável regressora CaO, já que esta apresenta valores mais
altos de VIF e do P-value do que a variável ln (CaO). Assim estimou-se outro modelo, saída
do software Minitab foi:
87
Predictor Coef SE Coef T P VIF
Constant 2,456 1,448 1,70 0,091
(SiO2)^2 0,0020129 0,0002310 8,71 0,000 1,3
ln (Si (Gusa)) -0,21213 0,06239 -3,40 0,001 1,6
(MgO)^2 0,0030803 0,0006510 4,73 0,000 1,3
ln (C) 0,29711 0,06353 4,68 0,000 1,1
1/T -7954 1688 -4,71 0,000 1,2
ln (P2O5) 0,41399 0,09654 4,29 0,000 1,5
ln (CaO) -0,4689 0,1818 -2,58 0,010 1,3
Analysis of Variance
Source DF SS MS F P
Regression 7 21,7633 3,1090 34,49 0,000
Residual Error 263 23,7095 0,0902
Total 270 45,4728
Nesse novo modelo estimado, é possível observar que o P-value do teste t para o
estimador do intercepto (chamado de constant) apresenta P-value igual a 0,091, que é maior
que o nível de significância adotado (0,05), dessa forma deverá ser estimado um modelo sem
intercepto.
S = 0,302875
Analysis of Variance
Source DF SS MS F P
Regression 6 4842,90 807,15 8798,88 0,000
Residual Error 265 24,31 0,09
Total 271 4867,21
88
Quando se trabalha com modelos sem intercepto, o software Minitab 14 não calcula
os valores de R2 e Raj2, que foram calculados manualmente, utilizando-se as fórmulas
apresentadas anteriormente, os valores encontrados foram:
É possível observar que todos os P-values dos testes t são menores que 0,05, assim
é possível concluir que todas as variáveis regressoras do modelo são importantes para
explicar o teor final do fósforo do aço. Para modelos sem intercepto, o softare Minitab não
calcula os valores para o VIF.
89
Fig. 7.16 – Gráfico de normalidade dos resíduos do Modelo 6A.
S = 0,253496
Analysis of Variance
Source DF SS MS F P
Regression 6 4677,87 779,64 12132,59 0,000
Residual Error 254 16,32 0,06
Total 260 4694,19
90
Nesse modelo, todos os P-values dos testes t são menores que 0,05, desse modo é
possível concluir que todas as variáveis regressoras do modelo são importantes para explicar
o logaritmo natural do teor final do fósforo do aço. Para modelos sem intercepto, o software
Minitab não calcula os valores para o VIF.
91
Fig. 7.18 – Gráfico de normalidade final dos resíduos do Modelo 6A.
7.1.7. Modelagem 7A
Esta modelagem refere-se a modelos de regressão linear múltipla tendo como
variável resposta uma transformação linearizada do teor de fósforo: o logaritmo natural do
fósforo dividido pela raiz quadrada de P2O5 da escória, conforme apresentado por CAMPOS
(1985).
92
Utilização o método Stepwise do software Minitab 14, onde foram selecionadas as
seguintes variáveis regressoras: (SiO2)2, (MgO)2, C, Si (Gusa), C2, 1/T, (FeO)3, (Si (Gusa))2,
FeO e (SiO2)3. Com as variáveis regressoras selecionadas pelo Stepwise utilizou-se o método
Best Subsets, cujos resultados são mostrados na tabela 7.6:
S (
( i g (
S ( ( u S
i M ( F s i
O g G e a O
2 O u O ) 2
) ) 1 s C ) ) ) F
Mallows ^ ^ / a ^ ^ ^ ^ e
Vars R-Sq R-Sq(adj) C-p S 2 2 T C ) 2 3 2 3 O
93
Predictor Coef SE Coef T P VIF
Constant 0,534 0,163 3,27 0,001
(SiO2)^2 0,0020790 0,0002717 7,65 0,000 1,9
(MgO)^2 0,0039087 0,0005785 6,76 0,000 1,1
1/T -8488 1643 -5,17 0,000 1,1
C 15,790 3,924 4,02 0,000 6,7
Si (Gusa) -1,3793 0,4912 -2,81 0,005 24,4
C^2 -76,98 28,22 -2,73 0,007 6,3
(FeO)^3 0,00001972 0,00000797 2,47 0,014 17,4
(Si (gusa))^2 0,8889 0,4105 2,17 0,031 23,7
FeO -0,03411 0,01950 -1,75 0,081 19,3
Analysis of Variance
Source DF SS MS F P
Regression 9 19,4717 2,1635 24,14 0,000
Residual Error 261 23,3925 0,0896
Total 270 42,8642
Como a variável regressora FeO apresenta, em seu teste t, um P-value de 0,081 que
é maior que o nível de significância, essa variável regressora será excluída do modelo. A
variável regressora (Si (Gusa))2 será excluída do modelo por apresentar P-value do teste t
maior que o da variável regressora Si (Gusa).
Analysis of Variance
94
Source DF SS MS F P
Regression 7 18,0440 2,5777 38,31 0,000
Residual Error 253 17,0229 0,0673
Total 260 35,0669
Analysis of Variance
Source DF SS MS F P
Regression 6 16,9721 2,8287 47,50 0,000
Residual Error 249 14,8292 0,0596
Total 255 31,8013
95
Fig. 7.19 – Gráfico final dos resíduos do Modelo 7A.
96
7.1.8. Modelagem 8A
Esta modelagem refere-se a modelos de regressão linear múltipla tendo como
variável resposta uma transformação linearizada do teor de fósforo: o logaritmo natural do
fósforo dividido pela raiz quadrada de P2O5 da escória, conforme apresentado por CAMPOS
(1985).
(
S
i
(
S ( ( ( l (
i M G F n C
O g u l e ( a
2 O s n O F O
) ) a 1 ( ) e C )
Mallows ^ ^ ) / C ^ O a ^
Vars R-Sq R-Sq(adj) C-p S 2 2 ) T ) 3 ) O 3
1 21,0 20,7 120,3 0,35488 X
1 10,3 9,9 172,7 0,37812 X
2 32,2 31,7 67,1 0,32923 X X
2 30,7 30,2 74,7 0,33298 X X
3 35,9 35,1 51,3 0,32088 X X X
3 35,6 34,9 52,4 0,32146 X X X
4 40,5 39,6 30,5 0,30961 X X X X
4 39,1 38,1 37,6 0,31337 X X X X
5 43,1 42,0 20,1 0,30350 X X X X X
5 42,9 41,8 20,7 0,30385 X X X X X
6 44,7 43,4 14,0 0,29966 X X X X X X
6 44,3 43,0 16,1 0,30081 X X X X X X
7 45,6 44,1 11,7 0,29783 X X X X X X X
7 45,4 43,9 12,8 0,29842 X X X X X X X
8 46,1 44,5 11,1 0,29692 X X X X X X X X
8 46,0 44,3 11,7 0,29731 X X X X X X X X
9 46,7 44,9 10,0 0,29576 X X X X X X X X X
97
Resolveu-se escolher o modelo que apresenta 8 variáveis regressoras (marcado em
negrito), já que esse modelo apresenta o valor para o coeficiente de determinação próximo ao
do modelo que possui 9 variáveis regressoras, além de apresentar o valor para “s” (desvio
padrão dos erros) ligeiramente superior ao do modelo que contém 9 variáveis, mas apresenta
a vantagem de possuir uma variável regressora a menos, fator que facilita a aplicação do
modelo, já que diminui as variáveis regressoras a serem controladas. Assim, excluiu-se a
variável regressora (FeO)3 do modelo, assim foram utilizadas as seguintes variáveis
regressoras: SiO2)2, (MgO)2, ln (Si (Gusa)), ln (C), 1/T, ln (FeO), CaO e (CaO)3.para o
desenvolvimento do Modelo 8A. A saída do software Minitab foi:
Analysis of Variance
Source DF SS MS F P
Regression 8 19,7660 2,4708 28,03 0,000
Residual Error 262 23,0982 0,0882
Total 270 42,8642
98
ln (Si (Gusa)) -0,18499 0,05381 -3,44 0,001 1,2
1/T -8188 1643 -4,98 0,000 1,1
ln(C) 0,28824 0,06327 4,56 0,000 1,1
CaO -0,009258 0,003919 -2,36 0,019 1,3
Analysis of Variance
Source DF SS MS F P
Regression 6 18,9591 3,1598 34,90 0,000
Residual Error 264 23,9051 0,0905
Total 270 42,8642
S = 0,300914
Analysis of Variance
Source DF SS MS F P
Regression 6 5818,96 969,83 10710,48 0,000
Residual Error 265 24,00 0,09
Total 271 5842,95
99
Lembrando que o Minitab não calcula os valores dos coeficientes de determinação
em modelos sem intercepto, esses índices de adequação foram calculados manualmente:
100
Através da análise residual da figura 7.21 aceita-se a suposição de que os resíduos
tenham um desvio-padrão constante. Através da análise do gráfico de normalidade da figura
7.22 e do P-value do teste Anderson-Darling, que é igual a 0,006 (menor que o nível de
significância adotado), conclui-se que os resíduos não podem ser considerados normalmente
distribuídos. Assim, esse modelo proposto não é válido. Serão excluídas 13 amostras que
continham informações outliers de forma a melhorar o modelo, assim chegou-se ao seguinte
modelo:
S = 0,248148
Analysis of Variance
Source DF SS MS F P
Regression 6 5590,81 931,80 15132,21 0,000
Residual Error 252 15,52 0,06
Total 258 5606,32
S = 0,248028
Analysis of Variance
Source DF SS MS F P
Regression 5 5590,8 1118,2 18176,02 0,000
101
Residual Error 253 15,6 0,1
Total 258 5606,3
102
Fig. 7.24 – Gráfico de normalidade final dos resíduos do Modelo 8A.
103
7.2.1. Modelagem 1B
Esta modelagem refere-se a modelos de regressão linear múltipla tendo teor de
fósforo final do FeMnMC em sua forma linear como variável resposta, utilizando como
variáveis regressoras as variáveis: óxidos da escória (MnO, MgO, Al2O3, CaO, SiO2, BaO,
TiO2 e FeO), teor inicial de carbono, manganês, ferro, fósforo e silício do FeMnAC, inverso
da temperatura (1/T) e os índices de basicidade binária, quaternária e ótica.
Analysis of Variance
Source DF SS MS F P
Regression 3 0,100351 0,033450 122,89 0,000
Residual Error 242 0,065873 0,000272
Total 245 0,166224
104
Fig. 7.25 – Gráfico final dos resíduos do Modelo 1B.
105
FeMnAC e teor de MnO da escória do conversor) que explica aproximadamente 60,4% da
variabilidade do teor de fósforo.
7.2.2. Modelagem 2B
Esta modelagem refere-se a modelos de regressão linear múltipla tendo teor de
fósforo final do FeMnMC em sua forma linear como variável resposta, utilizando como
variáveis regressoras as variáveis: óxidos da escória (MnO, MgO, Al2O3, CaO, SiO2, BaO,
TiO2 e FeO), teor inicial de carbono, manganês, ferro, fósforo e silício do FeMnAC e os
quadrados dessas variáveis, além do inverso da temperatura (1/T) e os índices de basicidade
binária, quaternária e ótica.
Analysis of Variance
Source DF SS MS F P
Regression 4 0,102409 0,025602 96,69 0,000
Residual Error 241 0,063815 0,000265
Total 245 0,166224
Todos os P-values dos testes t para cada variável regressora foram menores que o
nível de significância adotado (0,05) e foram consideradas como estatisticamente importantes
para explicar o teor final do fósforo do FeMnMC.
106
Para a validação do modelo 2B, deve-se fazer a análise residual e a plotagem do
gráfico de normalidade dos resíduos, para a verificação das suposições de que os resíduos
apresentam desvio-padrão constante e que são normalmente distribuídos, a seguir, nas figuras
7.27 e 7.28 têm-se o gráfico dos resíduos e o gráfico de normalidade:
107
Anderson-Darling, que é igual a 0,468, que é maior que o nível de significância adotado,
conclui-se que os resíduos podem ser considerados normalmente distribuídos. Portanto, o
modelo 2B proposto é válido.
7.2.3. Modelagem 3B
Esta modelagem refere-se a modelos de regressão linear múltipla tendo teor de
fósforo final do FeMnMC em sua forma linear como variável resposta, utilizando como
variáveis regressoras as variáveis: óxidos da escória (MnO, MgO, Al2O3, CaO, SiO2, BaO,
TiO2 e FeO), teor inicial de carbono, manganês, ferro, fósforo e silício do FeMnAC e os
quadrados e cubos dessas variáveis, além do inverso da temperatura (1/T) e os índices de
basicidade binária, quaternária e ótica.
7.2.4. Modelagem 4B
Esta modelagem refere-se a modelos de regressão linear múltipla tendo teor de
fósforo final do FeMnMC em sua forma linear como variável resposta, utilizando como
variáveis regressoras as variáveis: óxidos da escória (MnO, MgO, Al2O3, CaO, SiO2, BaO,
TiO2 e FeO), teor inicial de carbono, manganês, ferro, fósforo e silício do FeMnAC e os
quadrados, cubos e logaritmos naturais dessas variáveis, além do inverso da temperatura
(1/T) e os índices de basicidade binária, quaternária e ótica.
108
decidiu-se por não aplicar o método Bests Subsets. Assim, estimou-se modelos de regressão
linear múltipla utilizando-se essas 3 variáveis regressoras:
Analysis of Variance
Source DF SS MS F P
Regression 3 0,100993 0,033664 124,89 0,000
Residual Error 242 0,065231 0,000270
Total 245 0,166224
109
Fig. 7.29 – Gráfico final dos resíduos do Modelo 4B.
110
FeMnAC, teor de fósforo inicial do FeMnAC e teor de MnO da escória do conversor) que
explica aproximadamente 60,8% da variabilidade do teor de fósforo.
7.2.5. Modelagem 5B
Esta modelagem refere-se a modelos de regressão linear múltipla tendo logaritmo
natural do teor de fósforo final do FeMnMC como variável resposta, utilizando como
variáveis regressoras as variáveis: óxidos da escória (MnO, MgO, Al2O3, CaO, SiO2, BaO,
TiO2 e FeO), teor inicial de carbono, manganês, ferro, fósforo e silício do FeMnAC e os
quadrados e cubos dessas variáveis, além do inverso da temperatura (1/T) e os índices de
basicidade binária, quaternária e ótica.
Analysis of Variance
Source DF SS MS F P
Regression 4 0,103403 0,025851 99,17 0,000
Residual Error 241 0,062821 0,000261
Total 245 0,166224
111
Para a validação do modelo 5B, deve-se fazer a análise residual e a plotagem do
gráfico de normalidade dos resíduos, para a verificação das suposições de que os resíduos
apresentam desvio-padrão constante e que são normalmente distribuídos, a seguir, nas figuras
7.31 e 7.32 têm-se o gráfico dos resíduos e o gráfico de normalidade:
112
gráfico de ormalidade da figura 7.32 e do P-value do teste Anderson-Darling, que é igual a
0,527, sendo maior que o nível de significância adotado, logo conclui-se que os resíduos
podem ser considerados normalmente distribuídos. Portanto, o modelo 5B proposto é válido.
7.2.6. Modelagem 6B
Esta modelagem refere-se a modelos de regressão linear múltipla tendo logaritmo
natural do teor de fósforo final do FeMnMC como variável resposta, utilizando como
variáveis regressoras as variáveis: óxidos da escória (MnO, MgO, Al2O3, CaO, SiO2, BaO,
TiO2 e FeO), teor inicial de carbono, manganês, ferro, fósforo e silício do FeMnAC e os
quadrados, cubos e logaritmos naturais dessas variáveis, além do inverso da temperatura
(1/T) e os índices de basicidade binária, quaternária e ótica.
Analysis of Variance
Source DF SS MS F P
Regression 4 0,103035 0,025759 98,24 0,000
Residual Error 241 0,063189 0,000262
113
Total 245 0,166224
114
Fig. 7.34 – Gráfico de normalidade final dos resíduos do Modelo 6B.
7.2.7. Modelagem 7B
Esta modelagem refere-se a modelos de regressão linear múltipla tendo como
variável resposta a diferença entre os teores de fósforo do FeMnMC produzido e do FeMnAC
processado no forno, utilizando como variáveis regressoras as variáveis: óxidos da escória
(MnO, MgO, Al2O3, CaO, SiO2, BaO, TiO2 e FeO), teor inicial de carbono, manganês, ferro,
fósforo e silício do FeMnAC e os quadrados, cubos e logaritmos naturais dessas variáveis,
além do inverso da temperatura (1/T) e os índices de basicidade binária, quaternária e ótica.
115
Após a utilização do método Stepwise do software Minitab 14, foram selecionadas
apenas 3 variáveis regressoras: teor de ferro do FeMnAC e teores de BaO e MnO da escória,
todos elevados ao cubo. Como foram selecionadas apenas 3 variáveis regressoras, decidiu-se
por não aplicar o método Bests Subsets. Assim, estimou-se modelos de regressão linear
múltipla utilizando-se essas 2 variáveis regressoras:
Analysis of Variance
Source DF SS MS F P
Regression 3 0,0284511 0,0094837 31,74 0,000
Residual Error 242 0,0723004 0,0002988
Total 245 0,1007514
116
Fig. 7.35 – Gráfico dos resíduos do Modelo 7B.
117
Excluíram-se 9 amostras outliers, chegando-se ao seguinte modelos:
Analysis of Variance
Source DF SS MS F P
Regression 3 0,0233980 0,0077993 35,45 0,000
Residual Error 233 0,0512569 0,0002200
Total 236 0,0746549
Para a validação desse modelo 7B, deve-se fazer a análise residual e a plotagem do
gráfico de normalidade dos resíduos, que são mosrados a seguir nas figuras 7.37 e 7.38:
118
Fig. 7.38 – Gráfico de normalidade final dos resíduos do Modelo 7B.
7.2.8. Modelagem 8B
Esta modelagem refere-se a modelos de regressão linear múltipla tendo como
variável resposta a o logaritmo natural da diferença entre os teores de fósforo do FeMnMC
produzido e do FeMnAC processado no forno, utilizando como variáveis regressoras as
variáveis: óxidos da escória (MnO, MgO, Al2O3, CaO, SiO2, BaO, TiO2 e FeO), teor inicial
de carbono, manganês, ferro, fósforo e silício do FeMnAC e os quadrados, cubos e
119
logaritmos naturais dessas variáveis, além do inverso da temperatura (1/T) e os índices de
basicidade binária, quaternária e ótica.
Analysis of Variance
Source DF SS MS F P
Regression 3 16,2947 5,4316 21,37 0,000
Residual Error 235 59,7433 0,2542
Total 238 76,0380
S = 0,307895
Analysis of Variance
Source DF SS MS F P
Regression 3 2143,33 714,44 7536,35 0,000
Residual Error 217 20,57 0,09
Total 220 2163,90
120
como estatisticamente importantes para explicar o teor final do fósforo do FeMnMC. O P-
value da análise de variância também é menor que 0,05, logo há fortes evidências estatísticas
para acreditar que a variável resposta teor final do fósforo do FeMnMC é linearmente
relacionada a pelo menos uma das variáveis regressoras.
Para a validação desse modelo 8B, deve-se fazer a análise residual e a plotagem do
gráfico de normalidade dos resíduos, que são mosrados a seguir nas figuras 7.39 e 7.40:
121
Fig. 7.40 – Gráfico de normalidade dos resíduos do Modelo 8B.
122
Ferro-gusa (toneladas) 66,554 2,728 64,8 68
Sucata (toneladas) 14,230 3,194 12,418 16,403
Aço (toneladas) 76,051 2,489 74,700 77,725
Teor de Silício do Ferro-gusa 0,538 0,184 0,41 0,65
Teor do Carbono do Aço 0,0285 0,0284 0,020 0,028
Volume de Oxigênio Soprado 695,86 197,81 577,25 804,25
Temperatura da Escória (°C) 1643,4 32,8 1622 1669
Teor de CaO da Escória 47,931 5,486 28,920 51,345
Teor de FeO da Escória 23,903 4,162 20,920 25,973
Teor de SiO2 da Escória 15,946 3,021 13,843 18,18
Teor de MnO da Escória 4,662 1,196 3,868 5,375
Teor de MgO da Escória 3,949 2,7435 1,918 5,168
Teor de P2O5 da Escória 2,317 0,522 1,950 2,643
123
ln P = - 2,68 + 0,00198
Resíduos
(SiO2)^2 + 0,00476 (MgO)2 Variância
apresentam Modelo é
5A + 0,181 P2O5 - 4523 1/T 56,0% dos resíduos
2 distribuição válido
+ 11,0 C - 0,278 (Si (Gusa)) - é constante.
normal.
54,6 C2
ln P = 0,00196 (SiO2)2 - 0,204 Resíduos
Variância
ln (Si (Gusa)) + 0,00466 apresentam Modelo é
6A 99,6% dos resíduos
(MgO)2 + 0,260 ln (C) distribuição válido
é constante.
- 7154 1/T + 0,404 ln (P2O5) normal.
ln (P/Rq(P2O5)) = - 2,43 + Resíduos
Variância
0,00197 (SiO2) 2 + 0,00487 apresentam Modelo é
7A 53,4% dos resíduos
(MgO)2 - 4793 1/T + 10,8 C - distribuição válido
é constante.
0,309 Si (Gusa) - 53,6 C2 normal.
ln (P/Rq(P2O5)) = 0,00191 Resíduos
Variância
(SiO2)2 + 0,00464 (MgO)2 apresentam Modelo é
8A 99,7% dos resíduos
- 0,172 ln (Si (Gusa)) - 7250 distribuição válido
é constante.
1/T + 0,257 ln(C) normal.
124
modelo teve 6 variáveis regressoras (teor de sílica e óxido de magnésio elevados ao
quadrado, inverso da temperatura e logaritmos naturais do carbono final do aço, teor de
silício inicial do ferro-gusa e do pentóxido de fósforo).
- como a expressão: 11,0 C - 54,6 C2 é sempre maior que zero para o intervalo de
valores do teor de carbono do banco de dados, pode-se observar que o aumento do teor final
de carbono do aço causa um aumento do teor final de fósforo do aço;
125
válido, já que seus resíduos apresentam distribuição normal, com variância constante. Suas
conclusões são as mesmas do modelo 5A.
- como a expressão: 10,8 C - 53,6 C2 é sempre maior que zero, é possível ver que
aumento do teor final de carbono do aço causa um aumento do teor final de fósforo do aço;
126
A análise estatística 2, para o banco de dados da produção do FeMnMC resultou na
exclusão de 28 amostras que foram caracterizadas como falhas do processo ou erros de
medida. Os resultados da análise estatística 2 são mostrados na tabela 8.3:
127
FeMnMC processado no conversor, passando de 0,21241% no início para 0,26282% ao fim
do processo.
128
A modelagem 1B teve o teor de fósforo do FeMnMC como variável resposta, o
modelo estimado apresentou 4 variáveis regressoras (teores iniciais de fósforo e ferro do
FeMnAC e teores de MnO e de BaO da escória), esse modelo explica aproximadamente
61,6% da variabilidade do teor final de fósforo do FeMnMC após o sopro de oxigênio em um
conversor.
129
da variabilidade da variável resposta e foi o pior modelo estimado para a empresa de ferro-
ligas.
130
No presente trabalho não foi encontrada nenhuma relação entre temperatura final da
escória e teor de fósforo do FeMnMC, mesmo utilizando-se a sugestão de CAMPOS (1985)
em utilizar-se o inverso da temperatura como variável regressora, talvez a principal razão
para a importância da temperatura do modelo seja a pequena quantidade de amostras da
temperatura disponíveis no banco de dados. A temperatura média da escória do conversor da
empresa é de 1571,6°C e pode ser considerada como elevada para o processo de
desfosforação.
9. Conclusões
131
- a diminuição do teor de P2O5 da escória diminui o teor final de fósforo da escória.
- os teores de MnO, FeO e CaO da escória não foram consideradas como sendo
importantes para caracterizar o teor final de fósforo do aço;
132
- um acréscimo do teor de MnO da escória do conversor aumenta o teor de fósforo
do FeMnMC, isso ocorre porque esse óxido dilui o CaO da escória, diminuindo a basicidade
da mesma.
CHAUDHARY, P.N.; GOEL, R.P. & ROY, G.G. Dephosphorization of high carbon
ferromanganese using BaCO3 based fluxes. Ironmaking and Steelmaking, vol. 28, nº 5, pág.
396-403, 2001.
CHIAVERINI, V. Aços e Ferros Fundidos . 6ª Edição. ABM, São Paulo, pág. 159-187,
1990.
CRUZ, E.B.; NETO, J.B.F.; YAMADA, M.; MONTEIRO, S. & SOUZA, J.O.
Desfosforação de Ferro Manganês. Seminário ABM; Seminário sobre Fusão, Refino e
Solidificação dos aço, 26, pág. 513-529, 1994.
133
GASKELL, D.R. On the Correlation between the Distribution of Phosphorous between Slag
and Metal and the Theoretical Optical Basicity of the Slag. Transactions ISIJ, vol. 22, pág.
997-1000, 1992.
KUNDRIN, V.A. Metalurgia del Acero. Moscou (Rússia): Mir Publishers, pág. 100-113,
200-214, 1984.
LEE, Y.E.; KAISER, R.H. & DOWNING, J.H. Dephosphorization of H.C. Ferromanganese
Alloy With Magnesium. Proceedings of 5th INFACON, New Orleans (Estados Unidos), pág.
16-23, 1989.
LEE, Y.E. & KOLBEINSEN, L. Kinetics of Oxygen Refining Process for Ferromanganese
Alloys. ISIJ International, vol. 45, n° 9, pág. 1282-1290, 2005.
LIU, X.; WIJK, O.; SELIN, R. & EDSTRÖN, J.O. Oxidizing Dephosphorization of Ferro-
manganese. Scandinavian Journal of Metallurgy, vol. 25, n°.5, pág. 204-21, 1996.
LIU, X.; WIJK, O.; SELIN, R. & EDSTRÖN, J.O. Phosphorous equilibrium between BaO-
BaF2-MnO fluxes and ferro-manganese melts. Steel Research, vol. 66, nº 3, pág 96-102,
1995.
LÚCIO, A.; MINES, C.R.C.; CASTRO, L.F.A.; FIGUEIRA, R.M.; SAMPAIO, R.S. &
SILVEIRA, R.C. Metalurgia dos Ferro-Ligas, vol I e II, Belo Horizonte: editora UFMG,
1980.
MA, Z.; NI, R.; ZHENG, C. & WANG, J. Dephosphorization of Mn-based Alloys. Steel
Research, vol. 63, n.° 3, pág. 112-119, 1992.
MONTGOMERY, D.C & PECK, E.A. Introduction to Linear Regression Analysis. John
Wiley & Sons, INC., New York, 1992.
134
RISS, M. & KHODOROVSKY, Y. Production of Ferroalloys. Moscow: Mir Publishers,
pág. 135-158, 1967.
ROY, G.G.; CHAUDHARY, P.N.; MINJ, R.K. & GOEL, R.P. – Dephosphorization of
Ferromanganese using BaCO3-based Fluxes by Submerged Injection of Powders: A
Preliminary Kinetic Study. Metallurgical and Materials Transactions B, vol. 32B, pág. 558-
561, 2001.
SILVEIRA, R.C. & ALMEIDA, A.M.M. Projeto e operação dos fornos elétricos de
redução. São Paulo: editora Associação Brasileira de Metais, pág 335-340, 1987.
TAKAOKA, T.; SUMI, I.; KIKUCHI, Y. & KAWAI, Y. Manganese Reaction Rate in
Combined Blowing Converter with Less Slag. ISIJ International, vol. 33, n° 1, pág. 98-103,
1993.
11. Bibliografias
CAMPOS, M.S. Desvendando o MinitabTM . Qualitymark Editora Ltda, Rio de Janeiro, 2003.
CARVALHO, J.L.R.; ASSIS, P.S. ; MINELLI, R.; CAMILO, R.D. & CAMPOS, V.F. Dados
Termodinâmicos para Metalurgistas. Editora UFMG, Belo Horizonte, 1977.
135