Modelagem Preditiva do Consumo Energético na Indústria Utilizando Random Forest

Resumo

A otimização do consumo energético é crucial na indústria siderúrgica devido aos altos custos e emissões associados Modelos de aprendizado de máquina, como o Random Forest Regressor, têm se mostrado promissores na previsão e gestão de consumo energético, aproveitando grandes volumes de dados históricos para identificar padrões e propor melhorias. A aplicação desses modelos em ambientes industriais complexos, como a siderurgia, é pouco explorada, por tanto há uma lacuna na compreensão de como essas variáveis interagem e impactam o consumo energético em tempo real, limitando a capacidade de predição precisa e a aplicação de intervenções operacionais imediatas. Este estudo visa preencher essa lacuna desenvolvendo um modelo preditivo com Random Forest, utilizando dados operacionais de uma indústria siderúrgica para prever o consumo de energia. O modelo alcançou um coeficiente de determinação (R²) de 0.92 e um erro médio quadrático (RMSE) de 9.17 kWh, demonstrando alta precisão. Esses resultados indicam que o modelo pode ser uma ferramenta valiosa para reduzir custos e emissões, contribuindo para a sustentabilidade e competitividade da indústria.