JKR Engenharia

A indústria de mineração é, sem dúvida, um dos pilares da economia brasileira e um motor de desenvolvimento para o Norte do país, especialmente para o estado do Pará. Com um território de dimensões continentais e uma notável diversidade geológica, o Brasil se destaca globalmente em reservas e produção mineral. Em 2023, por exemplo, a produção do setor atingiu a impressionante marca de R$ 243 bilhões de produção beneficiada, contribuindo com cerca de 5% do PIB industrial nacional. No comércio exterior, a indústria extrativa mineral gerou mais de US$ 34 bilhões em exportações, com o minério de ferro respondendo por uma parcela significativa de US$ 25,8 bilhões. Isso representa 47% da balança comercial brasileira. O Pará, com sua vasta riqueza mineral que inclui alumínio, cobre, ouro, caulim, níquel, estanho e, de forma proeminente, o ferro, solidifica sua posição como o segundo maior arrecadador de CFEM (Compensação Financeira pela Exploração de Recursos Minerais) no país, atrás apenas de Minas Gerais. No Pará a indústria de mineração emprega mais de 55 mil pessoas de forma direta. Diante dessa importância estratégica, a JKR Engenharia orgulha-se de estar na vanguarda da inovação tecnológica, aplicando soluções de ponta para otimizar os processos críticos desse setor vital.

Um dos grandes desafios na simulação computacional, como o Método dos Elementos Discretos (DEM), reside no elevado custo computacional e no tempo demandado, especialmente ao lidar com a complexidade e o volume de materiais granulares. No entanto, a Inteligência Artificial (IA), o Machine Learning (ML) e, em particular, as Redes Neurais Artificiais (RNA), estão revolucionando essa realidade. Uma aplicação notável dessa sinergia é demonstrada na dissertação de mestrado “Uso do Planejamento de Experimentos (DOE) e Redes Neurais Artificiais (RNA) em Aplicações Usando o Método dos Elementos Discretos (DEM)”, defendida por Mauro Sérgio Vieira Matos em 2016. Este trabalho pioneiro utilizou a combinação estratégica de DEM, Planejamento de Experimentos (DOE) e RNA para acelerar significativamente o processo de calibração de materiais. Ao invés de depender de dezenas ou centenas de simulações DEM diretas para cada parâmetro, a metodologia proposta por Matos permitiu que apenas 16 simulações DEM fossem suficientes para treinar uma Rede Neural Artificial. Essa RNA, uma vez treinada, foi capaz de gerar de forma eficiente mais de 3.000 simulações adicionais para a análise de superfície de resposta, resultando em um modelo de calibração do ângulo de repouso para o “sinter feed” com um ajuste excepcional (R² = 94,44%). Essa abordagem não apenas reduziu drasticamente o tempo e o custo computacional, mas também aprimorou a precisão do modelo em comparação com métodos tradicionais que exigiam um número muito maior de simulações DEM. A capacidade de modelar processos complexos, como a calibração de partículas virtuais de forma rápida e precisa, é um diferencial estratégico para o desenvolvimento de soluções personalizadas na indústria. Atualmente, esse trabalho é a base para acelerar o processo de calibração de modelos DEM, o que permite um grande avanço no uso e acessibilidade do método aos usuários.

A eficácia e a promessa da Inteligência Artificial em acelerar e aprimorar a simulação computacional são corroboradas por outras pesquisas de ponta no campo. Em “Identification of DEM Simulation Parameters by Artificial Neural Networks and Bulk Experiments” (Benvenuti et al., 2016), os autores exploram como as Redes Neurais Artificiais podem ligar resultados experimentais macroscópicos (como o ângulo de repouso e testes de cisalhamento) a parâmetros numéricos microscópicos de simulações DEM. A pesquisa demonstrou que, após serem treinadas com um número limitado de simulações DEM, as ANNs podem prever o comportamento de grandes conjuntos de parâmetros de forma muito mais eficiente do que as simulações DEM diretas. Essa capacidade é crucial para explorar vastos espaços de parâmetros e para identificar rapidamente as combinações que reproduzem o comportamento do material real, inclusive indicando quando um modelo de contato escolhido pode não ser o mais adequado. Complementarmente, o estudo “An Integrated Mechanistic-Neural Network Modelling For Granular Systems” (Antony et al., 2006) introduziu um modelo híbrido que integra a compreensão mecânica dos sistemas granulares com a capacidade preditiva das redes neurais. Este modelo, treinado inicialmente com dados de simulações DEM 3D, aprende as características micro-mecânicas, como forças de contato e evolução do tensor de tensão. O resultado é um sistema de “sensores suaves” que, uma vez treinados, conseguem prever o comportamento macroscópico de sistemas granulares em velocidade de “tempo real”, alcançando uma aceleração de 5 a 10 vezes em comparação com as simulações DEM puras. Esses avanços não apenas tornam as simulações mais rápidas, mas também permitem investigar fenômenos complexos que antes eram inviáveis devido à sua demanda computacional, expandindo as fronteiras do que pode ser modelado e otimizado.

Na JKR Engenharia, somos pioneiros na aplicação dessas metodologias avançadas para enfrentar os desafios mais complexos da indústria. Nossa missão é oferecer inovação tecnológica ao mercado industrial brasileiro e sul-americano, utilizando simulação computacional avançada, análise de vibrações mecânicas, Inteligência Artificial (IA) e otimização de processos. A integração de Machine Learning e Redes Neurais Artificiais em nossas soluções de simulação computacional (DEM, FEA, CFD e análise preditiva) nos permite ir além, oferecendo:

• Soluções Customizadas e Otimizadas: Desenvolvemos modelos precisos que capturam a essência de problemas complexos, proporcionando respostas personalizadas e eficientes.
• Consultoria Técnica Estratégica: Ajudamos nossos clientes a aumentar a eficiência operacional e reduzir custos, baseando nossas recomendações em modelagem simulatória e análise preditiva.
• Melhorias em Processos e Equipamentos Críticos: Através do diagnóstico baseado em simulações avançadas, identificamos e implementamos melhorias significativas no desempenho de produção, integridade estrutural, escoamento granular e mitigação de perdas por ineficiência de automação.
• Capacitação de Equipe Técnica: Nossos programas de treinamento capacitam as equipes dos clientes no uso de softwares de simulação e na integração com análise de dados, fomentando a cultura de engenharia de precisão.

Ao não nos limitarmos a fabricantes de software e ao focar em engenharia de precisão, a JKR Engenharia está habilitada a entregar ao mercado uma capacidade sem precedentes de prever, otimizar e inovar. Essa abordagem permite simular cenários complexos com uma agilidade e um nível de detalhe que eram inimagináveis no passado, garantindo que nossos clientes permaneçam competitivos e na vanguarda da excelência operacional. Entre em contato para falarmos das suas necessidades e como poderemos lhe ajudar, trazendo nosso know-how para a sua indústria.