[pt] A produção de coque metalúrgico em plantas do tipo heat recovery convertem todo o calor gerado da combustão de gases destilados durante a coqueificação em vapor e eletricidade, portanto eliminando a necessidade de processamento de sub-produtos químicos e rejeitos perigosos. Os gases, após a etapa de inertização no interior dos fornos, são direcionados à planta de dessulfuração denominada flue gas dessulfurization que utiliza lama de cal para abatimento de compostos SOx (SO2 e SO3) e filtros de mangas para remoção do resíduo gerado, cinzas de cal, precedente ao descarte para a atmosfera. Em virtude do alto custo da cal torna-se importante modelar o processo e avaliar quais são as principais variáveis que impactam no re-sultado, logo permitindo atuação no processo para torna-lo mais competitivo e am-bientalmente sustentável. A proposta deste trabalho foi elaborar um modelo matemático usando redes neurais artificiais para determinar as principais variáveis que impactam o consumo específico de cal no processo. A literatura existente revela que os principais parâmetros que impactam a eficiência de remoção de enxofre, logo a redução de consumo específico de cal, são temperatura de aproximação e relação Ca/S no processo. Este estudo indicou que o consumo está relacionado, principal-mente, aos parâmetros de temperatura dos gases na entrada e saída do SDA, além de concentração de oxigênio na chaminé principal e densidade da lama de cal utilizada de acordo com a análise de sensibilidade de rede neural feedfoward backpropagation com arquitetura MLP 14-19-2 e função de transferência tangente hiperbólica na ca-mada intermediária e logística na camada de saída. A avaliação reforçou o efeito do aumento da temperatura de saída dos gases no consumo específico de cal conforme literatura e adicionou parâmetros relevantes: temperatura de entrada dos gases, con-centração de O2(g) na chaminé e densidade da lama. / [en] The production of metallurgical coke in heat recovery coke production plants converts all heat generated from the combustion of distilled gases during coking pro-duction to steam and electricity, thus eliminating the need of processing hazardous by-products chemical substances. The gases, after inertization inside the ovens, are directed to the desulphurization plant called flue gas desulphurization (FGD) which uses lime slurry to remove SOx compounds (SO2 and SO3) and bag filters to remove the generated residue, lime ash. Due to the high cost of lime, it is important to model the process and evaluate which are the main variables that affects its result, thus allowing action in the process to make it more competitive and environmentally sus-tainable. The purpose of this work was to develop a mathematical model using arti-ficial neural networks to determine the main variables that affect lime consumption in the desulphurization process. Literature reveals that the main parameters that in-fluence sulfur removal efficiency, thus reducing specific lime consumption, are ap-proach to adiabatic saturation temperature and Ca/S ratio in the process. This study indicated that consumption is mainly related to the inlet and outlet SDA gas temper-atures, oxygen concentration in stack and lime slurry density according to the feed-foward backpropagation neural network sensitivity analysis. MLP 14-19-2 and hy-perbolic tangent transfer function in the intermediate layer and logistics in the output layer. Thus, the evaluation reinforced the effect of the increase of the gas outlet tem-perature on the specific lime consumption according to the literature, but also added new parameters: gas inlet temperature, O2 (g) concentration in the outlet of stack and lime slurry density.

[pt] É bem conhecido o alto peso que o coque representa no custo final do ferro-gusa, além do que, as suas propriedades estão intimamente ligadas à performance dos altos-fornos. Portanto, buscar uma qualidade do coque compatível com as necessidades do alto-forno e com o menor custo possível, se transforma em uma tarefa difícil senão se dispuser de ferramentas que permitam uma correta seleção de carvões e testes prévios em fornos pilotos. Dentre as propriedades utilizadas pelos altofornistas para qualificar o coque, se destacam a CSR - resistência mecânica após reação com CO2, e a CRI - índice de reatividade, por serem, respectivamente, uma medida direta da reação de Boudouard - solution loss, e da associação desta com a resistência do coque. Com isso se torna possível prever o consumo desta matéria prima nos altos fornos e, devido a sua grande influência nos custos da operação, mensurar seu impacto na economicidade do processo. A unidade de coqueificação do processo heat recovery da ThyssenKrupp Companhia Siderúrgica do Atlântico - TKCSA, possuindo uma concepção diferente do tradicional by product coking process, utiliza um forno piloto próprio, especificamente projetado pela empresa, com o qual se procura simular as condições operacionais das unidades de coqueificação. Entretanto, essa unidade de coqueificação ainda carecia de um estudo experimental especifico capaz de permitir uma análise comparativa confiável entre o coque produzido e o das baterias industriais. O objetivo principal desta dissertação foi desenvolver um modelo de previsão da CSR -resistência mecânica do coque após reação com CO2, e do CRI através da coqueificação de misturas de carvões, obtidas por diferentes metodologias, em no forno escala piloto e sua comparação estatística com os dados obtidos em escala industrial na ThyssenKrupp Companhia Siderúrgica do Atlântico - TKCSA. O modelo de previsão para o CSR quando obtido através de escala piloto se mostrou bastante aderente aos dados obtidos em escala industrial. Portanto, os procedimentos utilizados e este modelo desenvolvido mostraram-se adequados, e podendo assim ser usados como ferramenta para auxiliar na seleção e compra de carvões. / [en] It is well known that coke has a major importance on the final cost of the Hot Metal and besides this fact its properties are closely connected with the performance of blast furnaces. Therefore, seeking a type of coke compatible with the blast furnace technical requirements and at the lowest possible price may become a hard challenge if neither a prediction tool is available to accomplish a correct selection of coals nor previous test were made on coke test facility. Among the properties used by the Blast Furnace specialists to qualify the coke, it can be highlighted CRI - Coke Reaction Index and CSR - Coke Strength after Reaction with CO2, because they represent a direct measure of the Boudouard reaction – solution loss, and its association with the coke strength, respectively. Based on them it is possible to predict the consumption of this raw material in the Blast Furnaces and, due to its high influence on the operational costs, measure its impact on the overall process economy. The Coke Plant unit at thyssenkrupp Companhia Siderurgica do Atlantico - TKCSA follows the coking process known as heat recovery and its concepts differ from the traditional one, by product. This unit uses its own coke test facility, specifically designed by the company s experts to simulate the operational conditions at the coke plant industrial furnaces. However, the coke test facility still required further specific experimental study capable of making a reliable comparison analysis between the cokes produced in it with the one from the industrial coke batteries. The main goal of this dissertation is to develop model to predict the CRI - Coke Reaction Index and CSR - Coke Strength after Reaction with CO2, through the coking process of coal blends, generated by different methodologies, charged on the coke test facility statistically compared with the ones from the industrial Coke plant at thyssenkrupp Companhia Siderúrgica do Atlântico - TKCSA. The prediction of CSR represented when generated through the coke test facility showed good adherence with the values obtained with the industrial scale. Therefore, the current procedures used on the developed model has proved to be adequate and may be used as a predicting tool to help the purchase of coals.