Estudo de caso sobre tendência da produção siderúrgica brasileira a partir de um modelo preditivo baseado em Random Forest Regressor

Abstract

Este trabalho propõe um modelo preditivo baseado em técnicas de inteligência artificial aplicado a indústria siderúrgica brasileira, capaz de estimar a produção de aço em seus segmentos mais vitais: os Aços Planos, os Longos e os Semi-Acabados. Para isso, primeiramente foram coletados dados do período de 2020 a 2024, disponibilizados em bases do Instituto Aço Brasil (IABr), o IBGE, a ANFAVEA, World Steel, Banco Central e FMI. A partir do tratamento destes dados, uma metodologia de Aprendizado de máquina utilizando o algoritmo Random Forest, para aprender as nuances e as relações sutis entre onze diferentes indicadores e a produção de cada segmento: Aço semiacabado, Aço longo e Aço plano. Os resultados quantitativos, com Coeficientes de Determinação (R²) que alcançaram 91,50% para Aços Longos, 88,20% para Aços Planos e 75% para Aços Semiacabados. Além, dos resultados por meio da métrica MAE com valores de erro absoluto abaixo do limite de 100 mil toneladas. A pesquisa comprova que a Inteligência Artificial, quando bem aplicada, é um caminho poderoso para transformar a gestão reativa em uma gestão proativa e informada, pronta para os desafios do setor siderúrgico.