RESUMO O Método de Elementos Discretos (Discrete Element Method - DEM) vem sendo uma ferramenta amplamente usada para simulação de fluxo de material granulado, que abrange diversas aplicações industriais. Para que os resultados da modelagem DEM sejam representativos, é necessário que os valores dos parâmetros de entrada (parâmetros da lei de contato ou microscópicos) do material sejam identificados. Neste procedimento, uma grande dificuldade é o alto custo computacional quando há muitas partículas pequenas e de formas irregulares. Assim, em simulações DEM, é prática comum usar partículas esféricas e em maior escala com a inclusão do parâmetro atrito de rolamento para aumentar a resistência ao cisalhamento. Para usual identificação de parâmetros DEM usando partículas esféricas aumentadas, realizam-se experimentos de laboratório e mede-se uma ou mais propriedades macroscópicas do material particulado. Então, ajustam-se os parâmetros microscópicos até que a predição da propriedade macroscópica do material seja alcançada (geralmente o ângulo de repouso). Em geral, este processo de identificação de parâmetros pode levar muito tempo, pois muitas simulações numéricas serão necessárias devido à multidimensionalidade de parâmetros. A fim de reduzir o número de simulações DEM para se determinar um adequado conjunto de parâmetros de entrada, este trabalho apresenta um método utilizando Planejamento de Experimentos para o planejamento de simulações DEM usando apenas 1/16 de um Fatorial Completo. Esse conjunto de simulações DEM possibilita a geração de uma Rede Neural Artificial que reproduz as simulações DEM, fazendo com que as demais simulações do fatorial completo seja realizada pela rede neural, reduzindo bastante o tempo das demais simulações para atingir o fatorial completo. Desta forma, com o modelo de regressão pela rede neural determina-se um adequado conjunto de parâmetros de entrada do modelo DEM que fornece o comportamento macroscópico almejado do material particulado. O método proposto foi aplicado em um estudo de caso da literatura. Como resultado, o número de simulações DEM foi reduzido em 66,7% para identificar um conjunto de parâmetros de entrada para predição do ângulo de repouso de um minério de ferro coesivo.
ABSTRACT Discrete Element Method (DEM) has been a tool used to simulate the flow of granular material, covering a wide range of industries. For DEM modeling results to be representative, it is necessary to identify the values of the contact law parameters of the material. In this procedure, a major difficulty is the computational cost when handling small particles of irregular shapes. Thus, in DEM simulations, it is common practice to use upscaled spheres particles with the inclusion of contact rolling friction parameter to increase the shear strength. For typical calibration of DEM parameters using upscaled particles, laboratory experiments are performed, and one or more material’s bulk properties (macroscopic properties) are measured. Then, the contact law parameters are adjusted until the prediction behavior of the bulk be met (generally the angle of repose). In general, this parameter identification process can take a long time, as many numerical simulations will be required due to the multi-dimensionality of the parameter space. In order to reduce the number of DEM simulations to determine an adequate set of input parameters, this work presents a method using Design of Experiments (DOE) for the DEM simulations using only 1/16 of a Full Factorial. This set of DEM simulations allows the creation of an Artificial Neural Network (ANN) that simulates the DEM simulations, making the remained simulations of the full factorial to be performed by the neural network created. Thus, with the neural network regression model, an appropriate set of input parameters for the DEM model is determined, which provides the desired macroscopic behavior of the particulate material. The proposed method was applied in a case study from literature. As a result, the number of DEM simulations was reduced by 66.7% to identify a set of contact parameters for predicting the angle of repose of a cohesive iron ore.