Utilização de inteligência artificial na estimativa da produtividade de Harvester no corte raso de Pinus taeda em sistema full-tree e Eucalyptus spp em sistema Cut-to-Length
Visualizar/ Abrir
Data
2022Autor
Santos, Alexandre Baumel dos, 1996-
Metadata
Mostrar registro completoResumo
Resumo : O presente estudo tem como objetivo tratar sobre a modelagem da produtividade de Harvester processador em sistema Full-tree em colheita de Pinus taeda, e Harvester derrubador-processador em sistema Cut-to-Length em colheita de Eucalyptus dunni e Eucalyptus benthamii, através da aplicação de técnicas de inteligência artificial em comparação com métodos de regressão, utilizando volume individual e comprimento das toras como preditores. Os bancos de dados pertencem a um estudo de tempos e movimentos ao nível de turno, advindos de uma empresa florestal localizada na cidade de Otacílio Costa – SC. As técnicas de inteligência artificial avaliadas foram Redes Neurais Artificiais, Máquina de Vetor de suporte e Random Forests, que foram comparadas às metodologias de Regressão Linear Múltipla e Regressão Linear por Stepwise, as quais foram avaliadas quanto o desempenho estatístico dos resultados das estimativas. Assim, foi calculada a produtividade por hora máquina produtiva dos ??????) equipamentos ??), e calculada as estatísticas descritivas desta e das variáveis independentes. Nas técnicas de regressão, foi aplicado o teste de normalidade de Kolgomorov – Smirnov, em nível de 5% de significância, que constatou a ausência de normalidade em ambas as máquinas monitoradas para a produtividade, necessitando então de transformação matemática. No aprendizado das técnicas de Machine Learning, foram testadas diferentes técnicas de separação da base de dados em treino e validação (hold-out e cross-validation), além de diferentes configurações dos sistema FT, as Redes Neurais apresentaram melhores resultados dos indicadores de qualidade e acurácia estatística na estimação da produtividade, em contrapartida no sistema CTL, a Regressão Linear por Stepwise obteve melhor desempenho no ajuste da variável de interesse do equipamento estudado, indicando um potencial do uso da Inteligência Artificial na modelagem de variáveis das Operações Florestais, bem como a validação da Regressão Linear como uma ferramenta sólida para a esta finalidade.