ESTIMATIVA DA PRODUTIVIDADE DE HARVESTER POR MEIO DE REDES NEURAIS ARTIFICIAIS

Resumo: O setor florestal, relevante segmento na economia brasileira e no Estado do Espírito Santo, destacando-se o gênero Eucalyptus. A colheita florestal é a operação final e a mais importante da cadeia de produçãoenglobando desde a derrubada até a extração das árvores. O sistema de colheita é classificado em Full-tree (árvores inteiras) ou cut-to-length (toras curtas, o mais utilizado no Brasil), realizada por meio da utilização do harvester, que é um dos tratores florestais mais modernos, cuja produtividade é influenciada por diversas variáveis. Para a modelagem envolvendo inúmeras variáveis, têm sido utilizadas as Redes Neurais Artificiais (RNAs), que constituem uma meta-heurística baseada na estrutura e no funcionamento do cérebro, que treina um conhecimento e resolve situações específicas. O presente projeto pesquisa tem como objetivo estimar a produtividade de harvester relacionando diferentes variáveis em RNAs. Serão utilizados dados do processo de colheita florestal coletados de setembro de 2020 de agosto de 2021, obtidos em operações da Suzano na região norte do Espírito Santo. O software Neuroforest versão 4.0.6 será utilizado para treinamento de 5 RNAs com algoritmo backpropagation e função de ativação sigmoidal, grupos de calibração de treinamento (80,0 %) e validação (20,0 %) com método randômico de amostragem e critério de parada foi erro médio (0,001). Espera-se obter com maior eficiência as estimativas de da produtividade de harvester relacionando diferentes variáveis por meio das redes neurais artificiais

Data de início: 01/07/2020
Prazo (meses): 24

Participantes:

Papel	Nome
Aluno Mestrado	DIOGO DE SOUZA ALVES
Aluno Mestrado	LEONARDO CASSANI LACERDA
Coordenador	EDNEY LEANDRO DA VITÓRIA
Pesquisador	NILTON CESAR FIEDLER