Lógica fuzzy para a automação da classificação de amostras de leite
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/36413 |
Resumo: | A demanda de consumo de produtos lácteos tem crescido entre a população brasileira, o que torna o monitoramento da qualidade do leite feito pelos laticínios importante tanto para a indústria como para o consumidor e o produtor. Porém este monitoramento não é tarefa fácil devido ao grande número de produtores que fornecem leite para latícinios. Logo, objetivou-se avaliar a utilização da lógica fuzzy na tomada de decisão para a classificação do leite. Na etapa de fuzzyficação foram consideradas como variáveis linguísticas de entrada as características físico químicas do leite. Foram considerados os teores de Gordura, Proteína, Lactose, Sólidos não gordurosos (ESD), Sólidos totais (EST), Acidez titulável, Densidade relativa a 15°C, Índice crioscópico e Teste de Alizarol, e criou-se uma variável linguística para a saída. Os sistemas fuzzy foram desenvolvidos utilizando o software R, sendo utilizada a metodologia de Mandani Min na etapa de fuzzificação e o método do centroide na Defuzzificação, para qual foram adotadas as classificações de (Adulterado, Inadequado e Adequado) para cada amostra de leite. Computacionalmente, foram feitas simulações de amostras de leite com padrões adulterado, inadequado e adequado conforme a legislação em vigor. Todas estas amostras simuladas de leite foram classificadas corretamente pela lógica fuzzy, totalizando 100% de acerto. Logo, a lógica fuzzy é uma ferramenta eficiente para a classificação do leite, podendo ser usada vantajosamente por profissionais da área a fim de reduzir mão de obra, recursos humanos e financeiros. Além disso, destaca-se que a relação entre a pertinência ao grupo “adequado” e a qualidade do leite permite confirmar a eficiência do sistema fuzzy, o que viabiliza e beneficia o setor leiteiro. |
id |
UFMG_b5d9e017b8cdb20055b94cda933c1c90 |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/36413 |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Alcinei Mistico Azevedohttp://lattes.cnpq.br/9415018624563178http://lattes.cnpq.br/5595241796738571Jousiane Alves Martins2021-06-09T15:01:39Z2021-06-09T15:01:39Z2020-02-27http://hdl.handle.net/1843/36413A demanda de consumo de produtos lácteos tem crescido entre a população brasileira, o que torna o monitoramento da qualidade do leite feito pelos laticínios importante tanto para a indústria como para o consumidor e o produtor. Porém este monitoramento não é tarefa fácil devido ao grande número de produtores que fornecem leite para latícinios. Logo, objetivou-se avaliar a utilização da lógica fuzzy na tomada de decisão para a classificação do leite. Na etapa de fuzzyficação foram consideradas como variáveis linguísticas de entrada as características físico químicas do leite. Foram considerados os teores de Gordura, Proteína, Lactose, Sólidos não gordurosos (ESD), Sólidos totais (EST), Acidez titulável, Densidade relativa a 15°C, Índice crioscópico e Teste de Alizarol, e criou-se uma variável linguística para a saída. Os sistemas fuzzy foram desenvolvidos utilizando o software R, sendo utilizada a metodologia de Mandani Min na etapa de fuzzificação e o método do centroide na Defuzzificação, para qual foram adotadas as classificações de (Adulterado, Inadequado e Adequado) para cada amostra de leite. Computacionalmente, foram feitas simulações de amostras de leite com padrões adulterado, inadequado e adequado conforme a legislação em vigor. Todas estas amostras simuladas de leite foram classificadas corretamente pela lógica fuzzy, totalizando 100% de acerto. Logo, a lógica fuzzy é uma ferramenta eficiente para a classificação do leite, podendo ser usada vantajosamente por profissionais da área a fim de reduzir mão de obra, recursos humanos e financeiros. Além disso, destaca-se que a relação entre a pertinência ao grupo “adequado” e a qualidade do leite permite confirmar a eficiência do sistema fuzzy, o que viabiliza e beneficia o setor leiteiro.The demand for consumption of milk products has grown among the Brazilian population, which makes the monitoring of the quality of milk dairy products made by important both for industry and for the consumer and the producer. This study aimed to verify the efficiency of automation of the classification as regards the quality of the milk by means of Fuzzy logic. In the stage of fuzzyfication were considered as linguistic variables of the physicochemical characteristics of milk. We evaluated the levels of fat, protein, lactose, solids not fat (ESD), total solids (EST), titratable acidity, relative density at 15°C, crioscópico Index and alizarol Test, and created a linguistic variable for the output. The fuzzy systems have been developed using the R software, being used the methodology of Mandani Min in step of fuzzyfication and the centroid method in defuzzification, for which they were adopted the classifications (adulterated, inadequate and adequate) for each of the milk sample. In the simulation process used for the milk samples inappropriate verifies that the analyzes of fat, protein, lactose, solids not fat, total solids, density and acidity were within the pattern established by current legislation. While all samples (n = 25/100%) presented alteration on Alizarol test. All 25 samples for the analysis of adulterated milk were classified as adulterated by the fuzzy logic. This demonstrates that this methodology allowed the automation of this classification with efficiency. As the system modeled the appropriate milk samples from all showed appropriate values of protein, lactose, fat, solids not fat, total solids and density. All these samples were classified as adequate by the fuzzy logic. fuzzy logic is a powerful tool for the classification of the milk, and can be used advantageously by professionals of the area in order to reduce labor, human and financial resources. Furthermore, it should be emphasized that the relationship between the relevance and quality of the milk allows you to confirm the efficiency of the fuzzy system, which enables and enjoys the dairy sector.porUniversidade Federal de Minas GeraisPrograma de Pós-Graduação em Produção AnimalUFMGBrasilLeiteAutomaçãoLógica difusaLógica fuzzy para a automação da classificação de amostras de leiteinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALLógica Fuzzy para a automação da classificação de amostras de leite.pdfLógica Fuzzy para a automação da classificação de amostras de leite.pdfapplication/pdf1482206https://repositorio.ufmg.br/bitstream/1843/36413/1/L%c3%b3gica%20Fuzzy%20para%20a%20automa%c3%a7%c3%a3o%20da%20classifica%c3%a7%c3%a3o%20de%20amostras%20de%20leite.pdf5853b5131b12b2abe75e962ea04806f4MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82119https://repositorio.ufmg.br/bitstream/1843/36413/2/license.txt34badce4be7e31e3adb4575ae96af679MD521843/364132021-06-09 12:01:39.903oai:repositorio.ufmg.br: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Repositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2021-06-09T15:01:39Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Lógica fuzzy para a automação da classificação de amostras de leite |
title |
Lógica fuzzy para a automação da classificação de amostras de leite |
spellingShingle |
Lógica fuzzy para a automação da classificação de amostras de leite Jousiane Alves Martins Leite Automação Lógica difusa |
title_short |
Lógica fuzzy para a automação da classificação de amostras de leite |
title_full |
Lógica fuzzy para a automação da classificação de amostras de leite |
title_fullStr |
Lógica fuzzy para a automação da classificação de amostras de leite |
title_full_unstemmed |
Lógica fuzzy para a automação da classificação de amostras de leite |
title_sort |
Lógica fuzzy para a automação da classificação de amostras de leite |
author |
Jousiane Alves Martins |
author_facet |
Jousiane Alves Martins |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Alcinei Mistico Azevedo |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/9415018624563178 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/5595241796738571 |
dc.contributor.author.fl_str_mv |
Jousiane Alves Martins |
contributor_str_mv |
Alcinei Mistico Azevedo |
dc.subject.por.fl_str_mv |
Leite Automação Lógica difusa |
topic |
Leite Automação Lógica difusa |
description |
A demanda de consumo de produtos lácteos tem crescido entre a população brasileira, o que torna o monitoramento da qualidade do leite feito pelos laticínios importante tanto para a indústria como para o consumidor e o produtor. Porém este monitoramento não é tarefa fácil devido ao grande número de produtores que fornecem leite para latícinios. Logo, objetivou-se avaliar a utilização da lógica fuzzy na tomada de decisão para a classificação do leite. Na etapa de fuzzyficação foram consideradas como variáveis linguísticas de entrada as características físico químicas do leite. Foram considerados os teores de Gordura, Proteína, Lactose, Sólidos não gordurosos (ESD), Sólidos totais (EST), Acidez titulável, Densidade relativa a 15°C, Índice crioscópico e Teste de Alizarol, e criou-se uma variável linguística para a saída. Os sistemas fuzzy foram desenvolvidos utilizando o software R, sendo utilizada a metodologia de Mandani Min na etapa de fuzzificação e o método do centroide na Defuzzificação, para qual foram adotadas as classificações de (Adulterado, Inadequado e Adequado) para cada amostra de leite. Computacionalmente, foram feitas simulações de amostras de leite com padrões adulterado, inadequado e adequado conforme a legislação em vigor. Todas estas amostras simuladas de leite foram classificadas corretamente pela lógica fuzzy, totalizando 100% de acerto. Logo, a lógica fuzzy é uma ferramenta eficiente para a classificação do leite, podendo ser usada vantajosamente por profissionais da área a fim de reduzir mão de obra, recursos humanos e financeiros. Além disso, destaca-se que a relação entre a pertinência ao grupo “adequado” e a qualidade do leite permite confirmar a eficiência do sistema fuzzy, o que viabiliza e beneficia o setor leiteiro. |
publishDate |
2020 |
dc.date.issued.fl_str_mv |
2020-02-27 |
dc.date.accessioned.fl_str_mv |
2021-06-09T15:01:39Z |
dc.date.available.fl_str_mv |
2021-06-09T15:01:39Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/36413 |
url |
http://hdl.handle.net/1843/36413 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Produção Animal |
dc.publisher.initials.fl_str_mv |
UFMG |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/36413/1/L%c3%b3gica%20Fuzzy%20para%20a%20automa%c3%a7%c3%a3o%20da%20classifica%c3%a7%c3%a3o%20de%20amostras%20de%20leite.pdf https://repositorio.ufmg.br/bitstream/1843/36413/2/license.txt |
bitstream.checksum.fl_str_mv |
5853b5131b12b2abe75e962ea04806f4 34badce4be7e31e3adb4575ae96af679 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589506629107712 |