Use of artificial neural networks in predicting particleboard quality parameters
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | eng |
Título da fonte: | Repositório Institucional da UnB |
Texto Completo: | http://repositorio.unb.br/handle/10482/30071 http://dx.doi.org/10.1590/0100-67622016000500019 |
Resumo: | O presente trabalho tem como objetivo avaliar a empregabilidade de Redes Neurais Artificiais (RNA) na predição da qualidade de painéis aglomerados, baseando-se na análise de suas propriedades físicas e mecânicas. Desta forma, foram produzidos painéis aglomerados com partículas de Eucalyptus grandis e colados com dois tipos diferentes de resinas - ureia-formaldeído e fenol-formaldeído. Para caracterizar a qualidade dos painéis, foram avaliadas as propriedades físicas (densidade, absorção de água após 24 horas de imersão e inchamento em espessura após 24 horas de imersão) e mecânicas (resistência a flexão estática e ligação interna). Como variáveis de entradas das RNA, foram adotados o tipo de adesivo e a densidade dos painéis, visando predizer as demais variáveis avaliadas. Foram adotadas Redes do tipo Perceptrons de múltiplas camadas, sendo treinadas 100 redes para cada um dos parâmetros avaliados. Os resultados obtidos indicaram ser o uso de RNA uma ferramenta eficiente na predição da qualidade de painéis aglomerados. Todas as propriedades avaliadas com uso desta técnica no presente estudo apresentaram modelos com ajustes superiores a 0,90. |
id |
UNB_3e7ec95a71bd478e17205d1de3d895f9 |
---|---|
oai_identifier_str |
oai:repositorio2.unb.br:10482/30071 |
network_acronym_str |
UNB |
network_name_str |
Repositório Institucional da UnB |
repository_id_str |
|
spelling |
Melo, Rafael Rodolfo deMiguel, Eder Pereira2017-12-07T05:17:17Z2017-12-07T05:17:17Z2016-09MELO, Rafael Rodolfo de; MIGUEL, Eder Pereira. Use of artificial neural networks in predicting particleboard quality parameters. Revista Árvore, Viçosa, v. 40, n. 5, p. 949-958, set./out. 2016. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-67622016000500949&lng=en&nrm=iso>. Acesso em: 13 mar. 2018. doi: http://dx.doi.org/10.1590/0100-67622016000500019.http://repositorio.unb.br/handle/10482/30071http://dx.doi.org/10.1590/0100-67622016000500019O presente trabalho tem como objetivo avaliar a empregabilidade de Redes Neurais Artificiais (RNA) na predição da qualidade de painéis aglomerados, baseando-se na análise de suas propriedades físicas e mecânicas. Desta forma, foram produzidos painéis aglomerados com partículas de Eucalyptus grandis e colados com dois tipos diferentes de resinas - ureia-formaldeído e fenol-formaldeído. Para caracterizar a qualidade dos painéis, foram avaliadas as propriedades físicas (densidade, absorção de água após 24 horas de imersão e inchamento em espessura após 24 horas de imersão) e mecânicas (resistência a flexão estática e ligação interna). Como variáveis de entradas das RNA, foram adotados o tipo de adesivo e a densidade dos painéis, visando predizer as demais variáveis avaliadas. Foram adotadas Redes do tipo Perceptrons de múltiplas camadas, sendo treinadas 100 redes para cada um dos parâmetros avaliados. Os resultados obtidos indicaram ser o uso de RNA uma ferramenta eficiente na predição da qualidade de painéis aglomerados. Todas as propriedades avaliadas com uso desta técnica no presente estudo apresentaram modelos com ajustes superiores a 0,90.This study aims to assess Artificial Neural Networks (ANN) in predicting particleboard quality based on its physical and mechanical properties. Particleboards were manufactured using eucalyptus (Eucalyptus grandis) and bonded with urea-formaldehyde and phenol-formaldehyde resins. To characterize quality, physical (density and water absorption and thickness swelling after 24-hour immersion) and mechanical (static bending strength and internal bond) properties were assessed. For predictions, adhesive type and particleboard density were adopted as ANN input variables. Networks of multilayer Perceptron (MLP) were adopted, training 100 networks for each assessed parameter. The results pointed out ANN as effective in predicting quality parameters of particleboards. With this technique, all the assessed properties presented models with adjustments higher than 0.90.Sociedade de Investigações FlorestaisRevista Árvore - This is an Open Access article distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited (CC BY 4.0). Fonte: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-67622016000500949&lng=en&nrm=iso. Acesso em: 13 mar. 2018.info:eu-repo/semantics/openAccessUse of artificial neural networks in predicting particleboard quality parametersEmpregabilidade de redes neurais artificiais (RNA) na predição da qualidade de painéis aglomeradosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleInteligência artificialPainéis de partículasPropriedades físico-mecânicasengreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNBORIGINALARTIGO_UseArtificialNeural.pdfARTIGO_UseArtificialNeural.pdfapplication/pdf1531563http://repositorio2.unb.br/jspui/bitstream/10482/30071/1/ARTIGO_UseArtificialNeural.pdfa58cf648686e1d1281527d20d0d43dacMD51open access10482/300712023-05-24 20:14:45.218open accessoai:repositorio2.unb.br:10482/30071Biblioteca Digital de Teses e DissertaçõesPUBhttps://repositorio.unb.br/oai/requestopendoar:2023-05-24T23:14:45Repositório Institucional da UnB - Universidade de Brasília (UnB)false |
dc.title.pt_BR.fl_str_mv |
Use of artificial neural networks in predicting particleboard quality parameters |
dc.title.alternative.none.fl_str_mv |
Empregabilidade de redes neurais artificiais (RNA) na predição da qualidade de painéis aglomerados |
title |
Use of artificial neural networks in predicting particleboard quality parameters |
spellingShingle |
Use of artificial neural networks in predicting particleboard quality parameters Melo, Rafael Rodolfo de Inteligência artificial Painéis de partículas Propriedades físico-mecânicas |
title_short |
Use of artificial neural networks in predicting particleboard quality parameters |
title_full |
Use of artificial neural networks in predicting particleboard quality parameters |
title_fullStr |
Use of artificial neural networks in predicting particleboard quality parameters |
title_full_unstemmed |
Use of artificial neural networks in predicting particleboard quality parameters |
title_sort |
Use of artificial neural networks in predicting particleboard quality parameters |
author |
Melo, Rafael Rodolfo de |
author_facet |
Melo, Rafael Rodolfo de Miguel, Eder Pereira |
author_role |
author |
author2 |
Miguel, Eder Pereira |
author2_role |
author |
dc.contributor.author.fl_str_mv |
Melo, Rafael Rodolfo de Miguel, Eder Pereira |
dc.subject.keyword.pt_BR.fl_str_mv |
Inteligência artificial Painéis de partículas Propriedades físico-mecânicas |
topic |
Inteligência artificial Painéis de partículas Propriedades físico-mecânicas |
description |
O presente trabalho tem como objetivo avaliar a empregabilidade de Redes Neurais Artificiais (RNA) na predição da qualidade de painéis aglomerados, baseando-se na análise de suas propriedades físicas e mecânicas. Desta forma, foram produzidos painéis aglomerados com partículas de Eucalyptus grandis e colados com dois tipos diferentes de resinas - ureia-formaldeído e fenol-formaldeído. Para caracterizar a qualidade dos painéis, foram avaliadas as propriedades físicas (densidade, absorção de água após 24 horas de imersão e inchamento em espessura após 24 horas de imersão) e mecânicas (resistência a flexão estática e ligação interna). Como variáveis de entradas das RNA, foram adotados o tipo de adesivo e a densidade dos painéis, visando predizer as demais variáveis avaliadas. Foram adotadas Redes do tipo Perceptrons de múltiplas camadas, sendo treinadas 100 redes para cada um dos parâmetros avaliados. Os resultados obtidos indicaram ser o uso de RNA uma ferramenta eficiente na predição da qualidade de painéis aglomerados. Todas as propriedades avaliadas com uso desta técnica no presente estudo apresentaram modelos com ajustes superiores a 0,90. |
publishDate |
2016 |
dc.date.issued.fl_str_mv |
2016-09 |
dc.date.accessioned.fl_str_mv |
2017-12-07T05:17:17Z |
dc.date.available.fl_str_mv |
2017-12-07T05:17:17Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
MELO, Rafael Rodolfo de; MIGUEL, Eder Pereira. Use of artificial neural networks in predicting particleboard quality parameters. Revista Árvore, Viçosa, v. 40, n. 5, p. 949-958, set./out. 2016. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-67622016000500949&lng=en&nrm=iso>. Acesso em: 13 mar. 2018. doi: http://dx.doi.org/10.1590/0100-67622016000500019. |
dc.identifier.uri.fl_str_mv |
http://repositorio.unb.br/handle/10482/30071 |
dc.identifier.doi.pt_BR.fl_str_mv |
http://dx.doi.org/10.1590/0100-67622016000500019 |
identifier_str_mv |
MELO, Rafael Rodolfo de; MIGUEL, Eder Pereira. Use of artificial neural networks in predicting particleboard quality parameters. Revista Árvore, Viçosa, v. 40, n. 5, p. 949-958, set./out. 2016. Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-67622016000500949&lng=en&nrm=iso>. Acesso em: 13 mar. 2018. doi: http://dx.doi.org/10.1590/0100-67622016000500019. |
url |
http://repositorio.unb.br/handle/10482/30071 http://dx.doi.org/10.1590/0100-67622016000500019 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Sociedade de Investigações Florestais |
publisher.none.fl_str_mv |
Sociedade de Investigações Florestais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UnB instname:Universidade de Brasília (UnB) instacron:UNB |
instname_str |
Universidade de Brasília (UnB) |
instacron_str |
UNB |
institution |
UNB |
reponame_str |
Repositório Institucional da UnB |
collection |
Repositório Institucional da UnB |
bitstream.url.fl_str_mv |
http://repositorio2.unb.br/jspui/bitstream/10482/30071/1/ARTIGO_UseArtificialNeural.pdf |
bitstream.checksum.fl_str_mv |
a58cf648686e1d1281527d20d0d43dac |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UnB - Universidade de Brasília (UnB) |
repository.mail.fl_str_mv |
|
_version_ |
1801864223704219648 |