Use of artificial neural networks in predicting particleboard quality parameters

Detalhes bibliográficos
Autor(a) principal: Melo, Rafael Rodolfo de
Data de Publicação: 2016
Outros Autores: Miguel, Eder Pereira
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

Registros relacionados