Título: MODELAGEM DA PRODUTIVIDADE PELA GARRA TRAÇADORA NO PROCESSAMENTO DE MADEIRA

Título alternativo: Modeling of productivity by grapple saw in wood processing

Autoria de: Thomaz Aurelio Bastos

Orientação de: Lucas Rezende Gomide

Coorientação de: Isáira Leite e Lopes

Presidente da banca: Lucas Rezende Gomide

Primeiro membro da banca: Isáira Leite e Lopes

Segundo membro da banca: Gustavo Pereira Castro

Palavras-chaves: Garra traçadora, Planejamento florestal, Aprendizado de máquina, Colheita florestal, Produtividade

Data da defesa: 13/06/2019

Semestre letivo da defesa: 2019-1

Data da versão final: 19/06/2019

Data da publicação: 19/06/2019

Referência: Bastos, T. A. MODELAGEM DA PRODUTIVIDADE PELA GARRA TRAÇADORA NO PROCESSAMENTO DE MADEIRA. 2019. 23 p. Trabalho de Conclusão de Curso (Graduação em Engenharia Florestal Bacharelado)-Universidade Federal de Lavras, Lavras, 2019.

Resumo: A colheita florestal é uma das atividades que mais influenciam no custo total das operações florestais. Essa atividade demanda análise criteriosa das variáveis que influenciam a produtividade do corte florestal, visando sua otimização. O presente trabalho teve como objetivo avaliar a influência de variáveis na estimativa da produtividade do corte florestal com uso da garra traçadora, bem como a comparação entre o random forest e sua combinação com o algoritmo genético. Foram avaliadas variáveis referentes ao Inventário florestal (espécie, idade do talhão, volume médio individual das árvores), clima (temperatura máxima, temperatura mínima e precipitação), solo (tipo de solo e textura de solo) e registros de produção do operador (turno, horas efetivas de trabalho e experiência do operador). Para isto, os dados foram divididos aleatoriamente para treinamento (80) e validação (20). Os métodos utilizados foram o Random Forest (RF) e a sua combinação com o algoritmo genético (AGRF), para a avaliação das variáveis preditoras na estimativa da produtividade na colheita florestal. Assim, diante da complexidade de modelagem da produtividade de corte florestal, observou-se que a seleção das variáveis resultante do AGRF alcançou resultados estatísticos satisfatórios para a validação com melhoria de 1,77 no RMSE em comparação com o modelo RF, com apenas 4 variáveis selecionadas experiência do operador, volume médio individual das árvores, espécie e turno. Portanto, essas variáveis podem dar suporte aos gestores florestais na adoção de melhorias para o controle da produtividade, evidenciando um amplo campo para oportunidades de otimização.

Abstract: The forest harvesting is one of the activities that most influences the total cost of the wood delivery at the paper and pulp mill. This activity requires a detailed analysis in the variables that influence the forest cutting productivity, aiming at its optimization. The objective of this study was to evaluate the influence of variables on the productivity estimation using a grapple saw cutting trees on roadside. Variables related to forest inventory (species, field age, individual average volume of trees), climate (maximum temperature, minimum temperature and precipitation), soil (soil type and soil texture) and operator production records (shift, effective working hours and operator experience) were evaluated. For this, the data were randomly divided in training (80) and validation (20). The methods used were Random Forest (RF) and its combination with Genetic Algorithm (AG RF), for the evaluation of the predictive variables in the estimation of productivity in the forest harvest. Therefore, given the complexity of modeling forest productivity, it was observed that the selection of the variables resulting from the GA RF achieved satisfactory statistical results with a 1.77 improvement in RMSE in comparison to the RF model, with only 4 variables selected worker experience, individual average volume of trees, species and shift. Therefore, these variables can support the forest managers in the adoption of improvements to the productivity control, evidencing a wide field for optimization opportunities.

URI: sip.prg.ufla.br/publico/trabalhos_conclusao_curso/acessar_tcc_por_curso/
engenharia_florestal/20191201310973

URI alternaviva: repositorio.ufla.br/handle/1/44064

Curso: G005 - ENGENHARIA FLORESTAL (BACHARELADO)

Nome da editora: Universidade Federal de Lavras

Sigla da editora: UFLA

País da editora: Brasil

Gênero textual: Trabalho de Conclusão de Curso

Nome da língua do conteúdo: Português

Código da língua do conteúdo: por

Licença de acesso: Acesso aberto

Nome da licença: Licença do Repositório Institucional da Universidade Federal de Lavras

URI da licença: repositorio.ufla.br

Termos da licença: Acesso aos termos da licença em repositorio.ufla.br

Detentores dos direitos autorais: Thomaz Aurelio Bastos e Universidade Federal de Lavras

Baixar arquivo