Aplicação de redes neurais para a predição do volume de madeira extraído por hora de uma empresa produtora de celulose.

Abstract

Este trabalho tem como foco a proposição de redes neurais do tipo Multi-Layer Perceptron (MLP) para a predição da produtividade dos equipamentos conhecidos como Forwarders, em metros cúbicos por hora (m³/h), nas atividade de colheita florestal de uma produtora de celulose. Inicialmente, foram identificadas algumas das variáveis que influenciam no indicador de desempenho operacional dos equipamentos. Na sequência, a metodologia proposta se deu a partir da coleta e preparação dos dados, a modelagem das redes neurais MLP em função dos ajustes nos hiperparâmetros, e as avaliações de desempenho dos modelos com base nos erros absoluto e quadrático médios. A melhor configuração obtida entre as redes MLP testadas resultou em erro médio absoluto de 4,03 e um erro quadrático médio de 27,05. Esse resultado representa uma redução de 13% no erro de predição dos índices de produtividade dos Forwarders em comparação com a metodologia atualmente empregada pela empresa.