Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/6817
Registro completo de metadados
Campo Dublin CoreValorIdioma
dc.contributor.advisorFerreira, Carlos Henrique Gomespt_BR
dc.contributor.authorCarneiro, Felipe Guerra-
dc.date.accessioned2024-07-09T20:34:07Z-
dc.date.available2024-07-09T20:34:07Z-
dc.date.issued2024pt_BR
dc.identifier.citationCARNEIRO, Felipe Guerra. Perfis físico-químicos e de polpação de clones de eucaliptos: uma análise baseada em técnicas não supervisionadas. 2024. 42 f. Monografia (Especialização em Ciência de Dados) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2024.pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/6817-
dc.description.abstractEste trabalho de conclusão de curso investigou a aplicabilidade de técnicas de agrupamento não supervisionado para classificar clones de eucalipto, considerando características químicas, físicas e do processo de polpação e branqueamento KRAFT. A principal matéria-prima para a produção de celulose branqueada no Brasil, o eucalipto, apresenta uma composição complexa que desafia a otimização dos processos industriais devido à sua variabilidade genética e ambiental. O objetivo geral deste estudo foi aplicar e avaliar a eficácia das técnicas de agrupamento não supervisionado para melhor entender as relações entre as propriedades dos clones de eucalipto e a qualidade da celulose produzida. Especificamente, o trabalho focou em selecionar e aplicar técnicas de agrupamento adequadas para a caracterização de clones e analisar os agrupamentos formados para identificar padrões e relações relevantes. Utilizou-se o algoritmo HDBSCAN combinado com a técnica de redução de dimensionalidade UMAP para explorar os padrões nos dados multidimensionais. Esta combinação mostrou-se particularmente eficaz em identificar grupos com características homogêneas e distintas entre os clones analisados. Adicionalmente, implementou-se um índice de pontuação ('score') baseado em critérios pré-definidos para classificar os grupos quanto ao seu potencial para produção de celulose. Por fim, avaliou-se as variáveis mais discriminativas do agrupamento obtido. Os resultados indicaram que o agrupamento não supervisionado, complementado pela análise do índice de Gini, oferece insights valiosos sobre a variabilidade da matéria-prima, que podem ser utilizados para otimizar o processo de seleção de clones e orientar o abastecimento segregado de madeira.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectAnálise multivariadapt_BR
dc.subjectAnálise por agrupamentopt_BR
dc.subjectCelulosept_BR
dc.subjectEstatística matemática - algoritmospt_BR
dc.subjectPolpa de madeira - branqueamentopt_BR
dc.titlePerfis físico-químicos e de polpação de clones de eucaliptos : uma análise baseada em técnicas não supervisionadas.pt_BR
dc.typeTCC-Especializaçãopt_BR
dc.rights.licenseEste trabalho está sob uma licença Creative Commons BY-NC-ND 4.0 (https://creativecommons.org/licenses/by-nc-nd/4.0/?ref=chooser-v1).pt_BR
dc.contributor.refereeFerreira, Carlos Henrique Gomespt_BR
dc.contributor.refereeSilva, Thiago Augusto de Oliveirapt_BR
dc.contributor.refereeRibeiro, Ronaldo Nevespt_BR
dc.description.abstractenThis capstone project investigated the applicability of unsupervised clustering techniques for classifying Eucalyptus clones, considering chemical, physical, and Kraft pulping and bleaching process characteristics. Eucalyptus, the primary raw material for the production of bleached pulp in Brazil, presents a complex composition that challenges the optimization of industrial processes due to its genetic and environmental variability. The general objective of this study was to apply and evaluate the effectiveness of unsupervised clustering techniques to better understand the relationships between the properties of Eucalyptus clones and the quality of the pulp produced. Specifically, the project focused on selecting and applying suitable clustering techniques for characterizing clones and analyzing the clusters formed to identify relevant patterns and relationships. The HDBSCAN algorithm, combined with the UMAP dimensionality reduction technique, was used to explore patterns in the multidimensional data. This combination proved particularly effective in identifying groups with homogeneous and distinct characteristics among the analyzed clones. Additionally, a scoring index ('score') based on predefined criteria was implemented to classify the groups according to their potential for producing high-quality pulp. The analysis of Gini indices for the considered variables revealed that certain characteristics, such as the concentration of specific chemical elements, have high discriminatory power, significantly contributing to the differentiation between groups. The results indicated that unsupervised clustering, complemented by Gini index analysis, provides valuable insights into the raw material variability, which can be utilized to optimize the clone selection process and guide the segregated wood supply.pt_BR
dc.contributor.authorID2021.10810pt_BR
Aparece nas coleções:Especialização - Ciência dos Dados

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_PerfisFísicoquímicosPolpação.pdf1,09 MBAdobe PDFVisualizar/Abrir


Os itens na BDTCC estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.