Modelagem da produção industrial de celulose Kraft com modelos aditivos generalizados e redes neurais

• Ano de defesa: 2010
• Autor(a) principal: Stein, Fabiano da Rocha
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; BR; Qualidade da madeira; Tecnologia de celulose e papel; Mestrado Profissionalizante em Tecnologia de Celulose e Papel; UFV
• Palavras-chave em Português: Modelagem de produção industrial; Celulose Kraft; Modelos aditivos generalizados; Redes neurais; Modeling of industrial production; Kraft pulp; Generalized additive models; Neural networks; CNPQ::CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::TECNOLOGIA E UTILIZACAO DE PRODUTOS FLORESTAIS::TECNOLOGIA DE CELULOSE E PAPEL
• Link de acesso: http://locus.ufv.br/handle/123456789/5899

No presente trabalho, dados observados em escala industrial, durante alguns anos, foram submetidos à modelagem empregando modelos aditivos generalizados (GAM) e redes neurais artificiais (RNA), como ferramentas para avaliar a influência de algumas variáveis, da madeira e do processo, sobre a produção do digestor e carga alcalina. Os modelos aditivos generalizados foram ajustados utilizando o software R (R DEVELOPMENT CORE TEAM, 2010), através da biblioteca “mgcv” (WOOD, 2006), específica para ajustes de modelos aditivos generalizados. Foram aplicados testes de significância para cada modelo ajustado. De forma complementar os dados foram analisados por meio de redes neurais artificiais. Foram ajustadas 100 RNA para relacionar a produção do digestor e a carga alcalina, com as variáveis: densidade da madeira, idade, precipitação, teor seco dos cavacos, densidade aparente dos cavacos, densidade básica dos cavacos, viscosidade da polpa e kappa. Nesta etapa do trabalho foi empregado o software Statistica (Statsoft, INC, 2007). Os resultados mostram que o Modelo Aditivo Generalizado (MAG) constitui uma boa opção para representar os fenômenos da indústria de celulose, em que as variáveis apresentam alta variabilidade e não há um rigoroso controle, diferentemente do que ocorre em dados provenientes de delineamentos experimentais. No caso do uso de RNA para estimar a produção do digestor e para carga alcalina também mostrou ser uma boa ferramenta, visto que as correlações entre os dados reais e estimados ficaram acima de 88% e 60%, respectivamente. Várias variáveis associadas com a matéria-prima e com o processo de polpação que foram estudadas apresentaram comportamento semelhante e/ou iguais o que a maioria dos estudos experimentais encontraram.