ABSTRACT

A atividade de manutenção é importante para garantir a vida útil das máquinas florestais e interferem diretamente na produtividade da operação de colheita mecanizada de madeira. Diante do exposto, o objetivo foi verificar se a aprendizagem de máquina alcançou boa performance na predição do tipo de atividade de manutenção da máquina florestal autopropelida feller buncher. Com os dados coletados em uma floresta plantada de Eucalyptus no sistema de colheita da madeira full tree, ponderamos os atributos de data, horímetro e tipo de atividade de manutenção do feller buncher. Foi aplicado 14 algoritmos de aprendizagem de máquina utilizando as linguagens de programação R e Python. Os modelos Linear Discriminant Analysis e Logistic Regression, via ensembled e default, respectivamente, alcançam razoável performance de predição, ambos com Matthew's Correlation Coefficient igual a 0,29 e precisão de 0,51, para o tipo de atividade de manutenção da máquina florestal autopropelida feller buncher, por meio do aprendizado de máquina.