artigos
Convibra Conference - PREDIÇÃO DA MANUTENÇÃO DE MÁQUINAS FLORESTAIS AUTOPROPELIDAS EM SISTEMA FULL TREE UTILIZANDO MACHINE LEARNING
PREDIÇÃO DA MANUTENÇÃO DE MÁQUINAS FLORESTAIS AUTOPROPELIDAS EM SISTEMA FULL TREE UTILIZANDO MACHINE LEARNING

DOCUMENTAÇÃO

Tema: Agrotech

Temas Correlatos: Agronegócios;

Acessos neste artigo: 14


Certificado de Publicação:
Não disponível
Certificado de Participação:
Não disponível

COMPARTILHE ESTE TRABALHO

AUTORIA

Thamires Da Silva , Valier Augusto Sasso Junior , Paloma Trevisan Pandolfo , Rodrigo Oliveira Almeida , Danilo Simões

ABSTRACT
A colheita mecanizada de madeira de Eucalyptus pode ser realizada pelo sistema full tree, no qual utiliza o feller buncher para o corte e a derrubada de árvores. A utilização de máquinas florestais autopropelidas ressalta a importância da correta previsão referente à manutenção. Em vista disso, aplica-se o machine learning visando encontrar resultados interpretativos para tomada de decisões estratégicas e redução dos custos de manutenção. A partir deste contexto, o objetivo foi verificar se é possível predizer a manutenção de feller bunchers empregados na derrubada de árvores por meio do machine learning. O estudo foi conduzido em florestas plantadas de Eucalyptus, localizadas no Centro-Oeste do estado de São Paulo. O banco de dados estruturado foi produzido por meio de dois atributos: horímetro e tipo de manutenção, sendo esse último o atributo alvo da predição. Após o processo de data wrangling, foi utilizado o aprendizado supervisionado, com balanceamento de dados via oversampling. Nesse caso, o banco de dados foi dividido em conjunto de treinamento e teste. Em sequência a aplicação dos 14 algoritmos de aprendizagem, observou-se uma melhor performance em três modelos: CatBoost Classifier, Linear Discriminant Analysis e Naive Bayes. Durante o processo de treinamento foi aplicado o cross-validation. Assim, a partir do algoritmo CatBoost Classifier, em modo Default, encontra-se o melhor modelo gerado para predição do tipo de manutenção de máquinas florestais autopropelidas, com performance de 0,46, 0,60, e 0,74 para as métricas Coeficiente de Correlação de Matthews, Precisão e Área Sob a Curva, respectivamente.

Para participar do debate deste artigo, .


COMENTÁRIOS
Foto do Usuário Gabriel Fratta Fritz 13-06-2022 15:42:41

Parabéns! Artigo muito interessante e atual, tendo em vista a utilização de machine learning aplicada a algo específico como prevenção de manutenção de máquinas. Isto trás inovação e tecnologia para o campo.

Utilizamos cookies essenciais para o funcionamento do site de acordo com a nossa Política de Privacidade e, ao continuar navegando, você concorda com estas condições.