
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | RMIT University | - |
| Autor(es): dc.creator | Penchel, Rafael Abrantes | - |
| Autor(es): dc.creator | Aldaya, Ivan | - |
| Autor(es): dc.creator | Marim, Lucas | - |
| Autor(es): dc.creator | dos Santos, Mirian Paula | - |
| Autor(es): dc.creator | Cardozo-Filho, Lucio | - |
| Autor(es): dc.creator | Jegatheesan, Veeriah | - |
| Autor(es): dc.creator | de Oliveira, José Augusto | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T21:51:11Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T21:51:11Z | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2023-03-01 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/app13064029 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/247129 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/247129 | - |
| Descrição: dc.description | Cleaner production has emerged as a comprehensive paradigm, aiming to reduce, or even avoid, the environmental impact in the production stage, in a broad variety of fields. However, the great number of interacting factors makes the assessment of efficiency and the identification of critical factors pose significant challenges to researchers and companies. Artificial intelligence and, particularly, artificial neural networks have proven their suitability to lead with diverse multi-variable problems, but have not yet been applied to model production systems. In this work, we employ dimensionality reduction in combination with a fully connected feed-forward multi-layer perceptron to model the relation between the input (cleaner production techniques) and output variables (cleaner production performance) and, subsequently, quantify the sensibility of the different output variables on the input variables. In particular, we consider Product Design, Production Processes, and Reuse as the input latent variables, whereas the Environmental Performance of Product, Environmental Performance of Processes, and Economic Performance comprises the output variables of our model. The results, employing data collected from a direct survey of 205 Brazilian companies, reveal that the best configuration for the ANN uses eight neurons in the hidden layer. Regarding sensitivity, the obtained results show that improving practices with poor marks leads to a higher enhancement of output figures. In particular, since reuse presents mainly low marks, it can be identified as an area for improvement, in order to increase overall performance. | - |
| Descrição: dc.description | Financiadora de Estudos e Projetos | - |
| Descrição: dc.description | School of Engineering São Paulo State University (Unesp), Campus of São João da Boa Vista | - |
| Descrição: dc.description | School of Engineering and Water: Effective Technologies and Tools (WETT) Research Centre RMIT University | - |
| Descrição: dc.description | School of Engineering São Paulo State University (Unesp), Campus of São João da Boa Vista | - |
| Descrição: dc.description | Financiadora de Estudos e Projetos: 0527/18 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Applied Sciences (Switzerland) | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | artificial neural network | - |
| Palavras-chave: dc.subject | cleaner production | - |
| Palavras-chave: dc.subject | economic performance | - |
| Palavras-chave: dc.subject | environmental performance | - |
| Título: dc.title | Analysis of Cleaner Production Performance in Manufacturing Companies Employing Artificial Neural Networks | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: