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 | Brusamarello, Claiton Zanini | - |
Autor(es): dc.contributor | Brusamarello, Claiton Zanini | - |
Autor(es): dc.contributor | Vieira, Frederico Márcio Corrêa | - |
Autor(es): dc.contributor | Amorim, Suélen Maria de | - |
Autor(es): dc.creator | Rocha, Idelcio Gonçalves da | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:02:55Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:02:55Z | - |
Data de envio: dc.date.issued | 2022-09-08 | - |
Data de envio: dc.date.issued | 2022-09-08 | - |
Data de envio: dc.date.issued | 2022-06-24 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/29542 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1088011 | - |
Descrição: dc.description | One of the main problems in the chicken meat industry is controlling the amount of water absorbed by the carcasses during the production process. Machine learning algorithms have been applied to solve problems in several areas. In the present work, 907 tests were performed using three machine learning algorithms, the RBF (Radial Basis Function) network, the multilayer perceptron network and SMOReg (Sequential Minimal Optimization), were used to predict the result of the drip test and the most influential variables in the process. The RBF network obtained the best result, reaching 63.68% of accuracy, the multilayer perceptron reached 55.79% and the SMOReg 52.44%. Seeking to optimize the results, the input variables were reduced from eleven to five. At this stage the multilayer perceptron obtained 58.48% of accuracy and the SMOReg 53.36%. With the reduction of the input variables, there was an improvement in the prediction capacity of the two algorithms, approaching the best result obtained by the RBF network with eleven variables. The use of fewer variables makes the industrial application more affordable. The algorithms pointed out the absorption, the temperature of the lairage facility, ambient temperature, the temperature at the beginning of the pre-chiller and the average mass as the most influential variables. Such variables agree with the others found in the literature. | - |
Descrição: dc.description | Um dos principais problemas na indústria de carne do frango é o controle da quantidade de água que é absorvida pelas carcaças durante o processo produtivo. Os algoritmos de aprendizagem de máquina têm sido aplicados na solução de problemas em diversas áreas. No presente trabalho, foram realizados 907 testes utilizando três algoritmos de aprendizagem de máquina, a rede RBF (Radial basis function), a rede multilayer perceptron e o SMOReg (Sequential Minimal Optimization), para a previsão do resultado do drip test e para a classificação das variáveis mais influentes no processo. A rede RBF obteve o melhor resultado, atingindo 63,68% de acurácia, o multilayer perceptron alcançou 55,79% e o SMOReg 52,44%. Buscando otimizar os resultados foi realizada a redução das variáveis de entrada de onze para cinco, nessa etapa o multilayer perceptron obteve 58,48% de acurácia e o SMOReg 53,36%. Com a redução das variáveis de entrada houve uma melhora na capacidade de predição dos dois algoritmos, aproximando-se do melhor resultado obtido pela rede RBF com onze variáveis. A utilização de menos variáveis torna mais acessível financeiramente a aplicação industrial. Os algoritmos apontaram a absorção, temperatura do galpão de espera, temperatura ambiente, temperatura no início do pré-chiller e a massa média como variáveis mais influentes, tais variáveis estão de acordo com as encontradas na literatura. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Francisco Beltrao | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Engenharia Química | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
Palavras-chave: dc.subject | Controle de processo | - |
Palavras-chave: dc.subject | Absorção | - |
Palavras-chave: dc.subject | Algorítmos | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Process control | - |
Palavras-chave: dc.subject | Absorption | - |
Palavras-chave: dc.subject | Algorithms | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA | - |
Título: dc.title | Algoritmos de aprendizagem de máquina para predição e classificação de variáveis no drip test da indústria de frango | - |
Título: dc.title | Machine learning algorithms for prediction and classification of variables in the drip test of the chicken industry | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
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: