Redes neurais aplicadas à determinação de testes de resistência física em papel reciclado

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMachado, Guilherme Duenhas-
Autor(es): dc.contributorMachado, Guilherme Duenhas-
Autor(es): dc.contributorCordeiro, Patrícia Hissae Yassue-
Autor(es): dc.contributorFontella, Marcio-
Autor(es): dc.creatorAraújo, João Vítor Ortiz-
Data de aceite: dc.date.accessioned2025-08-29T13:01:32Z-
Data de disponibilização: dc.date.available2025-08-29T13:01:32Z-
Data de envio: dc.date.issued2024-09-26-
Data de envio: dc.date.issued2034-09-06-
Data de envio: dc.date.issued2024-09-26-
Data de envio: dc.date.issued2024-09-05-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/34901-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1106092-
Descrição: dc.descriptionThe production of recycled paper and the paper packaging market have seen significant growth in recent years due to economic and environmental advantages. Understanding the physical properties of paper is of great interest to the industry, as they are crucial in conversion processes and product quality. Along with the increase in automation and the interest in improving factory process control, there has also been an increase in the amount of available process data. This study aims to use multivariate analyses and machine learning models to understand the behavior of physical paper properties, such as delamination and compression resistance, based on certain process variables. Multivariate Linear Regression, Decision Tree, and Artificial Neural Networks models were implemented using Python algorithms, allowing for model fitting to the training dataset and for checking dispersion, associated error, partial dependence, and the influence of process variables on the physical resistance results of the validation set. The results for the Neural Networks model for delamination and compression resistance showed R² = 77% and R² = 73%, respectively, with partial dependence behavior very similar to that described in other bibliographic.-
Descrição: dc.descriptionA produção de papel reciclado e o mercado embalagens de papel apresentou grande crescimento nos últimos anos devido à vantagens econômicas e ambientais. O entendimento das propriedades físicas do papel é de grande interesse para a indústria, visto que são determinantes nos processos de conversão e na qualidade dos produtos. O aumento da automação e do interesse em melhorar o controle dos processos fabris estão associados à capacidade de gerar bancos de dados cada vez maiores. O presente trabalho teve como objetivo utilizar análises multivariáveis e modelos de aprendizado de máquina para entender o comportamento das propriedades físicas do papel, como a resistência à delaminação e à compressão, de acordo com algumas variáveis de processo. Os modelos de Regressão Linear Multivariada, Árvore de Decisão e Redes Neurais Artificiais foram implementados em algoritmos utilizando a linguagem Python, sendo possível ajustar os modelos ao conjunto de dados treinamento e verificar a dispersão, o erro associado, a dependência parcial e a influência das variáveis de processo nos resultados de resistência física do conjunto de validação. Os resultados do modelo de Redes Neurais para a resistência a delaminação e à compressão foram de R² = 77% e R² = 73% respectivamente, com um comportamento de dependência parcial muito semelhante ao descrito por outras referência bibliográficas.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherLondrina-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherEngenharia Química-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsembargoedAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectResíduos de papel - Reaproveitamento-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectWaste paper - Recycling-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA QUIMICA-
Título: dc.titleRedes neurais aplicadas à determinação de testes de resistência física em papel reciclado-
Título: dc.titleNeural networks applied to determining physical resistance tests on recycled paper-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.