Resumo

O objetivo é verificar a associação entre o aprendizado de máquina e um banco de dados de transporte rodoviário de madeira na predição da massa líquida de madeiras transportadas por combinações veiculares de carga.

Os algoritmos de aprendizagem de máquinas são amplamente utilizados para solucionar entraves do transporte rodoviário, porém, raramente aplicados na predição de massa líquida transportada.

As variáveis de entrada foram compostas pela idade, tempo pós corte e densidade da madeira. Para estimar a massa líquida de madeiras transportadas, foram utilizados os algoritmos de aprendizado de máquinas random forest, support vector machine e K nearest neighbor.

O algoritmo support vector machine foi o que melhor performou os modelos de predição da massa líquida de madeira transportada por combinações veiculares de carga em rodovias.

A associação entre algoritmos de aprendizado de máquina com um banco de dados de controle de transporte rodoviário de madeira promoveu a predição da massa líquida de madeira transportada por combinações veiculares de carga.

A tecnologia proposta promove o aumento da precisão da operação do transporte rodoviário de madeira. Permite que a gestão atue com mais eficácia e padronização de seus processos, diminuindo possíveis penalizações para com os colaboradores em decorrência da automatização da atividade.

The objective is to verify the association between machine learning and a wood road transport database in predicting the net mass of wood transported by vehicular load combinations.

Machine learning algorithms are widely used to solve road transport barriers, however, they are rarely applied in the prediction of transported net mass.

The input variables were composed by age, time after cutting, and wood density. To estimate the net mass of transported wood, random forest machine learning algorithms, support vector machine, and K Nearest Neighbor were used.

The support vector machine algorithm performed best in the prediction models of the net mass of wood transported by vehicular load combinations on highways.

The association between machine learning algorithms with a wood road transport control database promoted the prediction of the net mass of wood transported by vehicular load combinations.

The proposed technology promotes increased precision in the operation of road transport of wood. It allows management to act more efficiently and standardize its processes, reducing possible penalties for employees due to the automation of the activity.