Fabiano da Rocha Stein

Fabiano da Rocha Stein

Auto-generated profile, based on publicly available information

Fabiano da Rocha Stein

Universidade Federal de Viçosa image/svg+xml

Research Focus & Metrics

Academic Career Length

1Year (2026-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
25 September 2026 in Ciência Florestal
Verified
Journal Article
Open access
PDF file
FSFabiano da Rocha Stein
Fabiano da Rocha Stein
GMGustavo Eduardo Marcatti
Gustavo Eduardo Marcatti
MCMARCELO MOREIRA DA COSTA
MARCELO MOREIRA DA COSTA
COCassiano Rodrigues de Oliveira
Cassiano Rodrigues de Oliveira
HLHelio Garcia Leite
Helio Garcia Leite
No presente trabalho, dados observados em escala industrial, durante alguns anos, foram submetidos à modelagem empregando modelos aditivos generalizados e redes neurais artificiais, como ferramentas para avaliar a influência de algumas variáveis, da madeira e do processo, sobre a produção do digestor e carga alcalina. Os modelos aditivos generalizados foram ajustados utilizando o software R, através da biblioteca “mgcv”. Foram aplicados testes de significância para cada modelo ajustado. De forma complementar, os dados foram ajustados em 100 redes neurais artificiais para relacionar a produção do digestor e a carga alcalina, com diversas variáveis de processo e de polpa de celulose. Nesta etapa do trabalho, foi empregado o software Statistica e os dados resultantes mostraram que o modelo aditivo generalizado constitui uma boa opção para representar os fenômenos da indústria de celulose, com correlação de 88% entre os dados reais e os estimados. Este modelo é adequado para variáveis que apresentam alta variabilidade e em que não há um rigoroso controle, diferentemente do que ocorre em dados provenientes de delineamentos experimentais. A aplicação de redes neurais artificiais para estimar a produção do digestor e para carga alcalina também mostrou-se de moderada a forte, com correlações entre os dados reais e estimados que ficaram acima de 60%.