SciELO - Scientific Electronic Library Online

 
vol.16 número2Ajustamento Simultâneo de Equações de Biomassa de Pinheiro Manso no Sul de PortugalEfeitos do Visco Europeu nas Folhas e Elementos Nutritivos de Duas Espécies Hospedeiras das Florestas da Hircânia índice de autoresíndice de assuntosPesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

Links relacionados

  • Não possue artigos similaresSimilares em SciELO

Compartilhar


Silva Lusitana

versão impressa ISSN 0870-6352

Silva Lus. v.16 n.2 Lisboa dez. 2008

 

O Algoritmo BARCOR: Classificação de Cortiça para Rolhas Recorrendo a Quatro Atributos de Qualidade

 

Luís Soares Barreto

Professor Catedrático Jubilado

Av. do Movimento das Forças Armadas, 41-3D, 2825-372 COSTA DA CAPARICA

 

Sumário. O autor propõe um método de análise, denominado algoritmo BARCOR, que recorre ao ("Technique for Order Preference by Similarity to Ideal Solution"), regressão linear múltipla, análise de agrupamentos ("cluster analysis") e modelos de árvore para seleccionar o número mínimo de atributos da qualidade da cortiça, para o fabrico de rolhas, necessários para classificar eficientemente amostras deste material. Utiliza o algoritmo BARCOR para mostrar que é possível classificar amostras de cortiça recorrendo a um menor número de atributos, e com melhores índices de comportamento dos algoritmos de agrupamento usados. Na situação de igualdade de ponderação dos atributos, mostra bastarem as seguintes quatro características da cortiça, para este efeito: força correspondente ao binário máximo, ângulo correspondente ao binário máximo, área máxima dos poros da barriga, área máxima dos poros transversais. Ponderando os atributos, reduz este número a três: calibre, área máxima dos poros da barriga, área máxima dos poros transversais. Propõe um modelo de quatro variáveis e outro de três, para se obter, preliminar e expeditamente, um ordenamento relativo das amostras de cortiça que se queiram classificar.

Palavras-chave:Algoritmo; classificação; cortiça; qualidade; rolhas

 

Algorithm BARCOR: the Classification of Cork for Stoppers Using Four Quality Attributes

Abstract. The author proposes an analytical method named algorithm BARCOR that integrates TOPSIS ("Technique for Order Preference by Similarity to Ideal Solution"), regression, tree models and cluster analysis, to select the minimum number of attributes of cork quality to efficiently classify this material when used to the production of stoppers. When using attributes evenly weighted he shows that only the four attributes are sufficient. If unevenly weights of the attributes are used, this number can be reduced to three. He proposes two models with four and three attributes as explanatory variables to obtain expedite and preliminary classifications of the cork. He admits that the algorithm has potential to be applied in other similar situations.

Key words: Algorithm; classification; cork; quality; stoppers

 

L'Algorithme BARCOR: la Classification des Écorces pour Bouchon Utilisant Quatre Attributs de Qualité

Résumé. L'auteur propose une méthode analytique appelée algorithme BARCOR qui intègre la technique TOPSIS ("Technique for Order Preference by Similarity to Ideal Solution"), la régression, l'analyse des groupements, et modèles d'arbres pour choisir le numéro minimum des attributs de qualité pour classifier, avec efficience, des écorces pour bouchon. L'application de l'algorithme usant des poids égaux pour les attributs permit d'utiliser seulement quatre attributs. Si les poids utilisés ne sont pas égaux il est possible d'obtenir des classifications avec l'emploi de trois attributs. L'auteur propose aussi deux modèles pour classifier de façon expéditive et préliminaire les écorces, avec quatre et trois variables indépendantes. Il admit que l'algorithme peut être appliqué à des situations similaires.

Mots clés: Algorithme; classification; écorce; qualité; bouchon

                                                                                                                                                                                                                                                     

 

Texto completo disponível apenas em PDF.

Full text only available in PDF format.

 

Bibliografia

Aldenderfer, M.S., Blashfield, R.K., 1987. Cluster Analysis. Sage Publications, Inc., Thousand Oaks, California.        [ Links ]

Barreto, L.S., 1973. Análise das Associações da Floresta Aberta de Angola. Revista de Ciências Biológicas, Vol. 6, Série A:85-96, Universidade de Lourenço Marques.

Barreto, L.S., 1986. Ponderação de Atributos. Centro de Estudos Florestais, INIC, Lisboa.

Barreto, L.S., 1994. Alto Fuste Regular. Instrumentos para a sua Gestão. Publicações Ciência e Vida. Lda., Lisboa.

Barreto, L.S., 2002. Software Umbela e Multat Departamento de Engenharia Florestal, Instituto Superior de Agronomia, Lisboa. Divulgado em disquete.

Barreto, L.S., 2006. O Algoritmo BARCOR: Classificação de Cortiça para Rolhas Recorrendo a Quatro Atributos de Qualidade. "Preprint" de divulgação restrita.

Digby, P.G.N., Kempton, R.A., 1987. Multivariate Analysis of Ecological Communities. Chapman and Hall, London.

Gil, F., 2000. Classificações. Em Enciclopédia Enaudi. Volume 41. Imprensa Nacional – Casa da Moeda, Lisboa. pp. 90-110.

Mahner, M., Bunge, M., 1997. Foundations of Biophilosophy. Springer-Verlag, Berlin.

MathSoft, Inc., 1999a. S-Plus 2000. Guide to Statistics, Volume 1. Seatle.

MathSoft, Inc., 1999b. S-Plus 2000. Guide to Statistics, Volume 2. Seatle.

Pereira, H., 1998. O Calibre e a Porosidade como Parâmetros da Qualidade Tecnológica da Cortiça em Prancha. Revista Florestal 11(2): 46-50.

Pestana, M, Louzada, J., Sardinha, R., 2005a. Classificação das Cortiças para a Produção de Rolha, Recorrendo a um Critério Objectivo. Parte I – As Rabanadas. Silva Lusitana 13(1): 51-73.

Pestana, M, Louzada, J., Sardinha, R., 2005b. Classificação das Cortiças para a Produção de Rolha, Recorrendo a um Critério Objectivo. Parte II – Os Provetes (Os Quadros). Silva Lusitana 13(2): 181-201.

Ripley, B.D., 1996.Pattern Recognition and Neural Networks. Cambridge University Press, Cambridge. Conforme citação em Venables e Ripley (2002:251).

Sneath, P.H.A., Sokal, R.R., 1973. Numerical Taxonomy. The Principles and Practice on Numerical Classification. W. H. Freeman and Company, San Francisco.

Venables, W.N., Ripley, B.D., 2002. Modern Applied Statistics with S. Fourth Edition. Springer, Berlin.

Yoon, K.P., Hwang, C-L., 1995. Multiple Attribute Decision Making. An Introduction. Sage Publications, Inc., Thousand Oaks, California.

 

Entregue para publicação em Fevereiro de 2007

Aceite para publicação em Julho de 2007