Abstract

SIQUEIRA, Luciano Henrique Alves de et al. Previsão do índice de Açúcar Total Recuperável (ATR) de Cana-de-Açúcar Usando Redes Neurais Artificiais. RISTI [online]. 2025, n.57, pp.85-107.  Epub Mar 31, 2025. ISSN 1646-9895.  https://doi.org/10.17013/risti.57.85-107.

A colheita da cana-de-açúcar impacta significativamente a produtividade das usinas sucroalcooleiras e deve ser realizada no ponto ótimo de maturação ou Período de Utilização Industrial (PUI). A estimativa do PUI é obtida por análises laboratoriais que mensuram o índice de Açúcar Total Recuperável (ATR). A questão é que o planejamento das usinas sucroalcooleiras é dependente da previsão de produção (açúcar e etanol), e não há ferramentas capazes de substituir os altos custos das análises laboratoriais do ATR. Logo, este artigo traz um estudo de caso cujo objetivo é propor um modelo computacional para estimar o índice de ATR da produção de uma usina sucroalcooleira do interior do estado de São Paulo. Este modelo é fundamentado nas Artificial Neural Networks (ANN) e foi aplicado às bases de dados das lavouras de 48.151 talhões das safras de 2016/2017 a 2022/2023. As experimentações apresentaram um erro médio absoluto (3,49%) muito inferior às análises laboratoriais (12,17%). A principal contribuição deste estudo está em fornecer um modelo de baixo custo que estima com acurácia muito satisfatória o índice de ATR para o PUI.

Keywords : Usinas; Predição; Produtividade; Inteligência Artificial.

        · abstract in English     · text in Spanish     · Spanish ( pdf )