USE OF ARTIFICIAL NEURAL NETWORKS IN PREDICTING PARTICLEBOARD QUALITY PARAMETERS

ABSTRACT This study aims to assess Artificial Neural Networks (ANN) in predicting particleboard quality based on its physical and mechanical properties. Particleboards were manufactured using eucalyptus (Eucalyptus grandis) and bonded with urea-formaldehyde and phenol-formaldehyde resins. To characterize quality, physical (density and water absorption and thickness swelling after 24-hour immersion) and mechanical (static bending strength and internal bond) properties were assessed. For predictions, adhesive type and particleboard density were adopted as ANN input variables. Networks of multilayer Perceptron (MLP) were adopted, training 100 networks for each assessed parameter. The results pointed out ANN as effective in predicting quality parameters of particleboards. With this technique, all the assessed properties presented models with adjustments higher than 0.90. RESUMO O presente trabalho tem como objetivo avaliar a empregabilidade de Redes Neurais Artificiais (RNA) na predição da qualidade de painéis aglomerados, baseando-se na análise de suas propriedades físicas e mecânicas. Desta forma, foram produzidos painéis aglomerados com partículas de Eucalyptus grandis e colados com dois tipos diferentes de resinas - ureia-formaldeído e fenol-formaldeído. Para caracterizar a qualidade dos painéis, foram avaliadas as propriedades físicas (densidade, absorção de água após 24 horas de imersão e inchamento em espessura após 24 horas de imersão) e mecânicas (resistência a flexão estática e ligação interna). Como variáveis de entradas das RNA, foram adotados o tipo de adesivo e a densidade dos painéis, visando predizer as demais variáveis avaliadas. Foram adotadas Redes do tipo Perceptrons de múltiplas camadas, sendo treinadas 100 redes para cada um dos parâmetros avaliados. Os resultados obtidos indicaram ser o uso de RNA uma ferramenta eficiente na predição da qualidade de painéis aglomerados. Todas as propriedades avaliadas com uso desta técnica no presente estudo apresentaram modelos com ajustes superiores a 0,90.