APLICACIóN DE REDES NEURONALES EN LA CLASIFICACIóN DE ARCILLAS↓APLICA??O DE REDES NEURONAIS NA CLASSIFICA??O DE ARGILAS

摘要

Las arcillas son la materia prima fundamental en la fabricación de productos para el sector constructor tales como baldosas, enchapes, pavimentos y ladrillos. Las peque?as y medianas industrias ladrilleras por lo general utilizan arcillas de diverso origen mineralógico, clasificadas para formular sus mezclas con base en la experiencia del equipo de personas responsables de la producción; la incertidumbre asociada con este método causa que una parte de sus productos se rechacen después de fabricados, porque sus propiedades no cumplen las especificaciones técnicas. En este artículo se presenta una metodología basada en redes neuronales que permite clasificar, con base en sus propiedades, las arcillas que se van a usar para componer las pastas, con el propósito de disminuir la cantidad de producto rechazado. Se emplearon diversas topologías de red para la clasificación, lo cual permitió encontrar una capaz de predecir las muestras de entrenamiento y prueba con 97,79 % y 94,12 % de precisión, respectivamente.↓As argilas s?o a matéria prima fundamental na fabrica??o de produtos para o setor construtor tais como baldosas, revestimentos, pavimentos e tijolos. As pequenas e médias indústrias de tijolos geralmente utilizam argilas de diversa origem mineralógica, classificadas para formular suas misturas com base na experiência da equipe de pessoas responsáveis pela produ??o; a incerteza associada com este método causa que uma parte de seus produtos se rejeite depois de fabricados, porque suas propriedades n?o cumprem as especifica??es técnicas. Em este artigo apresenta-se uma metodologia baseada em redes neuronais que permite classificar, com base em suas propriedades, as argilas que se v?o usar para compor as massas, com o propósito de diminuir a quantidade de produto rejeitado. Empregaram-se diversas topologias de rede para a classifica??o, o qual permitiu encontrar uma capaz de predizer as mostras de treinamento e prova com 97,79 % e 94,12 % de precis?o, respectivamente.