Término:   Tipo de documento:     Página Principal
Consulta por: Publicación seriada
Autor: Villa Murillo, Adriana (Comienzo)
2 registros cumplieron la condición especificada en la base de información PCYT. ()
Registro 1 de 2, Base de información PCYT
Portada
Artículos de éste númeroArtículos de éste número
Autor: Sozzi Rodrigez, Antonio José asozzi@ucla.edu.ve
Oprima aquí para enviar un correo electrónico a esta dirección; Villa Murillo, Adriana ; Val, Luis ; Vercher, Rosa ; Villa Murillo, Adriana ; Val, Luis ; Vercher, Rosa
Título: EVALUACIÓN DE UN PULVERIZADOR HIDRONEUMÁTICO PARA EL CONTROL DE Aonidiella aurantii EN NARANJO, CON DIFERENTES DOSIS DEL AGROQUÍMICO Y CAUDALES DE AIRE
ISSN: 1316-3361
Fecha: 2011
Páginas/Colación: Pág. 87-92.
En:/ BIOAGRO Vol 23 Nro. 2 2011
Información de existenciaInformación de existencia
Categoría Temática: Palabras: AGR01 AGR01
Palabras Claves del Autor: Palabras: CÍTRICOS CÍTRICOS, Palabras: CONTROL DE PLAGAS CONTROL DE PLAGAS, Palabras: EQUIPO HIDRONEUMÁTICO EQUIPO HIDRONEUMÁTICO, Palabras: PIOJO ROJO DE CALIFORNIA PIOJO ROJO DE CALIFORNIA
Documentos asociados
Oprima aquí para visualizar el documento PDF:Documento en Formato PDF Documento en Formato PDF

RESUMEN
Con el propósito de evaluar la eficiencia del uso de un pulverizador hidroneumático convencional para el transporte de insecticida hasta el interior de la copa de los árboles, se llevó a cabo un ensayo en el que se combinaron dos caudales de aire con la aplicación de dos volúmenes de mezcla de piriproxifen al 0,05 %, evaluando su efecto sobre el número de individuos vivos de A. aurantii (piojo rojo de California) presentes en ramas y frutos del naranjo dulce (Citrus sinensis (L.) Osbeck). Se utilizó un diseño en bloques al azar y se aplicaron cinco tratamientos que consistieron en dos dosis de mezcla insecticida (2.113 y 3.132 L·ha-1), combinados con dos caudales de aire (65.124 y 82.008 m3·h-1), y un testigo. El aumento del caudal de aire y la dosis de insecticida entre los límites evaluados afectaron negativamente la eficiencia del producto para el control de la plaga. Desde los puntos de vista económico (ahorro en los requerimientos de potencia) y ambiental (uso de menor cantidad de insecticida y menor deriva), resulta más aconsejable la aplicación de un volumen de mezcla insecticida de 2.100 L·ha-1 en combinación con un caudal de aire de 65.000 m3·h-1 para el control del insecto.

ABSTRACT
Evaluation of a blast sprayer to control Aonidiella aurantii in orange, using different doses and air flow rates
In order to evaluate the efficiency of a conventional blast sprayer for the transportation of insecticide to the interior of citrus trees, a combination of two air flow rates with two volumes of pyriproxyfen 0.05%, was tested in an orange grove. The efficiency of the applications was evaluated by analyzing the number of living individuals of A. aurantii (California red scale) present in branches and fruits of sweet orange (Citrus sinensis (L.) Osbeck) after the treatment. The design of experiments followed a randomized block design, with five treatments which consisted of two doses of insecticide mixture (2,113 and 3,132 L·ha-1) combined with two air flow rates (65,124 and 82,008 m3·h-1), plus a control. The increase of air flow and insecticide doses, within the evaluated limits, resulted in losses of efficiency of the product for controlling the pest. From an economic point of view (fuel saving due to lower power requirements), and an environmental standpoint (contamination reductions due to lower insecticide use and lower drift), it is advisable to apply an insecticide mixture of 2,100 L·ha-1 in combination with air flows of 65,000 m3·h-1 for optimal control of the insect.

Registro 2 de 2, Base de información PCYT
Portada
Artículos de éste númeroArtículos de éste número
Autor: Villa Murillo, Adriana avilla@ucla.edu.ve
Oprima aquí para enviar un correo electrónico a esta dirección; Carrión García, Andrés ; Sozzi Rodrigez, Antonio José ; Carrión García, Andrés ; Sozzi Rodrigez, Antonio José
Título: OPTIMIZACIÓN DEL DISEÑO DE PARÁMETROS: MÉTODO FOREST-GENETIC UNIVARIANTE
OPTIMIZING PARAMETER DESIGN: THE UNIVARIATE FOREST-GENETIC METHOD
ISSN: 1856-8890
Fecha: 2016
Páginas/Colación: pp. 12-24
En:/ Publicaciones en Ciencias y Tecnología Vol.10 Nro. 1 Enero-Junio 2016
Información de existenciaInformación de existencia
Categoría Temática: Palabras: DCYT01 DCYT01
Palabras Claves del Autor: Palabras: ALGORITMOS GENÉTICOS ALGORITMOS GENÉTICOS, Palabras: ARBOLES DE REGRESION Y CLASIFICACION ARBOLES DE REGRESION Y CLASIFICACION, Palabras: RANDOM FORREST RANDOM FORREST, Palabras: REDES NEURONALES ARTIFICIALES REDES NEURONALES ARTIFICIALES, Palabras: TAGUCHI TAGUCHI
Documentos asociados
Oprima aquí para visualizar el documento PDF:Documento a texto completo pdf Documento a texto completo pdf

RESUMEN
El Dr Genichi Taguchi desarrolló en los años 80 una metodología para la mejora del diseño de parámetros de productos y procesos, conocida como metodología Taguchi. Diversas propuestas han surgido en las que se mezclan técnicas de inteligencia artificial. Proponemos la creación de un híbrido entre Random Forest (RF) y los Algoritmos Genéticos (GA) en 3 fases; normalización, modelización y optimización. La primera fase corresponde a la preparación previa del conjunto de datos mediante funciones de normalización. En la modelización se determina la función objetivo utilizando estrategias basadas en RF para predecir el valor de la respuesta en un conjunto de parámetros dado. Finalmente, en la fase de optimización se obtiene la combinación óptima de los niveles de los parámetros mediante la integración de propiedades dadas por nuestro esquema de modelización en el establecimiento del correspondiente GA. Se comparan los resultados de forma numérica con aportes recientemente encontrados en la literatura. Nuestra propuesta metodológica se concentra en las variables de mayor importancia producto del proceso de modelización con RF, lo que permite desarrollar y dirigir de manera más eficiente las nuevas generaciones en la fase de optimización y en consecuencia, alcanzar significativas mejoras en cuanto al objetivo de calidad considerado.

Palabras clave: Taguchi, árboles de regresión y clasificación, random forest, algoritmos genéticos, redes neuronales artificiales.

ABSTRACT

In the 80's, Dr Genichi Taguchi developed a methodology for processes and product parameters design improvement known as the Taguchi methodology. Different proposals have emerged involving artificial intelligence techniques. Our proposal consists of a hybrid methodology that combines Random Forest (RF) and Genetic Algorithms (GA) in three phases: normalization, modeling and optimization. The first phase corresponds to the previous preparation of the data set by using normalization functions. In the modeling, the objective function is determined using strategies based on RF to predict the value of the response in a given set of parameters. Finally, in the optimization phase, the optimal combination of the parameter levels is obtained by integrating properties given by our modeling scheme into the corresponding GA. The results are compared numerically with the contributions recently found in the literature. Our methodological proposal focuses on the most important variables resulting from the RF modeling process, which allows to develop and direct more efficiently the new generations in the optimization phase, and consequently, achieve significant improvements in the quality objective considered.

Keywords: Taguchi, classification and regression trees, random forest, genetic algorithm, artificial Neural Networks.

REFERENCIAS BIBLIOGRAFICAS
[1] G. E. P. Box y R. D. Meyer. Dispersion effects from fractional designs. Technometrics, 28(1):19-27, 1986.
[2] T. P. Ryan. Statistical methods from quality improvement. Jhon Wiley Sons, 1989.
[3] S. Maghsoodloo, G. Ozdemir, V. Jordan y C.-H. Huang. Strengths and limitations of Taguchi's contributions to quality, manufacturing and process engineering. Journal of Manufacturing Systems, 2(23):73-126, 2004.
[4] K. Tsui. A critical look at Taguchi's modeling approach for robust design. Journal of Applied Statistics, 1(26):81-98, 1996.
[5] G. E. P. Box y R. D. Meyer. Introduction to statistical quality control. Wiley Sons, 2001.
[6] A. Miller y C.F.Wu. Manufacturing Quality Control By Means Of A Fuzzy ART Network Trained On Natural Process Data, Statistical Science, 11(2):122-136, 1996.
[7] C.-T. Su y H.-H. Chang. Optimization of parameter design: an intelligent approach using neural network and simulated annealing. International Journal of Systems Science, 31(12):1543-1549, 2000.
[8] C. Zang,M.I. Friswell y J.E.Mottershead. A review of robust optimal design and its application in dynamics. Computer and Structures, 8(3):315-326, 2005.
[9] C.-C. Chiu, C.-T. Su, G-H Yang, J.-S. Huang , S.-C. Chen y N.-T. Cheng. Selection of optimal parameter in gas-assisted injection moulding using a neural network model and the Taguchi method. International Journal of Quality Science, 2:106-120, 1997.
[10] K.M. Tay y C. Butler. Modeling and optimizing of a mig welding process-A case study using experimental designs and neural networks. Quality and Reliability Engineering International, 13:61-70, 1997
[11] H.-H. Chang. Applications of neural networks and genetic algorithms to Taguchi's. International journal of electronic business management, 3(2):90-96, 2005.
[12] M. R Segal. Machine Learning Benchmarks and Random Forest Regression. Center for Bioinformatics and Molecular Biostatistics. University of California, San Francisco, 2003.
[13] H. Trevor, R. Tibshirani y J. Friedman. The elements of statistical learning. Data mining, inference and prediction. Springer series in statistic, 2009.
[14] D. S. Siroky. Navigation random Forest and related advances in algorithmic modeling. Statistic Surveys, 3:147-163, 2005.
[15] L. Breiman. Random Forest. Machine Learning, 45:5-32, 2001.
[16] A. Villa-Murillo, A. Carrión y S. San Matías. Modeling response variables in Taguchi design parameter using CART and Random Forest based system. Communications in dependability and quality management. An international journal, 15(4):5-15, 2012.
[17] F. Hillier y G. Lieberman. Introducción a la investigación de operaciones. McGraw Hill, 2006.


 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

** Back-end Alejandría BE 7.3.0b3 *