No setor florestal, o prognóstico do estoque e rendimento da matéria-prima, com rapidez e confiabilidade, é de interesse de todo administrador, visto que informações antecipadas podem fornecer subsídios para que a empresa se antecipe e se adapte às novas situações do mercado. O objetivo deste estudo foi testar e selecionar modelos matemáticos para a predição do rendimento no processo de desdobro de toras de Araucaria angustifolia (Bertol.) Kuntze. O volume foi determinado por Huber. Foram testados 11 modelos, utilizando-se como variável dependente o rendimento em volume de madeira serrada (R), e como variáveis independentes, o diâmetro menor (d), o comprimento (l) e o volume total da tora (v). Todas as relações dimensionais foram analisadas via matriz de correlação. A escolha do melhor modelo baseou-se no maior coeficiente de determinação ajustado, no menor erro padrão residual e no comportamento mais uniforme e homogêneo dos valores residuais. O rendimento médio observado foi de 49,2%, variando entre 42,5 e 57,4%. As maiores correlações foram obtidas para o volume total e o rendimento, bem como entre o diâmetro e o rendimento, de 97,2 e 96,9%, respectivamente. Dentre os modelos testados, o melhor resultado foi obtido pela equação R = -0,0040596673+0,0000903028*d 2 +0,0000146008*(d 2 *l), com precisão (R 2aj. ) de 96,7% a um erro padrão (S yx ) de 12,8%. Com essa equação, torna-se possível a previsão do rendimento no processo de desdobro, antecipadamente.
The objective of this study was to test and select mathematical models to predict the yield in deploying logs process of Araucaria angustifolia (Bertol.) Kuntze. The volume was determined by Huber. Eleven models were tested using as dependent variable the volume yield of wasting wood (R) and as independent variable the smaller diameter (d), the length (l) and the total volume of log (v). All the dimensional relations were analyzed through correlation matrix. The choice of the best model was based on the highest of adjusted coefficient determination, smallest residual standard error and most uniform behavior and homogeneous of residuals values. The average yield observed was 49,2% varying from 42,5 to 57,4%. The highest correlations were obtained for total volume and yield, as well as the diameter and yield, 97,2 and 96,9%, respectively. Among the tested models, the best result was obtained by the equation R=-0,0040596673+0,0000903028*d 2 +0,0000146008*(d 2 *l) with (R 2aj. ) 96,7% and standard error (S yx ) = 12,8%. With this equation the yield prediction becomes possible in deploying process, in advance.
