Influência da manutenção mecânica nos níveis de pressão e potência sonora emitidos por motosserra
Bibliographic record
Abstract
As motosserras são máquinas amplamente empregadas no setor rural, sendo que a manutenção e os cuidados com a segurança durante operação muitas vezes são negligenciados. Neste sentido, o presente estudo teve como objetivo analisar a influência do estado de manutenção nos níveis de pressão e potência sonora emitidos por uma motosserra, de acordo com as normas ISO 3744:2010 e NBR ISO 22868:2023. O experimento foi conduzido em delineamento inteiramente casualizado em arranjo fatorial formado pelos fatores manutenção (antes da manutenção e depois da manutenção) e regime de trabalho. (marcha lenta e rotação plena). As variáveis analisadas foram nível de emissão de pressão sonora na posição do operador (LpAX) e nível de emissão de potência sonora (LW), sendo paralelamente analisadas as variáveis nível equivalente de emissão de pressão e potência sonora. Os resultados demonstram que os maiores níveis de pressão sonora foram obtidos no regime de trabalho de rotação plena, com valor de 99,35 e 99,27 dB(A) para a condição antes e depois da manutenção, respectivamente, sendo os maiores níveis de potência sonora observados no regime de trabalho em rotação plena e depois da manutenção. Em relação os níveis equivalentes de emissão de pressão e potência sonora, a diferença sequencial foi de apenas 0,1 dB(A) e 0,6 dB (A). Portanto, os resultados reforçam a importância da utilização de protetores auditivos durante a operação com motosserra, pois os valores obtidos para os níveis equivalentes de pressão e potência sonora são superiores ao limite normativo de 85 dB(A).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".