PIG (BIG) DATA: Internet dos suínos e o novo paradigma da Produção Animal

Atualizado: Set 26



Não é novidade que o Big Data pode ser utilizado para converter informações valiosíssimas para o melhor direcionamento da tomada de decisão, resultando em redução de custo e aumento da produtividade. As novas tecnologias, como a inteligência artificial, proporcionam um melhor entendimento das necessidades, comportamentos e padrões na produção dos animais, aumentando a eficiência e a sustentabilidade.


Entretanto, conforme apresentado por um estudo da Animal Frontiers, nas últimas três décadas, os dados usados ​​pelos agricultores têm sido limitados. A maioria das atividades são ainda básicas e focadas principalmente na gestão de tarefas agrícolas, com capacidade limitada de análise. Muitas das soluções se concentraram em dados reprodutivos de matrizes, que consistem na coleta de dados sobre cobertura, parto e desmame para gerar listas de tarefas (ex. porcas para desmamar, parir ou inseminar; verificações de gravidez; e vacinações) ou resumos sobre a produção. Na melhor das hipóteses, incluíam o impacto de algumas variáveis ​​explicativas, como paridade ou intervalo de desmame. Na creche/terminação, os relatórios mais comuns usados ​​são peso corporal, consumo de ração, eficiência alimentar e mortalidade por lote. A integração de dados de diferentes fontes (frigorífico, laboratório, reprodução, saúde ou uso de medicamentos) é ainda difícil e rara e, portanto, de pouco valor para gerar conhecimento para a tomada de decisões estratégicas.


O uso de dados associados à produção de grãos aumentou exponencialmente nos últimos anos. No entanto, seu uso na pecuária ainda é bastante limitado. No caso dos suínos, a coleta de dados pouco mudou nos últimos anos e a análise ainda está focada nos principais indicadores de desempenho reprodutivo, como taxa de partos, leitões nascidos totais, nascidos vivos, natimortos, múmias, intervalo de desmame e mortalidade pré-desmame. Dados ambientais, ou sobre o frigorífico, ou sobre comedouros/consumo não são usados ​​na prática, exceto para criar alertas simples, como detecção de temperaturas fora do intervalo ou animais que não comeram.

Entre os motivos desse lento progresso estão o baixo valor agregado percebido pelos produtores, as boas margens que durante anos impediram a necessidade de melhorias com base na análise de dados, a escassez de profissionais com uma sólida formação integral em gestão de dados agrícolas e a falta de ferramentas adaptadas ao setor para facilitar o processo de extração de valor, benchmarking e monitoramento.

Além dessas questões, as empresas fabricantes de equipamentos agrícolas e softwares que geram os dados, via de regra, não facilitavam sua extração, integração e uso.


A maioria dos produtores usa algum tipo de software para tarefas básicas de gerenciamento, mas não usa os dados em todo o seu potencial. O software deve ser apenas uma parte de um sistema de informação integrado. Via de regra, esses programas falham quando relatórios mais sofisticados são necessários, incluindo análises específicas relacionadas ao padrão de mortalidade ou cálculo de dias improdutivos, por exemplo. Uma limitação importante da maioria dos softwares existentes é a incapacidade de criar novas variáveis. Essa é uma grande limitação quando novos conceitos ou problemas surgem e devem ser analisados ​​e integrados adequadamente ao sistema de produção. A integração de dados é outro desafio, uma vez que a maioria dos softwares são projetados para a gestão de uma propriedade, limitando a fusão de dados de diferentes propriedades ou ainda sem a possibilidade de integrar APIs ou dados abertos de fontes distintas. Além disso, produtores e veterinários não são adequadamente treinados sobre como usar e maximizar seus sistemas de gerenciamento de dados.


Mas então, qual o caminho?


1. COLETA DE DADOS


Os dados são a matéria-prima do sistema e podem ser "inputados" por humanos ou robôs-sensores. Até agora, os dados consistiam apenas em números, mas o setor está se aperfeiçoando a partir do uso de imagens (detecção de padrões comportamentais, anomalias e volumetria, por exemplo, para diagnósticos de doenças e pesagem automática) e sons (bioacústica focada na dificuldade respiratória a partir dos sons da granja).


2. PROCESSAMENTO DE DADOS


O processamento de dados está relacionado à manipulação de dados, incluindo várias tarefas, como validação, classificação ou agregação, gerenciamento de outliers e dados ausentes. O objetivo é a correta configuração de bancos de dados que permitam a geração adequada de informações, superando problemas de interoperabilidade (compartilhamento de dados entre sistemas).


3. RELATÓRIOS


Produzir os tipos de relatórios necessários para a propriedade ou empresa em todos os níveis é uma tarefa crucial. Desde listas de tarefas (por exemplo, animais a serem vacinados) até a análise de regressão multivariada para definir o valor ideal para um determinado indicador chave de desempenho (por exemplo, compreender os motivos de um baixo GPD a partir do cruzamento com dados sobre sanidade, ambiência e manejo ou ainda, definição dos calendários de abate a partir de forecasts de mercado e tendências de melhores preços), cada propriedade ou empresa deve decidir as informações necessárias de cada nível de informação (funcionários da granja, veterinário, gerente técnico, diretoria ou diretor executivo), não esquecendo que os fatores podem ser técnicos, econômicos ou uma combinação dos dois.


4. DISTRIBUIÇÃO


O objetivo desta etapa é enviar as informações certas para a pessoa certa no momento certo. Esta etapa não é executada corretamente em muitos casos e é um dos principais motivos para a subutilização dos dados. Às vezes, a informação chega tarde e é inútil (ex. informações sobre pneumonia após o surto da doença ou potencial de redução de lisina na ração após elevados GPDs mantidos por longos períodos ou abate realizado acima do peso alvo com conversões prejudicadas), ou é muito complexa para a equipe da propriedade ou muito básica para veterinários ou gerentes. As preferências do usuário também devem ser consideradas e podem incluir vários tipos (arquivos eletrônicos, mensagens via whatsapp/telegram ou aplicativos da web).


5. ANÁLISE E TOMADA DE DECISÃO


As informações devem ser legíveis e compreendidas pelo destinatário, sendo que o mesmo deve ter tempo suficiente para tomar as decisões. Até o momento, o objetivo das análises eram majoritariamente explicativos, mas devido a quantidade e qualidade dos dados disponíveis, a análise preditiva está se tornando uma etapa importante. O uso de inteligência artificial, como aprendizado de máquina (capacidade do sistema em aprender e melhorar automaticamente com a experiência sem ser explicitamente programado) ou redes neurais artificiais (processamento de informações inspirado na forma como os sistemas nervosos biológicos processam informações ) está se expandindo.


A partir destas cinco etapas é possível estruturar um sistema de informações robusto para o suporte e eficiência da produção e aos padrões de qualidade exigidos. A PecSmart está na chamada da Softex-IAMCTI para aprimorar suas aplicações a partir de inteligência artificial. Curtiu? Acesse www.pecsmart.com.br ou entre em contato.



30 visualizações

©2020 by PECSMART.