Pesquisa e Inovação: BeefTrader Grass: uma plataforma de inteligência de informações de mercado para a maximização do lucro de animais a pasto
Busca avançada
Ano de início
Entree

BeefTrader Grass: uma plataforma de inteligência de informações de mercado para a maximização do lucro de animais a pasto

Resumo

Mais de 90% dos bovinos do país são criados a pasto, e representam o maior rebanho comercial do mundo, que movimenta direta e indiretamente mais de R$ 597 bilhões, 8,7% do PIB brasileiro. Sistemas de produção extensivos vêm perdendo suas áreas em virtude da baixa lucratividade e expansão agrícola. O presente projeto visa alterar completamente este cenário, aumentando e estimulando a permanência do homem no campo pela melhoria da lucratividade e profissionalismo de sua operação. Para isso, os algoritmos a serem desenvolvidos (BeefTrader Grass), terão como objetivo, maximizar o lucro da recria e engorda a partir do monitoramento individual e predição do crescimento e lucro dos animais durante a fase de recria, bem como a formação de grupos de animais com alto grau de similaridade para o mercado de boi magro ou engorda. Dessa forma a ferramenta poderá ser usada para tomada de decisão previamente e planejamento estratégico durante a recria (mercado de boi magro), aumentando esta fase, e proporcionando uma engorda mais lucrativa. Todos os pecuaristas vêm consistentemente demandando da @Tech uma plataforma de inteligência a pasto, enaltecendo ainda mais, o desenvolvimento do atual projeto. Esta plataforma permitirá a formação de lotes homogêneos e monitoramento do crescimento e lucro dos animais recriados a pasto para serem destinados a engorda confinada. A função objetivo deste algoritmo será maximizar a lucratividade dos recriadores e confinadores. A hipótese nesta fase se baseia no BeefTrader Grass aumentar, a partir da otimização, a lucratividade média dos animais monitorados (durante a recria) e selecionados (lotes homogêneos pelo novo algoritmo, para a engorda) quando comparada à lucratividade utilizando os métodos tradicionais atualmente empregados (baseado em peso e características visuais e metabólicas). O projeto de pesquisa será dividido em duas etapas: I) desenvolvimento de um algoritmo de programação matemática. Uma base de dados (BD) históricos de animais na fase de recria das fazendas parceiras (~ 5.000 animais) com pesagens de intervalo entre 30 e 60 dias será utilizado para a implementação do modelo matemático. Após a análise exploratória (medidas de posição e dispersão), e estudo de dados atípicos, o BD será organizado; II) avaliação do algoritmo de programação matemática (classificação de animais homogêneos), com um banco de dados independente obtidos em um experimento observacional a campo. Nesta etapa o algoritmo será avaliado em no mínimo três fazendas parceiras, em três regiões: Centro-Oeste, Sudeste e Sul. Nestas regiões serão monitorados, com dados diários, no mínimo 1.000 bovinos criados como grupo de contemporâneos na fase de recria. Após a coleta das informações da fazenda (incluindo dados econômicos e de manejo alimentar) estes animais serão identificados e avaliados na entrada da recria [peso, raça, gênero, idade, grau de estrutura corporal ou frame size, medidas biométricas e Escore de Condição Corporal (ECC)]. Ao longo da recria, os animais serão monitorados por balanças de pesagem diária. Para cada evento de pesagem, os animais serão imageados por câmeras inteligentes (sistema 3DBeef, da @Tech) monitorando desta maneira a taxa de mudança do ECC e frame size de forma automática ao longo do tempo. Durante a fase de recria, com dados diários das fazendas parceiras, será possível, utilizando o BeefTrader Grass, testar a hipótese especificada na Etapa I. Utilizando desenvolvimento enxuto e modelagem baseada no usuário, via entrevista, cada fazenda será visitada no meio e na data de saída dos animais da recria para a avaliação e melhoria da plataforma. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)