Gerenciamento de índices produtivos em lotes de postura comercial através do uso de redes neurais artificiais

Abstract

O presente estudo utilizou Redes Neurais Artificiais (RNAs) elaboradas pelos programas computacionais NeuroShell®Predictor e NeuroShell®Classifier para avaliar dados zootécnicos de 42 lotes de aves produtoras de ovos comerciais provenientes de uma empresa localizada na Região Serrana do Estado do Rio Grande do Sul. Os dados foram gerados de 2010 a 2018 abrangendo um total de 600.000 poedeiras comerciais. As variáveis objeto desta avaliação foram fase de criação, local de alojamento, linhagem, cor das aves, peso semanal, uniformidade, percentual de produção semanal, ovo/ave alojada, grama/ave/dia, número de aves mortas por semana, percentual de mortalidade semanal, idade em semanas, identidade e saldo de aves. Os programas identificaram variáveis de entrada para montagem das redes buscando a predição das variáveis chamadas de saída que foram posteriormente validadas. O processo inicial de treinamento das redes utilizou 50% dos dados disponíveis no banco de dados da granja e o restante 50% foi usado para validação das predições realizadas. Os resultados do Coeficiente de Determinação Múltipla nos processos de validação das redes foram os que seguem: rede Aves Mortas Semanal R²=0,933, rede Grama/Ave/Dia R²=0,738, rede Ovo/Ave Alojada R²=0,990, rede Peso Semanal R²=0,971, rede Produção Média Semanal R²=0,801 sendo que todas essas tiveram capacidade de predição. A rede Uniformidade apresentou R²=-2,995 e não obteve sucesso nas previsões. Conclui-se que as Redes Neurais Artificiais são um instrumento de grande capacidade de predição dos dados zootécnicos em Produção de Ovos Comerciais e que a constante qualificação dos dados deste processo produtivo proporcionará avanços no gerenciamento da atividade.

The present study used Artificial Neural Networks (RNAs) developed by the computer programs NeuroShell®Predictor and NeuroShell®Classifier to evaluate zootechnical data of 42 flocks of commercial layers from a company located in the State of Rio Grande do Sul. The data were generated from 2010 to 2018 covering a total of 600,000 commercial egg producing birds. The variables object of this evaluation were the breeding phase, place of housing , commercial strain, color of the birds, weekly weight, uniformity, percentage of weekly production, egg / bird housed, grams / bird / day, weekly mortality, percentage of weekly mortality, age in weeks, identity and number of birds. The programs identified input variables for assembling the networks in order to predict the variables called output that were later validated. The initial training process of the networks used 50% of the data available in the farm's database and the remaining 50% was used to validate the predictions made. The results of the Multiple Determination Coefficient in the validation processes of the networks were as follows: weekly mortality R² = 0.933, gram/ bird/ day R² = 0.738, egg/bird housed R² = 0.990, weekly weight R² = 0.971, percentage of weekly production R² = 0.801, all of which had predictive capacity. The uniformity presented R² = -2.995 and was not successful in forecasting. It is concluded that the Artificial Neural Networks are an instrument of great capacity for prediction of the zootechnical data in production of commercial eggs and that the constant qualification of the data of this productive process will provide advances in the management of the activity.