Potencial de aplicação de redes neurais artificiais na gestão de empresas avícolas : uma simulação a partir da cadeia de produção de frango de corte

Abstract

O crescimento da produção avícola no Brasil e no mundo tem sido constante, pois a aceitação da carne de frango por quase todas as culturas e religiões assegura esse aumento. Embora conhecida como a proteína animal mais eficiente do mundo, ainda há ampla margem para crescimento e desenvolvimento do setor avícola. A mesma avicultura que faz uso de equipamentos modernos e serviços atualizados, ainda toma decisões a despeito de aspectos produtivos baseada em critérios subjetivos. Com o crescente desenvolvimento de novas tecnologias da informação, o quadro que se impõe no momento é o da adoção de ferramentas de gestão que incorporem estas inovações. Dentre estas se destaca a modelagem matemática por meio de redes neurais artificiais (RNA, inteligência artificial). Projetados através de um processo de aprendizagem baseado em casos previamente resolvidos (experiências passadas), os modelos de RNA têm poder de reconhecer padrões e predizer cenários complexos (de relação não linear). Dentro deste contexto, o presente estudo teve como objetivo avaliar a capacidade de modelos de RNA em predizer o valor de indicadores de produção e o potencial impacto econômico (positivo ou negativo) gerado a partir da inter-relação das variáveis que compõem os diferentes segmentos da cadeia de produção da carne de frango (reprodutoras pesadas, incubatório, frango de corte e matadouro-frigorífico). A partir da base de dados de uma empresa avícola que contemplava os registros de 2191 lotes de frango de corte e 40 variáveis, quatro modelos preditivos de RNA foram construídos para as variáveis de maior interesse no estudo: eclosão vendável (1), peso do frango ao final da quinta semana (2), condenação parcial (3) e condenação total de carcaças (4). Com os modelos ajustados, 53 cenários produtivos, combinando ganhos ou perdas de desempenho das variáveis, foram simulados e comparados. Pelos valores preditos foi possível verificar o potencial efeito de alguns parâmetros de produção sobre as variáveis de interesse: (1) - linhagem, tipo de ovo, marca de incubadora e período de estoque dos ovos; (2) - linhagem, sexo e peso do frango na primeira, segunda, terceira e quarta semanas de criação; (3) – sexo, peso de pinto e peso do frango na segunda e terceira semanas de criação; e, (4) – sexo, tipo de pinto, linhagem, taxa de mortalidade na primeira, segunda e terceira semanas e peso do frango na segunda semana de criação. Projeções de desempenho produtivo e econômico foram comparadas com aqueles cenários julgados normais (esperados ou médios) no contexto da série histórica de dados disponível. Considerando ciclos de produção de um milhão de aves, as estimativas do impacto econômico dos diferentes cenários demonstraram haver uma janela de oportunidade de ganho ou perda financeira que pode superar um milhão de reais por ciclo. Além de possibilitar a predição dos valores de parâmetros de produção importantes dentro do sistema de integração avícola, os modelos de RNA gerados permitiram a realização de simulações de cenários produtivos. Sendo assim, esta ferramenta deve ser incorporada à gestão da produção, pois fornece projeções precisas e objetivas sobre fenômenos de ampla ocorrência no contexto da avicultura industrial.

The growth of poultry production in Brazil worldwide has been steady, and also the acceptance of chicken meat by almost all cultures and religions ensures this increase. Although known as the most efficient animal protein in the world, there is still an ample scope for the growth and the development in the poultry sector. The same poultry industry that uses modern equipment and up-to-date services still makes decisions regarding productive aspects based on subjective criteria. With the growing development of new information technologies the current framework is adopting management tools that incorporate these innovations. Among these stand out the mathematical modeling through artificial neural networks (RNA, artificial intelligence). Designed through a learning process based on previously solved cases (past experiences), RNA models have the power to recognize patterns and to predict complex scenarios (nonlinear relationship). Within this context, the present study is aimed to evaluate the ability of RNA models in order to predict the value of production indicators and the potential economic impact (positive or negative) generated from the interrelationship of the variables which make up different segments of chicken meat production chain (breeders, hatchery, broiler and slaughterhouse). From some database of a poultry company that included the records of 2191 broiler flocks and 40 variables, four predictive RNA models were constructed by the variables greatest interest in the study: salable hatching (1), chicken weight at the end of the fifth week (2), partial condemnation (3) and total carcass condemnation (4). With the adjusted models, 53 production scenarios, combining performance gains or losses of the variables, were simulated and compared. From the predicted values it was possible to verify the potential effect of some production parameters on the variables of interest: (1) - lineage, egg type, incubator brand and egg stocking period; (2) - chicken lineage, sex and weight in the first, second, third and fourth weeks; (3) - sex, chick weight and chicken weight in the second and third weeks; and, (4) - sex, type of chick, lineage, mortality rate in the first, second and third weeks and chicken weight in the second week of rearing. Projections of productive and economic performance were compared with those scenarios considered normal (expected or average) in the context of the available historical data series. Considering production cycles of one million chickens, the estimates economic impact of different scenarios showed that there is a window of opportunity for financial gain or loss that can exceed one million reais per cycle. Besides that, anabling the prediction values of important production parameters within the poultry integration system, the generated RNA models allowed the realization of productive scenarios simulations.