Uso de análise preditiva para melhorar o desempenho no Incubatório

Os incubatórios têm papel fundamental nos sistemas de produção avícola.

Os dados gerados neste processo podem ser melhor aproveitados com técnicas de análise preditiva para abordar problemas comuns que afetam a incubabilidade e a qualidade do pintinho, ao apoiar o planejamento, os programas de manutenção preventiva e as intervenções da equipe.

Discutiremos a atual situação do manejo e análise de dados em incubatórios, desafios e oportunidades, ferramentas disponíveis para melhoria, além de chamar a atenção para aprimorar a formação necessária para aplicar análise avançada de dados.

SITUAÇÃO ATUAL DA GESTÃO DE DADOS EM INCUBATÓRIOS

Existe uma variação significativa no nível tecnológico dos incubatórios ao redor do mundo. Apesar destes diferenciais, o incubatório é um dos segmentos da cadeia avícola com maior controle e geração de dados.

Os dados do incubatório provém do monitoramento de ovos e provisões de estoque, do funcionamento de equipamentos, desempenho reprodutivo das reprodutoras e resultados da incubação.

Os dados de incubação mais frequentes são:

Fluxos de ovos, fertilidade, incubabilidade;

Causa de mortalidade embrionária obtida nos embriodiagnósticos;

Resultado de pintinho;

Graus de qualidade;

Registros da temperatura média da máquina e da sala;

Umidade e pressões.

 

A digitalização de registros escritos à mão continua sendo complicada em muitos incubatórios, sendo os erros mecanográficos ainda comuns. A qualidade dos dados sempre requer muita atenção.

O método preferido de armazenamento de dados são os arquivos Excel com uma, ou múltiplas tabelas ou planilhas.

Os dados sempre devem ser organizados em linhas e colunas contínuas;

Infelizmente, espaços são deixados, frequentemente, de forma intencional, para agregar notas, complicando a análise de dados.

A identificação de incubatórios, granjas, lotes de reprodutoras, máquinas e outras variáveis descritivas deve ser consistente ao longo do tempo para se fazer uma análise precisa.

Algumas variáveis como tempo de armazenamento dos ovos, muitas vezes não são bem definidas, sendo os níveis aproximados inseridos de forma variável.

Seria melhor segregar os resultados específicos de armazenamento por horas, ou dias, ou predeterminar níveis específicos de armazenamento que possam ser analisados sistematicamente.

A grande maioria das análises de dados está, atualmente, limitada a:

Comparar, um a um, os resultados médios individuais de nascimento, embriodiagnóstico, ou período com um valor padrão da recomendação da linha genética por idade.

Realizar o acompanhamento de inventários de ovos, nascimentos e materiais.

As análises de dados são realizadas em Excel na maioria das vezes.

A visualização de dados em gráficos é fundamental para detectar padrões e valores extremos, pouco habituais.

Esta é a etapa na qual deve-se ver e corrigir os erros tipográficos e valores atípicos.

Nossa experiência com os dados coletados em todo o mundo mostra que os gráficos são incluídos nesses arquivos de Excel, porém os erros tipográficos óbvios nem sempre são pesquisados, ou corrigidos.

Ordenar e filtrar os dados também pode ajudar a determinar possíveis valores inesperados.

Usar tabelas e gráficos dinâmicos de Excel para organizar os dados por lotes de reprodutoras, granjas, máquinas e incubadoras.

Eventualmente, comparar múltiplos resultados médios em um painel onde as tabelas, ou gráficos, possam ser comparados.

 

DESAFIOS E OPORTUNIDADES

A grande maioria das análises de dados em incubatórios resume o que já ocorreu. As metodologias de análises comumente usadas ajudam a descrever esses fatos passados.

A informação obtida nestas análises, já foi provado, ajuda os gerentes dos incubatórios a entender os principais fatores que afetam a incubação, ou que tenham causado um problema.

Baseado na experiência adquirida neste sentido, os gerentes desenharam planos de ação.

Em geral, a variabilidade ordinária e inusual dos resultados de incubatórios é levada em consideração.

Consequentemente, não há uma clara noção acerca de reduzir, ou controlar a variabilidade.

Porém, os incubatórios estão se tornando maiores, consolidados, com máquinas modernas trazendo novas capacidades de monitoramento.

Muitos sensores eletrônicos estão hoje disponíveis para monitorar muitos parâmetros ambientais nas salas de incubação e dentro das máquinas.

As telecomunicações e a internet das coisas viabilizam monitoramento a distância e conectividade em tempo real com quase todos os equipamentos fundamentais no incubatório.

A migração para máquinas de carga única implica a necessidade de determinar os perfis ótimos de incubação para cada condição. Pesquisadores da avicultura reportam que as condições ótimas podem variar dependendo da genética das reprodutoras, idade e nutrição das galinhas, tempo de armazenamento dos ovos, ou tratamentos durante o armazenamento.

Quando a incubação em carga múltipla era predominante, podia-se modificar um pouco o ambiente das máquinas para melhorar a incubabilidade.

Agora, em máquinas de carga única podemos mudar múltiplos parâmetros como a temperatura, umidade, concentração de CO2 e viragem para cada fase de desenvolvimento embrionário.

Qualquer intervenção tem resultados variáveis que deveriam ser quantificados para determinar as melhores ações a serem adotadas.

Considerando que a indústria avícola está mais exigente, qualquer melhoria em incubabilidade e qualidade dos pintinhos tem impacto monetário significativo.

Nos EUA foi calculado que uma melhoria de 1% na incubabilidade é equivalente a aproximadamente US$33.000 por ano, em um complexo de frangos de corte que produz um milhão de aves por semana.

Reduzir os custos em um centavo por pintinho, equivale a uma economia de US$547.000 por ano em uma operação de frangos de corte similar.

Geralmente, as melhorias na incubabilidade estão bem correlacionadas com a qualidade dos pintinhos, menor mortalidade, melhor desempenho vivo e rendimento de carne. Inclusive, pode-se reduzir a incidência de alguns problemas de saúde e bem-estar. É bem sabido que a qualidade dos pintinhos é necessária para alcançar o potencial genético de todas as espécies de aves de produção.

 

Os benefícios obtidos ao melhorar o rendimento da planta de incubação têm efeito de bola de neve positiva em uma operação avícola, o que justifica os investimentos em análises de dados.

As novas tecnologias de dados oferecem uma oportunidade de avançar mais na produtividade do incubatório e, especialmente, na qualidade do pintinho.

Atualmente, os dados de rendimento da incubação, raras vezes são correlacionados com os registros dos pontos de ajuste da máquina e as condições ambientais reais dentro de máquinas específicas.

Este é o tipo de relação necessária para estabelecer quais condições otimizam a incubabilidade para grupos particulares de ovos.

Os conceitos gerais de quais configurações da máquina poderiam ser melhores para alguns ovos, são conhecidos pela experiência de estudos publicados. No entanto, existem múltiplas combinações de fatores que afetam a incubabilidade em um incubatório comercial.

As ferramentas de predição permitem determinar onde e como realizar intervenções oportunas e significativas para obter os melhores resultados, se mantidas as condições atuais, ou previamente conhecidas.

Estas ferramentas preditivas podem ser obtidas dos mesmos registros de dados utilizados atualmente e de todos os dados estreantes dos sensores eletrônicos.

Estas ferramentas de análises preditivas estiveram disponíveis em muitos softwares estatísticos durante algumas décadas.

Lamentavelmente, houve pouca aplicação nos incubatórios comerciais.

FERRAMENTAS DISPONÍVEIS

Foram desenvolvidas várias estratégias de análise de dados para a produção avícola nas últimas décadas, devido à criação de tecnologias para a produção animal de precisão.

Entre elas, foram testadas as redes neuronais artificias (ANN) em várias oportunidades para predizer a incubabilidade de ovos em frangos.

As ANN são modelos paramétricos não lineares que imitam os mecanismos de processamento do cérebro humano.

Esta técnica computacional inclui algorítimos matemáticos que oferecem capacidade de aprendizagem contínua a partir de exemplos de dados.

As ANN incluem três unidades principais de processamento, uma camada de entrada, uma camada intermediária ou oculta e a camada de saída, onde se obtém a solução.

Nas camadas de entrada foram utilizados os seguintes fatores:

Idade da reprodutora,

Tempo de armazenagem dos ovos;

Temperatura do ar;

Umidade relativa do ar;

Concentrações de dióxido de carbono e oxigênio;

Tudo com suas respectivas observações padrão.

A camada de entrada inclui os registros completos dos dados ambientais durante as 496, ou 504 horas de incubação, obtidos dos sensores eletrônicos das incubadoras e nascedouros.

A camada de saída é composta pelos dados respectivos de incubabilidade, ou embriodiagnóstico.

O registro contínuo de dados de temperatura, umidade, concentrações de gases e os registros de tempo e frequência de aquecimento, resfriamento e umidificação produzem dados em sinais. A análise de processamento de sinais é uma técnica que deve ser aplicada para avaliar os sensores eletrônicos, ou o rendimento da máquina. Programas como MATLAB, JMP, R e SAS, entre muitos outros, podem desenvolver esse tipo de análise junto com ANN.

 

As análises completas dos dados das plantas de incubação requerem a integração do processamento de sinais com a análise numérica. Está comprovado que as ANN proporcionam as melhores predições possíveis. As ANN desenvolvidas com dados de incubabilidade (Bolzan et al., 2008; Chamsaz et al., 2011) podem ser utilizadas para simular o melhor conjunto de condições para ovos, com combinações específicas de idade e tempo de armazenamento.

Outra técnica analítica que não foi explorada para estimar as intervenções e a variabilidade do controle nos processos de incubação é o controle estatístico de processos (SPC – sigla em inglês).

A implementação destas técnicas pode ajudar na melhoria contínua do rendimento ao reduzir a variabilidade.

Pode ajudar a detectar quando se deve aplicar a manutenção preventiva.

A manutenção é programada cronologicamente nas plantas de incubação, porém os sensores eletrônicos e os motores podem apresentar falhas nestes ambientes difíceis.

Detectar antecipadamente quando é necessária a manutenção pode economizar dinheiro e garantir a qualidade no processo.

O SPC pode evitar as comparações frequentes de observações individuais com um valor padrão, permitindo margens que são toleráveis dentro da variabilidade natural.

O SPC também propõe metas alcançáveis para melhorar um processo, reduzindo a variabilidade.

Os métodos determinam os limites mínimo e máximo, além de um nível estatístico de confiança.

 

Os gráficos de controle e os índices de capacidade do processo são algumas das principais ferramentas de SPC.

Na Figura 1, podemos observar como se vê um gráfico de controle e as partes descritas.

Os gráficos de controle ajudam a identificar casos de causas acidentais para planejar ações corretivas.

As causas incomuns, ou esporádicas de variação podem ser detectadas e eliminadas.

Os índices de capacidade comparam a dispersão dos valores registrados de um parâmetro no processo com a amplitude dos limites de especificação considerados aceitáveis.

O índice pode ser calculado a partir de um software estatístico.

 

 

Figura 2 mostra um exemplo de como é o processo de controle do peso corporal do frango no momento do nascimento. Os índices são calculados de acordo com as fórmulas descritas na Figura 3.

 

Estes índices permitem determinar se o processo ou as máquinas estão no objetivo, ou não, e se são estáveis, ou instáveis.

Motivamos os leitores a revisar este processo para obter os benefícios desta metodologia.

O SPC poderia ser aplicado a cada um dos parâmetros ambientais monitorados em uma máquina incubadora, qualidade de pintinhos, peso dos ovos ou pintinhos, mortalidade de embriões no tempo, ou qualquer outro processo, ou parâmetro medido no tempo.

MELHORAR A FORMAÇÃO E O CONHECIMENTO EM ANÁLISE Estas técnicas de análise preditiva utilizadas nos setores de fabricação, serviços, finanças e atenção médica podem nos ajudar a extrair mais valor dos dados da planta de incubação. No entanto, a principal dificuldade de implementação foi a falta de pessoal capacitado que também compreenda o processo de incubação e todos os dados disponíveis que devem ser integrados.

 

Este artigo busca estimular o desejo de explorar e investir nestas técnicas.

Há muito que aprender, porém, uma promessa significativa de obter informação valiosa destas análises para melhorar o rendimento da planta de incubação.

 

 

 

 

 

PDF