Gerenciamento de indicadores de produção em lotes de matrizes de postura comercial através do uso de redes neurais artificiais

• Ano de defesa: 2020
• Autor(a) principal: Oliveira, Eder Barbosa
• Orientador(a): Salle, Carlos Tadeu Pippi
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Redes neurais artificiais; Gerenciamento de dados; Galinha para postura; Ingestão de rações; Produção de ovos
• Palavras-chave em Inglês: Artificial neural networks; Layer parent stock; Production indicator management
• Link de acesso: http://hdl.handle.net/10183/253923

Este trabalho teve por objetivo utilizar redes neurais artificiais para predizer indicadores de produção dos lotes de matrizes de postura comercial em uma empresa matrizeira de aptidão postura comercial. Foram utilizados dados de 2007 a 2014, usando 51 lotes das linhagens Isa Brown e Bovans Withe totalizando 405.511 aves avaliadas. A empresa participante do experimento forneceu um banco de dados com informações de vários lotes pelo período de 7 anos. Para a construção das redes neurais artificiais foram utilizados os programas computacionais NeuroShell®Classifier e NeuroShell® Predictor, desenvolvidos pela Ward Systems Group. O programa identificou as variáveis escolhidas como “entradas” para cálculo do modelo preditivo e variável de “saída” aquela a ser predita. Neste trabalho foram utilizados 2.370 linhas para o treinamento, outras 593 serviram como testes para validação das predições, para obtenção dos resultados as redes neurais artificiais passaram por duas fases, na primeira foram apresentados o treinamento para as redes utilizando -se todas as variáveis de entrada que antecederam as variáveis de saída de cada rede. A segunda fase destinou-se à validação dos modelos com todas as variáveis de entrada que antecederam as variáveis de saída como: ovos produzidos semanal, consumo real de ração semanal, ovo/ave/alojada, ovo comercial semanal, ovo incubável semanal, peso de ovo real, produção de ovos real e viabilidade. Em todos esses oito modelos as redes neurais artificiais foram bem ajustadas, apresentando um Coeficiente de Determinação Múltipla (R²) próximo de um (1), salientando que R² quanto mais se aproximar de 1 maior precisão. De acordo com os dados apresentados pelas RNAs conclui se que foi possível predizer as informações alocadas dos lotes de matrizes de aptidão postura comercial, gerando predições úteis nas oito redes apresentadas além de apontar falhas nos dados da planilha de produção.