Redes neurais artificiais para o gerenciamento da indústria avícola: uma simulação baseada na cadeia de produção de frangos de corte

Autores

Resumo

O objetivo deste trabalho foi predizer os indicadores de produção e determinar o seu potencial impacto econômico em um sistema de integração utilizando as redes neurais artificiais (RNA). Quarenta parâmetros zootécnicos e de produção de granjas de matrizes e de frango de corte, um incubatório e um abatedouro foram selecionados como variáveis. Os modelos de RNA foram estabelecidos para quatro variáveis de saída (“eclosão vendável”, “peso ao final da quinta semana”, “condenações parciais” e “condenações totais”) e foram analisados em relação ao coeficiente de determinação múltipla (R2), coeficiente de correlação (R), erro médio (E), erro quadrático médio (EQM) e raiz do erro quadrático médio (REQM). Os cenários produtivos foram simulados e os impactos foram estimados. Os modelos de RNA gerados foram adequados para simular diferentes cenários produtivos após o treinamento. Para “eclosão vendável”, o modelo de incubadora e o período de incubação aumentaram os ganhos financeiros. Para “peso ao final da quinta semana”, a linhagem também demonstrou influência no retorno financeiro, o que não aconteceu com o peso ao final da primeira semana. O sexo do lote possui influência nas taxas de “condenação parcial”, ao contrário do peso do frango no primeiro dia. As taxas de mortalidade e o peso do frango apresentaram influência na “condenação total”, mas o sexo do lote e o tipo de pinto não tiveram influência.
Palavras-chave: gerenciamento de dados; impacto econômico; inteligência artificial; produção avícola

Downloads

Não há dados estatísticos.

Publicado

2023-06-20

Como Citar

CAMILOTTI, E.; QUEDI FURIAN, T.; APELLANIS BORGES, K.; TONINI DA ROCHA, D.; PINHEIRO DO NASCIMENTO, V.; DE SOUZA MORAES, H. L.; PIPPI SALLE, C. T. Redes neurais artificiais para o gerenciamento da indústria avícola: uma simulação baseada na cadeia de produção de frangos de corte. Ciência Animal Brasileira / Brazilian Animal Science, Goiânia, v. 24, 2023. Disponível em: https://revistas.ufg.br/vet/article/view/75400. Acesso em: 16 jul. 2024.

Edição

Seção

ZOOTECNIA