|
Administração, Economia, Planejamento e Política Avícola
Novo Método Para o gerenciamento Da Avicultura
Carlos Tadeu Pippi Salle
Adriano da Silva Guahyba
UFRGS/CDPA - Revista Sanidade Avícola
Prof. Dr. Carlos Tadeu Pippi Salle
Dr. Adriano da Silva Guahyba
A avicultura tem obtido um desenvolvimento sem precedentes nos últimos 40 anos. Partindo dos "frangos de peito duplo" chegou às atuais linha genéticas. Este crescimento veio acompanhado de imensas transformações nas áreas de nutrição, genética, manejo e sanidade. Tal aporte tecnológico foi avidamente incorporado pelos empresários avícolas promovendo a transformação da "criação de galinhas" no agronegócio avícola dos dias atuais. A avicultura acostumou-se a lidar com ítens como "custo/benefício", "gestão de qualidade ou qualidade total". Nos gabinetes dos diretores, é possível visualizar preceitos modernos de administração como, por exemplo, o ciclo tão aceito do "planejar-fazer-controlar-ajustar". Na estrutura de produção tudo é registrado e guardado. Antigamente, usavam-se as máquinas de escrever e os documentos gerados eram mantidos em arquivos. Mas hoje, o computador faz parte das rotinas e os dados são guardados magneticamente. Resumindo, o avicultor saiu do quintal para alcançar as bolsas de valores. Enfim, a avicultura cresceu muito! Cresceu tanto, que preocupou os competidores nacionais e internacionais. Todos os dias ouve-se falar da Organização Mundial de Comércio, em subsídios e em barreiras sanitárias. Estas últimas têm se constituído no meio mais usado para criar dificuldades no comércio internacional. Em um futuro muito próximo, dadas às características continentais do Brasil, as barreiras sanitárias serão empregadas para proteger os interesses da indústria avícola nos diferentes estados da Federação.
Infelizmente, nem tudo são rosas neste segmento da pecuária. A incorporação da tecnologia externa, muitas vezes, foi feita sem uma reflexão mais aprofundada para definir sua adaptação às necessidades locais. Mais ainda, não foi criado o espírito do desenvolvimento científico e tecnológico nas empresas verde-amarelas, o que deixou em segundo plano os projetos de cooperação entre as instituições de ensino e pesquisa e as empresas avícolas, com flagrantes prejuízos para o desenvolvimento setorial, sem falar na renúncia constante aos recursos oficiais destinados a promover este tipo de integração. Não se deve esquecer que o Brasil dispõe de agências financiadoras do desenvolvimento científico e tecnológico, o Conselho Nacional para o Desenvolvimento Científico e Tecnológico (CNPq) e a Financiadora de Estudos e Projetos (FINEP) por exemplo, que gerenciam recursos da ordem de centenas de milhões de dólares do Programa de Apoio ao Desenvolvimento Científico e Tecnológico (PADCT), entre outros, do Ministério da Ciência e Tecnologia.
Nas empresas avícolas, neste caso não só nas brasileiras, mas em todo o mundo, há uma grande quantidade de dados gerados com o intuito de conhecer e melhorar a qualidade do produto final. A avicultura demonstrou competência e sempre esteve aberta às inovações, razões que a levaram à posição de destaque que se encontra atualmente. Esta situação invejável deixa-a no compromisso de, constantemente, buscar novas alternativas e patamares de conhecimento. Para tal, é importante diagnosticar os pontos de estrangulamento ou gargalos que prejudicam o desempenho produtivo. Um deles, e muito importante, é a infinidade de registros que são gerados dentro das empresas. Tanto aqui como no exterior, estes dados não são adequadamente analisados em sua grande maioria, causando a falta de critérios que orientariam as decisões empresariais. Ora, sem critérios claros não podem haver decisões firmes e fundamentadas. Na verdade, os registros dos dados da avicultura traduzem numericamente os fatos que compõem a história da empresa. Esta história deve ser compreendida para que origine parâmetros que orientarão as decisões dos empresários e profissionais e levem ao êxito do empreendimento pretendido. Quem não gostaria de saber por antecipação, e com probabilidade conhecida, a predição da ocorrência de algum fato relevante na produção ou sanidade dos seus plantéis? Seria interessante conhecer, com segurança, as contribuições que os vários setores de uma companhia têm sobre um produto final? Interessaria ao empresário avícola fazer simulações com as decisões que poderia tomar em uma determinada situação e medir os reflexos que terão na empresa que dirige? Seria bem recebida pelo profissional que trabalha na avicultura a comprovação objetiva, numérica, das medidas que ele proponha ou venha a recomendar? Quem não gostaria de saber, com significância estatística, o grau de eficácia do trabalho realizado? Interessaria ao profissional dispor de programas de monitorização, ou de verificação da qualidade, que lhe gerassem dados que fossem interpretados objetivamente e tivessem sustentação científica? Por outro lado, o pouco conhecimento da história da empresa, ou a análise inadequada dos seus resultados, leva o dirigente a erros, com maior ou menor repercussão, que seriam facilmente evitáveis.
Com o intuito de buscar respostas às perguntas formuladas anteriormente, há quase dez anos, professores e pesquisadores do Centro de Diagnóstico e Pesquisa em Patologia Avíária (CDPA) da Faculdade de Veterinária da Universidade Federal do Rio Grande do Sul (UFRGS) vêm trabalhando neste assunto. Já foram elaboradas duas dissertações de mestrado e está em andamento uma tese de doutorado que versa sobre este tema. Recentemente, o grupo do CDPA apresentou seus trabalhos de pesquisa com o enfoque em modelos matemáticos para monitorização sorológica e de micotoxinas, internacionalmente originais, na 4th Asia-Pacific Poultry Health Conference, realizada em novembro de 1998 em Melbourne, Austrália e na 48th Western Poultry Disease Conference, ocorrida em abril de 1999 em Vancouver, Canadá. Estes trabalhos de pesquisa já foram enviados para diferentes lugares do mundo por solicitação dos interessados. As pesquisas mais recentes que utilizam inteligência artificial, e objetivo da tese de doutorado, ainda não foram publicados. Estes últimos avanços obtidos permitem a construção de modelos que aprendem, ou seja, são dinâmicos e sempre atuais, diferenciando-se, neste ponto, dos obtidos através da estatística convencional. Mais ainda, permitem realizar simulações de fatos com a obtenção da predição de resultados esperados. Estas condições são inovadoras na agro-indústria e revestem-se de inegável valor para aqueles que necessitam conhecer, antecipadamente, critérios ou padrões, para orientar ou dar base às decisões.
A pergunta que surge após a apresentação anterior é: a quem pode interessar este método? Alguns dos possíveis interessados neste assunto serão:
- a própria indústria avícola ou outro segmento agro-industrial;
- bancos que se interessem pelo crédito rural, pois estariam de posse dos modelos de produção da empresa a ser financiada e dos resultados esperados;
- seguro agrícola, pela mesma razão dos bancos;
- fundos de investimentos que operem em bolsas de valores pois estariam mais seguros quanto aos riscos do investimento;
- governo, já que, através deste instrumento, poderá ter conhecimento e controle dos tópicos relacionado com a sanidade e com os parâmetros de produção dos plantéis brasileiros, podendo desencadear ações como a decretação do Brasil como país livre de Doença de Newcastle com vacinação e implementar, ou melhorar, as ações que envolvam crédito rural e seguro agrícola.
MODELOS MATEMÁTICOS EM AVICULTURA
Os primeiros trabalhos sobre Modelagem Matemática em Avicultura foram desenvolvidos no CDPA pelos orientados do Prof.Carlos Tadeu Pippi Salle.
O tipo de abordagem deste assunto está inserido na filosofia de trabalho do Centro de Diagnóstico e Pesquisa em Patologia Aviária (CDPA-UFRGS), o qual já realizou diversos trabalhos que vêm servindo de base para a implantação de modelos matemáticos os quais servirão para tornar menos empírica a adoção de medidas de controle e de prevenção de doenças nas empresas avícolas.
No Centro de Diagnóstico e Pesquisa em Patologia Aviária (CDPA) da Faculdade de Veterinária da Universidade Federal do Rio grande do Sul, o primeiro trabalho desta linha de pesquisa foi realizado por Soares (1995), o qual utilizou modelos matemáticos para avaliar a resposta imunológica em reprodutoras pesadas de perus, diante do vírus vacinal da doença de Newcastle. Ao findar esta tarefa, decidiu-se por realizar uma outra mais abrangente, na qual executou-se a modelagem matemática para avaliar a resposta imunológica de reprodutoras pesadas de galinhas frente a vacinações contra doença de Newcastle (DNC), doença infecciosa bursal (IBD) e Bronquite Infecciosa (BI), executado pela estudante de mestrado Milene Cristine Cé e defendido em fevereiro de 1999. Atualmente, o estudante de doutorado Adriano da Silva Guahyba executa o projeto de tese intitulado "Utilização de redes neurais artificiais na avaliação de dados sorológicos de reprodutoras pesadas para DNC, BI e IBD em uma empresa avícola e a sua relação com os parâmetros de produção".
Além destas dissertações, já foram apresentados no "Fourth Asia-Pacific Poultry Health Conference" (22 a 26 de novembro de 1998), em Melbourne - Austrália, três trabalhos científicos, os quais foram executados no CDPA, sendo que um mediu a correlação entre níveis de aflatoxina e ocratoxina com os parâmetros de produção em uma empresa avícola (Salle et al., 1998b), outro fez uso de técnicas estatísticas na interpretação de dados de rotina sorológica produzidos por uma empresa avícola (Salle et al., 1998c) e o terceiro, abordou o uso de modelos matemáticos para avaliar a resposta imunológica em reprodutoras pesadas de perus diante do vírus vacinal da doença de Newcastle (Salle et al., 1998d). Posteriormente, esses trabalhos foram também apresentados na 48th Western Poultry Disease Conference (24-27 April 1999) em Vancouver no Canadá.
Benigni & Giuliani (1994) citam os requerimentos particularmente importantes: 1) Prévia identificação dos objetos que tenham um papel no fenômeno sob estudo e 2) Identificação das condições limitantes e do domínio da aplicabilidade do modelo.
As redes neurais foram inspiradas na estrutura e função de neurônios biológicos. Redes neurais aprendem com a interação de padrões de exemplo sem requererem um conhecimento a priori das relações entre variáveis sob investigação. O neurônio recebe uma ou mais entradas e transforma a soma daquelas entradas em uma valor de saída o qual é transferido para outros neurônios. A rede artificial neural é um conjunto de unidades processadoras (ou nódulos) que simulam neurônios biológicos e são interconectados por um conjunto de pesos (análogo às conexões sinápticas no sistema nervoso), o qual permite tanto processamento serial quanto paralelo de informação através da rede (Roush et al., 1996).
Não foi encontrado na literatura qualquer registro acerca da utilização das redes neurais artificiais, visando a abordagem que objetiva-se (predição de dados sorológicos e sua associação com os parâmetros de produção).
A literatura consultada, no entanto, registra o uso de modelos matemáticos visando atender outros objetivos importantes e que são citados a seguir.
Zhang et al. em 1996, utilizaram dois experimentos com pintos Leghorn e dados de cinco publicações para determinar se uma simples equação geral poderia ser utilizada para predizer a relação entre a quantidade de uma enzima bruta adicionada à dieta e a performance dos pintos. Os dados foram analisados pelo teste de ANOVA para determinar a significância dos efeitos principais. O teste de amplitude múltipla de Duncan e contrastes ortogonais polinomiais foram usados para comparação múltipla de médias. As médias dos dados foram também sujeitas à análise de regressão usando regressão linear, quadrática e cúbica. Na maioria destas análises a quantidade de enzima ou sua atividade foi transformada em valor logaritmo. Este estudo demonstrou que há uma relação linear entre a quantidade de enzima adicionada à dieta, quando expressada como um valor logaritmo, e a correspondente performance das galinhas e, portanto, demonstraram ser possível predizer corretamente a resposta de pintos à suplementação de enzima na dieta usando uma equação relativamente simples. A equação mostrou que sucessivos aumentos de nove vezes na quantidade de enzima são requeridos para cada melhoria no incremento da performance, ou seja, se 0.1% de enzima produz 10% de aumento no ganho de peso, então 1% de enzima (10 vezes mais) produziria somente um adicional de 10% de melhoria. A equação proporcionou um meio simples de estimar a eficácia da enzima e é influenciada por fatores tais como tipo de enzima, processamento da dieta, tipo e variedade do alimento cereal, e classe da avicultura.
Em 1996, Roush et al. estudaram a predição de Ascite em frangos através das Redes Neurais Artificiais, realizando comparação entre resultados de diagnósticos de laboratório e a incidência predita pela rede neural. Segundo eles, a rede neural identificou corretamente a presença ou ausência de Ascite. Esta é uma outra alternativa para analisar dados binários (além da regressão logística proposta posteriormente por Kirby et al., em 1997).
Roush et al. em 1997, tornaram a utilizar a rede neural como uma predição probabilística de Ascite em frangos de corte (da mesma forma que em Roush et al., 1996), só que desta vez os autores conseguiram obter os dados baseados em fatores fisiológicos minimamente invasivos, sem necessitar intervenções cirúrgicas e outros procedimentos invasivos utilizados em 1996. A conclusão foi que o uso dos modelos desenvolvidos pode intensificar o diagnóstico de ascite em frangos de corte. Os resultados podem ser úteis na escolha e desenvolvimento de linhagens de frangos de corte que não tenham propensão à ascite.
Elfadil et al. em 1996, utilizaram a análise multivariada (além da univariada) para investigar possíveis associações entre celulite e outras categorias de condenação em um frigorífico. Uma das conclusões finais dos autores foi a de que variáveis significativamente associadas com celulite na análise multivariada poderiam ser consideradas potenciais preditores e que estes podem compartilhar fatores de risco comuns predispondo os frangos de corte à celulite.
Em 1997, Kirby et al. realizaram uma comparação entre modelos obtidos de regressão logística e modelos obtidos de regressão linear para predizer a ocorrência de Ascite em frangos de corte. Os autores utilizaram na análise estatística, dados binários (saudável ou afetado), os quais podem ser problemáticos, já que estes não vão ao encontro de todas suposições necessárias à análise estatística mais familiar, tal como ANOVA e regressão linear. Dados binários são discretos e não têm erros normalmente distribuídos, o que viola uma suposição fundamental de modelos lineares. A regressão logística fornece um método mais apropriado de analisar, estatisticamente, conjuntos de dados binários. Nesse estudo, as habilidades da regressão logística e linear para predizer susceptibilidade à ascite, em indivíduos subclínicos, foram avaliadas usando dados obtidos de frangos sujeitos a dois métodos experimentais para predispor à ascite: estresse por frio e o grampeamento cirúrgico de uma artéria pulmonar. A conclusão do trabalho foi que embora a regressão linear prediga frequentemente a incidência de ascite tão bem quanto a regressão logística faz, a regressão logística é o teste estatístico mais apropriado para ser usado nesse caso.
|
