A internet das coisas (suínas)

O nosso sector está prestes a receber uma nova revolução que provavelmente demore menos em se implantar do que pensamos, entre outras por uma razão muito simples: é algo que vem de outros aspectos da vida à que a pecuária e a suinicultura, em geral, não é alheia. Trata-se da nova gestão da informação.

Esta evolução apoia-se em 4 conceitos que ao interagir redefinirão muitos aspectos do nosso negócio e são:

1. A conectividade-mobilidade
2. A núvem
3. Big Data ou dados massivos
4. Sistemas de Inteligência de negócio como novas ferramentas de análise

E porque é que todos estes conceitos que nos parecem alheios à nossa actividade vão a marcar a evolução do nosso sector nos próximos anos? Porque estão suficientemente maduros, são suficientemente baratos e simples para poder começar a implementar-se no nosso sector, começando quase sempre por aqueles produtores com mentalidade mais profissional (o que não necesariamente está relacionado com o tamanho, mas sim com a atitude).

Até agora quando falamos de gestão de dados, de maneira quase inconsciente ligamos a dados dos animais e dentro destes aos das reprodutoras. Isto é, basicamente, o que se entende por esse conceito e quiçá também possam ser incluidos os dadtos económicos, ainda que isto seja visto sempre desde uma perspectiva própria e interna (ou dito de outra maneira, geralmente nem se recolhem, ne se analisam nem se partilham para além do âmbito da própria empresa, algo que sempre acontece com os dados reprodutivos). Mas isto vai começar a mudar rapidamente, por duas razões:

1. Necessitamos trabalhar de maneira mais minuciosa e precisa noutras áreas relacionadas com dados animais (monitorização da sanidade, controlo da biossegurança, uso de antibióticos ou da ração entre outros)
2. Começamos a dispor de máquinas e dispositivos que geram dados em contínuo sem intervenção humana.

Quanto ao primeiro ponto, tanto por questões técnicas, de controlo de qualidade interna, estratégicas da empresa ou regulatórias, a quantidade e a frequência dos dados a gerir vai aumentar notavelmente. Isto suporá um esforço do pessoal encarregado desta tarefa e serão utilizados diferentes sistemas para tal finalidade, desde os clássicos relatórios de recolha em papel para o seu processamento posterior, canetas digitais, PDA’s até aplicações web instaladas em telefones móveis ou tablets; todas elas podem ser válidas segundo a finalidade e o utilizador.

Mas talvez a alteração mais profunda vai vir de sistemas capazes de gerar dados continuamente e sem intervenção humana (é o que se tem vindo a chamar de ‘a internet das coisas’), entre os que se encontram os seguintes:

• Máquinas electrónicas de alimentação de reprodutoras na gestação mediante chip
• Controladores de alimentação de reprodutoras em lactação, acopláveis à descida da ração
• Máquinas electrónicas de pesagem de animais e controlo da alimentação em porcos de engorda
• Sensores de temperatura, humidade relativa, CO₂, consumo de água e consumo eléctrico
• Dispositivos de pesagem à distância mediante tecnologia de imagem 3D
• Analisadores automáticos da qualidade do sémen integrados em iPad

Todos estos dispositivos, que já estão no mercado, alguns desde há alguns anos, geram enormes quantidades de dados normalmente infrautilizados; por exemplo, as máquinas de alimentação electrónica de porcas na gestação, geralmente não se utilizam para muito mais que para saber se uma porca comeu o que devia ou não.

Ante esta situação os produtores e técnicos devem decidir relativamente ao ponto I), se gerar dados ou não e relativamente ao ponto II, terão que decidir se utilizam os dados já produzidos ou não (se se recolhem automaticamente). Para ambas perguntas as respostas mais prováveis serão ‘Sim’ (SIM, vão-se gerar e SIM vão-se utilizar). Portanto, é melhor começar a pensar em como enfrentar este cenário com a maior eficiência e menor custo possível.

Qualquer suinicultorr profissional (quase diríamos que qualquer empresa), deve abordar o seguinte esquema (gráfico 1) para uma correcta gestão de dados e análise de produtividade.

Gráfico 1. Ciclo de optimização da gestão de dados.

Este esquema geralmente não está optimizado (não apenas em explorações familiares ou cooperativas médias, mas também em muitas grandes empresas encontram-se importantes lacunas). Assim, é muito frequente que:

• os dados não se recolham bem (nem sejam os adequados nem com a frequência adequada)
• que não se processem bem (por não se dispor das ferramentas necessárias - pacotes de software para suínos óptimos para cada situação - ou por não se dispor de conhecimento ou de tempo necessário)
• que não gerem os relatórios esperados por tipo, por forma ou por frequência (muitas vezes chegam tarde ou num formato inapropriado)
• que não se distribuam bem (o relatório há-de chegar à pessoa adequada, na forma adequada e no momento oportuno; por exemplo uma lista de porcas hipoprodutivas para refugar que chegue ao trabalhador quando já tenham sido cobertas resulta perfeitamente inútil)
• que não se compreendam bem e não se tomem as decisões que o relatório esta a ‘pedir’, geralmente ocorre por falta de tempo e de preparação das pessoas encarregadas. A informação está disponível mas não ‘penetra’ na pessoa responsável por tomar as decisões. Portanto, ou não se toma qualquer decisão ou não se tomam as decisões adequadas. Esta situação é muito frequente porque nas empresas actualmente não existe a figura do “analista responsável”, que é o encarregado de compreender os relatórios na produção e aplicar as medidas necessárias. Por outras palavras, à falta da figura do “analista”, cada um luta pela sua vida como pode para fazer o seu trabalho da melhor forma possível.

As primeiras análises desta enorme massa de dados (gerados de maneira automática), revelam informação de grande interesse por agora ainda desconhecida. É isto que ocorre com os dados clássicos reprodutivos (na PigCHAMP temos podido prever o rendimento da vida completa da reprodutora com base nos resultados do primeiro parto mediante a análise meticulosa de meio milhão de cobrições – Lida, Piñeiro e Koketsu, 2015-), e parece que também vai ocorrer com os dados gerados pelas diferentes máquinas. Quando se processam bem e se analisam adequadamente mostram todo o valor (informação) que ocultam. Este valor da informação é muito maior quando cruzamos dados provenientes de diferentes fontes, por exemplo, dados reprodutivos com dados de máquinas de alimentação. Os nossos primeiros resultados ainda não publicados, mostram alguns efeitos de grande importância até à data não descritos e que apresentaremos em próximos artigos.