A BRF está utilizando inteligência artificial para obter projeções do peso médio de abate dos frangos tipo griller (galeto), que são exportados para países do Oriente Médio e comercializados por faixas que variam entre 900 e 1100 gramas. Esta iniciativa faz parte da Jornada de Transformação Digital implementada pela empresa e que também contempla Inteligência Cognitiva, Internet of Things (IoT) e Advanced Analytics, para gerar insights e trabalhar, cada vez mais, sob orientação de dados.
Com a pesagem mais assertiva dos frangos via algoritmos de Machine Learning e estatística avançada, a BRF atende a um dos maiores desafios da indústria, que é produzir proteína de frango com melhor custo-benefício entre tempo de alojamento e momento de abate. A solução combina o uso de tecnologias como Internet of Things (IoT), Machine Learning e algoritmos, construindo uma base de informações inteligente que permite a previsão do peso de abate, com geração de valor para toda a cadeia produtiva. Envolve gestão tecnológica da coleta, armazenamento, processamento e tratativa dos dados em meio a integrações, conexões, coletas manuais e automáticas por dispositivos. Somado a isto, há todo o trabalho de compreensão de fontes, construção de bases de dados, métodos e técnicas analíticas aplicadas na tratativa dos dados para garantir qualidade e alta confiabilidade.
O diretor de Tecnologia e Transformação Digital da BRF, Antonio Cesco, conta a Companhia está cada vez fazendo o uso da inteligência artificial e modelos preditivos na cadeia de valor, para fortalecer a cultura focada em dados. "Trabalhar sob orientação de dados para tomada de decisões traz bons resultados no que tange à produção de frangos, provendo maior inteligência aos processos e agregando valor à toda a cadeia produtiva da Companhia," explica.
Pilotos
A jornada para alcançar predições mais assertivas e acuradas para o peso de abate de frangos contou com dois projetos pilotos e um protótipo. No primeiro foram construídos e aplicados modelos preditivos específicos nas granjas de Buriti Alegre (GO) e Francisco Beltrão (PR), considerando dados coletados rotineiramente nestas granjas como informações de desempenho e sanitárias. No segundo, 20 granjas de Toledo (PR) tiveram, além de dados já coletados no dia a dia, as informações provenientes do ecossistema IoT, onde dados de silos, de balanças automáticas e de sensores de ambiência eram coletados automaticamente de hora em hora por estes dispositivos e incluídos nas bases utilizadas pelos algoritmos de previsão.
Já o protótipo resultou na geração de modelos preditivos, dentre eles os de previsão semanais para a média e dispersão de peso de frangos abatidos nas fábricas de Griller (frango tipo exportação) para um horizonte de até 26 semanas, utilizando informações do período de alojamento (manejo, desempenho, sanidade, clima etc.) e também dados referentes ao dia de abate (aderência ao plano de abate, temperatura, precipitação, tempo de espera etc.).
"Estes pilotos e protótipo nos ajudaram a compreender os processos, oportunidades, fortalezas da operação e nos deu o caminho para avançarmos na automação das granjas, ampliar a conectividade, escala dos dados e ter uma visão do potencial dos algoritmos para aumentar a produtividade e trazer uma melhor visão de negócio," finaliza Cesco.
