Elisar Camilotti, Thales Quedi Furian, Karen Apellanis Borges, D. Rocha, V. P. D. Nascimento, H. S. Moraes, Carlos Tadeu Pippi Salle
{"title":"家禽产业管理的人工神经网络:基于肉鸡生产链的模拟","authors":"Elisar Camilotti, Thales Quedi Furian, Karen Apellanis Borges, D. Rocha, V. P. D. Nascimento, H. S. Moraes, Carlos Tadeu Pippi Salle","doi":"10.1590/1809-6891v24e-75400p","DOIUrl":null,"url":null,"abstract":"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 influencia 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 tiverem influência.","PeriodicalId":38520,"journal":{"name":"Ciencia Animal Brasileira","volume":"126 1","pages":""},"PeriodicalIF":0.4000,"publicationDate":"2023-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Redes neurais artificiais para o gerenciamento da indústria avícola: uma simulação baseada na cadeia de produção de frangos de corte\",\"authors\":\"Elisar Camilotti, Thales Quedi Furian, Karen Apellanis Borges, D. Rocha, V. P. D. Nascimento, H. S. Moraes, Carlos Tadeu Pippi Salle\",\"doi\":\"10.1590/1809-6891v24e-75400p\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"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 influencia 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 tiverem influência.\",\"PeriodicalId\":38520,\"journal\":{\"name\":\"Ciencia Animal Brasileira\",\"volume\":\"126 1\",\"pages\":\"\"},\"PeriodicalIF\":0.4000,\"publicationDate\":\"2023-01-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Ciencia Animal Brasileira\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.1590/1809-6891v24e-75400p\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"Veterinary\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Ciencia Animal Brasileira","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.1590/1809-6891v24e-75400p","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"Veterinary","Score":null,"Total":0}
Redes neurais artificiais para o gerenciamento da indústria avícola: uma simulação baseada na cadeia de produção de frangos de corte
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 influencia 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 tiverem influência.