Moocare: utilizando predição de dados e Internet das Coisas para o gerenciamento da alimentação e produção de leite na pecuária leiteira

metadataTrad.dc.contributor.author	Deon, Cássio;
metadataTrad.dc.contributor.advisor	Righi, Rodrigo da Rosa;
metadataTrad.dc.contributor.advisorLattes	http://lattes.cnpq.br/2332604239081900;
metadataTrad.dc.publisher	Universidade do Vale do Rio dos Sinos;
metadataTrad.dc.title	Moocare: utilizando predição de dados e Internet das Coisas para o gerenciamento da alimentação e produção de leite na pecuária leiteira;
metadataTrad.dc.description.resumo	A pecuária leiteira representa grande valor para as áreas sociais e econômicas devido ao alto valor de produção do leite. Nesta área destacam-se as práticas do manejo nutricional e do controle leiteiro, estando a primeira diretamente relacionada com a produtividade de uma vaca e a segunda abrangendo as atividades de monitorar a quantidade e a qualidade do leite produzido pelos animais. Contudo, existe uma lacuna de pesquisa que proponha e valide um modelo computacional para automatizar e individualizar a alimentação dos animais e que forneça dados de previsão da produção de leite. Deste modo, este trabalho propõem o modelo MooCare para auxiliar os produtores no manejo de bovinos leiteiros visando obter melhores índices de produtividade. Para isto o modelo realiza a automação e individualização da alimentação dos animais através da análise de sua produção e emprego de tecnologias da Internet das Coisas. Além disto, o MooCare proporciona a previsão da produção de leite das vacas utilizando o modelo auto-regressivo integrado de médias móveis ARIMA. O modelo também possui um sistema de notificação, que visa alertar o produtor quando uma inconformidade com a produção for encontrada. Com o propósito de avaliar o modelo, foi simulado o acompanhamento de lactações com base em dados reais de produção obtidos de uma propriedade leiteira. Os testes apresentaram resultados encorajadores quanto ao modelo MooCare. A assertividade da predição indicou pequenas diferenças da produção real, com um erro médio de 2,5 litros para cada valor previsto. O sistema de notificação foi capaz de identificar um problema com uma lactação corrente e o cálculo da alimentação correspondeu ao tratamento sugerido na literatura;
metadataTrad.dc.subject	Predição da produção de leite; Notificações; Alimentação automática de vacas; ARIMA; Internet das coisas;
metadataTrad.dc.type	TCC;
metadataTrad.dc.date.issued	2018-07-12;
metadataTrad.dc.identifier.uri	http://www.repositorio.jesuita.org.br/handle/UNISINOS/11035;
metadataTrad.dc.audience.educationLevel	Graduação;
metadataTrad.dc.curso	Ciência da Computação;