A Escherichia coli é um microorganismo pertencente à flora bacteriana entérica de animais e seres humanos, estando amplamente disseminada na natureza. A colonização intestinal ocorre logo após o nascimento, sendo que 10 a 20% das E. coli podem ser potencialmente patogênicas para as aves. Esta bactéria representa um problema econômico na indústria avícola, pois é responsável por causar as colibaciloses. Este termo refere-se a qualquer tipo de infecção, localizada ou sistêmica, causadas total ou parcialmente por amostras patogênicas de E. coli. Como exemplos, podem-se citar os problemas respiratórios, como aerosaculite e pneumonias, além de peritonite, onfalite, salpingite e sinovite, entre outros. Além disso, a E. coli é o agente mais freqüentemente isolado nos casos de celulite aviária, provocando lesões cutâneas que levam as carcaças à condenação total ou parcial no momento do abate, provocando relevantes prejuízos. O objetivo deste trabalho foi verificar o perfil bioquímico de 261 amostras de E. coli, obtidas a partir de diferentes materiais de origem aviária, coletados no Rio Grande do Sul. Posteriormente, estes resultados foram associados com os Índices de Patogenicidade (IP) de cada amostra, verificando a possibilidade de relacioná-los. Além do teste de hemólise, foram realizadas 21 provas bioquímicas, sendo dez variáveis para E. coli. Dentre os testes variáveis, a melibiose, o sorbitol e a ramnose foram considerados positivos para as bactérias analisadas, pois mais de 90% das amostras fermentaram estes carboidratos. A salicina, a sacarose, a rafinose, o adonitol e o dulcitol, bem como a arginina e a ornitina continuaram apresentando-se como testes variáveis para E. coli. Os demais testes tiveram resultados positivos ou negativos de acordo com o esperado para E. coli. Constatou-se que as amostras positivas para arginina, dulcitol, rafinose e sacarose têm maiores Índices de Patogenicidade que as negativas. Por outro lado, as amostras negativas para a salicina e para o teste de indol também possuem IP’s mais altos que as positivas. Os resultados dos testes também foram analisados agrupando-se as amostras de acordo com a sua origem (quadros respiratórios, camas de aviários e lesões de celulite), apontando-se diferenças nos IP ao compará-los entre si. / The Escherichia coli are microorganisms that belong to the enteric bacterial flora of animals and humans, and are widespread in the nature. The intestinal colonization occurs right after de birth, as 10 to 20% could be potentially pathogenic to birds. The E. coli represents an economic trouble in the poultry industry, as it’s the responsible for causing the colibacilosis. This term refers to any kind of infection, localized or systemic, caused entirely or partly by pathogenic E. coli. As examples, it’s possible to quote the respiratory problems, as aerosaculitis and pneumonia, yonder peritonitis, onfalitis, salpingitis and sinovitis, among others symptoms. Besides that, E. coli is the most frequently isolated agent in avian cellulitis cases, promoting cutaneous lesions that brings the carcasses to total or partial condemnation in the abattoir, resulting in relevant prejudices. The objective of the present work was to verify the biochemical profile of 261 E. coli samples, obtained from different avian materials, collected in Rio Grande do Sul. Later, these results were associated to the Pathogenic Index (PI) of each sample, to verify if it was possible to relate them. Besides the hemolysis test, 21 biochemical’s tests were done, as ten were variable for E. coli. Among the variable tests, the melibiose, sorbitol and rhamnose were considered positive for the analyzed samples, as more than 90% fermented these carbohydrates. The salicin, sucrose, raffinose, adonitol and dulcitol, as arginine and ornithine still variable to E. coli. The results of the rest of the tests (positives and negatives) agree with what were expected for E. coli. It was noticed that the samples that were positive for arginine, dulcitol, raffinose and sucrose have higher Pathogenic Indexes than the others. On the other hand, the samples that were negative for salicin and indole test also possess high PI’s. The results of those tests were also analyzed aggregating the samples according to their origin (respiratory symptoms, avian litter and celullitis lesions), pointing to differences in the PI when comparing to each other.

Este trabalho caracteriza uma visão geral de recente pesquisa utilizando dados de patentes como indicador de inovação tecnológica e fonte de informação para o apontamento das estratégias utilizadas pelas empresas e países no desenvolvimento de tecnologias e sua apropriação. Conceitos referentes à inovação e patentes são discutidos no decorrer do trabalho. A prospecção contemplou quatro dos principais bancos de patentes no mundo, analisando um total de 3.104 documentos. Ao verificar as informações contidas nas patentes, constatou-se o alto grau de inovação e inventividade desenvolvido por países como Estados Unidos, Holanda e Japão nas diferentes áreas tecnológicas da avicultura industrial (genética, nutrição, sanidade, máquinas e equipamentos). Acerca das estratégias, confirmou-se o domínio de áreas tecnológicas como a genética pelos americanos e europeus e áreas diversificadas de patenteamento como a área química e saúde humana pelo Japão. Quanto às estratégias de depósitos, os fluxos apontaram os Estados Unidos como país que recebeu maior número de patentes estrangeiras. No Brasil, grande parte das patentes depositadas pertencem a empresas estrangeiras cuja área tecnológica refere-se na maioria a máquinas e equipamentos. Por parte dos detentores brasileiros, destaca-se estratégia de caráter incremental compreendida pelo patenteamento de melhorias e adaptações feitas por meio de dispositivos e inclusão de peças em máquinas e equipamentos. De maneira geral, a análise das patentes mostrou um grupo seleto de empresas, principalmente dos Estados Unidos e Holanda, como detentoras de significativo percentual dos depósitos em nível mundial Por parte dos detentores brasileiros, destaca-se estratégia de caráter incremental compreendida pelo patenteamento de melhorias e adaptações feitas por meio de dispositivos e inclusão de peças em máquinas e equipamentos. De maneira geral, a análise das patentes mostrou um grupo seleto de empresas, principalmente dos Estados Unidos e Holanda, como detentoras de significativo percentual dos depósitos em nível mundial. No elo processador poucas foram as patentes encontradas, depositadas somente no país de origem do detentor. Isto implica que particularmente neste elo, a inovação não se associa a proteção, sendo a imitação livre. Especificamente para o Brasil, a estratégia da indústria avícola nacional não está relacionada a um patenteamento próprio, mas sim a um padrão tecnológico difundido pelos setores fornecedores das mais variadas tecnologias, estas sim patenteadas. Somente a análise de patentes é incapaz de captar aspectos específicos de inovação do setor em estudo.

O estudo foi feito através de séries históricas de dados de um incubatório pertencente a uma integração avícola do Rio Grande do Sul, durante os anos de 1999 a 2003, com os quais foram feitas análises do tipo observacional analítico e transversal. Primeiramente usou-se os registros de 5 linhagens de frangos utilizadas pela empresa no transcorrer do período de 23 de fevereiro de 1995 a 25 de janeiro de 2002. As linhagens foram identificadas da seguinte forma: COBB, HIGH YIELD, MPK, ROSS308, e X. Esses 81 lotes analisados foram estudados através dos seus respectivos registros que continham: o número inicial de fêmeas, número inicial de machos, ração total/cabeça, ração/cabeça/inicial/recria, ração/cabeça/inicial/postura, ovos postos, ração p/ovo posto, pintos nascidos, percentagem viabilidade postura fêmea, percentagem viabilidade postura machos. O método aqui proposto provou ser capaz de classificar as linhagens a partir das entradas escolhidas. Na linhagem que apresentava uma grande quantidade de amostras a classificação foi muito precisa. Nas demais, com menor número de dados, a classificação foi efetuada, e, como era de se esperar, os resultados foram menos consistentes. Com o mesmo banco de dados dos lotes fechados, realizou-se a segunda etapa da dissertação. Nela, procedeu-se o treinamento das redes neurais artificiais onde foram utilizadas as seguintes variáveis de saída: ovos incubáveis, percentagem de ovos incubáveis, ovos incubados, percentagem de ovos incubados, pintos nascidos e pintos aproveitáveis. Os resultados apresentaram R2 oscilando entre 0,93 e 0,99 e o erro médio e o quadrado médio do erro ajustados, demonstrando a utilidade das redes para explicar as variáveis de saída. Na terceira e última etapa da dissertação, destinada à validação dos modelos, foram usados quatro arquivos distintos denominados da seguinte forma: INPESO (3.110 linhas de registros de pesos dos reprodutores), ININFO (56.018 linhas de registros com as informações diárias do ocorrido nas granjas de reprodução até o incubatório), INOVOS (35.000 linhas de registros com informações sobre os ovos processados), INNASC: 43.828 linhas de registros com informações sobre os nascimentos. O modelo gerado para o ano de 1999 foi capaz de predizer corretamente os resultados deste mesmo ano e dos anos de 2000, 2001, 2002 e 2003. O mesmo procedimento foi repetido criando modelo com os registros do ano em questão e validando-o com os registros dos anos subseqüentes. Em todas as ocasiões foram obtidos bons resultados traduzidos por um alto valor no R2. Concluindo, os fenômenos próprios do incubatório puderam ser explicados através das redes neurais artificiais. A técnica, seguindo a mesma tendência das dissertações que anteriormente já haviam demonstrado que esta metodologia pode ser utilizada para o gerenciamento de reprodutoras pesadas e de frangos de corte, pode realizar simulações, predições e medir a contribuição de cada variável no fenômeno observado, tornando-se uma poderosa ferramenta para o gerenciamento do incubatório e num suporte cientificamente alicerçado para a tomada de decisão.

Este estudo objetivou demonstrar que é possível explicar os fenômenos que ocorrem na criação de frangos de corte através de redes neurais artificiais. A estatística descritiva e a diferença entre as médias das variáveis dos dados iniciais foram calculadas com o programa computacional SigmaStat® Statistical Software para Windows 2.03. Foi utilizada uma série histórica de dados de produção de frangos de corte, obtidos nos anos de 2001 e 2002, fornecidos por uma Integração Avícola do Rio Grande do Sul, contendo informações de 1.516 criadores com lotes alojados em 2001 e 889 criadores com lotes alojados em 2002. Nos arquivos estavam registrados, para cada lote, suas variáveis de produção, tais como número do lote, data do alojamento, data do abate, idade ao abate, número de pintos alojados, quilogramas de ração consumidos, quilogramas de frangos produzidos, número de aves abatidas, custo do frango produzido, mortalidade, peso médio, ganho de peso diário, índice de conversão alimentar, índice de eficiência, quilogramas líquido de frangos, quilogramas de ração inicial, quilogramas de ração crescimento, quilogramas de ração abate, além de outros. Para a construção das redes neurais artificiais foi utilizado o programa computacional NeuroShell®Predictor, desenvolvido pela Ward Systems Group. Ao programa foi identificado as variáveis escolhidas como “entradas” para o cálculo do modelo preditivo e a variável de “saída” aquela a ser predita. Para o treinamento das redes foram usados 1.000 criadores do banco de dados do alojamento de frangos de corte de 2001. Os restantes 516 criadores de 2001 e todos os 889 criadores de 2002 serviram para a validação das predições, os quais não participaram da etapa de aprendizagem, sendo totalmente desconhecidos pelo programa. Foram gerados 20 modelos na fase de treinamento das redes neurais artificiais, com distintos parâmetros de produção ou variáveis (saídas). Em todos estes modelos, as redes neurais artificiais geradas foram bem ajustadas apresentando sempre, um Coeficiente de Determinação Múltipla (R²) elevado e o menor Quadrado Médio do Erro (QME). Ressalta-se que o R² perfeito é 1 e um coeficiente muito bom deve estar próximo de 1. Todos os 20 modelos, quando validados com os 516 lotes de 2001 e com 889 de 2002, apresentaram também Coeficientes de Determinação Múltipla (R²) elevados e muito próximos de 1, além de apresentarem o Quadrado Médio do Erro (QME) e Erro Médio reduzidos. Foi comprovado não haver diferenças significativas entre as médias dos valores preditos e as médias dos valores reais, em todas as validações efetuadas nos lotes abatidos em 2001 e em 2002, quando aplicados os 20 modelos de redes neurais gerados. Como conclusão, as redes neurais artificiais foram capazes de explicar os fenômenos envolvidos com a produção industrial de frangos de corte. A técnica oferece critérios objetivos, gerados cientificamente, que embasarão as decisões dos responsáveis pela produção industrial de frangos de corte.Também permite realizar simulações e medir a contribuição de cada variável no fenômeno em estudo.

Essa dissertação possui como objetivo traçar, uma nova metodologia de classificação de patogenicidade da Escherichia.coli,.através de um índice no qual, além do número de animais mortos, também foi considerado o tempo de morte e a capacidade da cepa causar lesão compatível à colibacilose em pintos de 1 dia. Para gerar esse critério, foram utilizadas 300 amostras de E.coli oriundas de lotes com lesão de celulite, cama desses mesmos aviários e amostras de quadros respiratórios. Através desse experimento foi possível observar que as amostras de E.coli originadas das camas dos aviários, apresentavam índice de patogenicidade significativamente menor do que aquelas isoladas das lesões cutâneas e de quadros respiratórios.Também foi associado às cepas de E.coli a capacidade de causar lesões de: pericardite, perihepatite, aerossaculite, peritonite e celulite. Dentre as lesões citadas somente a celulite foi considerada de apresentação significativamente mais freqüente em comparação às outras.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Agronomia e Medicina Veterinária, Programa de Pós-Graduação em Agronegócios, 2015. / Submitted by Albânia Cézar de Melo (albania@bce.unb.br) on 2015-11-26T14:13:20Z No. of bitstreams: 1 2015_PriscillaFerreiraLima.pdf: 1828396 bytes, checksum: 5b3c6a7c5399a49b7f48cc9f7f84c92c (MD5) / Approved for entry into archive by Patrícia Nunes da Silva(patricia@bce.unb.br) on 2016-04-07T14:06:09Z (GMT) No. of bitstreams: 1 2015_PriscillaFerreiraLima.pdf: 1828396 bytes, checksum: 5b3c6a7c5399a49b7f48cc9f7f84c92c (MD5) / Made available in DSpace on 2016-04-07T14:06:09Z (GMT). No. of bitstreams: 1 2015_PriscillaFerreiraLima.pdf: 1828396 bytes, checksum: 5b3c6a7c5399a49b7f48cc9f7f84c92c (MD5) / Embora esteja em constante crescimento, o setor avícola brasileiro tem sido alvo de discussão em diversos níveis da economia nacional em função de um de seus mecanismos mais importantes: o contrato de integração. Sabe-se que na avicultura industrial predomina a força produtiva do país, contudo os contratos celebrados entre produtores e agroindústria tem sido amplamente discutidos em função das fontes de assimetria de poder entre os pares. Na relação de Agência, o principal – representado pela agroindústria, contrata o agente para realizar determinada tarefa – o produtor que realizará a engorda das aves. Desta forma, o presente estudo dedicou-se a analisar o contrato de integração utilizado na região do Distrito Federal sob a ótica da Teoria da Agencia, a qual estuda a relação entre agentes e principais em situações nas quais o principal não pode monitorar as ações do agente. Para isso, foram realizados painéis com alguns produtores, além da proposição de um modelo econômico para o questionamento dos mecanismos de mensuração da performance do agente praticados na região. Concluiu-se que um dos pontos cruciais na relação entre agente e principal é a utilização de uma medida de performance que possa incentivar ações desejadas e remunerar de forma adequada o agente, a fim de proporcionar a continuidade da relação contratual. / Although constantly growing, the Brazilian poultry sector has been under discussion at various levels of the national economy in terms of one of its most important mechanisms: the contract of integration. It is known that industrial production dominates the productive power of the poultry, however the contracts between producers and agroindustry has been widely discussed in terms of the sources of power asymmetry between the pairs. In Agency relations, the principal - represented by agroindustry, hires the agent to perform a given task - the producer who will make the fattening poultry. Thus, the present study is dedicated to analyzing the integration contract used in the region of Distrito Federal from the perspective of agency theory, which studies the relation between agent and principal in situations where the principal can not monitor the actions of agent. For this, studies with some producers were performed, in addition to proposing an economic model to the question of the mechanisms for measuring agent performance practiced in the region. It was concluded that one of the crucial facts in the relationship between agent and principal is the use of a performance measure that might encourage desired actions and provide appropriate remuneration for the agent, in order to provide continuity of the contractual relation.

Submitted by ALEX LUIZ SAGULA null (alexsagula@yahoo.com.br) on 2017-07-23T15:10:22Z No. of bitstreams: 1 Tese Alex.pdf: 1284366 bytes, checksum: b2854fd510b465c5818fa5d66bccfb66 (MD5) / Approved for entry into archive by LUIZA DE MENEZES ROMANETTO (luizamenezes@reitoria.unesp.br) on 2017-07-24T13:52:09Z (GMT) No. of bitstreams: 1 sagula_al_dr_bot.pdf: 1284366 bytes, checksum: b2854fd510b465c5818fa5d66bccfb66 (MD5) / Made available in DSpace on 2017-07-24T13:52:09Z (GMT). No. of bitstreams: 1 sagula_al_dr_bot.pdf: 1284366 bytes, checksum: b2854fd510b465c5818fa5d66bccfb66 (MD5) Previous issue date: 2017-05-25 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Objetivou-se avaliar a produção de biogás no processo anaeróbio da cama de frango, submetido ao processo de peneiramento e trituração, em função da diluição e reciclo, em sistema de abastecimento batelada e semi-contínuo. Para o processo de peneiramento utilizou-se uma peneira vibratória com malha de um mm e para trituração da cama de frango foi utilizado uma bomba trituradora. As diluições da cama de frango foram feitas de duas formas: cama de frango + água e cama de frango + reciclo. No sistema de abastecimento batelada, foram estudas as diluições nas seguintes proporções 1:8, 1:10 e 1:12 e a utilização de 20% de reciclo em substituição a água de diluição, avaliando-se as reduções de sólidos voláteis, produção de biogás e potenciais de produção de biogás. Para reduções de sólidos voláteis obtiveram-se bons resultados para as diluições 1:8 e 1:10, e para produção de biogás a diluição 1:8 com reciclo foi a que apresentou melhor resultado, bem como para os potenciais de produção de biogás. No sistema de abastecimento semicontínuo, foi estudada a diluição 1:10 com 40% de reciclo. O tratamento que continha só reciclo foi o que proporcionou melhor redução de sólidos voláteis, não apresentando diferenças para a produção de biogás. Os melhores potenciais de produção de biogás foram obtidos com o tratamento que continha água. Concluiu-se que para o sistema batelada as diluições e o reciclo apresentaram bons resultados para redução de sólidos voláteis e produção de biogás e para sistema semi-continuo o reciclo demostrou ser eficiente na redução de sólidos voláteis e não interferindo na produção de biogás. / The objective of this study was to evaluate the biogas production in the anaerobic process of the chicken litter, submitted to the screening and grinding process, as a function of dilution and recycle, in a batch and semi-continuous supply system. For the screen process used a vibrating screen with a mesh mm and grinding poultry litter was used a shredder pump. Dilutions of poultry litter were done in two ways: poultry litter + water and poultry litter + recycle. In the batching system, the dilutions were studied in the following ratios 1: 8, 1:10 and 1:12 and the use of 20% recycle to replace the dilution water. Evaluating the volatile solids reductions, biogas production and biogas production potentials. For volatile solids reductions, good results were obtained for the 1: 8 and 1:10 dilutions, and for biogas production at 1: 8 dilution with recycle it was the one that presented the best result and the biogas production potential obtained satisfactory results. In the semi-continuous supply system, the 1:10 dilution with 40% recycle was studied. The treatment that contained only recycle was the one that provided better reduction of volatile solids, the biogas production did not have difference between the treatments and for the potential of biogas production treatment that contained water was that presented better result. It is concluded that for the batch system dilutions and recycle presented good results for reduction of volatile solids and biogas production and for semi-continuous system the recycle proved to be efficient in the reduction of volatile solids and not interfering in the production of biogas.

Este trabalho teve por objetivo utilizar redes neurais artificiais para explicar fenômenos que ocorrem em matadouros- frigoríficos avícolas. A estatística descritiva e a diferença entre as variáveis foram calculadas através do programa computacional SPSS for Windows 10.0 e para a construção das redes neurais artificiais foi utilizado o programa Neuroshell Predictor desenvolvido pela Ward Systems Group. Foram utilizados dados de 2004 a 2006 de dois matadouros- frigoríficos de aves e ocasionalmente um matadouro- frigorífico de suínos. Nos arquivos oferecidos pelas empresas, haviam dados de gerenciamento de matadouros-frigoríficos, como por exemplo, planilhas de condenação da inspeção, dados sobre chiller, teste de absorção das carcaças, dados sobre peso de carcaças, entre outros. Para a construção dos modelos foram escolhidas as “entradas”, para o cálculo do modelo preditivo, e a variável de “saída” a ser predita. Foram gerados oito (8) modelos com diferentes bancos de dados. Todos esses modelos apresentaram redes neurais artificiais bem ajustadas, com valores altos para Correlação e Coeficiente de Determinação Múltipla (R²) e valores baixos para o Erro Médio e o Quadrado médio do Erro (QME). Não houve diferenças significativas entre os valores reais e os valores preditos em todas as validações dos oito (8) modelos. As redes neurais artificiais, com o software utilizado, foram capazes de explicar os fenômenos que envolvem o gerenciamento de matadouros-frigoríficos de aves, e ocasionalmente de suínos. A técnica utilizada oferece critérios objetivos, cientificamente desenvolvida, que será de grande valia no auxílio do técnico responsável pela tomada de decisões. A técnica permite também realizar simulações e mensurar a contribuição de diferentes variáveis que influenciam no fenômeno. É importante ressaltar que a utilização das redes neurais artificiais é uma ferramenta de auxílio à tomada de decisões, e não um programa que substitua o conhecimento científico e técnico. / This work aimed to use artificial neural networks to explain the occurred phenomena in the poultry slaughterhouse. The descriptive statistics and the difference among the variable averages from the initial data were calculated with SPSS software, and the software used to build the artificial neural networks was Neruoshell Predictor, developed by Ward Systems Group. Data from three poultry and one swine slaughterhouses, gathered from 2004 until 2006, were used in this study. In these data there were information about carcasses condemnation, chillers, absorption tests, carcasses weights, medications and others. To build the neural networks,the chosen variables were identified as “input” and “output”. The “input” variables were selected for the predictive model calculation and the “output” variable for the one to be predicted. It was made 8 models with different databases. In all these models, the generated artifical neural networks were well adjusted always presenting a high Multiple Deteminant Coefficient (R²) and correlation and the lowest Mean Squared Error (QME) and mean error. Also the differences between the real value and the predicted value in the 8 models studied were not statistically significant.This study concludes that artifical neural network, with the used software, were capable to explain the phenomena involved in the poultry slaughterhouse and that the modeling can also be extended to swine slaughterhouse. This powerfull technique offers objective criteria, scientifically generated, which can be used to assist in the decisions analysis process for this industry. It also allows to make simulations and to measure the contribution of each variable in the phenomena studied. It’s important to point out that artificial neural networks are intruments to assist the technician in decision making. Thus, it is not a program able to replace the cientific and technical knowledge.

O estudo foi feito através de séries históricas de dados de um incubatório pertencente a uma integração avícola do Rio Grande do Sul, durante os anos de 1999 a 2003, com os quais foram feitas análises do tipo observacional analítico e transversal. Primeiramente usou-se os registros de 5 linhagens de frangos utilizadas pela empresa no transcorrer do período de 23 de fevereiro de 1995 a 25 de janeiro de 2002. As linhagens foram identificadas da seguinte forma: COBB, HIGH YIELD, MPK, ROSS308, e X. Esses 81 lotes analisados foram estudados através dos seus respectivos registros que continham: o número inicial de fêmeas, número inicial de machos, ração total/cabeça, ração/cabeça/inicial/recria, ração/cabeça/inicial/postura, ovos postos, ração p/ovo posto, pintos nascidos, percentagem viabilidade postura fêmea, percentagem viabilidade postura machos. O método aqui proposto provou ser capaz de classificar as linhagens a partir das entradas escolhidas. Na linhagem que apresentava uma grande quantidade de amostras a classificação foi muito precisa. Nas demais, com menor número de dados, a classificação foi efetuada, e, como era de se esperar, os resultados foram menos consistentes. Com o mesmo banco de dados dos lotes fechados, realizou-se a segunda etapa da dissertação. Nela, procedeu-se o treinamento das redes neurais artificiais onde foram utilizadas as seguintes variáveis de saída: ovos incubáveis, percentagem de ovos incubáveis, ovos incubados, percentagem de ovos incubados, pintos nascidos e pintos aproveitáveis. Os resultados apresentaram R2 oscilando entre 0,93 e 0,99 e o erro médio e o quadrado médio do erro ajustados, demonstrando a utilidade das redes para explicar as variáveis de saída. Na terceira e última etapa da dissertação, destinada à validação dos modelos, foram usados quatro arquivos distintos denominados da seguinte forma: INPESO (3.110 linhas de registros de pesos dos reprodutores), ININFO (56.018 linhas de registros com as informações diárias do ocorrido nas granjas de reprodução até o incubatório), INOVOS (35.000 linhas de registros com informações sobre os ovos processados), INNASC: 43.828 linhas de registros com informações sobre os nascimentos. O modelo gerado para o ano de 1999 foi capaz de predizer corretamente os resultados deste mesmo ano e dos anos de 2000, 2001, 2002 e 2003. O mesmo procedimento foi repetido criando modelo com os registros do ano em questão e validando-o com os registros dos anos subseqüentes. Em todas as ocasiões foram obtidos bons resultados traduzidos por um alto valor no R2. Concluindo, os fenômenos próprios do incubatório puderam ser explicados através das redes neurais artificiais. A técnica, seguindo a mesma tendência das dissertações que anteriormente já haviam demonstrado que esta metodologia pode ser utilizada para o gerenciamento de reprodutoras pesadas e de frangos de corte, pode realizar simulações, predições e medir a contribuição de cada variável no fenômeno observado, tornando-se uma poderosa ferramenta para o gerenciamento do incubatório e num suporte cientificamente alicerçado para a tomada de decisão.

Este estudo objetivou demonstrar que é possível explicar os fenômenos que ocorrem na criação de frangos de corte através de redes neurais artificiais. A estatística descritiva e a diferença entre as médias das variáveis dos dados iniciais foram calculadas com o programa computacional SigmaStat® Statistical Software para Windows 2.03. Foi utilizada uma série histórica de dados de produção de frangos de corte, obtidos nos anos de 2001 e 2002, fornecidos por uma Integração Avícola do Rio Grande do Sul, contendo informações de 1.516 criadores com lotes alojados em 2001 e 889 criadores com lotes alojados em 2002. Nos arquivos estavam registrados, para cada lote, suas variáveis de produção, tais como número do lote, data do alojamento, data do abate, idade ao abate, número de pintos alojados, quilogramas de ração consumidos, quilogramas de frangos produzidos, número de aves abatidas, custo do frango produzido, mortalidade, peso médio, ganho de peso diário, índice de conversão alimentar, índice de eficiência, quilogramas líquido de frangos, quilogramas de ração inicial, quilogramas de ração crescimento, quilogramas de ração abate, além de outros. Para a construção das redes neurais artificiais foi utilizado o programa computacional NeuroShell®Predictor, desenvolvido pela Ward Systems Group. Ao programa foi identificado as variáveis escolhidas como “entradas” para o cálculo do modelo preditivo e a variável de “saída” aquela a ser predita. Para o treinamento das redes foram usados 1.000 criadores do banco de dados do alojamento de frangos de corte de 2001. Os restantes 516 criadores de 2001 e todos os 889 criadores de 2002 serviram para a validação das predições, os quais não participaram da etapa de aprendizagem, sendo totalmente desconhecidos pelo programa. Foram gerados 20 modelos na fase de treinamento das redes neurais artificiais, com distintos parâmetros de produção ou variáveis (saídas). Em todos estes modelos, as redes neurais artificiais geradas foram bem ajustadas apresentando sempre, um Coeficiente de Determinação Múltipla (R²) elevado e o menor Quadrado Médio do Erro (QME). Ressalta-se que o R² perfeito é 1 e um coeficiente muito bom deve estar próximo de 1. Todos os 20 modelos, quando validados com os 516 lotes de 2001 e com 889 de 2002, apresentaram também Coeficientes de Determinação Múltipla (R²) elevados e muito próximos de 1, além de apresentarem o Quadrado Médio do Erro (QME) e Erro Médio reduzidos. Foi comprovado não haver diferenças significativas entre as médias dos valores preditos e as médias dos valores reais, em todas as validações efetuadas nos lotes abatidos em 2001 e em 2002, quando aplicados os 20 modelos de redes neurais gerados. Como conclusão, as redes neurais artificiais foram capazes de explicar os fenômenos envolvidos com a produção industrial de frangos de corte. A técnica oferece critérios objetivos, gerados cientificamente, que embasarão as decisões dos responsáveis pela produção industrial de frangos de corte.Também permite realizar simulações e medir a contribuição de cada variável no fenômeno em estudo.