Submitted by Luana Possari Maziero null (luana.maziero@yahoo.com.br) on 2017-04-13T13:45:07Z No. of bitstreams: 1 LuanaPossariMaziero_PGAD_TUPA_Fev2017.pdf: 4565107 bytes, checksum: d9ff77c1a614ae6da962ec7a7dd29a50 (MD5) / Approved for entry into archive by Luiz Galeffi (luizgaleffi@gmail.com) on 2017-04-18T13:59:41Z (GMT) No. of bitstreams: 1 maziero_lp_me_tupa.pdf: 4565107 bytes, checksum: d9ff77c1a614ae6da962ec7a7dd29a50 (MD5) / Made available in DSpace on 2017-04-18T13:59:41Z (GMT). No. of bitstreams: 1 maziero_lp_me_tupa.pdf: 4565107 bytes, checksum: d9ff77c1a614ae6da962ec7a7dd29a50 (MD5) Previous issue date: 2017-02-21 / Em virtude das mudanças climáticas que vem ocorrendo e da necessidade de tecnologias que melhorem o manejo pecuário, o objetivo desta dissertação é elaborar um modelo matemático baseado em lógica Fuzzy capaz de fornecer instantaneamente o escore de fertilidade de touros a partir da avaliação do sêmen animal e, aplicá-lo a um conjunto de dados para validá-lo e verificar a influência das estações do ano na fertilidade. Para isso, o modelo considerou os limites estabelecidos pelo CBRA/MAPA para as variáveis Turbilhão, Motilidade, Vigor, Defeitos Maiores, Defeitos Menores e Defeitos Totais do sêmen, compondo uma base de regras de 735 combinações do tipo “Se...Então”, pelo método de inferência Mamdani para determinar a Fertilidade Fuzzy, sendo aplicado a 152 amostras validas coletadas de touros da raça Nelore e Simental durante o período de um ano. Os resultados foram analisados por meio de testes estatísticos (teste Tukey, análises de variância, correlação, clusters, regressão e curva ROC), mostrando que o modelo é eficiente em seu objetivo de classificação e que as condições climáticas afetam os animais de maneira geral, sem indicadores significativos para diferenças entre as raças, sendo que as variáveis apresentaram-se bastante representativas ao modelo, possibilitando uma nova ferramenta de auxilio ao produtor. / The objective of this dissertation is to elaborate a mathematical model based on Fuzzy logic capable of providing instantaneously the fertility score of bulls from the evaluation of the animal semen and apply it to a set of data to validate it and verify the influence of the seasons of the year on fertility. For this, the model considered the limits established by the CBRA / MAPA for the variables Turbidity, Motility, Vigor, Major Defects, Minor Defects and Total Defects of the semen, composing a rule base of 735 "If ... Then" , combined by the Mamdani inference method to determine Fuzzy Fertility, being applied to 152 valid samples collected from Nelore and Simmental bulls during a one year period. The results were analyzed by means of statistical tests (Tukey test, analysis of variance, correlation, clusters, regression and ROC curve) showing that the model is efficient in its classification objective and that the climatic conditions affect the animals in general, without significant indicators for differences among races, and the variables were quite representative of the model, allowing a new tool to assist the producer.

Uma rede é um conjunto de nós conectados entre si através de um conjunto de arestas. Redes podem representar qualquer conjunto de objetos que possuam relações entre si. Comunidades são conjuntos de nós relacionados de uma maneira significativa, provavelmente compartilhando propriedades e/ou atuando de forma similar dentro de uma rede. Quando a análise de redes é aplicada ao estudo de padrões de movimentação animal, as unidades epidemiológicas de interesse (propriedades, estabelecimentos, municípios, estados, países, etc) são representadas como nós, enquanto a movimentação animal entre elas é representada através das arestas de uma rede. Descobrir a estrutura de uma rede, e portanto as preferências e rotas comerciais, pode ser útil para um pesquisador ou gestor de saúde animal. Foi implementado um algoritmo de detecção de comunidades para encontrar grupos de propriedades que é consistente com a definição de circuito pecuário, assumindo que uma comunidade é um grupo de nós (fazendas, abatedouros) no qual um animal vai mais provavelmente permanecer durante sua vida. Este algoritmo foi aplicado na rede interna de movimentação animal de 2007 do Estado do Mato Grosso. Esse banco de dados contém informação sobre 87.899 propriedades e 521.431 movimentações durante o ano, totalizando 15.844.779 de animais movimentados. O algoritmo de detecção de comunidades encontrou uma partição da rede que mostra um claro padrão geográfico e comercial, duas importantes características para aplicações em medicina veterinária preventiva, além de possuir uma interpretação clara e significativa em redes de comércio onde ligações se estabelecem a partir da escolha dos nós envolvidos. / A network is a set of nodes that are linked together by a set of edges. Networks can represent any set of objects that have relations among themselves. Communities are sets of nodes that are related in an important way, probably sharing common properties and/or playing similar roles within a network. When network analysis is applied to study the livestock movement patterns, the epidemiological units of interest (farm premises, counties, states, countries, etc.) are represented as nodes, and animal movements between the nodes are represented as the edges of a network. Unraveling a network structure, and hence the trade preferences and pathways, could be very useful to a researcher or a decision-maker. We implemented a community detection algorithm to find livestock communities that is consistent with the definition of a livestock production zone, assuming that a community is a group of farm premises in which an animal is more likely to stay during its life time than expected by chance. We applied this algorithm to the network of within animal movements made inside the State of Mato Grosso, for the year of 2007. This database holds information about 87,899 premises and 521,431 movements throughout the year, totalizing 15,844,779 animals moved. The community detection algorithm achieved a network partition that shows a clear geographical and commercial pattern, two crucial features to preventive veterinary medicine applications, and also has a meaningful interpretation in trade networks where links emerge from the choice of trader nodes.

Uma rede é um conjunto de nós conectados entre si através de um conjunto de arestas. Redes podem representar qualquer conjunto de objetos que possuam relações entre si. Comunidades são conjuntos de nós relacionados de uma maneira significativa, provavelmente compartilhando propriedades e/ou atuando de forma similar dentro de uma rede. Quando a análise de redes é aplicada ao estudo de padrões de movimentação animal, as unidades epidemiológicas de interesse (propriedades, estabelecimentos, municípios, estados, países, etc) são representadas como nós, enquanto a movimentação animal entre elas é representada através das arestas de uma rede. Descobrir a estrutura de uma rede, e portanto as preferências e rotas comerciais, pode ser útil para um pesquisador ou gestor de saúde animal. Foi implementado um algoritmo de detecção de comunidades para encontrar grupos de propriedades que é consistente com a definição de circuito pecuário, assumindo que uma comunidade é um grupo de nós (fazendas, abatedouros) no qual um animal vai mais provavelmente permanecer durante sua vida. Este algoritmo foi aplicado na rede interna de movimentação animal de 2007 do Estado do Mato Grosso. Esse banco de dados contém informação sobre 87.899 propriedades e 521.431 movimentações durante o ano, totalizando 15.844.779 de animais movimentados. O algoritmo de detecção de comunidades encontrou uma partição da rede que mostra um claro padrão geográfico e comercial, duas importantes características para aplicações em medicina veterinária preventiva, além de possuir uma interpretação clara e significativa em redes de comércio onde ligações se estabelecem a partir da escolha dos nós envolvidos. / A network is a set of nodes that are linked together by a set of edges. Networks can represent any set of objects that have relations among themselves. Communities are sets of nodes that are related in an important way, probably sharing common properties and/or playing similar roles within a network. When network analysis is applied to study the livestock movement patterns, the epidemiological units of interest (farm premises, counties, states, countries, etc.) are represented as nodes, and animal movements between the nodes are represented as the edges of a network. Unraveling a network structure, and hence the trade preferences and pathways, could be very useful to a researcher or a decision-maker. We implemented a community detection algorithm to find livestock communities that is consistent with the definition of a livestock production zone, assuming that a community is a group of farm premises in which an animal is more likely to stay during its life time than expected by chance. We applied this algorithm to the network of within animal movements made inside the State of Mato Grosso, for the year of 2007. This database holds information about 87,899 premises and 521,431 movements throughout the year, totalizing 15,844,779 animals moved. The community detection algorithm achieved a network partition that shows a clear geographical and commercial pattern, two crucial features to preventive veterinary medicine applications, and also has a meaningful interpretation in trade networks where links emerge from the choice of trader nodes.