Latest / SuinoCast · by PPGVET / COMO USAR IA NA SUINOCULTURA - MSc. Santiago Capalbo e MSc. Gustavo Lima | Ep. 338

Transcript

COMO USAR IA NA SUINOCULTURA - MSc. Santiago Capalbo e MSc. Gustavo Lima | Ep. 338 · SuinoCast · by PPGVET

0:00
O Santiago e a empresa que ele trabalha tem um histórico muito
0:05
grande de provas de crescimento. Então desde 23 kg até abates
0:13
pesados ao longo de anos. Então qual que é o grande
0:19
objetivo? Nós pegamos e ajustamos as
0:24
curvas com os dados presentes. Ou e os dados passados?
0:31
Com isso, nós temos todos os crescimentos dos animais, todas
0:36
as conversões energéticas, então o consumo energético e a
0:42
conversão energética, no entendimento que o animal vai se
0:47
alimentar ou vai regular o consumo primariamente pelo
0:51
consumo de energia? Depois tem outros pontos, mas
0:54
principalmente é esse. E cada fluxo ou cada Bayer vai
0:58
ter 111 diferente conversão. Com isso, nós conhecemos o
1:03
sistema e nós temos diferentes potenciais.
1:08
Esses diferentes potenciais já estimados.
1:13
Eles vão ser retreinados no sistema de de aprendizado de de
1:19
máquina, machine learning e essa informação nova.
1:24
Ela vai vim através das câmeras e dos sensores de silos que vão
1:30
medir essa conversão. Então, ao longo do tempo, os
1:33
modelos preditivos vão ficar cada vez mais precisos e a
1:38
equipe do Santiago ela vai determinar, pelos dados
1:42
históricos, qual que é que seria a conversão energética de cada
1:46
sistema. E na implementação, qual seria.
1:52
O melhor potencial daquela grande?
2:04
O suinocast só é possível através do apoio de empresas
2:07
inovadoras e que apoiam a educação continuada na
2:10
suinocultura brasileira, paxmarts transformação digital
2:14
para o campo. Novos líderes em soluções de
2:20
nutrição inteligente para o crescimento dos negócios na
2:23
produção de proteína animal novoneses transformando o mundo
2:28
através da biologia. Dsm firmenish moldando o futuro
2:34
dos cuidados com suínos, cerva sempre com você, além da saúde
2:40
animal. Autech soluções nutricionais
2:46
eficientes e sustentáveis para fortalecer a suinocultura.
2:50
Zoetes líder global em saúde animal polinutre nutrição
2:56
animal. Juntos, vamos mais longe.
3:03
Olá pessoal, meu nome é Vinícius cantarelli, sou o host da
3:06
plataforma swinocast. Muito bem vindos.
3:10
É, vamos pra mais um episódio? Antes de iniciarmos o episódio,
3:13
eu gostaria de compartilhar com vocês que analisamos os dados do
3:17
canal com a nossa equipe. Nós percebemos que cerca de 92%
3:23
de vocês que assistem é com frequência.
3:27
Os nossos episódios ainda não estão inscritos, né?
3:30
A sua inscrição é bastante importante porque ajuda e cresce
3:34
e permite que OA plataforma continue produzindo episódios
3:38
cada vez. Mais relevantes e interessantes
3:40
aí para vocês, né? Então se você gosta do nosso
3:43
conteúdo, inscreva. Se agora aí no canal por favor,
3:46
que você vai fazer uma grande diferença para o nosso trabalho,
3:50
é muito obrigado aí então pelo apoio e temos então que tenhamos
3:53
um ótimo episódio, e nesse episódio nós temos 2 convidados
3:58
muito bons. Nós estávamos aqui trocando uma
4:01
ideia um pouco antes aqui nos bastidores e nós temos um tema
4:04
bastante interessante também. É, meus convidados são Gusttavo
4:08
Lima e Santiago Picapau. É para tratar de um tema muito
4:13
importante, acho que não só na suinocultura, né, mas em várias
4:17
outras atividades produtivas, que é o uso de dados para tomada
4:21
de decisão. Os meus convidados, eu ficaria
4:25
aqui um bom tempo se eu fosse apresentá Los e eu vou.
4:28
Então é passar primeiro para o Santiago se apresentar, contar
4:33
um pouco aí da sua jornada. E depois para o Gustavo, o
4:37
Santiago, muito bem-vindo. Obrigado aí por ter aceitado o
4:40
convite. E se pudesse apresentar um pouco
4:43
aí para nós, por favor, fiquem à vontade.
4:46
Buenos dias, Vinícius. Gracias boy.
4:53
Falar em espanhol de bar para falar em espanhol é Bueno.
5:02
O meu nome é santel gabalo. É, sou e diretor técnico de uma
5:07
empresa nutricion animal. É na Argentina, é e trafone
5:14
recetor de reservas e bem de ânions.
5:18
Tenho uma martria em em sotémia em la universia Ferreira luizosa
5:25
e atualmente estou assim num doutorado em la nacional de la
5:32
Plata. Trabalham muito com controles
5:39
raciones, dietas, ela o raciona alimento, teremos 3 uniões
5:46
experimentales ela a empresa há 12 anos atrás e teremos muita
5:54
informação acerca de de crescimento e como os animales
6:00
respondem a tintos? Programa nutricionárias.
6:06
Muito bem, muito obrigado pela apresentação aí em Santiago.
6:09
Gustavo, passo a bola para você aí, por favor, fica à vontade.
6:13
Seja bem-vindo mais uma vez. Muito obrigado aí por aceitar o
6:15
convite, Mari. Obrigado professor Vinicius
6:20
cantarelli, então muito obrigado mesmo pelo convite.
6:25
Então meu nome é Gusttavo Lima. Eu sou formado em Zootecnia por
6:30
Lavras pela federal de Lavras. Já tem basicamente 15 anos que
6:35
eu estou, que eu me formei e estou no mercado de de produção
6:41
de suínos no Brasil, então trabalhei numa casa de genética
6:45
por por 13 anos e daí decidi fazer uma empreitada de
6:52
continuar meus estudos e hoje eu estou como estudante de PhD em
6:58
nutrição de suínos na ey state University.
7:03
E como consultor independente, aí nas nos horários vagos.
7:08
Então vamos. Obrigado pelo convite.
7:10
Vamos? Vamos ao podcast.
7:13
Vamos ao podcast? Eu só espero que vocês curtam
7:17
podcast. Vamos explorar o máximo aqui
7:20
esse assunto, né? E eu gostaria, inicialmente de
7:24
provocar o Santiago a nos a compartilhar com a gente sobre o
7:28
projeto que tá. É movimentando todo esse tema
7:33
que nós vamos trabalhar aqui hoje.
7:34
Então Santiago compartilha com a gente aí o projeto, quais são os
7:38
objetivos, quais são a os nortes que vocês querem chegar aí pra
7:45
gente dar sequência aí nesse tema?
7:48
Borel é basicamente começamos, é um projeto na Argentina, é na
7:56
Argentina e orasil também. Sejamos o tende AE
8:02
fundamentalmente, então a ação de linquiitude de entender.
8:07
Logo ele passa na nos animal e se engorda quando está em
8:11
larancas e arrumamos um programa nutricionado como responde
8:16
massagear de lolato que vendemos pelas empresas genéticas ou das
8:22
univerciais que passam cá umas larancas.
8:26
Com os animales, com o crescimento e o consumo e os
8:29
animales. E como podemos questionar toda
8:34
essa informação? Basicamente esse seu programa
8:39
linhas, linhas, realidades. Estamos começando a implementar
8:46
h em Argentina e tene 3 grandes pilares, outras grandes
8:52
componentes que fundamentalmente estão passados em.
8:56
É os datos e ele a renegacia onde informaciona informaciona
9:02
informação desses dados é uma com as matérias primas
9:08
sabedamente como Serra quem lugue goma em Los animales
9:12
caracterizar bien quem lugue goma em Los animales isso lhe
9:17
podemos fazer oi murrabiamente e com uma através de de.
9:25
De alim ferrow rosargano onnirs vossa equipa onirs ou de de
9:34
leitura e com as coroas arrobeis não para meter de aminoácios uma
9:43
on a caracterização de de tipo de figura que é de alemães de
9:52
eleforo fitico. Enfim, de numa caracterização
10:00
bien precisa dessa matéria prima é tão importante porque termina
10:06
como se formula uma dieta como formulamos uma ración.
10:11
Está estritamente vinculado ali o micrograma de formulação
10:18
qualquer peguinha variação Vinícius e nesses parâmetros que
10:23
derive. Implicam que em animal como AE
10:26
tinto a luga show, pensei que alguma e isso pode Dener um cego
10:31
é o enloconómico, o enlo produtivo, esse animal pode
10:35
agrescer menos o enlo show, pensava, pode, como a irmã e
10:39
luga show pensava ou pode ser marcado.
10:42
Marco cortoso, esse é o primeiro grande pilhar que tem e que ele
10:52
segundo. Está relacionado a inteligência
10:56
artificial e a luz ou a informação?
11:00
E como reneramos com logo de emoção e laranca?
11:03
Como reneramos informação que se poe a transformar em uma
11:10
erramenta que se pode utilizar e que se pode reacionar?
11:15
Hoje estamos trabalhando assim muito pouco indomense, porque
11:19
realmente tinha uma velocidade. De Alan ser murrábida é com
11:26
diferentes sensores, diferentes tecnologias, fundamentalmente
11:31
sensores infarofos que se colocam em lossilios de
11:36
alimentos e isso através de um nasce um farofo não permite.
11:51
E por outro lado, por Câmara volumétricas que se colocam Riva
11:58
de Los animales e que por uma relação entre o volume que de
12:05
animales não permitem estabelecer ele pessoal diário
12:08
que de animais é assim que temos controlado ele consumo e temos
12:14
controlado ele crescimento dos animais e por outro lado
12:18
conhecemos lá matéria prima. Então se conhece as 3 partes, só
12:23
vou arrumar uma racio muito, mas é precisa para ela.
12:30
Animal e a ama foi questionando o que passa no lado de 2 e
12:37
imagina no início que não só preparamos um narracio para ela
12:43
animal quando tinha 60 ou 70 dias de vida.
12:46
A ataquesal é a nafaina, a ataguesana nawatt.
12:50
Alô, 170 é só se em dias de estaria da real é a questão não
12:55
sei o que está passando aí entro só se quando entra neguando o
12:59
sal se é nele meio eu tenho o curro a subir a sua faz não, não
13:04
sei, logo a minha permite está dentro do que é se unindo
13:07
diariamente se há curva, se contra curva, aquele que passa
13:13
dessa trajetória, se você me permite ir assim, inferências.
13:18
Para Lucien de siglos e para laranca de loguei OA passar e
13:24
também de logo está passando por a ser peguei nessa furtes em no
13:27
programa nutricionales a meia loguei passando então e morrabil
13:33
e muito fácil e diria que é bastante execille desde
13:39
logonômico porque Charles tecnologia e cames é mais
13:46
barato. Que permitem que intensiva, não
13:51
podem pensar ao utilizar e ele terceiro Pilar de de neste
13:56
programa surtendia que é negador com eles, arrocho de modelos de
14:01
crescimento de Los animais. Para isso estamos trocando com o
14:07
tau. É já gasias um ano atrás.
14:16
Que louca é isso? Ah, sim, então então essas.
14:20
Gracias. Então, Vinícius, só para a gente
14:24
alinhar qual que é o trabalho, o que que nós estamos
14:28
desenvolvendo? Então, há 15 anos atrás, quando
14:33
eu comecei a trabalhar, que eu era gerente de Granja, tinha uma
14:37
máxima, entendeu? Então, quinta-feira fecha a
14:41
semana de produção de UPL. Entre os dados, sexta-feira, o
14:48
gerente da grande estuda os dados, entra pra grande e
14:52
resolve os problemas e isso é uma realidade que ficou no
14:58
passado, então hoje pelo nível de tecnologia e pelo nível de
15:03
informação, se tem aí ações no presente e a grande realização
15:12
ou grande? O grande objetivo é fazer as
15:15
predições. Então, além de se trabalhar no
15:18
presente com as leituras de sensores e trabalhando com a
15:23
gestão dos dados, a possibilidade que você tem de
15:27
predizer o médio prazo é de valor infinito, entendeu?
15:34
Então existe um grande potencial nesse assunto ou nesse tema?
15:40
Só que daí pra prever o futuro, nós temos que conhecer um pouco
15:43
o passado. Então o Santiago e a empresa que
15:47
ele trabalha tem um histórico muito grande de provas de
15:55
crescimento, então desde 23 kg até abates pesados ao longo de
16:01
anos. Então qual que é o grande
16:05
objetivo? Nós pegamos e ajustamos.
16:10
As curvas com os dados presentes ou e os dados passados?
16:17
Com isso, nós temos todos os crescimentos dos animais, todas
16:22
as conversões energéticas. Então o consumo energético e a
16:28
conversão energética no entendimento que o animal vai se
16:33
alimentar ou vai regular o consumo primariamente pelo
16:37
consumo de energia. Depois tem outros pontos, mas.
16:40
Principalmente é esse, e cada fluxo ou cada Bayer vai ter 111
16:45
diferente conversão. Com isso, nós conhecemos o
16:49
sistema e nós temos diferentes potenciais.
16:54
Esses diferentes potenciais já estimados.
16:59
Eles vão ser retreinados no sistema de de aprendizado de de
17:05
máquina machine learning. E essa informação nova?
17:10
Ela vai vim através das câmeras e dos sensores de silos que vão
17:16
medir essa conversão. Então, ao longo do tempo, os
17:19
modelos preditivos vão ficar cada vez mais precisos.
17:24
E a equipe do Santiago ela vai determinar, pelos dados
17:28
históricos, qual que é que seria a conversão energética de cada
17:31
sistema. E na implementação, qual seria?
17:38
O melhor potencial daquela grande.
17:41
Com a determinação do potencial, nós vamos conseguir desenhar de
17:45
maneira correta qual é o crescimento e qual a previsão.
17:50
E através da nutrição, nós conseguimos atender
17:53
nutricionalmente aquele crescimento.
17:57
Então nós conseguimos fazer um acompanhamento em tempo real do
18:02
que que está acontecendo no galpão.
18:05
Certo? Então, com essa, com essa
18:08
leitura do passado, com o retreinamento dos dados e com a
18:12
predição do futuro, nós conseguimos ser muito mais
18:15
preciso e acurado pra tomar decisão nutricional.
18:19
EEE de manejo e entre outros, né?
18:24
Basicamente, é isso que que seria o trabalho.
18:29
A PEC mart está revolucionando a sua inocultura.
18:33
Com soluções digitais que otimizam toda a produção, peso
18:37
por imagem dos animais, estoque e consumo de ração em tempo
18:40
real, com sensores nos silos, sanidade dos lotes na Palma da
18:45
mão, transforme sua Granja com inteligência de dados e
18:49
automação de verdade. Excelente, excelente.
18:54
Eu acho que ficou claro aí para os nossos ouvintes, né?
18:58
E eu estou aqui pensando. Realmente no valor que tem esse
19:03
projeto vocês estão de parabéns, né?
19:04
E meus votos são de que a gente que vocês consigam evoluir, que
19:08
as cadeias produtivas, principalmente a disciplina e
19:10
cultura, ganha muito com isso. Agora, se a gente é a gente ter
19:16
as predições, como o Gustavo falou, as predições é é de
19:21
grande valor, né? As petições de médio prazo, você
19:24
consegue realmente ser mais assertivo.
19:27
É isso que nós estamos precisando, nós temos uma série
19:29
de tecnologias. A gente fala em nutrição de
19:33
precisão e produção de precisão. Já tem um tempo, né?
19:38
Mas e aí? Quando que a gente realmente
19:42
consegue é como que nós vamos conseguir ter a aplicação de
19:47
todas essas tecnologias aí? Eu tenho 11111 ponto aqui pra
19:52
gente discutir. Vocês falaram dos sensores que
19:57
irão é aferir. O consumo de ração das câmeras
20:04
que irão aferir o ganho de peso e teremos então a conversão
20:09
alimentar, tudo baseado em energia.
20:12
Pelo que eu entendi que o Gustavo falou, só que pra pra
20:17
gente analisar e aplicar em diferentes condições, nós temos
20:22
que ter o input de diferentes condições pra ter o output de
20:26
diferentes condições, então, por exemplo.
20:31
Genética, questões ambientais, né?
20:35
Objetivo de produção, ou seja, destino do produto.
20:41
Isso vai para consumo interno, isso vai para varejo, isso vai
20:44
para exportação. Que tipo de exportação
20:46
precisamos de ter produtos com menor conversão, com exciente de
20:49
variação. Nesse sentido, como é que vocês
20:54
estão construindo? Na verdade, não é só os modelos,
20:57
mas como é que vocês estão construindo Santiago?
21:00
Os projetos, os experimentos, quais os tipos de variáveis que
21:05
vocês vão avaliar ou introduzir como parâmetros no sistema pra
21:10
ter esses diferentes, um range diferente de situações de
21:14
condições, pra que a gente possa ser mais assertivo em diferentes
21:18
condições. Como é que vocês estão
21:19
trabalhando isso? Primeiro, na etapa dos projetos
21:23
da dos experimentos e segundo na construção dos modelos.
21:29
Bem, enquanto que estamos realizando na Argentina é que
21:35
esse é o é o inicius, porque na Argentina dedemos uma forma de
21:46
uma linha renética é que É Ela é informação que dedemos e netos e
21:55
netos anos. Provavelmente dito depois e se
22:02
traduca em outras em outras linhas renédicas que são
22:06
importantes também é que tenham mergal rendido pelo não são
22:12
predominantes. O interessante é um ela
22:16
questione mais interessantes. H é que gala branca empresa
22:21
renerar sua informação. Alugue basengá Una e arrancas em
22:30
GA Una e local pones de cá Una é o sistema produtivos, controla,
22:35
varia. Olha que dia não é isso não de
22:38
manico ambientales de matéria prima caranca em pizza ser uma
22:44
usina reneradora de informação, basicamente sem pizza tranformar
22:49
e em pizza reinal dato como logado, que pode reunião na
22:53
arranca experimental. Salão de referências todo o dia,
22:58
como o galepon eguis de tal genética com talmanico está
23:04
performando e o alho ar na resposta de judinho em mais, se
23:12
há esse programa nutricional wisemanico e nessa arranca nesse
23:17
galepon especificamente que eu há ser diferente, provavelmente
23:21
a laranca que tá a 5 a quilómetro.
23:24
Dessa arranca depois de ar condiciones incluso muito
23:28
similares pelos hospital. Muito diferente, desafios
23:31
sanitários diferentes. Além interessante este modelo, é
23:35
que esse calão, por exemplo, também há insensores que medem
23:42
sonido similares a todos dos animais.
23:46
Então se vamos emprestar a grossar informação sanitária
23:50
neto não quando tem um HE de consumo.
23:53
Telepo adener uma interferência a um padrão Reno respiratório
23:58
que me água dos animales curso em coluna, caia e consumo e só
24:04
me programa no trijan não lhe considera isso porque me
24:07
programa no trijan não considera nenhum desafio sanitário pontual
24:11
em algum momento específico, só é adener monitorial e mapeal
24:17
todo o grau passando em laranja. E a arma, dizia a guerra, Carol,
24:23
é porque em pesa não era integracione.
24:26
Interacione com Los sensores ambiental temperatura o meia
24:31
manicólico alpom em general é maniana Los cores de matéria
24:39
afegal para saber se Areia não tudo isso que já estão atendeu.
24:49
É muito importante com pouca maneira, não com muito pouca.
25:03
Manoela e recurso de capital humano para outras tarefas.
25:10
Que outro tipo de de importância?
25:15
Sistema de sal. E diariamente com is mucho
25:21
cawall de informação e mucho cawall de dados que vamos
25:25
atender disponível. E ainda no seu na sua pergunta,
25:31
professor Vinícius cantarelli, imagine a seguinte figura ou a
25:37
seguinte fotografia, nós chegamos na no sistema de
25:41
produção, na empresa cantarelli e pelo seu histórico, nós temos
25:47
aí. 160 dias de de vida dos animais com peso de 128 kg, uma
25:54
conversão de 2 300 média macho e fêmea macho imunocastrado e nós
26:00
temos os inputs do seu sistema, instalamos as câmeras, começa o
26:08
trabalho de leitura dentro do seu sistema.
26:12
A princípio nós temos os gabaritos, então imagine que eu
26:16
vou ter. 9 gabaritos imagine 3 diferentes potenciais e 3 sexos
26:25
distintos, mágio castrado, fêmea e inteira, e Imuno castrado.
26:33
Inicialmente, nós vamos ajustar o sistema.
26:37
Vai perceber tudo automático, tudo por algoritmo.
26:42
Como que a sua Granja está está crescendo?
26:46
Como que os seus animais estão crescendo?
26:49
Então? Os seus animais estão crescendo
26:51
como a curva 3 a, então nós temos essa estimativa.
26:58
Só que como a tecnologia está lendo os seus dados, ele usa os
27:09
seus próprios dados pra reestabelecer o sistema.
27:15
Pra realimentar o sistema e esse gabarito que era inicialmente 9,
27:21
ele vai sendo atualizado e ao longo do tempo esse esse
27:28
gabarito é o seu gabarito, é o seu modelo, entendeu?
27:35
Numa base Rolante, então você vai ter os dados cada vez mais
27:40
entrando no sistema, aumentando AA precisão.
27:44
E no seu próprio e na própria Granja cantarela eu vou ter o
27:48
crescimento, a conversão EOA previsão do que vai ocorrer no
27:54
lote. Aí, como o Santiago disse,
27:59
qualquer variação do sistema nós vamos conseguir captar e atuar
28:04
sobre sobre esse ponto, entendeu?
28:08
Então o sistema é alto, inteligente e eles.
28:10
Se auto regula ao longo, ao longo do tempo, ao longo dos
28:13
anos, entendeu? E que me parece também
28:19
interessante para pensar lo como nos outros, teremos lá
28:25
informacion e no momento exato que não permite tomar
28:29
decisiones, por exemplo, não olhamos de arrumar ou de
28:33
formular um programa nutricional no Natal.
28:38
Depende, pelo menos 3 aninhos. Estamos utilizando aí, sabe que
29:02
é? Mais choro menor.
29:05
E nem o Itália ainda tem um gato, porque não pode ser de
29:07
outra maneira que nos outros. Olhando em nutricia onde
29:11
precisam, nós estamos encontrando, não lhe estamos
29:14
aproveitando vocês. Quando em em forma convencional,
29:20
então ramos em nutricio não passa é trouxe um gap que é de
29:23
uma centrela e logo está em laranja.
29:27
Nos outros últimos anos, isso leva um muro acentuado,
29:31
regrescimento. De Los engordo são
29:36
impressionantes. E isso, aliás, que não está
29:41
Natal, todavia, ou nas última tarde.
29:45
Então seja noutra lufo formulando para Los animais que
29:50
tem o trafo formulando para Los animais que pensam que tem OE
29:55
Los animais que pensam que tem o não se impressionam o que
29:58
realmente está na negal ponto. Vocês não permitem afetar muito
30:03
mais esse conceito que eu vou fazer.
30:05
As o início de nutrição de precisão não, não permite cada
30:10
ser mais infinitos. Cais, massas, artigos, cais,
30:13
armassas. É ter armassa a cortar esse dor,
30:18
nichos, atuar cá de lá, a nutrição de precisão.
30:22
E ainda mais um exemplo, Vinícius, antes da da próxima
30:25
pergunta, eu tive uma experiência há um tempo atrás.
30:30
De um sistema de 50000 fêmeas utilizando o nível de lisina x
30:37
na fase de engorda e de repente por um tema de custo, o nível de
30:43
lisina saiu DeX pra x menos 10% sem nenhuma mudança de
30:52
desempenho, o que que significa estava sendo sobre alimentado no
30:59
passado. E um passado de 10 de de de 5
31:03
anos. Então, o que que ocorre?
31:06
Um sistema que que abate números expressivos de de animais numa
31:11
fase de alto custo sobre alimentando 10% em aminoácido.
31:18
Então só de se evitar essa sobre alimentação dos animais já é um
31:27
já é uma grande Conquista. Ou um grande passo econômico,
31:31
entendeu? Então, isso aí nós podemos
31:34
ajustar para que essas essas diferenças sejam cada vez mais
31:40
minimizadas dentro do sistema, entendeu?
31:43
Porque em determinada fase, o nível de lisina vai ser muito
31:48
importante. Em outras fases é ao contrário,
31:53
às vezes o animal tem potencial. O potencial tá acabando, ele tá
31:57
caindo no GPD. Você não vai precisar de mais,
32:01
correto? Então o ajuste é muito mais
32:03
dinâmico, certo? Excelente, é?
32:11
Eu vou voltar ao exemplo que você deu aí da da unidade do
32:14
cantaré. Então nós temos os dados.
32:22
De uma Granja, né? Você faz a leitura dos dados da
32:25
Granja. E aí esses dados é ao mesmo
32:33
tempo que você está captando via câmera, via sensores, é você tem
32:41
também informações de manejo, sanidade, ambiência e nutrição
32:45
dessa Granja. Em dado momento, em dado momento
32:52
você consegue perceber algumas informações interessantes que
32:57
podem correlacionar com fatores intrínsecos dentro dessa Granja,
33:06
mas também com fatores extrínsecos e que que seria os
33:10
extrínsecos, outras granjas, outras correlações.
33:17
Isso daí o sistema prevê, eu acho que obviamente ele prevê e
33:22
obviamente vocês estão buscando esse tipo de informação, mas
33:25
como vocês fazem isso, né? De vocês fazer esse dado aqui é
33:30
importante. A gente correlacionar agora com
33:33
essa questão de manejo, a exemplo que o que o que o
33:37
Gustavo deu da lisina, por exemplo, né?
33:40
Poderia ser uma troca de vacina, poderia ser um peso de abate
33:45
diferente. Na linha final, poderia ser uma
33:50
mudança de fase em época diferente, ou um nível
33:52
nutricional diferente, ou uma matéria prima diferente.
33:55
Ah, trocamos. Colocamos DDGS agora, ao invés
33:57
de 10%, colocamos 20%. Essas correlações vocês vão
34:04
captando, mas que momento vocês falam assim?
34:05
Esse dado é interessante. Quero.
34:08
Esse dado é interessante não só intrínseco ao sistema de
34:12
produção, mas a outros sistemas de produção.
34:14
Como é que nós podemos aproveitar isso?
34:17
Bora esse? Esse é o início, esse desafio.
34:20
Quando tenhamos muita informação de mucha branca, de mucha vale,
34:25
Bonner, como mucha variantes que estou em nome tenhamos, estamos
34:29
impressando outra barrada poucos meses atrás.
34:33
É por esse desafio que tenhamos quando tenhamos um caoal
34:37
informação morande como pensamos a relacionar é causa e efeito,
34:43
não é hoje estamos. Trava falando e emfogando nosso
34:47
em cada uma de la branca que temos monitorando é que como eu
34:54
é muito incipiente e estamos ouvindo sobre todos review que
34:58
vou gerar a ver em nele consumo e em la anância de berço e aí
35:04
relacionando lhe coloquei nos nos dedicamo nos outros que
35:10
programas de alimentação e nos programas.
35:13
De nutrição, não. 70 por cento do nicoto está aí.
35:16
Então se qual tira a Rute que nós ultrapovamos a ser menor aí
35:21
batendo na repercussão, batendo a tanderando, então se nós
35:25
estamos emfogando, é é nessa. Nessa parte é outra guatira
35:31
importante, ela precisam de informação sobredonda em
35:36
crescimento dos animais, nós trovamos corrorando nas câmaras.
35:41
Colopeço que que vamos tendo em outra experimental e com uma
35:45
lança convencional, e mesmo que lá precicione entre um ou 3%
35:52
máximo de peso essas variações de veneno, sexo, veneno, momento
35:59
veneno, pesar, momento lia preço entre um ou 3% dizer que é
36:05
bastante preciso para tomar. Decisiones logo nas outras
36:10
queremos que o passar bonito é suma interpretacional que pode
36:15
ser errada é que vamos adenir quem pesar atravessar com nova
36:19
sedados realmente, porque vamos adenar muitos animais
36:25
monitoreando e salir de monitorio para tener um plano de
36:31
axion barra guerril empresar a dravar e a desafiar nos distinto
36:36
como lhe pensamos. E como lhe interpretamos?
36:40
É esse desafio que de que de paraelante ou e no tanto lhe o
36:45
que passa entre uma arranca, se não, como podemos empresar a
36:49
travar incluso por sonas, incluso por momento rânio só
36:53
trouxe por exemplo, na rendido olha a zona atemplada passa no
36:56
Brasil é o mesmo muitas diferenças entre lurano e
37:01
alimerma, então se é e é muito marcado isso.
37:05
Como boa noite nela, os gatos diferentes é uma zona georáfica
37:11
em particular para arrumar o programa.
37:15
Olha sermos um pouco empirigamente suponhinho não
37:19
ganhou a moça de tanto grau, mas ou tanto grau menos estimamos
37:23
consumo diferente? Não, mas perdeu isso lhe vamos
37:27
regionalizar e lhe podemos chegar a um luar sonal
37:33
determinado, não. Esses são olhos de desafios no
37:37
início, depois estão lá a parte sanitária que que eu assim não é
37:42
só nascem dêmicas de alunas informeais informeais, que causa
37:47
cursa de tintas em alegias e tintas é de tintas efeitos dos
37:53
setores eu estou e ele de que creio que se ele grande desafio
37:57
ele, ele grande trabalho, só creio que também um pouco é la
38:01
forma de ser o isso técnico. Que é Amos os técnicos em
38:06
laranja a me parecer que é isso não é desse serviço.
38:11
E como todo inteligência artificial, temos que aprender
38:15
muito. Então e temos creio que
38:19
aproveitar o burguês o na grande oportunia oi que está chegando,
38:24
que é sempre animal, quer restaurar em todas as
38:29
tecnológicas. Creio goy, podemos estar nessa
38:33
nessa linha. E um ponto importante, professor
38:38
cantarelli, que é uma maneira simplista de ver Oo problema.
38:45
Só que pra pra títulos didáticos é é importante.
38:50
Eu vejo 2 pontos importantes quando se trata de crescimento
38:56
primeiro. Os pontos que vão afetar a
39:00
conversão energética, então, esses pontos que vão afetar a
39:04
conversão energética, eles estão envolvidos em tudo, em tudo que
39:11
há de de mudanças fisiológicas. Então, temperatura, estado
39:16
sanitário, alguma doença endêmica, algum desafio,
39:21
sanitários específico daquele lote, certo?
39:25
E alguma utilização de ingredientes específicos.
39:29
Então, por exemplo, uma dieta com excesso de fibra, ela vai
39:34
ter uma diferença importante na conversão energética.
39:38
Porém, quando a dieta varia dentro de parâmetros normais,
39:43
então vamos pensar uma dieta de milho e soja com algum da DGS?
39:47
Não muito. Com inclusão não muito alta, os
39:51
animais vão ter. Uma conversão energética
39:55
constante, então o grande exemplo é adição de óleo ou não?
40:01
Então, por exemplo, 1% de óleo contra 2 e meio por cento de
40:05
óleo. Existe uma diferença de
40:07
conversão real, conversão normal né propriamente dita, porém a
40:12
conversão energética é a mesma, então baseado nesses aspectos.
40:21
O aprendizado dos modelos, ele vai englobar isso.
40:28
Então, se numa zona da Argentina eu tenho ou numa certa pirâmide,
40:36
na Argentina eu tenho ou numa empresa de produção eu tenho,
40:42
uma mortalidade que tá impactando um nível sanitário
40:46
ruim. A conversão energética muda.
40:52
E eu tenho de novo um gabarito que vai aprender aquilo.
40:58
Vai falar assim, OPA, pera aí. A sua conversão, a conversão
41:01
energética desse sistema, ela não tá batendo com gabarito a
41:07
ela tá mais parecida com o gabarito CE.
41:11
Daí o modelo vai aprendendo e fala assim, não pra pra esse
41:14
sistema. Esses animais vão crescer de tal
41:18
maneira. E é a mesma coisa com ddgs.
41:22
É a mesma coisa se você for utilizar alto nível de fibra.
41:26
E o sistema vai aprendendo ao longo do tempo e vai sendo cada
41:30
vez mais preciso, mais preciso do que uma previsão do tempo,
41:34
entendeu? Esses dias eu estava estava
41:38
fazendo um churrasco e teve uma previsão de tempo que que 10% de
41:43
probabilidade de chover de repassou 5 minutos.
41:46
Choveu. Entendeu então?
41:49
Nós nós somos melhores do que previsão do tempo, isso aí, com
41:52
certeza. A ceva é um dos principais
41:57
players no mercado de saúde animal, atuando com inovação e
42:01
responsabilidade, buscando soluções de saúde inovadoras
42:05
para todos os animais, contribuindo para o futuro de
42:08
nosso diverso planeta, moldando cada solução de acordo com as
42:12
necessidades e desafios do mercado consumidor e
42:16
compartilhando conhecimentos de alta qualidade.
42:19
Para não perder nenhuma novidade, siga a cerva saúde
42:22
animal no Instagram, arroba cerva suínos Brasil.
42:29
Boa notícia, boa notícia, excelente.
42:33
Essa questão da conversão energética.
42:35
Gustavo, é, é muito importante aí aos nossos ouvintes aí é.
42:43
Ter essa percepção, e não só do ponto de vista nutricional, mas
42:47
também como no sistema como um todo.
42:50
Existe trabalhos na literatura relacionando demandas
42:55
energéticas em diferentes condições, seja ela ambientais
43:00
ou de sanidade, né? Desafio da respiratório,
43:02
microtoxicoses, hentéricos e aí por diante, inclusive com alguns
43:07
estudos de metanálise. Mas eu pensando aqui eu vejo o
43:10
quanto que vocês vão poder explorar e ter de dados no
43:14
volume de dados. É real time, né?
43:19
E qual a possibilidade de prever?
43:21
Então? Excelente.
43:23
Isso daí pra mim é um é um grande diferencial a conversão
43:26
energética. Agora um ponto que eu gostaria
43:31
de ouvir vocês e no final eu queria já adiantando, né, nosso
43:36
tempo aqui. Eu queria que nós tivéssemos
43:39
mais tempo, porque é um é um tema bem interessante, porque
43:42
não podemos fazer um segundo tempo depois, né, uma segunda
43:45
rodada. Mas depois eu quero pra vocês já
43:48
irem pensando, tá em destacar algo que você já tem de muito
43:54
interessante, ó, isso é um resultado que a gente ou
43:57
resultados que a gente já conseguiu bem interessante.
44:00
Imagino que vocês já devem ter algo aí que chamou a atenção de
44:03
vocês, mas antes disso eu eu gostaria de tratar do tema.
44:07
É coeficiente de variação dentro de bairro, tanto para as
44:15
aferições as aferições de peso pelas câmeras, OK, mas de
44:20
consumo né? Nós não, é difícil e
44:24
consequentemente é de conversão alimentícia, conversão
44:27
alimentar. Como é que vocês estão tratando
44:31
esse tema dentro do projeto sustento?
44:34
Conversão, coeficiente de variação dentro das baias para
44:41
construir os modelos para ser mais assertivo, principalmente
44:45
pensando na indústria que cada vez mais valoriza lotes mais.
45:00
Homogêneos é Bora. Bastante minimizado porque todo
45:06
o lado que temos são mensagens experimentales donde
45:12
alinhamentos, obviamente, se o que a minimizar o coeficiente de
45:16
variações a sêndolas elecion, iniciando os animais, é tramo
45:22
com coeficientes menores, ali por cento em todos os ensajos é
45:28
que há se um requisito é só para começar uma mensagem.
45:32
Ora, como isso outras damos a indústria também, mas um,
45:38
digamos, um desafios e às vezes um pouco de diferença de logarp
45:45
que pode entre lo que vemos e lo que esperamos.
45:51
Não, porque muitas vezes teremos ele mesmo peço ou mesmo por
45:55
meio, teremos coeficiente de variações distintos ou esse
46:00
tema. Toma levatos de pelo menos
46:05
elevante por cento dos animales de galpone os animal é que
46:10
estavam monitorando nos outros animal em 50 pelo Rio ele vem de
46:14
já tínhamos uma ONOS para tenho de informação e saga um pelo
46:18
meio de galpone não saga um pelo meio por animal de amo por
46:23
animal e 1000 anos outro levanta do informacional de cá um nossos
46:27
para. E tomam por um meio dessem
46:31
alpone desse dia ou dessa hora, desse minuto, onde lhe pode se
46:35
ter com Nogueira perece uma perece um por meio é de todo o
46:40
alpone esse tema seguramente em mensalão deu a permitir irá
46:46
sendo identificações individual e dos animais.
46:48
Reconhecimento facial é quieto outro capítulo também para olhar
46:57
lembras. Ele retaciona esse grupo
47:00
alimentaciona aí que aí se de e neste caso, todavia, isso não
47:09
está desarroxó para animalista nem gordo um momento de ponte
47:15
ótimo que animalhe podemos contar quando é lote chegou um
47:19
peço de ponte quando se é ótimo momento de ponte isso lhe vamos
47:24
falar como lo de. Não podemos ter uma informação,
47:37
precisa de passar por a hora, não.
47:45
E também outro ponto importante é.
47:47
Que o bom estatístico não sei aonde que eu li isso ou ouvi
47:52
isso. O bom estatístico não tem medo
47:56
da variação. Ele entende.
47:59
A variação. E adiciona.
48:05
Ou faz o? Accountman dessa variação nos
48:09
seus modelos, entendeu no. No caso específico da?
48:14
Câmera obviamente a instalação, ela tem que ser das câmeras,
48:21
elas tem que ser em animais grandes, de alto crescimento.
48:24
Baixo crescimento e mede o crescimento.
48:28
Pra eu ter essa variação estudada.
48:33
Por quê? Porque nas provas que o Santiago
48:36
realiza, ele pesa todo o galpão, então eu tenho a variação entre
48:41
baias, então o. Meu molde.
48:45
Ele já tá sendo, já, eu já tenho essa, essa, esse cv
48:50
estabelecido. A Câmara, ela tem que seguir o
48:53
mesmo. Sistema.
48:56
Então. Com isso, a minha média.
48:58
Vai ser bem representativa. E depois disso nós temos que
49:02
usar ciência. EEE.
49:05
Pensar que existe uma normalidade dentro de uma
49:08
distribuição total normal. Todos subsemple apresenta a
49:12
mesma normalidade. Aí com isso eu consigo ter uma
49:17
estimativa média do grupo, mas eu consigo chegar ao indivíduo.
49:22
Um exemplo, através de uma conversão energética x eu eu
49:27
estimo que esse lote tem que ser vendido o primeiro corte aos 90
49:31
de IS de i engord. Então vai lá aí, qual que é Oo
49:37
sistema, qual que é a ação? É querido gerente, vá com 90 de
49:43
ISE saque uma carreta dos maiores animais que está dentro
49:50
do galpão. Com 98.
49:53
Por cento de chance. Que a gente está dentro do do
49:56
peso, abate que o que o frigorífico está determinado,
50:01
então existe as aí que vem a parte técnico científica para
50:06
linkar todos os dados, né, certo?
50:10
Excelente. É e nesse.
50:12
Sentido assim, principalmente quem faz segregação de retirada
50:16
de animal. Vai poder usufruir ainda mais
50:18
esse sistema, né? Não tô dizendo que é só esse
50:21
tipo de sistema que vai poder usufruir melhor.
50:24
Mas quando você tem o modelo de segregação, de retirada, você
50:29
consegue ter mais vantagem, principalmente nesse nesse
50:33
quesito coeficiente de variação agora.
50:38
Pra gente? Finalizar, eu gostaria de ouvir
50:41
de vocês e por favor, pode ser, é.
50:46
Pontos completamente diferente ou exemplos completamente
50:49
diferentes, né? Se vocês quiserem, mas eu queria
50:52
ouvir de vocês assim, qual é Santiago e Gustavo ou qual foi o
50:58
resultado? Ou se vocês quiserem citar 2
51:01
assim, o que mais impressionou nesse projeto de falar assim,
51:04
uau. Conseguimos algo que realmente
51:09
chamou atenção pessoal ou da equipe como um todo?
51:16
Boa, não é? Difícil, difícil.
51:20
Para onde projeto está? Nando está arrancando, está está
51:25
drancidando. Creio que se acima da mesma
51:30
conversação entre um ânion, entre um ânion que poderia
51:34
início de 5000 coisas, a tal hora vai impressionando.
51:41
É ele elucia agrescimento de animales.
51:45
Não é como ele descia assombrato não é de de assombrar.
51:50
Me alunos animale, que agresse muito, muito rápido, estou
51:54
olhando é animale que temos que o olho era a pensar porque ele
52:00
elucia o agrescimento é muito uma sala de experimentos do
52:06
animale, o 100 em 230 dias reais.
52:11
Crescem mais de 1 kg e dezentos +1 kg e dezentos e que lutuímo
52:16
quer pesar 3 vezes porque não queríamos e repensar a lei 2
52:22
dias eram 4 e tratar de sagar toda, toda a fonte de exupicácia
52:28
pelo realmente isso isso me assombra mútuo e como os animais
52:34
estão respondendo com muita eficiência ao programa
52:38
nutricionárias. Cada respondem aos organis são
52:41
mais eficientes, é terreno logal estão a ser assombrado dessa
52:47
dessa arranca e 50 millmares que vá rolos de vizinha e se eram se
52:54
eram comportando se o óleos animales isso é um e também
52:58
mesmo que se uma lisina não passa nada e se realmente tirá
53:04
lo à força, dirá lo ureia de ceva é ceva com a urina.
53:10
É isso, isso, isso realmente a mim me me chama.
53:16
Pensei que era dato, que isolamento de Dínamo laranja
53:19
experimental e hoje estamos corrorando lá estamos corrorando
53:25
o alpones dele, o cliente, esse é que mais me mais me chama de e
53:35
depois me outro que me, que me, que me.
53:38
Certa certo assombro da menes. Como vamos pensar a inteirar
53:44
toda a informação e como como vamos empresar a renerar
53:49
resultado com dolo, que com dolo que estamos tendo todo o dia
53:54
vamos este projeto que que parece que é esse.
53:59
Isso não é caleira assim. Era infinito não que não termina
54:03
nunca. E para mim?
54:08
Professor cantarelli, é o fato de você ter uma ou conseguir
54:16
fazer uma decisão fora do senso comum, como?
54:22
Por exemplo. Determinado valor econômico, o
54:27
custo de milho e farelo de soja, você dizer para Granja a que ela
54:33
pode abater com 130 kg? E você dizer que a Granja b deve
54:40
abater com 120, 10 kg a menos? Por quê?
54:44
Porque. Pelo pelo.
54:47
O sistema de produção, hoje, se você aumentar de 120 a 130 vai
54:52
ocorrer prejuízo e a outra Granja pode subir o peso, abate
54:58
que não vai ter prejuízo, então você conseguir.
55:02
Manipular. E fazer 11 decisão?
55:06
Para cada empresa e para cada Granja é interessante, então,
55:11
pelas. Minhas estimativas?
55:14
Tem 2 sistemas de produção comprando mesma matéria prima, o
55:20
peso ótimo não abate. Feito.
55:22
Por derivado e pelas curvas é 130 kg.
55:27
E o outro? É 120.
55:29
Isso aí me impressiona, como que com a mesma genética, com o
55:33
mesmo nível nutricional. Com a mesma compra de
55:37
ingrediente 11, sistema me manda baixar o peso.
55:40
Outro sistema me manda aumentar o peso, que pelo senso comum eu
55:46
aumentaria o peso em todas, entendeu?
55:49
Isso aí é isso que eu creio que é Oo grande futuro, né?
55:54
O diferencial que possa existir, excelente.
55:59
Eu acho que assim pensando. Aqui, os 2 exemplos.
56:05
Fica claro que num sistema comum de produção, sem o uso dessas
56:13
ferramentas, isso não seria possível, isso não seria
56:17
possível. Tanto animais que têm
56:21
crescimento que a gente nem consegue imaginar. 1 kg e 700.
56:29
E aí, Santiago? Eu estava conversando com amigos
56:32
da Colômbia um tempo atrás. Sobre alguns exemplos,
56:36
ecossistemas que conseguem ter alto desempenho.
56:40
E eu questionei, falei, não é possível que vocês estão
56:42
conseguindo esses valores? E ele foi dando exemplos Na Na
56:48
experimentação, a gente. Vê a gente?
56:50
Pesa Baia, né? E você vê animais com desempenho
56:55
de 1 kg e 700 e conversão alimentar de um de um 1.8 até
57:00
menos, né? Mas são animais.
57:03
Agora, quando você está trazendo essa realidade para dentro de
57:07
1/01/1 programa? E que esse programa?
57:11
Pode de que, de uma forma prática, um sistema de produção
57:16
propriamente dito, usufruir disso, né?
57:19
Acho que isso é fantástico. É exemplo do do do Gustavo
57:23
também é, é. Eu também acho.
57:26
É fantástico isso, Gustavo. O fato de você ter as mesmas
57:32
condições, como se fosse os mesmos inputs, basicamente, mas
57:35
o sistema molda para que o output seja completamente
57:39
diferente, né? Num senso comum no sistema.
57:42
De produção comum, você não conseguiria.
57:44
Fazer isso, você IA perguntar pro teu vizinho AAA, cooperativa
57:48
ou a agroindústria está querendo esse peso.
57:50
Vou ter que fazer isso e pronto, né?
57:52
O sistema é esse e pronto. E aí a gente perde todas essas
57:55
oportunidades, né? Então é.
57:59
Ficou claro para mim a importância.
58:01
Desde quando vocês começaram a abordar a importância desse
58:04
projeto? Eu acho que é é.
58:08
É apenas o começo, né? E não só a ideia muito
58:12
interessante, de muito valor, mas também os profissionais que
58:17
estão envolvidos nela. Não tem dúvida, né?
58:19
As instituições que estão envolvidas com ela.
58:21
Eu acho que quem ganha com isso é a cadeia produtiva, são as
58:24
cadeias produtivas de diferentes países, diferentes zonas,
58:27
diferentes regiões. E diferentes sistemas de
58:30
produção, né? Eu desejo aí muito sucesso, é e
58:35
fico aí curioso. Vou provocar o pessoal, a equipe
58:41
do sinocast pra gente, se vocês toparem, a gente dá continuidade
58:46
nisso porque não? Porque certamente vocês têm
58:48
constâncias de resultados interessantes pra poder
58:51
compartilhar aqui conosco, né? Seria uma Bela oportunidade.
58:56
Pra finalizar. Eu queria só. 11 comentário
59:02
breve de vocês aí, um minuto cada um ao máximo é de que vocês
59:07
poderiam compartilhar pra jovens que estão começando aí na
59:13
carreira da suinocultura. O que que vocês conseguiriam
59:19
compartilhar de que assim olha, não deixam de fazer.
59:22
Dê a tua opinião, Santiago. E tua opinião, Gustavo, acho que
59:27
isso. É importante aí?
59:34
Pra. Pra os jovens que estão.
59:45
Ouvindo, é? Que primeiro que tem a
59:49
importância é que tem a importância do que descia a
59:54
nascer. Isso é isso é fundamental e tem
59:56
a importância. Isso creio que para qualquer
1:00:01
profissional é só pessoal, é e que em pé se a milhar, como
1:00:09
centena de anual de tecnologias que entendem.
1:00:14
Traz a grande parte de logo em área em sul, dia a dia em sul e
1:00:20
assim Grécia, na indústria que não receberam, na indústria
1:00:25
europeguária e na indústria europeguária.
1:00:28
Sempre está retrasada das tecnologias e me parece que hoje
1:00:33
é assim. Impossível sair pensando que
1:00:37
isso de negue ser assim de onde competimos como indústria com
1:00:42
com diferentes indústrias. É que é que é um manico de rede
1:00:51
de personal, talvez Consuelo com ingressos melhores e onde cá é
1:01:01
magnostra em nutri a apesar de galo mundo é empresa, cerca de
1:01:07
mira marcou na lupa e onde temos que profissionalizar todo.
1:01:12
E essa lacosas muito profissionalmente e gás me
1:01:15
foram, porque gás teremos uma competência.
1:01:18
Se vocês queriam ganhar porta de elfoines consumirá e tinta no
1:01:23
mundo mais loarizado, me me parece que que pois, pois a Mona
1:01:29
é. Insisto que para isso é que tem
1:01:32
a importância. Não me parece que como como
1:01:38
dica, diria isso excelente. E do meu ponto de vista?
1:01:46
Assim pra começar, né? Se o conselho fosse bom, não
1:01:49
seria dado. Cada um, cada um sabe da sua
1:01:53
vida, né? Mas eu eu creio que tem 2 pontos
1:01:58
aí. Primeiro nós temos que aprender
1:02:01
a base. Então, quando você está numa
1:02:06
aula de bioquímica, eu sei que é dolorido.
1:02:11
Só que ela vai te dar. Uma base?
1:02:14
Que você vai conseguir no futuro separar o joio do trigo, certo?
1:02:20
Isso aí é muito importante. E o segundo ponto é sempre
1:02:26
conversar. Com as pessoas?
1:02:29
Sempre tentar. Extrair a experiência.
1:02:32
De cada um que todo mundo tem algo para te ensinar.
1:02:40
Aí a sua. Base que vai?
1:02:43
Te ajudar a dizer se é idiotice ou se é.
1:02:46
É fundamentado, mas sempre converso com as pessoas, certo?
1:02:54
Então existe um vídeo no YouTube do Almir Sater falando da da
1:02:59
classe dos violeiros, entendeu? Então, como todo mundo aprende
1:03:04
sozinho a tocar, todo mundo tem alguma coisa pra te ensinar.
1:03:10
Então, se você. Fechar o ouvido?
1:03:13
E achar que já sabe tudo, você vai perder uma grande
1:03:17
oportunidade de evoluir e é a base que vai.
1:03:21
Te, te dizer. Que se aquela informação tem
1:03:25
fundamento ou não, excelentes conselhos.
1:03:30
Excelentes. Conselhos aos ouvintes
1:03:33
principalmente os jovens esperam ter tocado aí vocês.
1:03:37
É, hoje nós tratamos de um tema bastante interessante, uso de
1:03:41
dados para tomada de decisão. Não poderia deixar de chamar, de
1:03:45
convidar meu amigo Gustavo e Santiago, 2 pessoas que tem uma
1:03:49
expertise na área e que estão envolvidos no projeto.
1:03:53
Fantástico, né? Que foi compartilhado aqui.
1:03:56
Eu espero que possa gerar muitos resultados, né?
1:03:59
Então nós tratamos aí do uso propriamente de tecnologias
1:04:02
dentro de sistemas de produção. É do uso de dados, da
1:04:06
inteligência artificial, de uso de câmeras, sensores que
1:04:10
realmente precisamos de por a mão na massa, de gerar
1:04:13
resultados nesse sentido para que a cadeia produtiva como um
1:04:16
todo possa é realmente colher esses frutos que já estamos
1:04:21
trabalhando há um tempo, né? Mas sair da base de pesquisa e
1:04:23
propriamente para valores, geração de valor.
1:04:27
Gustavo Santiago, muito obrigado por aceitar o convite.
1:04:29
Muito obrigado por compartilhar os resultados com o de vocês.
1:04:32
AO projeto de vocês. Espero muito sucesso aí,
1:04:35
pessoal. Até a próxima.
1:04:37
Então nos encontramos no próximo episódio.