Food production to meet human demand has been a challenge to society. Nowadays, one of the main sources of feeding is soybean. Considering agriculture food crops, soybean is sixth by production volume and the fourth by both production area and economic value. The grain can be used directly to human consumption, but it is highly used as a source of protein for animal production that corresponds 75% of the total, or as oil and derived food products. Brazil and the US are the most important players responsible for more than 70% of world production. Therefore, a reliable forecasting is essential for decision-makers to plan adequate policies to this important commodity and to establish the necessary logistical resources. In this sense, this study aims to predict soybean harvest area, yield, and production using Artificial Neural Networks (ANN) and compare with classical methods of Time Series Analysis. To this end, we collected data from a time series (1961–2016) regarding soybean production in Brazil. The results reveal that ANN is the best approach to predict soybean harvest area and production while classical linear function remains more effective to predict soybean yield. Moreover, ANN presents as a reliable model to predict time series and can help the stakeholders to anticipate the world soybean offer.

Resumo: Brasil e Estados Unidos foram responsáveis por dois terços da produção mundial da soja durante a safra de 2016/17, equivalente a cerca de 348,1 milhões de toneladas. A soja é o principal produto na corrente de comércio brasileira, visto que sua participação na balança comercial foi de 33%, com o volume exportado de 68 milhões de toneladas, equivalente a US$ 25,7 bilhões. Assim, faz-se necessário analisar e estimar a relação entre área plantada, produtividade e produção, visando tomadas de decisões que possam afetar o suprimento interno e externo desse cereal. Nesse contexto, propõe-se nesse trabalho, uma rede neural artificial para estimar a produção futura da soja brasileira. Utilizou-se o software Matlab R2017b e a Neural Network tool box para elaboração, treinamento, validação e testes da rede. Os dados foram coletados das séries históricas de 41 anos de área plantada, produtividade e produção, fornecidas pela Companhia Nacional de Abastecimento. Os resultados apontaram uma produção de 108,1 milhões de toneladas, para a safra 2017/2018, ou seja, uma pequena queda de 5% em relação à safra 2016/17 que foi de 114,1 milhões de toneladas.Palavras-chave: agronegócio, previsões em series temporais, sistemas inteligentes, Abstract: Brazil and the United States accounted for two-thirds of world soybean production during the 2016/17 crop, equivalent to about 348.1 million tonnes. Soybeans are the main product in the Brazilian trade chain, since its share in the trade balance was 33%, with the volume exported of 68 million tons, equivalent to US$ 25.7 billion. Thus, it is necessary to analyze and estimate the relationship between harvested area, yield and production, aiming at decisions that may affect the internal and external supply of this cereal. In this context, we propose an artificial neural network to estimate the future production of Brazilian soybean. The software Matlab R2017b and the Neural Network tool box were used for the elaboration, training, validation and testing of the network. The data were collected from the historical series of 41 years of harvested area, yield and production, provided by Companhia Nacional de Abastecimento. The results showed a production of 108.1 million tons, for the 2017/2018 harvest, a small decrease of 5% compared to the 2016/17 harvest of 114.1 million tons.

Agricultural products are an important part of the Brazilian economy. In soybean production, the country is the second largest producer with 114.0 million tons in the 2016/2017 harvest. Mato Grosso state is the largest Brazilian producer with 30.5 million tons and the port of Santos is mainly requested by being the largest port in Latin America. However, the poor infrastructure of the transport road causes bottlenecks when dispatching soybean through the major ports. Artificial Neural Networks (ANN) are used worldwide in logistics; therefore, we propose to design, train and simulate an ANN on MatLab©software to forecast the demand of soybean produced in Mato Grosso and exported through the port of Santos. The value of 9.0 million tons was predicted for 2017 as an increase of about 26.5% compared with the 2016 movement of 7.1 million tons. In addition, it was noticed that 5.9 million tons were moved only in the first five months (Jan-May) of transactions in 2017.

Brazil and the United States account for approximately two thirds of the world soybean production. In 2018, the Brazilian soybean crop was approximately 117 million tons, more than half of which was exported. The Port of Santos is the largest shipper of soybeans, followed by the Port of Paranaguá. The supply chain involves factors that are difficult to measure, resulting in chaotic and nonlinear activities. Thus, we propose to analyze the relationship between supply (production) and demand (export) using artificial intelligence techniques in a hybrid model called neuro-fuzzy. Data from 20 years of soybean production and exportation were used in the Matlab©R2017b software. The results indicate that the supply tends to be low when the demands of the ports are overloaded, that is, the ports act in a synergistic and balanced manner.

No abstract

Resumo: Os produtores rurais de Mato Grosso precisam identificar os fatores que mais influenciam na decisão sobre a produção de soja e assim decidir sobre qual a melhor alternativa para a utilização dos seus fatores de produção: produzir soja, produzir milho ou se dedicarem a outras atividades agropecuárias. Entretanto, essa nem sempre é uma tarefa fácil já que depende de diversas variáveis que afetam diretamente essa decisão. Neste estudo, foram analisados dados acerca da produção de soja em Mato Grosso e buscou-se identificar quais são fatores de decisão que influenciam na qualidade e produção da rede de suprimentos da soja considerando três variáveis de decisão em conjunto: comercialização, logística e a produção rural. Essa análise multicritério foi realizada adotando-se a metodologia do Analytic Hierarchy Process (AHP) com o uso do software Expert Choice ® v. 11. Os resultados indicaram que a melhor decisão para o produtor rural mato-grossense seria dedicar a outras atividades agrícolas, exceto a soja e o milho, e apontaram que a comercialização foi o critério de maior peso na tomada de decisão (0,627). Palavras-chave: análise multicritério, produção de soja, Mato GrossoAbstract: The rural producers of Mato Grosso need to identify the factors that influence the decision on soybean production and thus decide on the best alternative for the use of their production factors: to produce soybeans, to produce corn or to dedicate to other agricultural activities. However, this is not always an easy task since it depends on several variables that directly affect this decision. In this study, data were analyzed about soybean production in Mato Grosso and sought to identify which decision factors influence the quality and production of the soybean supply network considering three decision variables together: commercialization, logistics, and production rural. This multicriteria analysis was performed using the Analytic Hierarchy Process (AHP) methodology with the use of Expert Choice ® v. 11. The results indicated that the best decision for the rural producer of Mato Grosso would be to dedicate to other agricultural activities, except soybean and corn, and pointed out that commercialization was the criterion of greater weight in the decision making (0.627)

O agronegócio é uma das principais atividades da economia no Brasil e de suma importância para a balança comercial brasileira. Neste cenário a exportação de grãos coloca o Brasil em uma posição privilegiada no comércio internacional de commodities agrícolas. Em 2017 o milho foi o principal responsável pela alta performance do setor, com o crescimento de 13%. O grão protagonizou no ano de 2017 a produção de 97 milhões (t). O objetivo deste artigo é investigar eventuais gargalos logísticos na operação de recebimento e armazenamento do milho no complexo portuário de Santos. Para tanto, optou-se por estudar os referidos processos em um terminal portuário de exportação, aqui denominado Terminal A utilizando-se de simulação. Os resultados apresentam duas operações distintas, a chegada do grão no terminal por ferrovia (vagão) e a chegada por rodovia (caminhão) e apontam potenciais gargalos operacionais.

Todo o conteúdo da Revista (incluindo-se instruções, política editorial e modelos) está sob uma licença Creative Commons Atribuição-NãoComercial-CompartilhaIgual 3.0 Não Adaptada.Ao serem publicados por esta Revista, os artigos são de livre uso em ambientes educacionais, de pesquisa e não comerciais, com atribuição de autoria obrigatória.Mais informações em http://ojs.c3sl.ufpr.br/ojs2/index.php/atoz/about/submissions#copyrightNotice. ResumoIntrodução: o LaTeX é um programa para criação e edição de documentos que requerem alta qualidade tipográfica mas, por apresentar características complexas, exige a criação de templates que facilitem sua utilização. O objetivo deste artigo consistiu em criar e avaliar um modelo de teses e dissertações em LaTeX para o Programa de Pós-Graduação em Engenharia de Produção da Universidade Paulista, facilitando a inclusão dos discentes e permitindo a apresentação de trabalhos dentro dos padrões internacionais. Método: adotou-se a metodologia do Design Science Research (DSR), que consiste em fornecer diretrizes para criação ou adaptação e avaliação de artefatos, tais como software e outras ferramentas científicas. Como base para os requisitos utilizou-se o manual de normas acadêmicas disponível no site da instituição. As avaliações ocorreram por meio de simulações e apresentação para discentes e docentes do programa com posterior aplicação de um questionário para 34 respondentes. Resultados: verificou-se que cerca de 40% já conhecia o programa e 60% não o conhecia. Após a apresentação deste, aproximadamente 32% considerou a utilização difícil, enquanto 50% a consideraram razoável e 18% fácil. Cerca de 76.5% dos grupos formados para análise apontou positivamente a condição de substituir os editores convencionais pelo LaTeX, sendo que 23.5% discordaram. As variáveis "pró utilização" mais destacadas foram: qualidade tipográfica, concentração no conteúdo lógico e facilidades. Os mestrandos apresentaram maior homogeneidade nas respostas. Conclusão: o template proposto foi aceito com entusiasmo, ainda que com a ressalva de se realizarem treinamentos devido à uma percepção significativa sobre a dificuldade de utilização. Palavras-chave: