Modelagem Fuzzy aplicada na avaliação do desempenho de frangos de corte

Schiassi, Leonardo; Júnior, Tadayuki Yanagi; Reis, Gregory Murad; Abreu, Lucas Henrique Pedrozo; Campos, Alessandro T.; Castro, Jaqueline de Oliveira

doi:10.1590/1807-1929/agriambi.v19n2p140-146

Cited by 24 publications

(42 citation statements)

References 17 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Seeking to quantify the importance of temperature variation in the second week of life, input variables used were age of birds (S, days), called age S1 (Figure 1). The ranges accepted for input variables (S, T) are listed in Table 1 and those shown were represented in triangular shape for the air temperature input variable and trapezoidal for age because of better representing input data classes, solutions found by several authors (Schiassi et al, 2015;Ponciano et al, 2012;Nascimento et al, 2011;Pereira et al, 2008).…”

Section: Fuzzy Model Developmentmentioning

confidence: 99%

“…The rules (Table 2) were defined in linguistic sentences, based on data collected in the first phase of this experiment and with the help of three specialists, and integrate a substantial feature in the performance of a fuzzy inference system that will perform well only when the rules are consistent (Schiassi et al, 2015). Thus, for the development of fuzzy logic, it is necessary that the professional be qualified to avoid possible contradictions in the interactions between the rules.…”

Section: Fuzzy Model Developmentmentioning

confidence: 99%

“…They have been applied to evaluate animal welfare (Pandorfi et al, 2007) and growth performance of broiler chickens (Schiassi et al, 2015;Ponciano et al, 2012), production cost analysis (Nääs et al, 2010), monitoring systems for electricity transmission networks (Almeida & Kagan, 2010), estrus detection in dairy cows (Ferreira et al, 2007), and workers in intensive systems .…”

Section: Introductionmentioning

confidence: 99%

See 2 more Smart Citations

Effect of thermal environment on performance of broiler chickens using fuzzy modeling

et al. 2017

Self Cite

View full text Add to dashboard Cite

RESUMOThis study aimed to develop a decision-support system based on fuzzy set theory, which can estimate welfare depending on the production responses of broiler chickens raised in climatic chambers. In the first phase, the influence of four different air temperature conditions on the performance of broilers was identified. Thus, the effect of air temperature on productivity was evaluated. In the second phase, a model was developed using the fuzzy set theory, in which feed intake responses, weight gain, and feed conversion were established according to age and the air temperature at which the birds were maintained, obtaining an efficient evaluation of the thermal environment. The results indicate that the proposed methodology is a promising technique for the determination of the level of thermal comfort endured by broilers, capable of assisting in making decisions on control of the thermal environment, avoiding productivity losses.Key words: mathematical models; environmental comfort; climatic chambers. Efeito do ambiente térmico sobre o desempenho de frangos de cortes usando modelagem fuzzyEste estudo teve como objetivo desenvolver um sistema de apoio à decisão com base na teoria dos conjuntos fuzzy, que pode estimar o bem-estar de acordo com as respostas de produção de frangos de corte criados em câmaras climatizadas. Na primeira fase, identificou-se a influência de quatro diferentes condições de temperatura do ar sobre o desempenho dos frangos. Assim, foi avaliado o efeito da temperatura do ar na produtividade. Na segunda fase, foi desenvolvido um modelo usando a teoria dos conjuntos fuzzy, onde as respostas consumo de ração, ganho de peso e conversão alimentar foram estabelecidos de acordo com a idade e a temperatura do ar em que as aves foram mantidas, para obtenção de uma avaliação eficaz do ambiente térmico. Os resultados indicaram que a metodologia proposta é uma técnica promissora para a determinação do nível de conforto térmico sofrido por frangos de corte, capazes de auxiliar na tomada de decisões sobre o controle do ambiente térmico, evitando perdas de produtividade.Palavras-chave: modelos matemáticos; conforto ambiental; câmaras climáticas. 338Flávio Alves Damasceno et al.

show abstract

Section: Fuzzy Model Developmentmentioning

confidence: 99%

Section: Fuzzy Model Developmentmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Effect of thermal environment on performance of broiler chickens using fuzzy modeling

et al. 2017

Self Cite

View full text Add to dashboard Cite

show abstract

“…Quatro especialistas foram selecionados, conforme metodologia de especialista fuzzy proposta por Cornelissen et al (2002) e utilizada por Yanagi Júnior et al (2012) e Schiassi et al, (2015). Dois especialistas possuem experiência animal e dois em produção de frangos de corte, sendo que todos possuem mais de 10 anos de atuação nas respectivas áreas, caracterizando domínio sobre o tema.…”

Section: Figura 2 -Curvas De Pertinência Para As Variáveis De Saída: unclassified

“…Entre eles estão: a utilização de modelos para predizer o conforto térmico no interior de instalações (PONCİANO et al, 2011), parâmetros fisiológicos (NASCİMENTO et al, 2011, PONCİANO et al, 2012 e produção (SCHIASSI et al, 2015).…”

Section: Introductionunclassified

Índice Fuzzy Para O Conforto Térmico De Suínos Na Fase De Crescimento E Terminação Com Base Na Temperatura Superficial E Frequencia Respiratória

et al. 2016

Self Cite

View full text Add to dashboard Cite

RESUMO:O objetivo do trabalho foi desenvolver e testar um modelo matemático computacional, com base na teoria dos conjuntos fuzzy, para predizer a temperatura superficial e frequência respiratória de suínos em função da idade dos animais e o índice de temperatura e umidade (ITU). Foram observados suínos na fase de crescimento e terminação. Os dados do ambiente térmico (ITU) e respostas fisiológicas (Temperatura Superficial (TS) e Frequência Respiratória (FR)) foram usados no desenvolvimento de um modelo fuzzy, sendo definidas, como variáveis de entrada a idade dos animais (dias) e o índice de temperatura e umidade (ITU), por se tratarem de variáveis que influenciam diretamente nas respostas fisiológicas dos animais. O desvio padrão médio do modelo fuzzy em relação aos valores observados experimentalmente foi de 0,61% e 1,38%, para TS e FR, respectivamente, sendo o desvio padrão maior encontrado de 1,30% e 4,16% (para TS e FR, respectivamente) e o desvio padrão menor de 0,01% e 0,14% (para TS e FR respectivamente). Os coeficientes de determinação (R 2 , %) obtidos mostraram que 58,72% e 83,55% (para TS e FR respectivamente) da variação podem ser explicadas pelo modelo. Portanto, o modelo fuzzy desenvolvido em função da idade dos suínos e do ITU mostrou-se mais adequado para a predição da resposta frequência respiratória do que para a predição da temperatura superficial de suínos na fase de crescimento. Apresenta baixo desvio padrão e correlação considerável para essa variável com os dados medidos durante a condução do experimento de campo, podendo ser utilizado como ferramenta de controle do ambiente térmico em instalações comerciais de produção. PALAVRA-CHAVE: ambiência térmica, instalações para suínos, modelagem fuzzy THERMAL COMFORT FUZZY INDEX OF PIGS IN GROWING AND FINISHING BASED ON SURFACE TEMPERATURE AND RESPIRATORY RATEABSTRACT: The objective of this study was to develop and test a computational mathematical model, based on the fuzzy theory to predict the surface temperature and respiratory rate of pigs in function of their age and the temperature and humidity index (THI). Pigs were observed in the growth-finishing phase. The data of the thermal environment (THI) and physiological responses (surface temperature (ST) and respiratory rate (RR)) were used in developing the fuzzy model. The age of the animals (days) and the temperature and humidity index (THI), were defined as input variables because they are variables that directly influence the physiological responses of the animals. The average standard deviation of the fuzzy model observed values was 0.61% and 1.38% for TS and FR, respectively. The highest standard deviation was 1.30% and 4.16% (for TS and RR, respectively), and the lowest standard deviation was of 0.01% and 0.14% (for TS and FR respectively). The coefficients of determination (R 2 %) showed that 58.72% and 83.55% (for TS and FR respectively) of the variation can be explained by the model. Therefore, the fuzzy model was more suitable for respiratory response prediction than for predictin...

show abstract

Proficiencies of different fuzzy inference systems in predicting the production performance of broiler chickens

Amaral

Bahuti

Yanagi

et al. 2023

Computers and Electronics in Agriculture

View full text Add to dashboard Cite

Modelagem Fuzzy aplicada na avaliação do desempenho de frangos de corte

Cited by 24 publications

References 17 publications

Effect of thermal environment on performance of broiler chickens using fuzzy modeling

Effect of thermal environment on performance of broiler chickens using fuzzy modeling

Índice Fuzzy Para O Conforto Térmico De Suínos Na Fase De Crescimento E Terminação Com Base Na Temperatura Superficial E Frequencia Respiratória

Proficiencies of different fuzzy inference systems in predicting the production performance of broiler chickens

Contact Info

Product

Resources

About