Árvore de decisão aplicada em dados de incubação de matrizes de postura Hy-Line W36

Abstract

RESUMOIncubatório de ovos é um setor de grande importância na Avicultura de postura. Com a redução dos custos dos equipamentos de informática cresce o armazenamento de dados para gerenciamento do processo produtivo. A Mineração de Dados surge como uma técnica para identificar conhecimentos novos e úteis nos bancos de dados. Objetivou-se, neste trabalho, explorar a técnica Arvore de Decisão em banco de dados de incubatórios de matrizes de postura, visando a elaboração de padrões de incubação. Foram disponibilizados, pela empresa Hy-Line do Brasil Ltda, dados de incubação entre os anos de 2002 e 2006 da linhagem Hy-Line W-36. Dois experimentos foram realizados. Em um deles, valores acima dos estabelecidos pela empresa como desejado para o índice "fêmeas nascidas vendáveis" foram identificados como relevantes para a geração das regras. No outro, valores abaixo dos estabelecidos pela empresa foram identificados como relevantes para a geração das regras. Foi utilizado o algoritmo Entropia C 4.5 e o software SASEnterprise Miner como ferramenta de análise . Como conclusão deste estudo, foi possível observar que com a técnica estudada, os dados utilizados no gerenciamento de produção são suficientes para identificar conhecimentos novos, úteis e aplicáveis a fim de melhorar a produtividade das empresas incubadoras, atendendo à demanda com diminuição do desperdício.Termos para indexação: Mineração de dados, KDD, inteligência artificial, avicultura. ABSTRACTHatchery is a very important sector in egg production. As computers become cheaper, there is an increase in data storage for the production management process. Data Mining has appeared as a technique to identify new and useful knowledge in databases. The objective of this work was to explore the Decision Tree technique in hatchery databases to identify the best standards of the incubation process. The data set used in this research was supplied by Hy-Line do Brasil Ltda., corresponding to the incubation period of [2002][2003][2004][2005][2006], from the strain Hy-line W-36. Two experiments were carried out. In the first experiment, values higher than the company's standards for saleable females were identified as relevant to generate the rules. In the second experiment, values below those established by the company were identified as relevant for the generation of rules. Entropy C 4.5 algorithm and the software SAS-Enterprise Miner were used for data analysis. The conclusion is that, with the technique studied, the data used for production management are sufficient to identify new, useful and applicable knowledge in order to increase productivity of hatcheries, catering for the demand with less waste.

Evaluation of insolvency in mutual credit unions by application of the data mining using decision trees approach

“…It is visually represented as a treethe leaves are the rules with the classification of the analyzed data, which makes the data interpretation much easier for users. Each rule starts at the root of the tree and goes toward the leaves (Lima, 2007).…”

Understanding Vocalization Might Help to Assess Stressful Conditions in Piglets

“…These techniques can transform raw data into relevant information and offer support for the decision making process. In particular, data mining techniques have shown promising results in the discovery of knowledge in the field of animal production [ 10 , 11 , 12 ]. Data mining is a key step in this process by identifying valid, unknown, potentially useful, and understandable patterns [ 13 ].…”

Classificação de características produtivas fenotípicas de diferentes raças de poedeiras através da mineração de dados

“…A classificação é uma tarefa com interessantes possibilidades de aplicação, devido à capacidade de extrair padrões representáveis graficamente por uma árvore de decisão ou classificação (BERRY & LINOFF, 1997). Em avicultura, essa abordagem de análise de dados foi aplicada em estudos de ambiência e de processos produtivos com resultados promissores (VALE et al, 2008;VALE et al, 2010;LIMA et al, 2010), por outro lado, poucos pesquisadores aplicam esta técnica em melhoramento genético. Na avicultura moderna, o ambiente climático é um dos principais causadores de perdas na produção animal, sendo que os extremos climáticos podem gerar severas perdas na produção, devido ao estresse por calor, e as mudanças climáticas podem impactar severamente, exigindo novas abordagens na seleção genética dos animais (NARDONE et al, 2006;NÄÄS et al, 2010).…”