Melhorar a capacidade de prever quais fêmeas terão alto desempenho reprodutivo e longevidade auxiliará na tomada de decisão na seleção de porcas. E para obter essa vantagem competitiva, um artigo recém-publicado na revista Scientia Agricola, da Escola Superior de Agricultura Luiz de Queiroz (Esalq/USP) aplicou o método da árvore de decisão, um algoritmo de Machine Learning, uma das disciplinas de IA (Inteligência Artificial). O trabalho aponta que “As árvores de decisão permitem integrar uma grande quantidade de informação gerada durante o processo de produção e apresentar os resultados de uma forma simples e objetiva, ajudando assim no processo de tomada de decisões nas explorações agrícolas”.

Na prática, o estudo compilou dados em uma unidade de produção com capacidade para alojar 5.500 porcas em celas coletivas. Foram recolhidas informações sobre a produção de leitões e o abate de porcas PO1 e PO2. Foi analisado o período de janeiro de 2017 a março de 2020. A análise de correlação foi utilizada para identificar a influência dos parâmetros de produção no descarte de porcas após a exploração do banco de dados por meio da análise gráfica e da estatística descritiva.

De acordo com os autores, este método já foi aplicado em diferentes sistemas de produção. As aplicações de árvores de decisão na indústria suína incluem as áreas de bem-estar animal, desempenho de leitões, uso de água, prevenção e controle de doenças, classificação de carcaça e produção de carne e preço da carne suína.

Foram propostos dois modelos utilizando o método da árvore de decisão: o modelo 1 referiu-se ao abate de porcas e o modelo 2 compreendeu o número total de leitões nascidos vivos (TBA). O valor calculado foi próximo de 0, embora as correlações dos parâmetros de produção com o abate tenham sido estatisticamente significativas. O número médio de leitões desmamados foi superior nas porcas não abatidas em PO1 (p < 0,05). O número de leitões desmamados, o número total de leitões nascidos vivos e o intervalo desmame-serviço não diferiram entre as porcas não abatidas e as abatidas no PO2 (p > 0,05). Utilizando uma matriz de confusão como ferramenta métrica, o método da árvore de decisão utilizado neste estudo forneceu resultados consistentes para esta base de dados, indicando a sua possível utilização para a tomada de decisões na seleção de porcas.

O trabalho conta com a autoria dos pesquisadores da Universidade Estadual de Ponta Grossa (João Otávio Hilgembergk, Fernando Bittarello, Rafaela Hilgemberg, Cheila Roberta Lehnenda) e da Universidade Federal do Rio Grande do Sul (Ines Andretta, Alexandre Bonadiman Mariani, Alisson Neimaier, Marcio Valk).