Por João Carlos Rocha Abdo e Fabiano de Aragão Pimenta

A produção agropecuária nacional tem obtido um desenvolvimento extremamente relevante nas últimas décadas, mesmo em períodos economicamente hostis. Cada vez mais as operações agrícolas estão integradas, e a complexidade das diversas cadeias produtivas demandam um trabalho forte na integração e otimização desta logística operacional. Nas diferentes culturas, por exemplo, a cana-de-açúcar, as operações de colheita e transporte podem ser determinantes na rentabilidade, chegando em algumas situações a 50% do custo da produção agrícola.

Entre os grandes desafios da gestão agrícola, em que ações dinâmicas e simultâneas ocorrem, está a execução eficaz das operações. Este processo tem algumas características, tais como:

Alto investimento em equipamentos
Necessidade de dimensionamento
integrado e dinâmico
Necessidade de equipamentos específicos
Utilização sazonal dos equipamentos
Funcionários capacitados e especializados
Falta de escala no tempo
Terceirização
Operações dispersas espacialmente
Variáveis não controladas (climáticas)

Consideradas essas características, o modelo de gestão a ser adotado deve atender as demandas acima citadas, com foco no dimensionamento e otimização, padronização e roteirização dos procedimentos. Para solucionar problemas complexos como esses, cuja solução busca um equilíbrio entre as operações, são aplicadas as técnicas de pesquisa operacional (PO), cuja função é minimizar os custos.

A origem da Pesquisa Operacional data da II Guerra Mundial. A Inglaterra necessitava obter um posicionamento mais eficiente de radares antibombas, determinando a localização ideal das antenas e da melhor distribuição de sinal. Através dos estudos de PO, conseguiram dobrar a eficácia do sistema de defesa aérea e evitar a tomada do país pela Alemanha nazista.

No decorrer da guerra a aplicação da pesquisa operacional se tornava cada vez maior e os Estados Unidos utilizaram a técnica na distribuição mais inteligente de combustíveis e suprimentos, tendo em conta uma série de restrições e condições impostas pela realidade, como a máxima velocidade dos navios, a quantidade de suprimentos a serem transportados e o combustível necessário para chegar ao seu destino.

Com base nestas informações, os norte-americanos foram capazes de modelar a guerra naval, e determinar se era melhor uma estratégia baseada em comboios compostos por um grande grupo de navios de carga escoltados por muitos contratorpedeiros, ou por grupos pequenos e mais difíceis de o inimigo localizar. A Inglaterra criou outros grupos, da mesma natureza, para obter melhores resultados na batalha.

Após a guerra, um dos resultados do desenvolvimento da pesquisa operacional foi o Simplex (Programação Linear), concebido quando um projeto de apoio à tomada de decisões foi implantado na Força Aérea dos Estados Unidos. George Dantzig fazia parte desse projeto, e no decorrer do projeto em 1947, criou o Algoritmo Simplex, uma técnica eficiente para resolver problemas de planejamento, o modelo usa métodos lineares para resolução de problemas.

Durante a Guerra Fria, a União Soviética (URSS), excluída do Plano Marshall, queria controlar as comunicações terrestres, incluindo as rotas fluviais, em Berlim. Para evitar a rendição da cidade e sua submissão como parte da Zona Comunista Alemã, Inglaterra e Estados Unidos decidiram abastecer a cidade, tanto por comboios escoltados (que poderia levar a novos confrontos) ou por transporte aéreo, quebrando ou fugindo em qualquer caso do bloqueio de Berlim. A segunda opção foi escolhida, iniciando a Luftbrücke (transporte aéreo) em 25 de junho de 1948.

Depois da Segunda Guerra Mundial, considerou-se adequado organizar os recursos dos Estados Unidos (energia, armas e todos os tipos de suprimentos) por meio de modelos de otimização, resolvidos pela Programação Linear.

Durante as décadas de 1950 e 1960, aumentou o interesse e desenvolvimento da Pesquisa Operacional, incluindo a sua aplicação no domínio do comércio e indústria. Um exemplo disso é o problema de calcular o melhor plano de transporte de areia de construção para as obras de construção da cidade de Moscou, onde havia 10 pontos de origem e 230 pontos de destino. Para resolver o problema foi utilizado um computador rudimentar de 1958, e após 10 dias de cálculos retornou uma solução que proporcionou uma redução do 11% dos gastos com referência aos custos originais planejados.

As aplicações não militares da Pesquisa Operacional se estenderam para todas as áreas, com problemas relacionados com espera, misturas e formulações, controle de estoques, redes de transporte e abastecimento, logística de distribuição e localização de centros de distribuição, que similarmente se aplica ao problema agroindustrial.

Tendo em vista estes conceitos, foi desenvolvido um processo, inicialmente dentro da cadeia sucroenergético-alcooleira que utiliza ferramentas de agricultura de precisão, softwares e algoritmos matemáticos, objetivando planejamento e otimização do processo de colheita, transbordamento e transporte.

Tendo como base a cana-de-açúcar, as variáveis fundamentais para que se tenha sucesso em uma colheita mecanizada são: o layout do talhão, os atributos da variedade plantada, as condições operacionais dos equipamentos e manutenção, a capacitação dos operadores e a logística de corte e transporte.

Com base nesses fatores foi criado um sistema de planejamento da colheita mecanizada visando atuar na parcela de maior custo da cana: o CTT (Corte, Transbordamento e Transporte), otimizando a estrutura e criando um roteiro operacional de modo a maximizar os rendimentos da colheita.

O sistema LOC (Logística Otimizada de Colheita) provê um roteiro ao gestor da colheita em forma de mapas e relatórios, ou com arquivos de dados integrados, de forma a otimizar a colheita ao definir o planejamento de alocação das colhedoras nos blocos de colheita, de maneira que haja melhor aproveitamento do tempo da colhedora (diminuição de paradas por falta de transbordos) e uma regularidade de entrega horária da matéria-prima na indústria. O serviço é acompanhado de uma validação do projeto no campo, para que o gestor execute a melhor estratégia de entrada e saída da frente de colheita e consequente alocação das máquinas.

A ferramenta também integra as áreas de manutenção e qualidade, proporcionando melhor aproveitamento das janelas de manutenção, racionalizando as operações e garantindo uma cana de boa qualidade da matéria-prima, seja pelo melhor cumprimento das metas estabelecidas na operação (velocidade, manobras) ou pela maior disponibilidade de tempo e consequente dedicação do líder da frente quanto a esse tema (pisoteio, perdas e qualidade da matéria-prima).

O LOC utiliza técnicas de programação linear que permitem um aproveitamento eficiente dos equipamentos na operação de colheita da cana-de-açúcar, definindo os pátios de carregamento dos caminhões e os tempos envolvidos no corte e transbordamento da carga. Para isso, são realizados os cálculos da carga de cana em cada uma das linhas de colheita, otimizando os pátios de transbordamento, levando-se em conta a velocidade de operação da colhedora, os tempos de manobra, as capacidades do transbordo, o tamanho dos tiros e a distância de cada linha de cana para o pátio, buscando aumento de rendimento e redução de custo.

Além do processo de planejamento, foi criado um software para simulação tática e acompanhamento de cada operação, adaptando as variáveis modificadas entre o planejamento e a execução das operações. Com o sistema, estima-se ganhos de rendimento de colheita até 30%, e diminuição de rodagem dos transbordos, obtendo redução no consumo de óleo diesel na ordem de 15% a 30%. Adicionalmente, o sistema cria um modelo de gestão que aponta os principais gargalos operacionais e define a melhor estratégia de operação, e quando da renovação e plantio da área adequa o melhor layout para as operações, definindo previamente pátios e caminhamentos.

O LOC tem sido adotado também para planejamento e otimização de operações como aplicação de adubos, corretivos e defensivos, plantio mecanizado e aplicação de resíduos sólidos e líquidos.

João Carlos Rocha Abdo, engenheiro agrônomo, especializado em cana-de-açúcar; e Fabiano de Aragão Pimenta, engenheiro agrônomo, especializado em geoprocessamento e professor do curso de especialização em agronegócios do PECEGE/ESALQ. Ambos são diretores da Agroabdo, consultoria especializada em logística e otimização de colheita.

Por Maria Aparecida Lima e Antônio Odair Santos

A viticultura tem um grande interesse em qualificar os seus frutos, pois a qualidade da uva pode variar ao longo do vinhedo. Os compostos fenólicos da uva contribuem para a cor, sabor, textura e adstringência do vinho e para as suas propriedades antioxidantes.

As uvas não amadurecem de forma homogênea devido a diferentes microclimas em torno dos cachos e bagas. O que gera necessidade de inovação tecnológica e gestão da produção no vinhedo, pois se uma variação na qualidade for detectada a campo, isso gera uma oportunidade de manejo mais adequado na colheita, possibilitando delinear zonas para uma colheita seletiva, de acordo com o destino e os conceitos de qualidade pré-estabelecidos da uva.

A indústria vinícola busca desenvolver métodos analíticos rotineiros que possam ser usados como medidas objetivas de qualidade. As medidas rotineiras estabelecidas, como açúcar, acidez titulável e fenólicos totais, são uma parte dos componentes do vinho que contribuem para a percepção geral da qualidade, no entanto, essas avaliações são realizadas por métodos destrutivos e apenas em uma quantidade restrita de frutas. Essas análises, são demoradas, consomem tempo e reagentes contaminantes.

A Espectroscopia no infravermelho próximo (NIRs) é uma técnica não destrutiva para monitoramento da qualidade e seleção vegetal, adequado para os requisitos da agricultura em termos de controle da qualidade. Essa técnica permite a caracterização qualitativa e quantitativa de amostras de materiais através do espectro de absorção na região do infravermelho.

Estes espectros possuem informação relacionada com a composição química e com as propriedades físicas da amostra. Na região do infravermelho próximo detecta-se bandas de combinação e sobretons produzidos pela vibração das moléculas. O espectro de absorção NIR é um registro do número e tipos de movimentos vibratórios possíveis para o composto em estudo. Cada molécula possui um espectro de absorção único, como uma “impressão digital”.

Os sobretons e as bandas de combinação molecular observadas no infravermelho próximo produzem espectros complexos. A quimiometria permite a extração do máximo de informações químicas relevantes dos espectros, utilizando técnicas de análise multivariada (por exemplo, análise de componentes principais, regressão pelo método de mínimos quadrados parciais, ou redes neurais artificiais). Isto permite a construção de modelos de classificação, no qual as informações das amostras como o sinal analítico instrumental, a formulação ou características físico-químicas, podem ser associadas a atributos pré-definidos e uma vez validados, estes modelos são utilizados para classificar novas amostras. O processo de modelagem emprega um grupo de amostras-padrão, no qual o computador “aprende” como relacionar uma propriedade de interesse (concentração, por exemplo) com o respectivo espectro. Como muitas variáveis (muitos valores de absorvância a vários comprimentos de onda distintos) do espectro serão utilizadas para estabelecer a relação, tem-se assim uma calibração multivariada.

Essa técnica tem sido desenvolvida para a determinação dos atributos da qualidade do fruto, com confiabilidade estatística e de forma não destrutiva. A agricultura de precisão voltada à cadeia produtiva da uva tem na espectroscopia de infravermelho próximo (NIRs) uma ferramenta alternativa às análises químicas convencionais particularmente interessante para o monitoramento em tempo real de vários componentes durante o processo de maturação da uva. Vários estudos realizados em diferentes variedades de uvas demostraram a viabilidade do uso do NIRs combinado com análise multivariada para estimar parâmetros de qualidade da uva. Alguns equipamentos citados na literatura:

NIR portátil – espectrômetro de infravermelho próximo
por refletância difusa
Luminar 5030 (Brimrose Corp., Maryland, EUA) (figura 1)
microPHAZIRTM (Thermo Fisher Scientific Inc., Waltham, MA, USA) (figura 2)

FT-NIR de bancada – espectrômetro de infravermelho próximo com transformada de Fourier
Spectrum IdentiCheck (PerkinElmer, Norwalk, CT, EUA)
InfraProver (Bran & Luebbe, Norderstedt, Alemanha)

A vantagem do uso do NIRs portátil é que ele permite que análises sejam realizadas diretamente no campo. A seguir, alguns exemplos de tomada de espectros com NIRs portátil.

Maria Aparecida Lima e Antônio Odair Santos são pesquisadores do Instituto Agronômico de Campinas, Centro de Engenharia e Automação – CEA/IAC *