SIMGADO: Software de Simulação da Produção de Gado de Corte

Contato
Sérgio Augusto Tatizana
COPERSUCAR
Caixa Postal 162
13.470-970 - Piracicaba - SP
e-mail: satatizana@carpa.ciagri.usp.br

Autoria
Sérgio Augusto Tatizana - COPERSUCAR
Fernando Curi Peres - ESALQ - USP

Introdução

O sistema de produção de gado de corte é extremamente complexo, envolvendo processos biológicos, climáticos e econômicos, o que introduz um alto grau de incerteza aos resultados obtidos. A maior parte das pesquisas realizadas nesta área têm isolado partes específicas do sistema, considerando um número reduzido de variáveis, de forma a tornar viável o estudo experimental. A inadequação entre as inovações tecnológicas e as condições econômicas tem predominado nas relações entre a pesquisa e a produção da pecuária brasileira. Dessa forma, os baixos índices de produtividade do setor contrastam com o grande número de trabalhos publicados (SILVA & SANTOS, 1987). O sistema SIMGADO realiza uma abordagem sistêmica, simulando uma fazenda de produção de gado de corte ao longo do tempo, sendo uma importante ferramenta aos pesquisadores no estudo e avaliação da importância relativa das variáveis que envolvem o sistema produtivo da pecuária de corte. Os avanços na área de microinformática tem permitido o desenvolvimento de pesquisas e produtos com este tipo de abordagem (LOEWER et alii, 1981; SANDERS & CARTWRIGHT, 1979a, b).

Descrição do sistema

O sistema SIMGADO foi desenvolvido para microcomputadores da linha IBM-PC com um mínimo de 640K de memória, disco rígido e sistema operacional MS-DOS versão 5.0 ou superior. O sistema foi escrito em linguagem CLIPPER versão 5.2. O gerador de números aleatórios da biblioteca CA-TOOLS foi utilizado para a definição de variáveis com determinados tipos de distribuições. O modelo desenvolvido tem caráter estritamente descritivo, não realizando nenhuma espécie de otimização.

A simulação é realizada ao longo do tempo, sendo que a unid ade de tempo (período) pode ser um mês, uma quinzena ou uma semana, e o número de períodos simulados é estabelecido pelo usuário do modelo. A fazenda deve ser caracterizada, sendo definidas as áreas e tipos de pastagens. As características relevantes (fatores) na determinação da produtividade do solo, tais como tipo de solo, declividade e umidade, entre outros, devem ser definidas. Estes fatores devem ser classificados em categorias qualitativas (solo ruim, médio ou bom; umidade alta, média ou baixa, etc) que serão agrupadas (áreas com solo ruim e umidade baixa, solo médio e umidade baixa, etc), definindo situações. Para cada situação, devem ser associados níveis de produtividade de cada pastagem para cada período do ano. As informações necessárias sobre a produtividade e qualidade nutricional das pastagens são a taxa de crescimento diário (kg/ha), o teor de nutrientes digestíveis totais (NDT) deste material, e o teor de proteína bruta (PB). Esses valores podem ser médias ou valores estocásticos (distribuição uniforme, normal, triangular ou de frequências). Foram incluídos no sistema resultados experimentais obtidos por PEDREIRA (1973) para os capins gordura, colonião, jaraguá e pangola de Taiwan. Outros fatores com ocorrências durante a simulação, e que poderão afetar a produtividade, podem ser cadastradas e classificadas em categorias.. A disponibilidade de pasto em um período será determinado pelas taxas de crescimento diário das pastagens no período mais as sobras de períodos anteriores. As sobras são definidas como uma porcentagem em relação ao material não ingerido no período anterior (zero, caso não se considere sobras).

Na simulação, o acompanhamento do rebanho é realizado em ca da período, e os animais ganham ou perdem peso, são cobertos, nasc em, passam de uma categoria para outra, são vendidos ou abatidos. Os anim ais são divididos em categorias (bezerros não nascidos, bezerros, bezerros desmamados, novilhas, garrotes, bois magros, matrizes, novilhas prenhas , matrizes prenhas, novilhas lactantes, matrizes lactantes, bois gordos, touros e matrizes descartadas), sendo a permanência em uma categoria funç& atilde;o da idade ou peso do animal. O sistema armazena informações por período como os ganhos ou perdas de peso por categoria, pesos e ingestão média de alimentos, disponibilidades de alimentos, requerimentos dos animais, vendas e compras, entre outros. Em qualquer momento da simulação é possível interromper temporariamente a execução da simulação e consultar estas informações. A determinação de requerimentos, ingestão de alimentos e ganho de peso dos animais é realizado por equações definidas pelo National Research Council (NRC, 1984), considerando os alimentos disponíveis, sendo que essas equações podem ser alteradas pelo usuário do modelo. As equações referentes a ganho de peso baseiam-se no conceito de energia líquida, ou seja, consideram a energia existente no alimento, a energia necessária para a manutenção dos processos vitais do animal, e relações matemáticas entre energia líquida disponível e ganho de peso. Estas equações podem ser definidas por categoria de animal. Podem ser definidas prioridades de alimentação, caso o alimento num determinado período não seja suficiente para atender a todos os animais. Para a simulação, outras informações devem ser previamente cadastradas, tais como: categorias de mão-de-obra e máquinas, insumos utilizados, operações de manejo de animais e do pasto; reforma e aluguel de pasto; número de animais por categoria; alimento suplementar; vendas e compras de animais; estações de monta; caixa inicial; limite de crédito bancário; preços por categoria e período; valores de variáveis climáticas por período.

O sistema trabalha necessariamente com estações de monta, quando os animais são cobertos. As matrizes e novilhas cobertas ficam prenhas de acordo com a taxa de fecundidade informada. A simulação individualiza e acompanha cada animal do rebanho. Desta forma, a morte de uma matriz prenha acarreta necessariamente a morte do feto. O sistema sorteia os animais a ficarem prenhas. Matrizes cuja prenhez não foi confirmada numa estação de monta podem ser transferidas para a categoria de matrizes descartadas, sendo abatidas quando obtiverem peso mínimo de abate, ou podem ser mantidas, sendo cobertas na estação seguinte, computando-se uma falha para estas matrizes. Todas as matrizes com mais de uma falha são transferidas para a categoria de matrizes descartadas. Informações como peso ao nascer e tempo de gestação devem ser informados ao sistema. Estas informações e outras, tais como as taxas de mortalidade, fecundidade, taxa de aproveitamento do pasto, taxa de juros anual, entre outras, são denominados de índices do sistema e, tais como os dados de produtividade das pastagens, podem ser informados como médias ou valores estocásticos.

Os índices do sistema, assim como algumas variáveis calculadas em cada período de simulação (ingestão de alimento (IMS), ganho de peso (GP) e requerimentos de um animal, entre outros) podem ser alterados durante a simulação por um sistema de regras definido pelo usuário. Essas regras consistem em expressões lógicas, podendo-se utilizar os valores dos índices, operações de manejo e valores de algumas variáveis calculadas por período. As expressões podem utilizar os sinais ">", "<" e "=". Cada expressão envolve apenas uma única variável ou índice, podendo conter também uma categoria de um fator definido. Como este último é qualitativo, a expressão não possui sinal, e o seu valor lógico passa a ser definido pela ocorrência ou não do fator no período definido pela expressão. O mesmo acontece para as operações de manejo. As regras são numeradas e o operador "e" é utilizado quando se definem diversas expressões com o mesmo número, criando-se assim uma regra composta. O operador "ou" é utilizado quando se definem regras de números diferentes. As regras constituem uma forma flexível de permitir a inclusão de relações de causa e efeito entre as variáveis simuladas no modelo, permitindo ajustes como, por exemplo, a variação da taxa de fertilidade em função da taxa de lotação de pastagem. Assim, uma regra envolvendo um fator qualitativo poderia ser:

Regra 1: "Se ocorrer geada média".
Uma regra envolvendo uma variável calculada por período poderia ser:
Regra 2: "Se a taxa de lotação for maior que 1.2 unidades animal"
Ou, utilizando uma operação de manejo:
Regra 3: "Se ocorrer uma adubação"

E a essa regra pode ser associada uma alteração no nível de produtividade. Por exemplo:
"Se a regra 1 ocorrer, a produtividade no ano será 80% da produtividade prevista".
As regras podem ser compostas, envolvendo mais de uma expressão, como por exemplo:

Regra 4: "Se ocorrer geada média"
Regra 4: "Se a temperatura for menor que 20".

Uma regra pode ser utilizada para alterar a produtividade de uma área por um multiplicador, ou através da alteração da situação do local, como por exemplo:

"Se ocorrer a regra 3 a área com solo ruim e umidade baixa passará a ser uma área de solo médio e umidade baixa".

Neste último exemplo, a situação do local se altera, estando associado um outro nível de produtividade ao local. Além da produtividade, as regras podem alterar índices e variáveis calculadas, como por exemplo:

"Se a regra 1 ocorrer, a taxa de mortalidade aumentará 10%".
Ou:
"Se a regra 1 ocorrer, a ingestão de alimento reduzirá 15%".

As regras podem ser utilizadas para desencadear vendas automáticas de animais. Uma situação possível de ser definida no sistema para um período seria::

"Vender bezerros desmamados machos enquanto a regra 2 for verdadeira"

Eventualmente todos os bezerros desmamados poderiam ser vendidos e a regra 2 ainda permanecer como verdadeira no exemplo anterior, ou seja, mesmo vendendo todos os bezerros desmamados machos, a taxa de lotação ainda permaneceria maio que 1.2.

As regras podem ser utilizadas também para desencadear pausas na simulação, permitindo ao usuário do modelo tomar decisões como compra e venda de animais e áreas, aluguel de área, compra de alimentos e empréstimos. As pausas podem ser definidas também em situações de caixa negativo em um período. Para cada decisão tomada, é possível consultar os resultados parciais, verificando-se as consequências da ação tomada.Mais de uma decisão pode ser tomada durante uma pausa.

O sistema mantém um fluxo financeiro por período simulado. Dessa forma, o preço de cada categoria animal por período do ano e, opcionalmente, para cada ano de simulação, precisa ser informado para a determinação da receita de venda de animais. Os animais que atingirem peso mínimo de abate podem ou não ser abatidos automaticamente pelo sistema. No caso da definição prévia de venda de animais, uma porcentagem de animais de uma categoria ou um número fixo de animais podem ser definidos. Os custos envolvem mão-de-obra, aluguel de área, compra de insumos e alimentos e custo das horas de máquinas utilizadas. Na alimentação suplementar, existem duas possibilidades: formação, envolvendo custos com plantio, preparo, colheita e operações de armazenamento, ou compra de alimento, considerando somente custo por kg de alimento. Na reforma de pastagens, os custos envolvidos podem ser discriminados por operação (insumos, máquinas e mão-de-obra) ou podem ser informados custos totais por área para cada tipo de reforma de cada espécie forrageira. O sistema desencadeia empréstimos sempre que o caixa em um período se torna negativo. O empréstimos são anuais, e serão realizados até um dado limite de crédito estabelecido pelo usuário do sistema.

Considerações finais

O sistema reune diversos aspectos da produção de gado, envolvendo uma considerável soma de detalhes de uma forma flexível, possibilitando o estudo de diferentes situações que não poderiam ser analisadas experimentalmente pelas limitações de espaço, tempo e dinheiro. O sistema foi utilizado em comparação com situações experimentais por TATIZANA (1995), sendo que os resultados observados no sistema apresentaram as mesmas tendências verificadas nos experimentos. Dado o seu caráter interativo e flexível, pode ser utilizado também como ferramenta de treinamento de profissionais da área.

Literatura citada

LOEWER, O. J.; SMITH, E. M.; BENOCK, G.; BRIDGES, T. C.; WELLS, L.; GAY, N.; BURGESS, S.; SPRINGATE, L; DEBERTIN, D. A simulation model for assessing alternate strategies for beef production with land, energy and economic constraints. TRANSACTION of the ASAE. 24(1):164-173, 1981.
NRC. Nutrient requirements of beef cattle. National Research Council, Washington, DC, 1984.
PEDREIRA, J. V. S. Crescimento estacional dos capins colonião (Panicum maximum, Jacq.), gordura (Melinis minutiflora Pal de Beauv.), jaraguá (Hyparrhenia rufa (Ness) Stapf) e pangola de Taiwan A-24 (Digiraria pentzii, stent). Boletim da Indústria Animal, São Paulo, 30:59-145, 1973
SANDERS, J. O. & CARTWRIGHT, T. C. A general cattle production system model. I. Structure of the model. Agricultural Systems. 4:217, 1979a.
SANDERS, J. O. & CARTWRIGHT, T. C. A general cattle production system model. II. Procedures used for simulating animal performance. Agricultural Systems. 4:289, 1979b.
TATIZANA, S. A. Um modelo conceitual de simulação da produção de gado de corte. Piracicaba, 1995. 95p. (Mestrado - Escola Superior de Agricultura "Luiz de Queiroz"/USP).