Modelo de Simulação do Desempenho Reprodutivo de Vacas de Corte Baseado no Escore de Condição Corporal

UNIVERSIDADE FEDERAL DE PELOTAS
Programa de Pós-Graduação em Zootecnia
Tese
Modelo de simulação do desempenho reprodutivo de
vacas de corte baseado no escore de condição corporal
José Acélio Silveira da Fontoura Júnior
Pelotas, 2008
José Acélio Silveira da Fontoura Júnior
Modelo de simulação do desempenho reprodutivo de
vacas de corte baseado no escore de condição corporal
Tese apresentada ao Programa de Pós-
Graduação em Zootecnia da
Universidade Federal de Pelotas, como
requisito parcial à obtenção do título de
Doutor em Ciências (área do
conhecimento: Melhoramento Animal).
Orientador: Prof. Dr. Nelson José Laurino Dionello
Co-Orientador: Prof. Dr. Marcio Nunes Corrêa
Pelotas, 2008
Banca examinadora:
Prof. Dr. Nelson José Laurino Dionello
Prof. Dr. Gilberto D’Avila Vargas
Prof. Dr. Thomaz Lucia Jr
Prof. Dr. Marcelo Alves Pimentel
Prof. Dr. Carlos Nabinger
Prof. Dr. Gilson de Mendonça (suplente)
À minha família;
À esposa Carolina;
À sobrinha Louise;
Aos meus Professores;
Aos amigos.
Pelo apoio, compreensão e carinho...
Dedico.
AGRADECIMENTOS
À UFPEL/FAEM/DZ, pela oportunidade de realizar o curso de Pós-
Graduação;
À CAPES, pela concessão da bolsa que permitiu a realização deste
trabalho;
Ao Programa de Pós-Graduação em Zootecnia, pelo suporte financeiro ao
projeto de pesquisa que resultou nesta tese;
Ao professor Frank Siewerdt (University of Maryland at College Park), por
todo apoio e motivação, embora distante;
Ao Prof. Nelson Dionello, pelo crédito em mim depositado, orientação,
sinceridade, paciência, e acima de tudo, pela confiança e transparência;
A minha esposa pelo apoio incondicional em todos os momentos. Força que
vem do amor e não findará com o tempo. Obrigado. Te amo.
Aos professores e funcionários com os quais convivi durante meu doutorado,
pelo apoio durante meu doutoramento;
Aos colegas Mário Lema e Luiz Pfeifer pelas contribuições e diversos
momentos de descontração.
Aos colegas do Núcleo de Pesquisa, Ensino e Extensão em Pecuária
(NUPPEC) pelo apoio e amizade;
Aos amigos da Sigtech - tecnologia em gestão - pela paciência e
oportunidade de aprendizado na área de automação de sistemas;
À todos aqueles que, de alguma forma, contribuíram na realização deste
trabalho, agradeço e desejo sucesso, independente dos rumos que tenham seguido;
Enfim a todos...
Obrigado!
Resumo
FONTOURA JÚNIOR, José Acélio Silveira da. Modelo de simulação do
desempenho reprodutivo de vacas de corte baseado no escore de condição
corporal. 2008. 98f. Tese (Doutorado) – Programa de Pós-Graduação em
Zootecnia. Universidade Federal de Pelotas, Pelotas.
O uso de modelos matemáticos para avaliação, interpretação e análise da dinâmica
de sistemas é uma importante ferramenta, tanto em nível de empresa, quanto em
nível de pesquisa, para apoio a decisão e compreensão do sistema estudado. Nos
sistemas pecuários onde as respostas são dependentes de variáveis de naturezas
diversas, o uso de modelos pode ser mais uma ferramenta disponível aos
profissionais que atuam nessa atividade. Este trabalho teve como objetivos: 1)
avaliar o uso de modelos matemáticos na pecuária de corte, através de uma revisão
de literatura; 2) desenvolver um modelo matemático dinâmico para descrever o
processo reprodutivo em sistemas de produção e simular o desempenho
reprodutivo, a partir do escore de condição corporal (ECC) ao parto e maturidade
sexual; 3) fazer a avaliação interna do modelo. O modelo, com caráter empírico,
dinâmico e que contém elementos determinísticos e estocásticos, foi desenvolvido e
implementado no software RURAL FAZPEC. Para vacas com cria ao pé, o modelo
foi desenvolvido com base na relação entre intervalo parto-concepção (IPC) e o
escore de condição corporal ao parto; para novilhas a concepção foi considerada
com base na idade e/ou peso à puberdade. O modelo gera como saída final,
relatórios com, além de outras informações, o total de kg de terneiros
desmamados/vaca/ano. Seu uso para apoio a decisão depende da etapa de
validação, contudo o modelo pode ser usado para fins didáticos, de visualização da
dinâmica dos sistemas de cria e do impacto das mudanças em virtude de estratégias
de manejo. O modelo desenvolvido foi eficaz na simulação do desempenho
reprodutivo de vacas de corte e permitiu compreender melhor o sistema estudado. A
saída taxa de concepção em primíparas precisa ser re-parametrizada. Os conceitos
aplicados na construção desse modelo podem contribuir no desenvolvimento de
outros modelos em estudos futuros em modelagem de sistemas de produção de
bovinos de corte. Contudo é importante a formação de bancos de dados nos
sistemas de pecuária de corte que permitam a melhor parametrização dos modelos
desenvolvidos.
Palavras-chave: Modelagem. Reprodução. Simulação. Vacas de corte. Sistemas
computacionais.
Abstract
FONTOURA JÚNIOR, José Acélio Silveira da. 2008. 98p. Simulation model of
reproductive performance of beef cows based on body condition score. Doctoral
dissertation – Graduate Program in Animal Science. Universidade Federal de
Pelotas, Pelotas, Brazil.
Mathematical models are a useful commercial and research tool to aid in the
decision-making process and to improve understanding of the system being studied.
In livestock production system, where the outputs are dependent on variables of
diverse nature, the use of modeling is an additional tool to professionals in this area.
The objectives of this work were: 1) evaluate the use of mathematical models in the
beef cattle industry, by reviewing the literature; 2) develop a dynamic mathematical
model to describe the reproductive process in production systems and to simulate
reproductive performance based on the body condition score (ECC) at calving and
sexual maturity; 3) Perform an internal evaluation of the model. This is an empirical
and dynamic model that has both deterministic and stochastic elements. It was
developed and implemented in the RURAL FAZPEC software. For lactating cows, the
model was based on the relationship between the interval between birth and
conception (IPC) and the body condition score at parturition; for heifers the
conception rate was considered based on age and/or weight at puberty. The model
generates as outputs reports that include total kg of weaned calves per year, among
other measures. The use of the model in decision-making activities is dependent on
the ensuing validation step; for educational purposes the model allows visualization
of dynamic aspects of production systems and the impact that results from changes
in management practices. The model is efficient in simulating the reproductive
performance of beef cows and it allows better understanding of the production
system. An adjustment in the conception rate, as an output, is necessary. The
concepts applied in the construction of this model may contribute in the development
of other models in future modeling studies for beef cattle production systems. It is
also imperative to stimulate the formation of comprehensive databases in the current
production environments, to allow full benefits to be reaped from modeling tools.
Keywords: Beef cows. Modeling. Reproduction. Simulation. Computer systems.
Sumário
Resumo ……………………………………………………………………………………... 5
Abstract ...................................................................................................................... 6
1. INTRODUÇÃO ....................................................................................................... 8
2. ARTIGO 1 - Utilização de modelos de simulação em sistemas de produção de
bovinos de corte (Revisão bibliográfica) ..................................................................... 11
Resumo ....................................................................................................................... 12
Abstract ....................................................................................................................... 12
Resumen ..................................................................................................................... 13
Introdução ................................................................................................................... 13
Modelos matemáticos ................................................................................................. 16
Modelos de simulação de processos na pecuária ...................................................... 18
Modelos de simulação em sistemas pecuários .......................................................... 21
Simulação em outras espécies animais ...................................................................... 23
Conclusões ................................................................................................................. 24
Referências Bibliográficas........................................................................................... 24
3. ARTIGO 2 - Modelo teórico do desempenho reprodutivo de vacas de corte
baseado no escore de condição corporal ...................................................................
33
Resumo ....................................................................................................................... 34
Abstract ....................................................................................................................... 34
Introdução ................................................................................................................... 35
Descrição e implementação do modelo ...................................................................... 36
Resultados e discussão ............................................................................................. 47
Conclusões ................................................................................................................. 53
Referências Bibliográficas .......................................................................................... 54
4. ARTIGO 3 - Verificação e calibração do modelo de simulação do desempenho
reprodutivo de vacas de corte baseado no escore de condição corporal – avaliação
interna ......................................................................................................................... 58
Resumo ....................................................................................................................... 59
Abstract ....................................................................................................................... 59
Introdução ................................................................................................................... 60
Métodos ...................................................................................................................... 61
Resultados e discussão .............................................................................................. 68
Conclusões ................................................................................................................. 80
Referências Bibliográficas .......................................................................................... 81
5. CONCLUSÕES GERAIS ........................................................................................ 83
6. ANEXOS ................................................................................................................. 84
Anexo 1 - Tela do modelo de simulação ..................................................................... 85
Anexo 2 - Artigo 1 conforme publicado na Revista Veterinária e Zootecnia .............. 86
1. INTRODUÇÃO
Os sistemas de produção pecuários são responsáveis por importante parcela
do produto interno bruto (PIB) do estado do Rio Grande do Sul e do Brasil, sendo
que os criatórios de bovinos de corte são os mais significativos considerando
sistemas pecuários. Somado a isso esses sistemas são utilizados na maioria dos
estabelecimentos rurais do estado. Outro ponto importante a ser considerado é
importância sócio-ambiental dos sistemas de produção baseado em ruminantes.
Esses animais são capazes de transformar alimentos não aproveitáveis pelo homem
(pastagens) em um alimento nobre, rico em proteínas e ferro (carne). Aliado a isso,
animais criados com base em ecossistemas pastoris naturais, são, talvez, a
exploração comercial mais harmônica com o ambiente de criação, ou seja, um
sistema natural, caracterizado pela baixa influência antrópica no que diz respeito a
modificações no ambiente de criação. Isso, além de ser um quesito importante
quanto ao respeito à biodiversidade e a garantia da sustentabilidade, pode, ainda,
tornar-se um diferencial competitivo em relação a outros sistemas, visto que existem
mercados que remuneram produtos diferenciados. No entanto, principalmente no Rio
Grande do Sul, os sistemas de produção de bovinos de corte, de uma maneira geral,
caracterizam-se por baixo nível tecnológico. Uma mudança nos resultados globais
da pecuária de corte do Estado, baseado no exposto acima, traria um grande
impacto produtivo e econômico para todos os elos da cadeia pecuária e,
consequentemente, na economia do Estado. Essa consideração também é válida
em nível de país. O entendimento da exploração de bovinos de corte, ou qualquer
outro animal de interesse zootécnico, passa pela compreensão de que essas
9
atividades fazem parte de um sistema complexo, dentro e fora da porteira. Isso
implica saber que alterações em segmentos aparentemente não ligados à atividade,
influenciarão de forma marcante a atividade, principalmente, quando se consideram
os conceitos de globalização.
A definição de sistema, segundo Barioni et al. (2002), é que são estruturas
autônomas e complexas, que apresentam limites (determinados pela interação entre
seus componentes) e processos que ocorrem no seu interior. No caso de um
sistema de produção de bovinos de corte, os limites que determinam seu interior são
as cercas da propriedade, ou seja, a “porteira pra dentro”, que sofre influências do
meio externo, a “porteira pra fora”. A complexidade de análise de sistemas com
essas características, pode encontrar na modelagem uma ferramenta capaz de
auxiliar no entendimento, análise, previsão e apoio a decisão sobre condições
variadas as quais esse sistema seja submetido. A modelagem refere-se à
construção de modelos. Segundo Fialho (1999), modelo é uma representação
simplificada de um sistema, podendo ser físico (um objeto, normalmente em escala,
que representa o objeto em estudo) ou matemático (uma representação teórica do
mecanismo de funcionamento de um sistema através de equações) e simulação
consiste no uso de modelos matemáticos para estimar o comportamento de um
sistema sob condições variadas. Embora os modelos sejam bastante aceitos e
usados em outros segmentos, seu uso na produção animal parece restrito,
principalmente tratando-se de bovinos de corte e com referências ao Brasil.
No contexto produção de bovinos de corte, o sucesso reprodutivo dos
rebanhos é de suma importância e apontado como o fator de maior impacto
produtivo (MORRISON et al., 1999) e o maior determinante da lucratividade
(WILTBANK et al., 1962). Sendo a reprodução frequentemente limitada pelo baixo
10
aporte de nutrientes aos quais são submetidas as vacas de corte, o que implica em
baixas reservas energéticas corporais ou condição corporal (RICHARDS et al., 1986;
HESS et al., 2005). O uso do escore de condição corporal como ferramenta para
monitorar o estado nutricional do rebanho tem sido bastante aceito e pode contribuir
para a elevação do desempenho reprodutivo de vacas de corte (MORAES &
JAUME, 2000).
Esse trabalho teve como objetivo: 1) fazer uma abordagem do uso de
modelos matemáticos em sistemas pecuários com ênfase em bovinos de corte,
considerando alguns resultados para enfatizar a importância dessa ferramenta e sua
aplicabilidade em sistemas agropecuários; 2) desenvolver um modelo matemático
dinâmico para descrever o processo reprodutivo em sistemas de produção e simular
a performance reprodutiva, com simulação por indivíduo e resultados globais, a partir
do ECCPAR e maturidade sexual; 3) fazer a calibração e verificação do modelo
matemático desenvolvido.
2. ARTIGO 1
UTILIZAÇÃO DE MODELOS DE SIMULAÇÃO EM SISTEMAS DE PRODUÇÃO DE
BOVINOS DE CORTE 1
Utilização de Modelos de Simulação em Sistemas de Produção de Bovinos de Corte.
Using Simulation Models in Beef Cattle Systems Production.
Utilización de Modelos de Simulación en Sistemas de Producción de Ganado de Corte.
RESUMO
O processo decisório em sistemas pecuários é dependente de múltiplas variáveis, incluindo,
por exemplo, as de natureza econômica e sócio-culturais, o que torna-o bastante complexo.
Portanto, é evidente a necessidade de englobar, no estudo desses sistemas, outras áreas do
conhecimento além da biológica. Essa revisão tem o objetivo de avaliar o uso de modelos
matemáticos na pecuária enfatizando sistemas em bovinos de corte. Nas avaliações globais de
sistemas, o uso da informática e de modelos matemáticos são ferramentas que podem ser úteis
pela rapidez e pelo baixo custo com que são obtidas as respostas. A simulação, a partir desses
modelos, é uma simplificação da realidade que permite a tomada de decisão. Tal modo de
observação da realidade, integrado e multidisciplinar, constitui o atributo fundamental em
investigação de sistemas. A utilização de modelos de simulação pode ser importante para
qualquer setor, mas o grau de segurança nas respostas deve ser máximo e as atualizações
frente a mudanças devem ser constantes. Apesar da importância dessa ferramenta, seu uso na
pecuária de corte ainda é baixo.
Palavras-chave: sistemas computacionais, sistemas pecuários, modelos matemáticos, banco
de dados.
ABSTRACT
The decision process in cattle systems is dependent of multiple variables, including, those of
economic and sociocultural nature, which leads it into a complex process. Therefore, it is
evident the need of including, these systems other areas of knowledge besides biology in
studying. This review evaluates the use of simulations models in cattle, emphasizing chop
bovine systems. In evaluation systems, the use of information technology (IT) and
mathematical models are useful tools for rapid and low-cost answers. Models are a
simplification of reality, which allow making. The integrated and multi-disciplinary nature of
models constitutes fundamental attribute for systems investigation. The use of simulation
models may be important for any sector. Nevertheless the accuracy of the simulation must be
maximum and an update effort must be constant. In spite of the importance of models, its use
in chop bovine is still low.
13
Key words: Computer systems, cattle systems, mathematical models, data base.
RESUMEN
El proceso de toma de decisiones en sistemas pecuarios es dependiente de múltiplas variables,
incluyendo, por ejemplo, las de naturaleza económica y socio-culturales, lo que lo hace muy
complejo. Por consiguiente, es necesario englobar, en el estudio de estos sistemas otras áreas
del conocimiento además de la biológica. Esta investigación tiene el objetivo de evaluar la
utilización de modelos matemáticos en pecuaria, subrayando sistemas en ganado de corte. En
las evaluaciones globales de los sistemas, el uso de informática y modelos matemáticos son
herramientas que pueden ser útiles por su rapidez y por el bajo costo con que son obtenidas
las respuestas. La simulación, a partir de estos modelo, es una simplificación de realidad, que
permite la toma de decisiones. Tal manera de observación de realidad, enterada y
multidisciplinar, constituye atributo fundamental en investigación de sistemas. La utilización
de modelos de simulación puede ser importante a cualquier sector, pero el grado de seguridad
de las respuestas debe ser máximo y las actualizaciónes frente a los cambios devem ser
constantes. A pesar de la importancia de esta herramienta, su uso en pecuaria aun és poco
frecuente.
Palabras-clave: sistemas computacionales, sistemas pecuarios, modelos matemáticos, banco
de datos.
INTRODUÇÃO
A agropecuária utiliza-se de diversos campos do conhecimento (biológico, físico,
social, cultural e econômico), sendo que o funcionamento dos seus sistemas é apenas
parcialmente compreendido sempre que a análise dos seus componentes se faz de uma forma
isolada. Nesse setor, as interações não são apenas ou, nem mesmo, majoritariamente do tipo
biológico. Há sempre uma série de outros fatores dos domínios econômico e sócio-cultural
que dada a sua importância devem ser considerados (BRAGA et al., 1997). Na agropecuária,
embora o produto final em nível de produtor seja uma resposta biológica, as receitas geradas
por esse produto são monetárias, portanto, dependem do mercado. Neste contexto, o processo
de tomada de decisão do produtor rural é complexo e quase sempre marcado por múltiplos
14
objetivos, sendo que alguns não são de natureza econômica, tais como: raça, região, sistema
de criação, entre outros, principalmente, relacionados à cultura do produtor (PERKIN &
REHMAN, 1994; CEZAR et al., 2001). Desta maneira, fica evidente em função de fatores tais
como variáveis meteorológicas, aspectos regionais (ex: disponibilidade de insumos,
características de solo), entre outras, a necessidade de considerar nos sistemas de produção
pecuária, outras áreas do conhecimento além da biológica.
Considerando-se a complexidade dos sistemas pecuários o processo de gestão
torna-se imprescindível. Além do conhecimento técnico é essencial que o produtor disponha
de informações biológicas e financeiras que permitam gerir sua atividade. Tais informações
devem ser obtidas a partir de uma coleta de dados oriundos do processo produtivo. Para isso é
preciso controle zootécnico, profissionais qualificados e ferramentas que favoreçam a gestão,
tais como o uso de planilhas eletrônicas para armazenamento e processamento de dados
(ZANETTI, 2003). Mais que gerar dados e índices é preciso interpretá-los e redirecionar o
processo produtivo a partir dessas avaliações. A execução do exposto acima sem a utilização
de computadores é praticamente inexeqüível.
Apesar da importância da informática, o uso de programas computacionais de
gerenciamento na pecuária ainda é reduzido, situando-se em torno de 12%, (MOREIRA
FILHO, 2004). Embora os avanços da informática tenham possibilitado o desenvolvimento de
programas capazes de efetuar análises de risco com relativa facilidade, estas são feitas apenas
de forma determinística, ou seja, a partir de parâmetros fixos (MAYA, 2003).
Nesse contexto a possibilidade de simular cenários a partir de dados que levem
em consideração os fatores mutáveis dentro de um sistema de produção, contribui para o
processo de tomada de decisão. Modelos de simulação são uma simplificação da realidade
(BRAGA et al., 1997). O grande ganho com o uso de modelos é a forma rápida com que se
pode eleger sistemas de produção viáveis bioeconomicamente, tanto em nível de propriedade
15
quanto em pesquisa. O uso da informática é o suporte físico e imprescindível para o
desenvolvimento de modelos matemáticos (BRAGA, 1997). O desenvolvimento da
modelagem dá-se por duas condições básicas: geração e acúmulo de informações científicas e
pelo desenvolvimento da informática (LOVATTO, 2003).
A área de simulação de sistemas tem recebido pouca contribuição no Brasil ao
longo dos anos, quer seja no desenvolvimento de modelos quer seja na sua utilização para
orientação da pesquisa ou na tomada de decisão em sistemas de produção. Esta é uma área
que certamente crescerá nesse início de século, uma vez que aumentam as necessidades de
reduzir custos e dar maior objetividade às atividades de pesquisa e de produção (EUCLIDES
FILHO, 1999). Além disso, são importantes avaliações globais realistas e que envolvam mais
segmentos da cadeia produtiva. Desde o final da década de 60 que os modelos matemáticos de
simulação têm auxiliado na abordagem globalizada dos problemas que envolvem sistemas
agrícolas. Tal modo de observação da realidade, integrado e multidisciplinar, constitui o
atributo fundamental do que, usualmente, se designa investigação dos sistemas de agricultura
(STROOSNIJDER & RHEENEN, 1993). É provável que, em breve, todos os pesquisadores
ou profissionais que atuam em pesquisa, ensino ou extensão tenham a tarefa de desenvolver
modelos capazes de simular situações específicas da sua área de conhecimento (LOVATTO,
2003).
Essa revisão visa fazer uma abordagem do uso de modelos matemáticos em
sistemas pecuários com ênfase em bovinos de corte. Alguns resultados serão abordados para
enfatizar a importância dessa ferramenta e sua aplicabilidade em sistemas agropecuários.
16
Modelos matemáticos
Para embasar a discussão subseqüente é necessário que se defina os termos sistema,
modelos, modelagem, simulação, processo e cenário. Os sistemas são estruturas autônomas e
complexas, que apresentam limites (determinados pela interação entre seus componentes) e
processos que ocorrem no seu interior (BARIONI et al., 2002). Os limites definem as
variáveis de entrada, de saída e/ou parâmetros dos componentes do modelo. A complexidade
do sistema é determinada pela quantidade de níveis de organização do mesmo, que são
identificados pela emergência de propriedades que não existiam no nível de organização
imediatamente inferior ou contíguo ao estudado (LOVATTO, 2002). Já um modelo é uma
representação simplificada de um sistema (FIALHO, 1999). Modelagem é o conjunto de
processos e meios usados na construção de modelos. A simulação é uma experiência ou
ensaio realizado com auxílio de modelos, é uma técnica matemática destinada a resolver
problemas cuja solução analítica é difícil ou mesmo impossível (SILVA, 2002), consiste no
uso de modelos matemáticos para estimar o comportamento de um sistema sob condições
variadas (FIALHO, 1999). Considera-se um processo cada item do sistema pecuário, seja ele
biológico ou não, formador da resposta final do sistema, como por exemplo: reprodução,
nutrição, ingestão de alimentos, melhoramento genético, crescimento de pastagens, custo de
produção, entre outros. As interações destes formarão a resposta final do sistema em questão.
Já um cenário é uma situação proposta que representa uma estratégia de manejo do sistema
capaz de alterar o valor de parâmetros, ou mesmo de processos de produção e, assim,
modificar a produtividade do rebanho (SOUZA et al., 2001). Por exemplo, diferentes
estratégias reprodutivas em rebanhos leiteiros com diferentes eficiências reprodutivas, foram
simuladas utilizando o modelo computacional SimHerd III (SORENSEN & OSTERGAARD,
2003) para avaliar suas conseqüências no processo reprodução.
17
Os modelos podem ser classificados em: 1) físicos – representam uma visão,
normalmente em menor escala que o original, de um objeto ou sistema (Ex.: miniaturas e
maquetes); 2) conceituais ou teóricos - descrevem o sistema e/ou seu comportamento através
de teorias e/ou representações gráficas; 3) matemáticos – representação teórica do mecanismo
de funcionamento de um sistema através de equações (FIALHO, 1999). Os modelos
matemáticos podem ser classificados também, quanto ao tipo de equações que o constituem
(lineares e não lineares), ao grau de explicação que estimam ou descrevem (empíricos e
mecanistas), à forma com que tratam as mudanças ocorridas em relação ao tempo físico
(dinâmicos e estáticos) e ao tratamento estatístico de suas variáveis e parâmetros (estocásticos
e deterministas) (THORNLEY, 2001; CAIXETA FILHO, 2000; FIALHO, 1999).
Através de modelos de simulação pode-se, por exemplo, prever elementos
meteorológicos que constituem uma fonte de risco para a agropecuária, como por exemplo:
temperatura, precipitação, radiação solar, etc (SOUZA, 1999). A utilização de modelos de
simulação permite uma análise minuciosa dos possíveis resultados relativos aos cenários
simulados (ANDRADE JÚNIOR, 2000 e SOUZA, 2001). Ainda relacionado a previsões,
cabe mencionar os modelos de Laurance et al. (2001), cujos resultados ocuparam amplamente
a mídia no Brasil e no exterior. Os autores trabalharam com dois cenários, sendo que no
“otimista”, foi previsto que 25% da floresta Amazônica estaria desflorestada em 2020,
enquanto no “pessimista” 42% para o mesmo período. Estes modelos, acima referidos, não
são unânimes, sendo contestados por apresentarem falhas em sua elaboração, a qual é baseada
em uma concepção linear de processos passados, sem considerar possíveis alterações nesta
trajetória devido a mudanças sócio-políticas e tecnológicas. Os modelos não consideram toda
a diversidade da região e a organização da sociedade civil. Tais fatos reforçam a necessidade
do entendimento dos processos de ocupação das regiões estudadas e da concepção de modelos
consistentes de cenários futuros (BECKER, 2001). Essa contestação relativa aos modelos é
18
inconsistente, pois por definição são uma simplificação da realidade, conforme visto
anteriormente. Deste modo, verifica-se que a utilização de modelos de simulação é importante
para qualquer setor. Porém preconiza-se que o grau de segurança nas respostas obtidas seja o
máximo, bem como a atualização frente a mudanças.
Modelos de simulação de processos na pecuária:
Nutrição - Alguns modelos que visam avaliar a eficiência alimentar animal
utilizam dados bromatológicos e níveis de consumo de pastagens em função do peso corporal,
com o objetivo de simular a formulação de suplementos específicos para cada situação nos
sistemas de produção. Dessa forma, melhores desempenhos produtivos são obtidos a partir de
uma correção nas deficiências nutricionais. Como exemplo, pode-se citar o Sistema Viçosa de
Formulação de Rações (LANA, 2000).
Visando predizer o desempenho animal foram desenvolvidos dois modelos de
simulação, um que estima as exigências nutricionais dos animais (VIEIRA et al., 2000) e o
outro, os nutrientes contidos na dieta (SNIFFEN et al., 1992). Com base nestas informações e
com a utilização do Modelo de Simulação de Hidratos de Carbono e Proteína Líquida de
Cornell foram avaliadas, na região ocidental da Amazônia, estratégias de manejo e
desempenho sobre condições tropicais. A partir do efeito das estações do ano sobre valores
nutricionais de forrageiras foi simulado, através da utilização de suplementação com sorgo em
grãos, possíveis aumentos em 25 e 50% na produção de carne e leite (RUEDA, 2003). Os
resultados da simulação permitem a avaliação de estratégias de maior retorno econômico.
O resultado econômico dos sistemas de produção de carne, avaliado a partir de
três cenários (propriedades), através de um modelo determinístico (sem variáveis aleatórias),
foi influenciado pela fertilidade do rebanho e energia metabolizável, originária da ingestão de
pastagem natural (SOUZA et al., 2001). Nesse modelo a viabilidade econômica do uso de
uma pastagem de Braquiária decumbens adubada com nitrogênio (N), para recria de novilhos
19
de corte, foi avaliada através de uma simulação. A dose de máxima eficiência econômica
(DMEE) foi estimada em 206 kg de N/ha, para as condições especificadas e para um preço
fixo de nitrogênio. Flutuações no preço do nutriente acarretarão em mudanças na DMEE
(MOREIRA et al., 2004). Ainda em pastagens, a assimilação de dióxido de carbono é um dos
fatores que irá compor o modelo final de rendimento de fitomassa seca em plantas forrageiras.
O modelo é capaz de prever a magnitude desta assimilação através da superfície de resposta
em função da radiação solar absorvida e temperatura do ar (DETOMINI et al., 2004).
Melhoramento genético - A modelagem de processos é uma realidade no
melhoramento genético. Esse processo é bastante dependente da estatística, banco de dados e,
também por isso, da informática para o seu desenvolvimento. Através do programa
computacional Genesys, por exemplo, pode-se a partir de dados simulados criar o genoma de
animais, sendo possível conhecer o valor genético de cada indivíduo, além de simular
estruturas de dados com diferentes parâmetros genotípicos e fenotípicos. Através desse
programa foi simulado um conjunto de dados com diferentes graus de heterogeneidade de
variâncias e de conexidade genética entre rebanhos, os quais foram similares às condições
reais observadas em rebanhos bovinos (CARNEIRO et al., 2004). Enfatizando a condição de
ferramenta essencial para pesquisadores, principalmente na área de melhoramento, por sua
rápida obtenção e a um baixo custo, a simulação foi usada por Cunha et al. (2004). Neste
trabalho, avaliaram-se populações de cinco diferentes tipos de acasalamento, submetidas à
seleção baseada no BLUP (melhor preditor linear não-viesado), quanto a perdas genéticas por
fixação de alelos desfavoráveis e limites da seleção. As avaliações foram realizadas durante
50 gerações consecutivas e discretas, com 20 repetições por geração, a fim de reduzir os
efeitos da flutuação gênica. Ainda que neste trabalho, os autores não referem-se a uma espécie
animal específica e sim a uma população qualquer, tempo e recursos financeiros
impossibilitariam tal experimentação a campo.
20
A avaliação de três diferentes sistemas, os quais se diferenciavam pela raça ou
grau de sangue, foi realizada utilizando-se o Embrapec, programa de simulação de sistemas,
desenvolvido na Embrapa – Gado de Corte (GUIMARÃES et al., 2003). A avaliação de erros
na seleção de machos sobre a estimativa de ganhos genéticos foi quantificada ao longo de dez
anos. Foram considerados cinco níveis de erro na seleção (0; 5; 10; 15 e 20%), e três
herdabilidades (0,10; 0,30; 0,60). Em caso de utilização destes machos em programas de
inseminação artificial a redução de ganho genético teria grande impacto sob a resposta
econômica (CARNEIRO et al, 1999).
Reprodução - A modelagem pode ser utilizada para avaliar a eficiência do processo
reprodução, permitindo analisar e definir estratégias visando maior rentabilidade. O
desempenho reprodutivo em gado de corte, considerando diferentes períodos de estação de
monta, anestro pós-parto e taxas de concepção ao primeiro serviço foram simulados por
WERTH et al. (1991) durante o período de um ano. Nas novilhas de reposição a monta foi
iniciada 3 semanas antes e terminou ao mesmo tempo que o restante das matrizes. A
simulação a partir desses dados gerou 54 diferentes cenários. O cenário que apresentou o
melhor resultado foi o que utilizou uma estação de monta de 70 dias e anestro pós-parto de
duração moderada. A partir disto, para as mesmas condições e quando aplicada, esta estação
de monta otimizará o retorno econômico, garantindo ao produtor maior lucratividade.
Ressalta-se, nesse trabalho, o grande número de cenários, o que em um trabalho de campo,
principalmente com bovinos de corte, seria impossível de se realizar, em função da
complexidade, tamanho da área experimental, número de animais experimentais e custo de
execução. Também através de modelos Pfeifer et al. (2003) compararam o desempenho
econômico de duas técnicas de acasalamento em bovinos de corte: a inseminação artificial
convencional e a inseminação artificial precedida de sincronização de cio. Outra variável que
afeta a produtividade dos sistemas de cria é o intervalo entre partos, visando quantificar o
21
impacto econômico de mudanças nessa variável, a resposta em quilogramas de terneiros
produzidos e a renda bruta foram simuladas para diferentes módulos de produção com
diferentes intervalos entre partos (DIAZ et al., 2004). Ainda no processo reprodução, foram
simuladas alternativas de redução de dificuldades de parto, principalmente em raças que
freqüentemente apresentam esse quadro, no intuito de não afetar o bem estar animal e
rentabilidade do rebanho (PHOCAS & LALOË, 2003).
Sanidade - Modelos de simulação são também utilizados no processo sanidade,
possibilitando a quantificação de perdas produtivas e, conseqüentemente, monetárias. O
registro de dados de doenças clínicas é de interesse por parte da indústria (KELTON et al.,
1998), principalmente a de lacticínios. Através dos registros de freqüência de ocorrência de
doenças, as simulações podem estimar o impacto econômico dessas doenças em nível de
propriedade, região e país. A discriminação das perdas econômicas, de abortos causados por
Neospora caninum, foi simulada em rebanhos de vacas leiteiras na Nova Zelândia em nível de
propriedade e em nível de país (PFEIFFER et al., 1997). Em epidemiologia, os modelos são
construídos para prever os padrões de ocorrência de doença e o que, provavelmente,
aconteceria se várias estratégias alternativas de controle fossem adotadas (THRUSFIELD,
2004). Ele cita, por exemplo, que a simulação pode ser usada para avaliar a incidência de
carrapatos acasalados e estabelecer estratégias de controle.
Modelos de simulação em sistemas pecuários
A modelagem de sistemas de produção comparando diferentes índices zootécnicos
para sistemas de cria, recria e ciclo completo e terminação de bovinos de corte foi realizada a
partir de cenários simulados através de fórmulas matemáticas em planilhas de Excel
(BERETTA et al., 2001, 2002a e 2002b). A simulação permite visualizar a eficiência ou
ineficiência de um sistema, embora nesse caso, seja apresentada apenas a eficiência biológica
22
e não a econômica. A máxima eficiência biológica nem sempre coincide com a máxima
eficiência econômica. Por isso é importante que as simulações considerem todos os fatores, ou
ao menos os mais importantes. A economicidade de sistemas de produção de bovinos de
corte, com novilhas primíparas aos dois, três e quatro anos de idade, foi avaliada por Pötter et
al. (2000) por intermédio de simulações. A metodologia utilizada foi a de fórmulas
matemáticas em planilhas de Excel. No sistema com primíparas aos dois anos, as fêmeas
tiveram três sistemas nutricionais distintos, com isso, o trabalho totalizou cinco diferentes
cenários. Neste estudo observou-se a importância do controle dos custos de produção nos
sistemas pecuários evidenciando que a simulação auxilia a tomada de decisão permitindo
escolher o sistema a ser adotado, ou mesmo, qual o processo a ser melhorado.
Através de modelagem baseada em sub-modelos (inventário de rebanho,
requerimento de nutrientes, produção de forragem e econômico), foi comparado ao NRC e ao
Alberta Agricultura (AA), o sub-modelo requerimento de nutrientes e não foram encontradas
diferenças entre os dados simulados pelo sub-modelo e o NRC e AA, validando o modelo de
simulação (PANG et al., 2000). De um modo semelhante, Tess & Kolstad (2000) testaram um
modelo de simulação para avaliar o grau de confiabilidade do mesmo quando comparado com
dados reais. Os valores simulados foram equivalentes aos dados reais, validando a
aplicabilidade do modelo neste sistema. Os autores ressaltam, porém, que apesar do sucesso
deste trabalho, os modelos possuem limitações, podendo conduzir a erros quando utilizados
de forma inapropriada. Para que a utilização do modelo tenha êxito, cabe ao usuário a
reprodução fiel das variáveis e a correta definição da função que as mesmas assumem dentro
dos sistemas. O dimensionamento e a evolução de rebanhos através de um sistema
computacional, em linguagem CA Clipper e com rotinas desenvolvidas de forma
conversacional (sistema de computação que oferece respostas imediatas para a entrada de um
usuário) com acesso aos diversos programas, por meio de menus auto-explicativos, possibilita
23
ao usuário efetuar simulações em sistemas de produção de bovinos de leite ou corte,
auxiliando na tomada de decisões (LOPES et al., 2000).
Os sistemas de produção de gado de corte são complexos e diversificados, não
havendo fórmulas e nem recomendações únicas que possam ser largamente aplicadas. Pelo
contrário, cada produtor desenvolve seu sistema de produção traçando suas metas de acordo
com as condições de ambiente e de mercado. Deste modo, recomenda-se que cada produtor,
ao fazer uso da simulação restrinja o modelo a suas peculiaridades e realidades, para que as
fragilidades do modelo sejam mínimas e o objetivo da simulação seja alcançado (HEMBRY,
1991). Para isso, é preciso que os objetivos sejam bem definidos.
Simulação em outras espécies animais
O uso de modelos é maior em outras espécies animais, ou áreas do conhecimento,
do que para bovinos de corte. Existem diversos trabalhos na área de bovinos de leite e
principalmente em suínos e aves. Os modelos são também usados na agricultura (BRAGA et
al., 1997). Através de modelos matemáticos, Lopes et al. (2003) estimaram o tempo de
retorno do capital investido, na aquisição de matrizes leiteiras. O modelo auxilia com bastante
precisão e considerável rapidez, sendo uma importante ferramenta no auxílio de tomada de
decisões. Os aspectos da partição dos nutrientes durante o crescimento de suínos foram
obtidos por simulação numa perspectiva de modelagem Sauvant & Lovatto (2001). A
manutenção, deposição de proteína na carcaça e nas penas e gordura na carcaça foram
simuladas por Vargas et al (2005). O modelo utilizou três conjuntos de dados no processo de
calibração (método que objetiva melhorar a estimativa dos dados simulados, é um ajuste do
modelo), análise de sensibilidade (identifica quais parâmetros são mais sensíveis a variação
em seus valores originais) e validação do modelo (comparação entre os resultados observados
e simulados). Os dois trabalhos acima citados, com suínos e aves, têm relevância científica.
Por outro lado, sua aplicabilidade em sistemas põe em questionamento esse tipo de modelo no
24
que diz respeito ao uso por parte dos produtores rurais. A tendência da modelagem aponta
para a construção de modelos mais simples no que tange o uso, e orientados para a resolução
de problemas dos produtores rurais (BRAGA et al., 1997). A evolução da investigação
agropecuária deve estar direcionada a desenvolver tecnologias que vão ao encontro das
necessidades dos agropecuaristas. A união da pesquisa e da extensão rural num só processo,
orientado para a resolução de problemas dos agricultores, constitui um atributo da
investigação de sistemas da agropecuária (DENT, 1993).
CONCLUSÕES
A utilização de modelos de simulação pode ser importante para qualquer setor, porém
o grau de segurança nas respostas deve ser máximo e as atualizações frente às mudanças
ocorridas devem ser constantes. É imprescindível, também, a multi-disciplinaridade para
englobar os diversos fatores inseridos no complexo sistema pecuário. Cada usuário, ao fazer
uso da simulação deve restringir o modelo de acordo com as características peculiares de sua
pesquisa ou sistema produtivo.
Na pecuária de corte, o uso de modelos, principalmente em nível de sistema, ainda é
bastante reduzido. Apesar disso, há crescente necessidade de se aplicar este tipo de ferramenta
na gestão dos sistemas de produção, buscando sua otimização e garantindo a viabilidade da
atividade. Os modelos de simulação devem ser simples e com o intuito de resolver problemas,
principalmente em nível de produtor.
REFERÊNCIAS BIBLIOGRÁFICAS
ANDRADE JÚNIOR, A. S. Viabilidade da irrigação, sob risco climático
e econômico, nas microrregiões de Teresina e Litoral Piauiense.
25
Piracicaba. 2000. 566f. Tese (Doutorado em Irrigação e Drenagem) Escola Superior de
Agricultura Luiz de Queirós, São Paulo.
BARIONI, L. G. et al. Modelos de tomada de decisão para produtores de ovinos e bovinos de
corte. In: EVERLING, D. M.; QUADROS, F. L. F.de; VIÉGAS, J.; SANCHES, L. M. B.;
GONÇALVES, M. B. F.; LOVATTO, P. A.; RORATO, P. R. N. (Ed.). Modelos para a
tomada de decisões na produção de bovinos e ovinos. Anais. Santa Maria: UFSM. p.05-60.
2002.
BECKER, B. Revisão das Políticas de Ocupação da Amazônia: é possível identificar
modelos para projetar cenários? Science Magazine, n. 12, setembro 2001, p.135-159. Beef
Point. Capturado em agosto de 2004. Online. Disponível na Internet:
http://www.beefpoint.com.br
BERETTA, V. et al. Produtividade e eficiência biológica de sistemas pecuários criadores
diferindo na idade das novilhas ao primeiro parto e na taxa de natalidade do rebanho de cria
no Rio Grande de Sul. Revista Brasileira de Zootecnia, v.30, n.4, p.1278-1288, 2001.
BERETTA, V. et al. Produtividade e eficiência biológica de sistemas de recria e engorda de
gado de corte no Rio Grande do Sul. Revista Brasileira de Zootecnia, v.31, n.2, p.696-706,
2002a.
BERETTA, V. et al. Produtividade e eficiência biológica de sistemas de produção de gado de
corte de ciclo completo no Rio Grande do Sul. Revista Brasileira de Zootecnia, v.31, n.2,
p.991-1001, 2002b.
BRAGA, R. P. et al. Os modelos de simulação e a investigação de sistemas da agricultura.
Ingenium, Agosto. Ordem dos Engenheiros. 2a série, 20: 48-54, Lisboa, 1997.
CAIXETA FILHO, J. V. Pesquisa operacional: Técnicas de Otimização Aplicadas a
Sistemas Agroindustriais. Piracicaba: ED. J. V. CAIXETA FILHO. 212 p., 2000.
26
CARNEIRO, P. L. S. et al. Efeito da seleção errônea de machos sobre ganhos genéticos,
utilizando-se simulação. Revista Brasileira de Zootecnia, v.28, n.2, p.264-268, 1999.
CARNEIRO, A. P. S. et al. Classificação de animais geneticamente superiores na presença de
heterogeneidade entre rebanhos, utilizando dados simulados. In: REUNIÃO ANUAL DA
SOCIEDADE BRASILEIRA DE ZOOTECNIA, 41, 2004. Campo Grande, Anais... Mato
Grosso do Sul: Sociedade Brasileira de Zootecnia, 2004.CD-ROM. Melhoramento Genético,
MELH 012.
CEZAR, I.M. Racionalização de investimentos em pastagens: uma abordagem sistêmica no
processo decisório. In: SIMPÓSIO SOBRE MANEJO DE PASTAGENS, 2001. Piracicaba,
SP. Anais... Piracicaba: Fundação de Estudos Agrários “Luiz de Queiroz”, 2001. p. 351-369.
CUNHA, E. E. et al. Variabilidade genética em populações sob diferentes tipos de
acasalamento, submetidas à seleção baseada no BLUP. In: REUNIÃO ANUAL DA
SOCIEDADE BRASILEIRA DE ZOOTECNIA, 41, 2004.Campo Grande, Anais... Mato
Grosso do Sul: Sociedade Brasileira de Zootecnia, 2004. CD-ROM. Melhoramento Genético,
MELH 052.
DENT, J.B. Potential for systems simulation in farming systems research. In: PENNING DE
VRIES et al. Systems approaches for agricultural development. Publishers, Dordrecht,
Holanda, Kluwer Academic. 1993 p. 325-339.
DETOMINI, E. R. et al. Modelo de assimilação de dióxido de carbono em plantas de ciclo
C4. In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 41;
2004.Campo Grande, Anais... Mato Grosso do Sul: Sociedade Brasileira de Zootecnia, 2004.
CD-ROM. Forragicultura, FORR 173.
DIAZ, H. S. et al. Análise econômica e produtiva de três diferentes intervalos entre partos
através do uso de simulação. In: 13 º CONGRESSO DE INICIAÇÃO CIENTIFICA E 6 º
27
ENCONTRO DE PÓS-GRADUAÇÃO. Pelotas, UFPel, 2004. Anais, CD-ROM, Ciências
agrárias.
EUCLIDES FILHO, K. Retrospectiva e desafios da produção de ruminantes no Brasil. In:
PENZ JÚNIOR, A. M..; AFONSO, L. O. B.; WASSERMANN, G. J. (Ed.). XXXVI
REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, Anais dos
Simpósios e Workshops, Simpósios. Porto Alegre, RS. 1999.
FIALHO, F. B. Sistemas de apoio à decisão na produção de suínos e aves. In: PENZ
JÚNIOR, A. M..; AFONSO, L. O. B.; WASSERMANN, G. J. (Ed.). REUNIÃO ANUAL DA
SOCIEDADE BRASILEIRA DE ZOOTECNIA, 36, Porto Alegre, 1999. Anais dos
Simpósios e Workshops. Porto Alegre: SBZ. p. 307-317, 1999.
GUIMARÃES, P. H. S. et al. Comparação entre produção de fêmeas F1 Holandês x Gir e
alternativas de produção de gado de corte por meio de simulação: aspectos zootécnicos. In:
REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 40, 2003. Santa
Maria, Anais... Rio Grande do Sul: Sociedade Brasileira de Zootecnia, 2003. CD-ROM.
Melhoramento Genético.
HEMBRY, G. Management of beef cattle production. 1991. Capturado em dezembro de
2004. On line. Disponível na Internet: http://gnv.ifas.ufl.edu/animal/short91/hembry.htm
KELTON, D. F. et al. Recommendations for recording and calculating the incidence of
selected clinical diseases of dairy cattle. J. Dairy Sci, v. 81:81 p. 2502-2509. 1998
LANA, R.P. Sistema de suplementação alimentar para bovinos de corte em pastejo.
Simulação. Revista Brasileira de Zootecnia, v.31, n.1, p.223-231, 2002
LANA, R.P. Sistema Viçosa de formulação de rações. 2000. 60 p. Dissertação (Mestrado
em Zootecnia) Viçosa, MG: Universidade Federal de Viçosa
28
LAURANCE, W.F. et al. The future of Brazilian Amazon. Science, v. 291, p.438-439, 2001.
LOPES, M. A. et al. Desenvolvimento de um Sistema Computacional para Dimensionamento
e Evolução de Rebanhos Bovinos. Revista Brasileira de Zootecnia, v. 29, n.5, p. 1511-1519,
2000.
LOPES, M. A. et al. Desenvolvimento de um sistema computacional para gerenciamento de
rebanhos leiteiros. In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE
ZOOTECNIA, 40, 2003. Santa Maria, Anais... Rio Grande do Sul: Sociedade Brasileira de
Zootecnia, 2003. CD-ROM. Sistemas de Produção.
LOVATTO P. A. Premissas básicas para o desenvolvimento de modelos na agricultura. In:
EVERLING, D. M.; et al. (Ed.). Modelos para a tomada de decisões na produção de bovinos e
ovinos. Anais... Santa Maria: UFSM. p.09-36. 2002.
LOVATTO P. A. Princípios de modelagem e sua aplicação no estudo de cadeias de produção
agrícola. In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 40,
2003. Santa Maria, Anais... CD-ROM. Palestras.
MAYA F. L. A. Produtividade e viabilidade econômica da recria e engorda de bovinos
em pastagens adubadas intensivamente com e sem uso de irrigação. Dissertação de
Mestrado (Área de concentração ciência animal e pastagens), 94 f. Escola Superior de
Agricultura Luiz de Queirós, Universidade de São Paulo. 2003.
MOREIRA FILHO, P. O papel da transferência de tecnologia no desenvolvimento da
produção animal. In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE
ZOOTECNIA, 41., 2004, Campo Grande. Anais... Mato Grosso do Sul: Sociedade Brasileira
de Zootecnia, 2004. CD-ROM. Palestras.
MOREIRA, L. M. et al. Análise econômica de uma pastagem de Capim Braquiária adubado
com nitrogênio em sistema de recria de bovinos de corte. In: REUNIÃO ANUAL DA
29
SOCIEDADE BRASILEIRA DE ZOOTECNIA, 41, 2004. Campo Grande, Anais... Mato
Grosso do Sul: Sociedade Brasileira de Zootecnia, 2004. CD-ROM. Forragicultura. FORR
322.
PANG, H. et al. A beef cattle production simulation model. Livestock Production Science.
[Proc. 6 th World Congr. on Genet. Appl. To Livest. Prod. Armidale, Austrália].2000. v. 23:
p.239-242, 2000.
PERKIN, P.; REHMAN, T. Farmer's objectives and their interactions with business and life
styles: evidence from Berkshire, England. In: DENT, J.B.; MCGREGOR, M.J. (Eds.) Rural
and farming systems analysis. Wallingford: CAB International, 1994. p.193-212.
PFEIFER, L. F. M. et al. Simulação econômica do uso da inseminação artificial associada a
um programa de sincronização de cio. In:12 º CONGRESSO DE INICIAÇÃO CIENTIFICA
E 5º ENCONTRO DE PÓS-GRADUAÇÃO 2003 Anais... Pelotas, 2003 CD-ROM, Ciências
agrárias, 2003.
PFEIFFER, D.U. et al. A simple spreadsheet simulation model of the economic effects of
Neospora Caninum abortions in dairy cattle in New Zealand. In: SYMPOSIUM OF THE
INTERNATIONAL SOCIETY FOR VETERINARY EPIDEMIOLOGY AND
ECONOMICS, 8, 1997 Paris, France, July 8-11. Special Issue of Epidemiologie et santé
animale 31-32, 10.12.1-3.
PHOCAS, F.; LALOË, D. Evaluation models and genetic parameters for calving difficulty in
beef cattle. J. Anim. Sci. 81: p. 933-938.2003.
PÖTTER, L. et al. Análises econômicas de modelos de produção com novilhas de corte
primíparas aos dois, três e quatro anos de idade. Revista Brasileira de Zootecnia, v.29, n.3,
p.861-870, 2000.
30
RUEDA, B. L. et al. Production and economic potentials of cattle in pasture-based systems of
the western Amazon region of Brazil. J. Anim. Sci. 2003. 81:2923–2937
SAUVANT, D.; LOVATTO, P.A. Partição dos nutrientes: mantença, produção e
modelagem. In: ROSA, A. P.; et al. (Ed.) I SIMPÓSIO INTERNACIONAL DE NUTRIÇÃO
ANIMAL: PROTEÍNA IDEAL, ENERGIA LÍQUIDA E MODELAGEM. Anais... p. 63-79.
Santa Maria, RS, Brasil. 2001.
SILVA, F. C. et al. Modelos de simulação para análise e apoio à decisão em agrossistemas.
Revista Biociência, Taubaté/SP, v. 8, n. 2, p. 7-17, 2002.
SNIFFEN, C. J. et al. A net carbohydrate and protein system for evaluating cattle diets. II.
Carbohydrate and protein availability. J. Anim. Sci. v :70. p 3562-3577. 1992.
SOUZA, J. L. M. Modelo para análise de risco econômico aplicado ao planejamento de
projetos de irrigação para a cultura do cafeeiro. Piracicaba, 2001.253p. Tese de Doutorado
(Engenharia Agrícola) Escola Superior de Agricultura Luiz de Queirós, Universidade de São
Paulo. 2001.
SOUZA, R.M. et al. Simulação da produção animal para avaliar efeitos de práticas de manejo
na produtividade do gado de corte. In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA
DE ZOOTECNIA, 38, 2001. Piracicaba, Anais... São Paulo: Sociedade Brasileira de
Zootecnia, 2001. CD-ROM. Sistemas de Produção.
SOUZA, S.A.V. Programa computacional para a simulação da ocorrência de veranicos e
queda de produção. Piracicaba, 1999. 124 f. Tese de Doutorado (Irrigação e Drenagem)
Escola Superior de Agricultura Luiz de Queirós. Universidade de São Paulo.
31
SORENSEN, J.T.; OSTERGAARD, S. Economic consequences of postponed first
insemination of cows in a dairy cattle herd. Livestock Production Science, v. 79, p. 145-153,
2003.
STROOSNIJDER, L.; RHEENEN, T. VAN Making farming systems analysis a more
objective and quantitative research tool. IN: PENNING DE VRIES et al. (Eds.) Systems
approaches for agricultural development. Dordrecht, Holanda. Kluwer Academic 1993.
341-353.
TESS, M. W.; KOLSTAD B. W. Simulation of cow-calf production systems in a range
environment: II. Model evaluation. J. Anim. Sci. v. 78:p.1170–1180, 2000.
THORNLEY, J. H. M. Modeling grassland ecosystems. In: INTERNATIONAL
GRASSLAND CONGRESS., 19. Piracicaba 2001, Anais... Piracicaba: FEALQ, p.1029-
1036, 2001.
THRUSFIELD, M. Epidemiologia veterinária. 2ª ed. São Paulo: Ed. Roca Ltda, 2004.
VARGAS G. D. et al. Modelo de simulação do crescimento e desenvolvimento de frangos de
corte: descrição e implementação. Ciência Rural, Santa Maria, v.35, n.2, p.440-445, marabr.,
2005.
VIEIRA, R. A. M. et al. Simulation of the nutrient dynamics in the gastrointestinal tract:
application and validation of a mathematical model for grazing cattle. Revista Brasileira de
Zootecnia v.29, n.3, p.898-909. 2000.
ZANETTI, R. O papel do controle financeiro na atividade leiteira. In: Revista Balde Branco,
n° 467 , p. 60-63, Setembro, 2003.
32
WERTH, L.A. et al. Use of a simulation model to evaluate the influence of reproductive
performance and management decisions on net income in beef production. J. Anim. Sci. v.
69. p.4710-4721, 1991.
3. ARTIGO 2
MODELO TEÓRICO DO DESEMPENHO REPRODUTIVO DE VACAS DE CORTE
BASEADO NO ESCORE DE CONDIÇÃO CORPORAL1
MODELO TEÓRICO DO DESEMPENHO REPRODUTIVO 1 DE VACAS DE CORTE
2 BASEADO NO ESCORE DE CONDIÇÃO CORPORAL
3
4 THEORETICAL MODEL OF REPRODUCTIVE PERFORMANCE OF BEEF COWS
5 BASED ON BODY CONDITION SCORE
6
7 RESUMO - O objetivo desse trabalho foi desenvolver um modelo matemático dinâmico
8 para descrever o processo reprodutivo em sistemas de produção e simular o desempenho
9 reprodutivo, com simulação por indivíduo e resultados gerados para todo rebanho, a partir do
10 escore de condição corporal (ECC) ao parto e maturidade sexual. O modelo foi desenvolvido
11 e implementado no software RURAL FAZPEC. Trata-se de um modelo empírico, dinâmico e
12 contém elementos determinísticos e estocásticos. O desenvolvimento do modelo foi baseado
13 na relação entre o escore de condição corporal (ECC) e o intervalo parto-concepção (IPC)
14 para vacas com cria ao pé; para novilhas e vacas vazias a concepção foi baseada na
15 probabilidade de conceber, sendo que, para novilhas, a idade e/ou peso a puberdade foi o fator
16 limitante. O modelo tem duas formas de leitura dos dados de entrada: uma do relatório de
17 parição gerado pelo software; a outra a partir dos dados de entrada definidos pelo usuário. Os
18 dados de entrada são considerados médias, com exceção dos referentes à estação reprodutiva,
19 e o modelo atribui um desvio padrão para cada variável e os dados utilizados na execução do
20 modelo seguem uma distribuição normal. A saída final, em formato de relatórios, fornece,
21 além de outras informações, o total de kg de terneiros desmamados/vaca/ano. É possível
22 alterar valores de entrada para testar o impacto dessas mudanças nas variáveis respostas. O
23 desenvolvimento do modelo contribuiu a uma maior compreensão do sistema estudado e
24 permite a simulação do desempenho reprodutivo de vacas de corte a partir do ECC ao parto
25 (ECCPAR). Seu uso para fins de tomada de decisão dependerá das próximas etapas do
26 trabalho como a verificação, calibração e validação.
27 Palavras-chaves: modelagem, reprodução, simulação, vacas de corte
28
29 ABSTRACT - A dynamic mathematical model was developed to describe the
30 reproductive process in beef cattle production systems and to simulate individual cow
31 reproductive performance while generating results for the herd, based on body condition score
32 (BCS) at calving and age at sexual maturity. The model was developed and implemented
35
using the software RURAL FAZPEC. The model is empiric and dynamic, 1 containing
2 deterministic and stochastic elements. The model was developed based on the relationship
3 between BCS and postpartum interval for lactating cows; for heifers and non-lactating cows,
4 conception rate was based on the probability to conceive; for heifers, body weight and age at
5 puberty were the limiting factors. The model has two forms of reading inputs: from a
6 parturition report generated by software or from raw data provided by the user. Input data are
7 considered averages, except for those defining the reproductive season. The model assigns a
8 standard deviation for each variable, with normal distribution. The final output is in the form
9 of report providing the annual amount of kg of weaned calves per cow, among other
10 information. Inputs may be freely changed to evaluate the impact of new parameters on the
11 output. This model contributes to a greater understanding of the production system studied
12 and allows simulation of the reproductive performance of beef cows at calving from their
13 BCS. Once validated, it is envisioned that the model can be a valuable tool to aid decision14
making.
15 Key words: beef cows, modeling, reproduction, simulation
16
17 INTRODUÇÃO
18 A modelagem é sobretudo uma tentativa de integração de diferentes fenômenos, sendo
19 limitada pelos recursos humanos e materiais utilizados na sua construção (Lovatto & Sauvant,
20 2001) e é baseada, principalmente, na sistematização, o que permite o posicionamento do
21 modelador frente ao estado de conhecimento (Lovatto, 2003). O objetivo de modelar um
22 sistema é entender seu funcionamento e poder prever o seu comportamento em diferentes
23 condições (Fialho, 1999). Devido às várias combinações entre as opções de manejo e genética
24 e a alta exigência em recursos monetários e tempo para avaliar sistemas de produção em
25 bovinos de corte, a simulação por computador é uma importante ferramenta para avaliá-los
26 (Tess & Kolstad, 2000).
27 Os módulos de produção que englobam o sistema de cria devem dar especial atenção à
28 reprodução que é o componente de maior impacto na eficiência produtiva (Morrison et al.,
29 1999) e o maior determinante da lucratividade (Wiltbank et al., 1962). A performance
36
reprodutiva é, freqüentemente, limitada pelo prolongado anestro pós-parto 1 (Ciccioli et al.,
2 2003) que é o principal fator econômico em termos de produtividade da vaca (Rutter &
3 Randel, 1984), sendo uma conseqüência das baixas reservas energéticas corporais ou
4 condição corporal (Richards et al., 1986; Hess et al., 2005). Níveis alimentares inadequados
5 no período pré-parto ocasionam perdas de reservas corporais e aumentam o período parto6
primeiro cio (Wiltbank et al., 1962; Richards et al., 1986; Spitzer et al., 1995). A condição
7 corporal ao parto (ECCPAR) é mencionado como o principal fator determinante do intervalo
8 parto primeiro cio e taxa de prenhez (Selk et al., 1988; Spitzer et al., 1995; Lake et al., 2005),
9 duração do anestro pós-parto (Spitzer et al., 1995; Lalman et al., 1997, Looper et al., 2003;
10 Hess et al., 2005) e intervalo entre partos (Renquist et al., 2006). Segundo DeRouen et al.
11 (1994) registros do ECCPAR são um indicador confiável do desempenho reprodutivo pós12
parto para parição de primavera em vacas primíparas. O total de terneiros desmamados por
13 vaca por ano em um sistema de cria é a forma mais precisa de avaliar a produtividade desse
14 sistema (Gregory & Rocha, 2004). O objetivo desse trabalho foi desenvolver um modelo
15 matemático dinâmico para descrever o processo reprodutivo em sistemas de produção e
16 simular a performance reprodutiva, com simulação por indivíduo e resultados globais, a partir
17 do ECCPAR e maturidade sexual.
18
19 DESCRIÇÃO E IMPLEMENTAÇÃO DO MODELO
20 Visando maior facilidade de entendimento foi criada a lista de acrônimos, apresentada
21 na Tabela 1, os quais serão usados no texto e nos modelos conceituais do presente estudo. O
22 modelo foi desenvolvido e implementado no software RURAL FAZPEC. Trata-se de um
23 modelo empírico, dinâmico e contém elementos determinísticos e estocásticos. A descrição é
24 feita conforme os modelos conceituais apresentados nas Figuras 1 e 2, para vacas com cria ao
25 pé e novilhas ou vacas solteiras, respectivamente. Para vacas com cria ao pé o modelo é
37
fundamentado na relação do ECCPAR com o intervalo parto concepção 1 (IPC, Figura 1),
2 sendo assumido que o primeiro determinará o segundo. Uma variável importante é data do
3 parto (DPAR), pois é através desta e do IPC que o modelo calcula a data da concepção
4 (DCON) e, consequentemente, a data do próximo parto, e assim sucessivamente, até atingir os
5 cinco anos de simulação. Outras variáveis de entrada, como estação reprodutiva (ER), por
6 exemplo, atuam na restrição, ou seja, vacas que devido ao seu ECCPAR conceberiam, são
7 consideradas como não concebidas, se a possibilidade de conceber estiver fora do período de
8 ER. Nesse caso, as vacas consideradas vazias podem ficar no rebanho para a próxima ER ou
9 serem descartadas. Se o número de novilhas for suficiente para suprir a reposição, todas as
10 vacas vazias são descartadas, caso contrário, ficam no rebanho um número suficiente para
11 suprir o déficit de novilhas. Com a DPAR, PN, GMDND e DDESM o modelo calcula o peso
12 ao desmame dos terneiros, descontada a MORTDESM. Para as novilhas a data de concepção
13 é estimada de maneira diferente, baseia-se na IPUB ou PPUB, se ao início da ER a novilha
14 estiver crescendo conforme ou acima de sua CCRESC, a PUB será atingida quando a INOV
15 for igual a IPUB. Caso isso não ocorra, a PUB é determinada pelo PPUB, ou seja, quando o
16 peso da novilha for igual ao PPUB. Ressalta-se que os modelos conceituais para vacas e
17 novilhas são integrados, apenas foram separados no intuito de torná-los mais compreensíveis.
18 O desempenho reprodutivo simulado pelo modelo é medido pelo índice kg de terneiro de
19 desmamado/vaca/ano; ressalta-se que os índices necessários para se chegar a esse indicador,
20 também são saídas do modelo, tais como: TN, TD, PN, GMDND, MORTDESM, idade do
21 terneiro ao desmame e, conseqüentemente, o momento da concepção. Além disso, existe a
22 possibilidade de filtrar esses resultados e extraí-los, por exemplo, por ECCPAR da vaca.
23 Abaixo serão descritos os componentes do modelo e suas formas de funcionamento.
24
25
38
Tabela 1 – Acrônimos e suas definições conforme usado no texto e nos modelos 1 conceituais.
2 Table 1 - Acronyms and their definitions as used in the text and in the conceptual model.
CCRESC – Curva de crescimento para novilhas
CON – concepção, o fato de conceber
DCON – Data da concepção
DDESM – Data do desmame
DNASC – Data do nascimento
DPAR - Data do parto
ECC – Escore de condição corporal, escala de 1 a 5
ECCPAR – Escore de condição corporal ao parto, escala de 1 a 5
EP – Estação de parição, período
ER – Estação reprodutiva, período
FEP - Fim da estação de parição, data
FER – Fim da estação reprodutiva, data
GMD – Ganho médio diário, em kg/animal/dia
GMDND – Ganho médio diário do nascimento à desmama, em kg/animal/dia
GNA – Gerador de variável aleatória
IEP – Início da estação de parição, data
IER – Início da estação reprodutiva, data
INOV – Idade da novilha, em dias
IPC – Intervalo parto-concepção, em dias
IPUB – Idade à puberdade, em dias
MORTDESM – Taxa de mortalidade até o desmame, %
NNOV – número de novilhas
PCON – Probabilidade de concepção, em %
PD – Peso ao desmame, em kg
PER – Peso da novilha ao início da estação reprodutiva, kg
PN – Peso do terneiro ao nascimento, em kg
PPUB – Peso da novilha à puberdade, em kg
PRIM – Vacas primíparas, número de animais
PUB – Puberdade
TD- Taxa de desmame, em %
TDESC – Taxa de descarte, em %
TN – Taxa de natalidade, em %
VREPRO – Vacas em reprodução, número de animais
3
39
1
Figura 1 – Modelo conceitual da vida reprodutiva, em kg de terneiro desmamado, 2 de vacas de
3 corte a partir do ECC ao parto.
4 Figure 1 – Conceptual model of the reproductive life, in kg of weaned calf, of beef cows from the BCS
5 at calving.
6
7 ECC – O escore de condição corporal ou condição corporal é uma medida subjetiva de
8 gordura corporal, a escala adotada nesse trabalho é a de 1 a 5 (segundo Moraes et al. 2005,
9 sendo 1= animal muito magro e 5= animal gordo).
10 Relatório de parição - O modelo executa a simulação para um período de cinco anos, com
11 duas opções de leitura: a primeira lendo os dados já existentes na propriedade, através do
12 relatório de parição gerado pelo programa RURAL FAZPEC com os seguintes dados:
13 ECCPAR, DPAR, PN e identificação das PRIM; a segunda é uma projeção onde os dados de
14 entrada, número de vacas, distribuição do número de vacas de acordo com o ECC ao parto
IER
FER
IPC e/ou PCON
Fora da ER
ECCPAR
TN
DDESM
PD
GMDND
DPAR e PN
Dias ao
desmame
DNASC PN
ER
Vacas
paridas
DPAR
Descarte
A
a
A
A
TDesc
VREPRO
Relatório de
parição
IPC e/ou
Vacas vazias PCON
Kg de terneiro
desmamado/
vaca/ano
Novilhas
Terneiros
desmamados
MORTDESM
Modelo novilhas
(Figura 2)
Vazias
Dentro da ER
20% PRIM
40
1
2
3
4
5
6
7
8
9
10
Figura 2 – Modelo conceitual da concepção em novilhas baseado na curva 11 de crescimento,
12 idade da novilha, probabilidade de concepção, idade a puberdade e peso a puberdade.
13 Figure 2 – Conceptual model of conception in heifers based on the curve of growth, weight to the
14 onset of the reproductive season, probability of conception, age at puberty, and weight the at puberty.
15
16 (em número de vacas), data média do parto, IEP e FEP, ou da ER anterior, PN médio, são
17 fornecidos pelo usuário. Nesse caso o modelo assume uma distribuição normal para esses
18 dados, com média igual ao valor de entrada e usa um desvio padrão de 10 e 30%,
19 respectivamente, para PN e DPAR, sendo os limites mínimos e máximos, respectivamente, de
20 IEP e de FEP para DPAR.
21 ECCPAR – Adotou-se nesse trabalho o escore de condição corporal aferido ao parto por suas
22 relações com a performance reprodutiva (Selk et al., 1988; Spitzer et al., 1995; Lake et al.,
23 2005). O ECCPAR é uma entrada do modelo usada para calcular o IPC para vacas com cria
24 ao pé. Os dados de ECCPAR são fornecidos pelo relatório de parição (10 ano) ou diretamente
25 pelo usuário.
ER 21 dias
21 dias PCON
= CCRESC
PUB
PUB
Modelo vacas
Figura 1
PPUB IPUB
GMD
IER
FER
INOV
CON Não CON
CCRESC
21 dias
NNOV
PER
41
IPC para vacas com cria ao pé - apesar das várias constatações da relação 1 do ECCPAR com
2 o desempenho reprodutivo, como visto no item introdução e posteriormente abordado nas
3 discussões, poucos trabalhos referem-se ao IPC, principalmente com pontos suficientes para
4 se formar uma curva de resposta. Empiricamente sabe-se que a resposta reprodutiva em
5 função do ECC apresenta resposta quadrática. Nesse trabalho foram utilizados os dados de
6 Osoro & Wright (1992) a partir dos quais foi gerada a seguinte equação de regressão:
7 IPC = 10,714 x ECC2 - 84,286 x ECC + 243,37
8 A equação foi gerada com base em 321 parições de primavera, em vacas de corte, em
9 Lanarkshire, Escócia, sendo 237 animais cruza Hereford x Friesians e 84 Blue-Greys
10 (Whitbred Shorthorn x Galloway). A data de concepção foi estimada subtraindo-se 282 dias
11 da data do parto seguinte. Os dados gerados por essa equação são coerentes segundo o
12 conhecimento empírico e também suportados pelos dados de DeRouen et al. (1994), dos quais
13 foi obtida a seguinte equação:
14 IPC =12 x ECCPAR2 - 89,2 x ECCPAR + 240,4.
15 Essa equação gera valores semelhantes aos de Osoro & Wright (1992). Os dados DeRouen et
16 al. (1994) foram obtidos em dois anos, na Louisiana, EUA, com animais cruzados de várias
17 origens genéticas, incluindo Bos taurus indicus.
18 No intuito de tornar o modelo o mais próximo possível da realidade, foi acrescentada
19 aleatoriedade ao resultado de IPC, sendo considerado o resultado da equação como médio e
20 aleatoriamente acrescentado um valor que varia de -5 a +5 dias para cada animal, a cada vez
21 que o modelo é executado, empregando um gerador de números aleatórios (GNA) com
22 distribuição uniforme (Freitas Filho, 2001).
23 Primíparas – o modelo calcula o IPC de acordo com ECCPAR, conforme a equação descrita
24 para vacas com cria ao pé. No entanto, novilhas com cria ao pé aos dois anos de idade
25 retomam a função ovariana 20 a 40 dias depois que as vacas multíparas (Wiltbank, 1970),
42
baseado nisso, o modelo soma ao resultado de IPC um valor entre 20 e 1 40 dias, gerado de
2 maneira aleatória (GNA com distribuição uniforme, Freitas Filho, 2001), para as PRIM, sendo
3 que esse valor é acrescentado de maneira individual para cada PRIM a cada execução do
4 modelo. O número de PRIM no ano corrente está de acordo a taxa de reposição do ano
5 anterior, sendo que a taxa de reposição/descarte é entrada do modelo. Portanto, o percentual
6 de reposição/descarte gerará o número de PRIM correspondente, no caso do número de
7 novilhas não ser suficiente no ano anterior, o número de PRIM passa a corresponder ao
8 número de novilhas disponíveis para reposição. Nesse caso, ao número de novilhas poderá ser
9 somado, dependendo do sistema, um número de vacas solteiras, não descartadas no
10 diagnóstico de gestação anterior ao acasalamento, para manter o número de matrizes do
11 rebanho estável.
12 Possibilidade de concepção - É determinada com base no IPC e período de ER. As vacas em
13 que o IPC indica concepção dentro da ER são consideradas como prenhes e as vacas com
14 possibilidade de conceberem fora da ER são consideradas vazias.
15 PCON - novilhas e vacas solteiras
16 Novilhas –para a concepção em novilhas foi adaptado o método descrito por Tess & Kolstad
17 (2000), onde a idade a puberdade (IPUB) e a probabilidade de concepção (PCON) são
18 entradas do modelo. Novilhas que crescem conforme, ou mais que, sua curva normal de
19 crescimento, alcançam a puberdade quando sua idade for igual à IPUB. Para novilhas com
20 desenvolvimento abaixo da curva normal de crescimento, a puberdade ocorrerá quando o peso
21 à puberdade (PPUB, entrada no modelo) for atingido, para isso, será usada outra entrada do
22 modelo, a taxa de ganho de peso (GMD) e PER. As novilhas que alcançam PUB,
23 independentemente se por peso ou idade, conceberão segundo a PCON em um dos 21 dias do
24 ciclo estral usando um GNA com distribuição uniforme (Freitas Filho, 2001). Se a novilha
25 não conceber nos primeiros 21 dias, terá nova chance no próximo cio, entre os dias 21 e 42 a
43
contar da puberdade, ou seja, no segundo ciclo estral, e assim por diante até 1 que seja limitada
2 pela duração da ER.
3 Vacas solteiras - as vacas solteiras têm a possibilidade de conceber, de acordo com a PCON,
4 conforme descrito para as novilhas, com exceção de não dependerem da IPUB e PPUB por já
5 serem púberes, portanto a aleatorização passa a ser feita a partir do IER.
6 Data da concepção (DCON) - Para vacas paridas a data de concepção é igual a DPAR mais o
7 IPC. Para novilhas a data de concepção dependerá de como esse animal atingiu a PUB, se por
8 idade ou peso, a partir do momento em que o animal atingir a PUB será aleatorizado um dia
9 para a CON, dentro de um ciclo estral (21 dias) através do uso de um GNA com distribuição
10 uniforme (Freitas Filho, 2001). Este mesmo método será aplicado para vacas solteiras, com
11 exceção de que as vacas solteiras não dependem da IPUB e PPUB, portanto a aleatorização
12 passa a ser feita a partir do IER para essa categoria.
13 Número total de matrizes em reprodução – somatório das vacas com cria ao pé, novilhas de
14 reposição e vacas vazias. Essas últimas podem não existir se o sistema adotar o descarte de
15 vacas vazias no diagnóstico; nesse caso, se o número de novilhas não for suficiente para
16 reposição o plantel sofrerá uma redução ou haverá necessidade de compra de matrizes.
17 Estação reprodutiva (ER) – a ER é delimitada pelas entradas: IER e FER ou IER e duração
18 da ER; neste último caso o modelo calcula a data do FER. Esse sistema é adotado tanto para
19 vacas adultas quanto para novilhas. Como o modelo trata separadamente a ER de novilhas e
20 de vacas adultas, a ER para novilhas e vacas podem ter diferentes épocas e durações. As
21 entradas nos modelos são independentes para novilhas e vacas.
22 Duração da gestação – se o usuário não inserir o período de gestação, o modelo assumirá que
23 o período tem distribuição normal com média de 282 dias e desvio padrão de 2 dias.
24 Data do nascimento/parto – para o primeiro ano, a data de nascimento/parto é uma entrada
25 no modelo, obtida através do relatório de parição ou de uma projeção a partir da data média
44
do parto, conforme descrito no item Relatório de parição. Para os anos 1 posteriores ver em
2 saídas.
3 Peso ao nascimento (PN) – se o modelo for executado a partir da leitura do relatório de
4 parição, para o primeiro ano, é usado o PN lido no relatório. Para os anos subseqüentes e/ou
5 no caso do modelo não ler o relatório e ainda, no caso de novilhas e vacas solteiras, o PN será
6 entrada no modelo com valor estimado médio, definido pelo usuário, para cada ano da
7 simulação. Esses valores serão gerados aleatoriamente com distribuição normal, com média
8 igual a entrada PN e desvio padrão de 10% em relação a média.
9 Taxa de natalidade - os dados gerados pela equação consideram concepção e foram obtidos a
10 partir do parto subseqüente (Osoro & Wright, 1992), portanto a taxa percentual de natalidade
11 será igual ao total de vacas expostas à reprodução, dividido pelo número de vacas concebidas,
12 multiplicado por 100.
13 Número de terneiros nascidos - é calculado multiplicando-se o total de fêmeas expostas à
14 reprodução pela taxa de natalidade (%).
15 GDMND - o GMDND é gerado aleatoriamente para cada terneiro, com distribuição normal,
16 de média igual ao valor de entrada para essa variável (entrada no modelo) e desvio padrão de
17 0,1 kg.
18 Entradas definidas pelo usuário:
19 Referente às novilhas: As entradas definidas pelo usuário referente às novilhas são: PPUB,
20 em kg, de acordo com a genética utilizada; PCON, em %, valor estimado da taxa de
21 concepção (%) de acordo com as metas estabelecidas pelo usuário ou, ainda, referente às
22 médias históricas da propriedade; IPUB, em dias, idade à puberdade conforme genética
23 utilizada; PER, em kg, peso vivo ao inicio da ER, lido do relatório gerado pelo programa
24 RURAL FAZPEC ou gerado aleatoriamente para cada novilha, com distribuição normal, de
25 média igual ao valor de entrada para essa variável (entrada no modelo) e desvio padrão de 20
45
kg.; GMD, em kg/animal/dia, taxa de ganho médio estimado para o período; 1 NNOV, número
2 de novilhas, caso não seja feita a leitura do relatório.
3 Gerais: As entradas de caráter geral definidas pelo usuário são: IER - data de início da ER;
4 FER – data do término da ER; Duração da ER, em dias, número de dias de duração da ER,
5 entrar com tal período que o modelo calcula a data de término da ER. Essas entradas são
6 válidas para novilhas e vacas, porém as entradas são independentes para cada categoria (ver
7 item ER); ECCPAR, de acordo com a escala descrita; PN, em kg, para os anos subseqüentes
8 no caso dos dados serem lidos do relatório de parição, ou para os cinco anos; MORTDESM,
9 em %, taxa de mortalidade aplicada ao total de terneiros nascidos a cada ano; TDESC, em %,
10 percentual de matrizes descartadas anualmente; DDESM, incluir a data em que os terneiros
11 serão desmamados, GMDND, em kg/animal/dia, estimado ou de acordo com as médias
12 históricas da propriedade.
13 A composição dos dados de saída leva em consideração a simulação para cada animal
14 individualmente, entretanto, as saídas mostram a performance geral do rebanho, com índices e
15 resultados médios.
16 Saídas (output):
17 Número de vacas descartadas – conforme o percentual de descarte sobre o total de matrizes
18 expostas a reprodução. As vacas vazias ou serão descartadas ou acasaladas na próxima
19 estação reprodutiva.
20 Data da concepção – data média da concepção para novilhas, vacas paridas e solteiras.
21 Data de nascimento – a data de nascimento é obtida somando-se o período de gestação (282
22 dias em média) à data de concepção. Com exceção do primeiro ano, no caso de leitura direta
23 no relatório de parição onde esse dado é fornecido, caso contrário, a DNASC será igual a data
24 do parto que assume uma distribuição normal com média igual a entrada DPAR e desvio
25 padrão de 30%, limitado pelo IEP e FEP.
46
Dias ao desmame – para o primeiro ano é calculado subtraindo-se a data 1 do desmame da data
2 do nascimento, lida no relatório de parição ou gerada pelo modelo. Para os demais anos,
3 subtrai-se a data do desmame (entrada no modelo) da data de nascimento calculada pelo
4 modelo.
5 Peso ao desmame – peso ao nascimento mais o ganho de peso até o desmame, de acordo com
6 a equação: PD = PN + (GMDND x Número de dias ao desmame). Sendo que, o GMDND
7 conduzirá o resultado do PD à variação individual, visto que a variável GMDND tem caráter
8 aleatório.
9 Número de terneiros desmamados – é igual ao número de terneiros nascidos menos a taxa de
10 mortalidade até o desmame (entrada no modelo). Terneiros desmamados = ((Vacas expostas à
11 reprodução x (TN/100)) x ((100 - Taxa de mortalidade)/100).
12 Número de vacas paridas – é o número de vacas expostas a reprodução multiplicado pela TN,
13 será igual ao número de terneiros nascidos. Vacas paridas = vacas expostas à reprodução x
14 (TN/100).
15 kg de terneiro desmamado por vaca ano – índice usado para avaliar a eficiência reprodutiva
16 em rebanhos de corte. Gregory & Rocha (2004) dizem que a eficiência reprodutiva das vacas
17 é medida tomando-se o número de animais expostos à reprodução e o número de terneiros
18 desmamados. Dessa forma avalia-se a as taxas de prenhez, natalidade, desmame e mortalidade
19 até o desmame, no entanto, utilizando-se kg de terneiro desmamado/vaca/ano avalia-se,
20 também, peso ao desmame e, consequentemente, peso ao nascimento e ganho médio até o
21 desmame, por isso, tal índice é considerado como o melhor indicador do desempenho
22 reprodutivo. O peso, kg de terneiro desmamado por vaca ano é o total de kg de terneiro
23 desmamado no ano dividido pelo total de matrizes expostas à reprodução na ER
24 correspondente.
25
47
RESULTADOS 1 E DISCUSSÃO
2 Foi adotado o ECC nesse trabalho pelo fato desse indicador, no modelo, não depender
3 da alimentação utilizada e por ser uma medida de fácil obtenção. Embora a gordura corporal
4 seja apenas um indicador de características de alguns dos mecanismos que controlam o
5 recomeço da atividade estral e, portanto, não é um efeito direto de controle destes
6 mecanismos, seu uso é justificado pela falta de um melhor preditor em nível de campo e pelo
7 fato do ECC ser recomendado como parte do manejo reprodutivo (Tess & Kolstad, 2000). O
8 peso vivo do animal é um indicador limitado para esse contexto por ter grande variabilidade
9 entre raças e, mesmo, entre rebanhos, além de ser uma medida que necessita de infra-estrutura
10 e deslocamento dos animais para ser aferida. Lake et al. (2005) ressaltam que o ECC é um
11 indicador das reservas de energia na forma de tecido muscular e/ou adiposo que pode ser
12 usado para suportar os processos fisiológicos durante períodos de incremento da demanda
13 metabólica. O acúmulo de gordura corporal ocorre quando a ingestão de nutrientes é maior
14 que as exigências para mantença e produção (Wettemann & Bossis, 1999, Lake et al., 2004) e
15 a mobilização quando os animais encontram-se em balanço energético negativo (Lake, et al.,
16 2004), ou seja, quando a ingestão de energia é menor que a demanda. O ECC é mencionado
17 ainda, ao parto, como o principal fator determinante do intervalo parto primeiro cio e taxa de
18 prenhez em vacas multíparas (Richards et al., 1986; Selk et al., 1988; Spitzer et al., 1995;
19 Lake et al., 2005) e um confiável indicador da performance reprodutiva pós-parto em
20 primíparas (Wettemann & Bossis, 1999; Morrison et al., 1999; DeRouen et al., 1994).
21 As simulações feitas a partir do modelo permitem avaliar o desempenho reprodutivo
22 do rebanho e estratégias adotadas no manejo referentes à reprodução. Por exemplo, é possível
23 visualizar o desempenho das matrizes conforme ECCPAR. Com essa informação pode-se
24 monitorar as vacas no intuito de que atinjam um ECCPAR que maximize o desempenho
25 reprodutivo, já que o ECCPAR tem mostrado relação com o retorno do ciclo estral seguinte
48
ao parto e com o anestro nutricionalmente induzido (Randel, 1990; Short et 1 al., 1990; Spitzer
2 et al., 1995) e, ainda, Short et al. (1990) indicam que o ECCPAR é o maior determinante do
3 intervalo de anestro pós-parto e que vacas com ECC 5 (escala de 1 a 9, valor 3 na escala de 1
4 a 5) apresentam intervalo de anestro pós-parto menor do que vacas em pior ECC. Ainda nesse
5 sentido, Morrison et al. (1999) diz que a ECCPAR é provavelmente o determinante mais
6 importante da produção de terneiros em vacas de corte adultas. Esses mesmos autores
7 demonstraram que vacas que chegam ao parto com ECC igual a 5 (escala de 1 a 9) têm a
8 mesma performance reprodutiva, independente do ECC anterior ao parto. Com base no
9 exposto acima, foi adotado, para vacas com cria ao pé, o ECCPAR como fator determinante
10 da concepção pós-parto e do IPC.
11 A adoção de um padrão quadrático de resposta para a relação ECCPAR e IPC teve
12 base no conhecimento empírico e na equação gerada a partir dos dados de Osoro & Wright
13 (1992), utilizados no modelo, e suportados pelos dados de DeRouen et al. (1994), Figura 3.
14 Shafer et al. (2007) descrevem que os modelos devem ser compostos com níveis reais de
15 variabilidade e acrescentam ainda que as respostas nem sempre são lineares, exemplificando
16 que na relação intervalo pós parto e gordura corporal existe um segmento da curva que não é
17 linear, pois não há ganho com o acréscimo de gordura corporal. Esse seria o ponto crítico,
18 onde o intervalo pós-parto volta a ser mais longo a medida que o ECC é aumentado. O IPC
19 simulado pelo modelo para uma vaca com ECCPAR de 3 é de 87 dias, o que praticamente
20 garante o objetivo de produção de um parto por ano. Esse valor de IPC está de acordo com os
21 encontrados por Morrison et al. (1999) que foi de 87 dias para vacas com ECCPAR entre 5 e
22 6 e Richard et al. (1986) que encontraram 84 dias para vacas com ECC ≥ 5 (escala de 1 a 9, o
23 valor 5 corresponde a 3 em uma escala de 1 a 5). Lalman et al. (1997), dizem que o ECC está
24 relacionado com a primeira fase luteal normal e, ainda, que ECCPAR foi o melhor indicador
25 do intervalo pós-parto. Esses autores relatam que para cada unidade de
49
40
60
80
100
120
140
160
180
1 2 3 4 5
ECCPAR
IPC, em dias
Osoro e Wright DeRouen et al.
1
Figura 3 – Curva de resposta do IPC de acordo com o ECCPAR com base 2 nos dados de Osoro
3 & Wright (1992), usados no modelo, e DeRouen et al (1994).
4 Figure 3 – Response curve of the calving interval according to the BCS at calving based on the data of
5 Osoro & Wright (1992), used in the model, and DeRouen et al (1994).
6
7 aumento no ECCPAR o intervalo pós-parto é reduzido em 28 dias. Nesse caso, a resposta é
8 linear, ao contrário da resposta quadrática assumida no presente modelo em estudo. Segundo
9 Dunn & Kaltenbach, (1980) o intervalo do parto até o primeiro cio em vacas de corte
10 amamentando varia de 46 a 168 dias. Os dados gerados pela equação de regressão, referentes
11 à relação entre ECCPAR e IPC, tem como valores máximo e mínimo 170 e 78,
12 respectivamente, considerando estes valores como médios. No entanto, no modelo estes
13 valores podem sofrer variações, para mais ou menos, de acordo com o desvio padrão imposto
14 para essa variável, de 5 dias. Ressalta-se que o valor de mínima de 46 dias (Dunn &
15 Kaltenbach, 1980) refere-se ao primeiro cio pós-parto, enquanto no modelo em questão os
16 valores referem-se à concepção. Ainda assim o valor de mínima do modelo é de 78 dias, o que
17 pode ser considerado um pouco elevado, podendo constituir um fator limitante do modelo,
50
embora seja suportado por outros estudos (Lalman et al., 1997; Morrison et 1 al., 1999; Looper
2 et al., 2003).
3 Existem trabalhos que destacam a importância das flutuações no ECC pós-parto
4 (Ciccioli et al., 2003; Lalman et al., 1997; Perry et al., 1991 Vizcarra et al., 1998) e na
5 ingestão de energia pré e/ou pós-parto (Wiltbank et al., 1962) na performance reprodutiva. No
6 entanto, Lalman et al. (1997) ressaltam que, quando vacas primíparas passam por um balanço
7 energético negativo no período pré-parto, o ECCPAR passa a ser o fator mais importante na
8 determinação da duração do período de anestro pós-parto. Ainda, em relação ao período pré9
parto, Morrison et al. (1999) demonstraram que vacas com distintos ECC (4, 5 e 6) no pré10
parto, mas que atingiram o mesmo ECC ao parto (5), tiveram a mesma performance
11 reprodutiva. Nesse trabalho os autores testaram as condições de perda, manutenção e ganho
12 de ECC até o parto, sem encontrar diferenças em variáveis reprodutivas. Essa informação é
13 relevante para o modelo desenvolvido, já que o mesmo não considera essas flutuações de
14 ECC no período pré e/ou pós-parto, o que pode, embora o embasamento bibliográfico
15 favorável à decisão nesse sentido, ser considerado uma limitação do modelo. Já trabalhos
16 onde os autores consideraram diferentes ECCPAR, como o de Lake et al. (2005), no qual as
17 vacas chegaram ao parto com ECC de 4 ou 6 (escala de 1 a 9), embora não tenham sido
18 encontradas diferenças nas taxas de concepção ao primeiro serviço, a taxa de prenhez total foi
19 maior nas vacas com ECCPAR 6. Nesse contexto DeRouen et al. (1994) dizem que as
20 mudanças de PV e ECC no período pré-parto têm menos influência que o ECCPAR na
21 subseqüente performance reprodutiva. Os resultados de DeRouen et al. (1994), Morrison et al.
22 (1999) e Lake et al. (2005), de certa forma, validam o uso do ECCPAR como um bom
23 indicador da performance reprodutiva pós-parto e balizaram a decisão de usar o ECCPAR
24 como fator determinante dessa performance. Além disso, as questões relacionadas a facilidade
51
de aferição do ECC a campo, como já destacado anteriormente, contribuíram 1 para a presente
2 decisão.
3 Outra informação importante gerada pelo modelo e relacionada ao IPC e,
4 consequentemente, ao ECCPAR, é a DCON. No caso da simulação mostrar uma DCON
5 tardia, há possibilidade de duas medidas serem adotadas: 1) se em tempo hábil, modificar o
6 plano nutricional para que as vacas possam chegar ao parto com ECC adequado, isso também
7 é valido para novilhas que estejam abaixo da CCRESC. Spitzer et al. (1995) dizem que a
8 ingestão de nutrientes ao final da gestação e pós-parto pode ser manipulada para que as vacas
9 obtenham ECC específicos que assegurem uma desejada performance reprodutiva; 2) no caso
10 de não haver mais tempo para que, isoladamente, um ajuste no plano nutricional traga
11 respostas satisfatórias, pode-se simular alterações nas datas de IER e FER, ou seja, modificar
12 limites e/ou duração do período de ER, visando uma maior taxa de concepção. Werth et al.
13 (1991) dizem que a ER pode ter a necessidade de ser estendida para incrementar a taxa de
14 prenhez e, consequentemente, a renda líquida. Ao realizar a simulação para tentar melhorar a
15 performance aumentando o período de ER, ou alterando as datas de IER e FER, é possível
16 visualizar os impactos dessas mudanças no PD dos terneiros. Já que alterações na DCON
17 terão impacto na DNASC e, consequentemente, na idade e peso ao desmame e, ainda, na
18 possibilidade de concepção na próxima ER, visto que as matrizes terão um parto tardio e
19 conseqüente menor tempo para re-conceberem. Cabe lembrar que o modelo considera a
20 concepção baseado no IPC e que a mesma é limitada pela duração da ER.
21 O modelo não considera o ECCPAR como um fator que determine o PN, GMDND e
22 PD dos terneiros. Essas variáveis têm caráter estocástico baseado em médias (entradas no
23 modelo) e desvios padrões, para cada variável, incluídos no modelo. Embora já relatada a
24 influência do ECCPAR no PN (Spitzer et al., 1995), os mesmos autores não encontraram
25 diferenças para PD. Em contraposição aos autores citados, Lake et al. (2005) e Ciccioli et al.
52
(2003) não encontram relação entre ECCPAR e PN. Os resultados de Lake 1 et al. (2005),
2 Ciccioli et al. (2003) e DeRouen et al. (1994) concordam com Spitzer et al. (1995), que não
3 encontraram relação entre ECCPAR e PD.
4 Uma limitação do modelo é a não inclusão da idade da vaca como fonte de variação
5 em variáveis como ECCPAR, PN, PD, IPC, TN, TD. Segundo Renquist et al. (2006) a idade
6 da vaca está relacionada com PV, espessura de gordura subcutânea (ECC) e, está
7 correlacionada com taxa de prenhez, IPC, PN e PD. No entanto, decidiu-se não usar mais esta
8 fonte de variação, baseado na premissa de que o aumento de variáveis e parâmetros de um
9 modelo pode torná-lo de mais difícil manipulação e interpretação por parte do usuário, além
10 de aumentar também a probabilidade de propagação de erros. As diferenças encontradas no
11 trabalho de Renquist et al. (2006), embora estatisticamente significativas, são de pequena
12 magnitude. Por exemplo, para peso ao nascimento, a maior e menor médias encontradas, para
13 as diferentes idades, são de 32 e 35, respectivamente. Como o modelo é executado para a
14 maioria dessas variáveis de acordo com uma distribuição normal, com média igual ao valor de
15 entrada no modelo e desvio padrão incluso no modelo, essas diferenças podem ser
16 minimizadas ou, mesmo, geradas pelo caráter aleatório dessas variáveis em cada execução do
17 modelo.
18 Os efeitos de ano, de época do ano, de época de parto, de época de acasalamento,
19 variáveis climáticas e as interações entre esses fatores não são consideradas pelo modelo. É
20 importante observar que esses fatores podem ter influência na resposta reprodutiva, no
21 entanto, pelas mesma justificativas já expostas acima, não foram incluídos no modelo. Outra
22 questão importante de ser ressaltada é o momento da avaliação do ECC. Moraes et al. (2007)
23 dizem que o momento ideal para avaliar o ECC é a partir do 60 dias pós-parto, porque existe
24 variação do ECC do parto até os 60 dias pós-parto (Moraes & Jaume, 2000; Godoy et al.,
25 2004). No entanto no trabalho de Moraes & Jaume (2000) onde o ECC foi avaliado por sete
53
semanas pós-parto houve variação até a quinta semana e essa variação 1 foi de apenas 0,5
2 pontos (escala de 1 a 5) com posterior estabilização do ECC. Da mesma forma, no trabalho de
3 Godoy et al. (2004) em vacas não suplementadas no período do parto aos 112 dias pós-parto
4 houve uma variação de 0,5 pontos (escala de 1 a 9); como a escala é diferente essa variação é
5 ainda menor, já que corresponderia a uma variação de 0,25 na escala de 1 a 5. Já Ruas et al.
6 (2000) não encontraram variação no ECC do parto até os 105 dias pós-parto em vacas
7 mantidas em pastagem formadas predominantemente por capim-jaraguá (Hyparrhenia rufa
8 spp.). O fundamental é que no período pós-parto as vacas, com maior exigência devido a
9 lactação e ainda a necessidade de retornar a ciclicidade normal, devem ter suas exigências
10 plenamente atendidas para que não percam ECC e, assim, garantam um bom desempenho
11 reprodutivo.
12 Futuro desenvolvimento do modelo pode incluir alguns dos fatores citados acima ou
13 mesmo fazer algumas modificações como, por exemplo, inserir o ECC 60 a 80 dias pós-parto
14 ou, ainda, substituir o ECC ao parto pelo ECC 60 a 80 dias pós-parto.
15 Ressalta-se que as simulações podem ser feitas a partir de dados reais (a partir de um
16 relatório) ou estimativas (entradas no modelo) visando testar estratégias no intuito de alterar
17 respostas do sistema e, então, realizar a tomada de decisão. Outro tópico que merece destaque
18 é a maneira como o modelo executa a simulação. Os dados de entrada são simulados
19 individualmente para cada animal, no entanto, os dados de saída são produzidos para o
20 rebanho, ou seja, médias incluindo todas as fêmeas acasaladas.
21
22 CONCLUSÕES
23 O desenvolvimento do modelo contribuiu a uma maior compreensão do sistema
24 estudado e permitiu a simulação do desempenho reprodutivo de vacas de corte a partir do
54
ECCPAR. O uso do modelo para fins de apoio à decisão depende das 1 próximas etapas do
2 trabalho que dizem respeito a verificação, calibração e validação do modelo.
3 Outro aspecto verificado foi a extrema carência de dados produtivos e/ou econômicos
4 para uso nas diversas etapas do desenvolvimento do modelo em estudo, principalmente dados
5 advindos de sistemas de produção, onde não é exercido esse controle. Limitando o maior
6 avanço da ferramenta modelagem e, principalmente um controle efetivo desses sistemas.
7
8 REFERÊNCIAS BIBLIOGRÁFICAS
9 CICCIOLI, N.H.; WETTEMANN, R.P.; SPICER, L.J.; LENTS, C.A.; WHITE, F.J.;
10 KEISLER, D.H. Influence of body condition at calving and postpartum nutrition on
11 endocrine function and reproductive performance of primiparous beef cows. Journal of
12 Animal Science, 81:3107-3120, 2003.
13
14 DeROUEN, S.M.; FRANKE, D.E.; MORRISON, D.G.; WYATT, W.E.; COOMBS, D. F.;
15 WHITE, T.W.; HUMES, P.E.; GREENE, B.B. Prepartum body condition and weight
16 influences on reproductive performance of first-calf beef cows. Journal of Animal
17 Science, 72:1119-1125, 1994.
18
19 DUN, T.G.; KALTENBACH, C.C. Nutrition and postpartum interval of the ewe, sow and
20 cow. Journal of Animal Science. 51 (Suppl. 2): 29. 1980.
21
22 FIALHO, F.B. Sistemas de apoio à decisão na produção de suínos e aves. In: PENZ JÚNIOR,
23 A.M..; AFONSO, L.O.B.; WASSERMANN, G.J. (Ed.). REUNIÃO ANUAL DA
24 SOCIEDADE BRASILEIRA DE ZOOTECNIA, 36, Porto Alegre, 1999. Anais dos
25 Simpósios e Workshops. Porto Alegre: SBZ. p. 307-317, 1999.
26
27 FREITAS FILHO, P. J. Introdução à modelagem e simulação de sistemas, com aplicações
28 em arena. Florianópolis: Visual Books, 2001. 322p
29
30 GODOY, M.M.; ALVES, J.B.; MONTEIRO, A.L.G. VALÉRIO FILHO, W.V. Parâmetros
31 reprodutivo e metabólico de vacas da raça Guzerá suplementadas no pré e pós-parto.
32 Revista Brasileira de Zootecnia, 2004, vol.33, no 1, p.103-111.
33
34 GREGORY, R.M.; ROCHA, D.C. Protocolos de sincronização e indução de estros em vacas
35 de corte no Rio Grande do Sul. In: Biotecnologia da Reprodução em Bovinos, 1°
36 Simpósio Internacional de Reprodução Animal Aplicada. Londrina, PR, 2004. Anais ...
37 Londrina, 2004. p. 246.
38
39 HESS, B.W.; LAKE, S.L.; SCHOLLJEGERDES, E.J.; WESTON, T.R.; AYIGIHUGU, V.;
40 MOLLE, D.C.; MOSS, G.E. Nutritional controls of beef cow reproduction. Journal of
41 Animal Science, 83 (E. Suppl.): E90-E106, 2005.
42
55
LAKE, S.L.; HESS, B.W.; RULE, D.C.; SCHOLLJEGERDES, E.1 J.; NAYIGIHUGU, V.;
2 ATKINSON, R.L.; MURRIETA, C.M. Effects of supplemental high-linoleate or high3
oleate safflower seeds on adipose tissue fatty acids, apparent mobilization, and potential
4 uptake and storage in postpartum cows. Proceedings, Western Section, American Society
5 of Animal Science v. 55: 29-35, 2004.
6
7 LAKE, S.L.; SCHOLLJEGERDES, E.J.; ATKINSON, R.L.; NAYIGIHUGU, V.; PAISLEY,
8 S.I.; RULE, D.C.; MOSS, G.E.; ROBINSON, T.J.; HESS, B.W. Body condition score at
9 parturition and postpartum supplemental fat effects on cow and calf performance. Journal
10 of Animal Science, v. 83: 2908-2917, 2005.
11
12 LALMAN, D.L.; KEISLER, D.H.; WILLIAMS, J.E.; SCHOLLJEGERDES, E.J.;
13 MALLETT, D.M. Influence of postpartum weight and body condition change on duration
14 of anestrus by undernourished suckled beef heifers. Journal of Animal Science, 75:
15 2003-2008, 1997.
16
17 LOOPER, M. L.; LENTS, C.A.; WETTEMANN, R.P. Body condition at parturition and
18 postpartum weight changes do not influence the incidence of short-lived corpora lutea in
19 postpartum beef cows. Journal of Animal Science, v. 81, p. 2390-2394, 2003.
20
LOVATTO P.A. Princípios de modelagem e sua aplicação no estudo de cadeias de produção
agrícola. In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA,
40, 2003. Santa Maria, Anais..., CD-ROM. Palestras.
21
22 LOVATTO, P.A.; SAUVANT, D. Modelagem aplicada aos processos digestivos e
23 metabólicos do suíno. Ciência Rural, Santa Maria, v. 31, n. 4, 2001.
24
25 MORAES J.C.F.; JAUME C.M. A condição corporal como indicativo da atividade ovariana
26 de vacas de corte criadas sob condições extensivas nas primeiras semanas póss-parto.
27 Empresa Brasileira de Pesquisa Agropecuária, Ministério da Agricultura, Pecuária e
28 Abastecimento. Embrapa Pecuária Sul, Boletim de pesquisa 20, Bagé, RS. 2000.
29
30 MORAES J.C.F.; JAUME C.M.; SOUZA C.J.H. Controle da reprodução em bovinos de
31 corte. Empresa Brasileira de Pesquisa Agropecuária, Ministério da Agricultura, Pecuária e
32 Abastecimento. Embrapa Pecuária Sul, Comunicado técnico 58, Bagé, RS. 2005.
33 Disponível em: http://www.cppsul.embrapa.br/public/index.php. Acessado em
34 13/08/2007.
35
36 MORAES J.C.F.; JAUME C.M.; SOUZA C.J.H. Manejo reprodutivo da vaca de corte.
37 Revista Brasileira de Reprodução Animal, Belo Horizonte, v.31, n.2, p.160-166, 2007.
38
39 MORRISON, D.G.; SPITZER, J.C.; PERKINS, J.L. Influence of prepartum body condition
40 score change on reproduction in multiparous beef cows calving in moderate body
41 condition. Journal of Animal Science, v.77, p.1048-1054, 1999.
42
43 OSORO, K.; WRIGHT, I.A. The effect of body condition, live weight, breed, age, calf
44 performance and calving date on reproductive performance of spring calving beef cows.
45 Journal of Animal Science, v.70, p.1661-1666, 1992.
46
56
PERRY, R.C.; CORAH, L.R.; COCHRAN, R.C.; BEAL, W.E.; 1 STEVENSON, J.S.;
2 MINTON, J.E.; SIMMS, D.D.; BRETHOUR, J.R. Influence of dietary energy on
3 follicular development, serum gonadotropins, and first postpartum ovulation in suckled
4 beef cows. Journal of Animal Science, v.69, p.3762-3773, 1991.
5
6 RANDEL, R.D. Nutrition and rebreeding in cattle. Journal of Animal Science, v.68, p.853-
7 862, 1990.
8
9 RENQUIST, B.J.; OLTJEN, J.W.; SAINZ, R.D.; CALVERT, C.C. Relationship between
10 body condition score and production of multiparous beef cows. Livestock Science v.104,
11 p. 147–155, 2006.
12
13 RICHARDS, M.W.; SPITZER, J.C.; WARNER, M.B. Effect of varying levels of pospartum
14 nutrition and body condition at calving on subsequent reproductive performance in beef
15 cattle. Journal of Animal Science, v.62, n.2, p.300-306, 1986.
16
17 RUAS, J.R.M.; TORRES, C.A.A.; VALADARES FILHO, S.C. et al. Efeito da
18 suplementação protéica a pasto sobre consumo de forragens, ganho de peso e condição
19 corporal, em vacas Nelore. Revista Brasileira de Zootecnia, v. 29, no 3, p.930-934, 2000.
20
21 RUTTER, L.M.; RANDEL, R.D. Post-partum nutrient intake and body condition effect on
22 pituitary function and onset of estrous in beef cattle. Journal of Animal Science, v.58, n.
23 2, p.265-273, 1984
24
25 SELK, G.E.; WETTEMANN, R.P.; LUSBY, K.S.; OLTJEN, J.W.; MOBLEY, S.L.; RASBY,
26 R.J.; GARMENDIA, J.C. Relationships among weight change, body condition and
27 reproductive performance of range beef cows. Journal of Animal Science, v.66, p.3153-
28 3159, 1988.
29
30 SHAFER, W.R.; BOURDON, R.M.; ENNS, R.M Simulation of cow-calf production with and
31 without realistic levels of variability. Journal of Animal Science, v.85, p.332-340, 2007.
32
33 SHORT, R.E.; BELLOWS, R.A.; STAIGMILLER, R.B.; BERARDINELLI, J.G.; CUSTER,
34 E.E. Physiological mechanisms controlling anestrous and infertility in post partum beef
35 cattle. Journal of Animal Science, v.68, p.799-816, 1990.
36
37 SIGTECH TECNOLOGIA EM GESTÃO E UNIVERSIDADE FEDERAL DE PELOTAS -
38 UFPel. Rural Fazpec – software de gestão em pecuária. Pelotas, RS, 2005.
39 http://www.aphnet.com.br e www.ufpel.edu.br/nupeec
40
41 SPITZER, J.C.; MORRISON, D.G.; WETTEMANN, R.P.; FAULKNER, L.C. Reproductive
42 responses and calf birth and weanning weights as affected by body condition at
43 parturitation and pospartum weight gain in primiparous cows. Journal of Animal
44 Science, 73:1251-1257, 1995.
45
46 TESS, M.W.; KOLSTAD, B.W. Simulation of cow-calf production system in a range
47 environment: II. Model development. Journal of Animal Science, 78:1159-1169, 2000.
48
49 VIZCARRA, J.A.; WETTEMANN, R.P.; SPITZER, J.C.; MORRISON, D.G. Body condition
50 at parturition and postpartum weight gain influence luteal activity and concentrations of
57
glucose, insulin, and nonesterified fatty acids in plasma of primiparous 1 beef cows.
2 Journal of Animal Science, 76:927-936, 1998.
3
4 WERTH, L.A.; AZZAM, S.M.; NIELSEN, M.K.; KINDER, J.E. Use of a simulation model
5 to evaluate the influence of reproductive performance and management decisions on
6 net income in beef production. Journal of Animal Science, 69:4710-4721, 1991.
7
8 WETTEMANN, R.P.; BOSSIS, I. Energy intake regulates ovarian function in beef cattle .
9 Proceedings of the American Society of Animal Science, 1999.
10
11 WILTBANK, J.N. Research needs in beef cattle reproduction. Journal of Animal Science,
12 31: 755-762, 1970.
13
14 WILTBANK, J.N.; ROWDEN, W.W.; INGALLS, J.E.; GREGORY, K.E.; KOCH, R.M.
15 Effect of energy level on reproductive phenomena of mature Hereford cows. Journal of
16 Animal Science, v.21, p.219-225, 1962.
17
4. ARTIGO 3
VERIFICAÇÃO E CALIBRAÇÃO DO MODELO DE SIMULAÇÃO DO
DESEMPENHO REPRODUTIVO DE VACAS DE CORTE BASEADO NO ESCORE
DE CONDIÇÃO CORPORAL – AVALIAÇÃO INTERNA1
1 Trabalho formatado conforme as normas da Revista Brasileira de Zootecnia, Viçosa, MG.
VERIFICAÇÃO E CALIBRAÇÃO DO MODELO 1 DE SIMULAÇÃO DO
2 DESEMPENHO REPRODUTIVO DE VACAS DE CORTE BASEADO NO ESCORE
3 DE CONDIÇÃO CORPORAL – AVALIAÇÃO INTERNA
4
5 VERIFICATION AND CALIBRATION OF A SIMULATION MODEL FOR
6 REPRODUCTIVE PERFORMANCE OF BEEF COWS BASED ON BODY
7 CONDITION SCORE – INTERNAL EVALUATION
8
9 RESUMO – O objetivo desse trabalho foi demonstrar e fazer a avaliação interna do
10 modelo matemático desenvolvido para descrever o processo reprodutivo em sistemas de
11 produção e simular o desempenho reprodutivo de vacas de corte a partir do escore de
12 condição corporal ao parto (ECCPAR). O modelo é baseado na relação entre o ECCPAR e o
13 intervalo parto concepção (IPC) para vacas com cria ao pé; para novilhas e vacas vazias a
14 concepção foi baseada na probabilidade de ocorrência. Para a avaliação interna do modelo foi
15 utilizada a metodologia de verificação e calibração. O uso da técnica de variação dos dados de
16 entrada foi feita através da construção de cenários, variando ECCPAR, data de início da
17 estação reprodutiva (IER), data média do parto (DPAR) e ganho médio diário do nascimento
18 ao desmame (GMDND). Esses cenários serviram também para a demonstração do modelo.
19 Através da calibração foram escolhidos novos desvios padrão para as variáveis: período de
20 gestação, GMDND e data média do parto (DPAR). Os testes de degenerescência e
21 independência de sementes geradoras de números aleatórios, após a calibração, mostraram a
22 coerência do modelo na geração de aleatoriedade para as variáveis de interesse. A variação
23 nos dados de entrada, mostrou a eficácia do modelo para simular a dinâmica do processo
24 reprodutivo, no entanto ajustes na taxa de concepção de primíparas são necessários para que o
25 modelo simule valores compatíveis com a realidade.
26 Palavras-chave: modelagem, reprodução, simulação, vacas de corte, verificação
27
28 ABSTRACT - The goal of this work was to demonstrate and to perform an internal
29 evaluation of a mathematical model developed to describe the reproductive performance of
30 beef cows using the body condition score at calving (ECCPAR) as the starting point. The
31 model is based on the relationship between ECCPAR and the interval between calving and
60
conception (IPC) for lactating cows; for heifers and open cows the conception 1 is based on the
2 probability of conception. The methodologies of verification and calibration were employed
3 for the internal evaluation of the model. The technique of variation of input data was done
4 based on the construction of scenarios by changing the input values of ECCPAR, starting date
5 of the reproductive season (IER), average date of calving (DPAR), and average daily weight
6 gain from birth to weaning (GMDND). Tests for degenerescence and independence of
7 generated random numbers, after the calibration step, showed the coherence of the model in
8 generating randomness for the variables being studied. Variation on the input data showed
9 that the model was effective to simulate the dynamics of production. Nevertheless,
10 adjustments in conception rate of primiparous females are needed for the model to generate
11 values that are compatible with reality.
12 Key words: beef cows, modeling, reproduction, simulation, model verification
13
14 INTRODUÇÃO
15 A modelagem, processo de construção de um modelo, é sobretudo uma tentativa de
16 integração de diferentes fenômenos, sendo limitada pelos recursos humanos e materiais
17 utilizados na sua construção (Lovatto & Sauvant, 2001) e é baseada, principalmente, na
18 sistematização, o que permite o posicionamento do modelador frente ao estado de
19 conhecimento (Lovatto, 2003). Modelar um sistema é entender seu funcionamento e poder
20 prever o seu comportamento em diferentes condições (Fialho, 1999). Contudo, uma etapa
21 importante no desenvolvimento de um modelo é a sua avaliação. Essa se divide em avaliação
22 interna e externa. A avaliação externa refere-se ao processo de validação do modelo. Já a
23 interna, verifica a coerência no interior do modelo (Lovatto, 2003). A técnica de verificação
24 procura garantir que o programa computacional que suporta o modelo esteja isento de erros
25 (Freitas Filho, 2001).
26 Em um sistema pecuário, existem várias opções e interações entre técnicas de manejo
27 e genética e as limitações de tempo e monetária para avaliar esses sistemas são fatores
28 limitantes. A simulação por computador é uma importante ferramenta para avaliar sistemas
61
pecuários (Tess & Kolstad, 2000), portanto a avaliação, interna e externa, 1 de modelos de
2 simulação é fundamental. Os processos de avaliação podem usar testes estatísticos para
3 comparar resultados simulados com resultados reais; no entanto, Harrison (1990) mostrou que
4 testes estatísticos são inapropriados para validar modelos e sugere que testes subjetivos são
5 mais úteis e confiáveis para avaliar o desempenho dos mesmos. No caso do presente trabalho,
6 a impossibilidade de validar o modelo foi devida a falta de dados reais que contemplem todas
7 a variáveis de entrada e saída contempladas pelo modelo. No entanto, a mais útil avaliação do
8 modelo refere-se à crítica da lógica, às referências de literatura e às suposições usadas na
9 construção do modelo (Tess & Kolstad, 2000).
10 Um modelo teórico do desempenho reprodutivo de vacas de corte baseado no escore
11 de condição corporal foi descrito por Fontoura Júnior et al. (2008). O intuito daquele modelo
12 foi desenvolver uma ferramenta para simular o desempenho reprodutivo e quantificar as
13 mudanças no sistema de cria a partir de estratégias de manejo e/ou alterações das variáveis de
14 entrada no modelo. O objetivo desse trabalho foi demonstrar e fazer a avaliação interna do
15 modelo matemático desenvolvido por Fontoura Júnior et al. (2008) para descrever o processo
16 reprodutivo em sistemas de produção, bem como as simulações de desempenho reprodutivo
17 feitas pelo modelo.
18
19 MÉTODOS
20 Uma lista com acrônimos é apresentada na Tabela 1. O modelo foi desenvolvido e
21 implementado no software RURAL FAZPEC. Trata-se de um modelo empírico, dinâmico que
22 contém elementos determinísticos e estocásticos. A descrição é feita de acordo com os
23 modelos conceituais apresentados nas Figuras 1 e 2, para vacas com cria ao pé e novilhas ou
24 vacas solteiras, respectivamente. Os componentes do modelo e suas formas de funcionamento
25 foram descritos por Fontoura Júnior et al. (2008).
62
Tabela 1 – Acrônimos e suas definições conforme usado no texto e nos modelos 1 conceituais.
2 Table 1 - Acronyms and their definitions as used in the text and in the conceptual model.
CCRESC – Curva de crescimento para novilhas
CON – concepção, o fato de conceber
DCON – Data da concepção
DDESM – Data do desmame
DID – Dias ao desmame
DNASC – Data do nascimento
DPAR - Data do parto
DPARprox – Data do próximo parto
ECC – Escore de condição corporal, escala de 1 a 5
ECCPAR – Escore de condição corporal ao parto, escala de 1 a 5
EP – Estação de parição, período
ER – Estação reprodutiva, período
FEP - Fim da estação de parição, data
FER – Fim da estação reprodutiva, data
GMD – Ganho médio diário, em kg/animal/dia
GMDND – Ganho médio diário do nascimento à desmama, em kg/animal/dia
GNA – Gerador de variável aleatória
IEP – Início da estação de parição, data
IER – Início da estação reprodutiva, data
INOV – Idade da novilha, em dias
IPC – Intervalo parto-concepção, em dias
IPUB – Idade à puberdade, em dias
MORTDESM – Taxa de mortalidade até o desmame, %
NNOV – número de novilhas
PCON – Probabilidade de concepção, em %
PD – Peso ao desmame, em kg
PER – Peso da novilha ao início da estação reprodutiva, kg
PN – Peso do terneiro ao nascimento, em kg
PPUB – Peso da novilha à puberdade, em kg
PRIM – Vacas primíparas, número de animais
PUB – Puberdade
TCON – Taxa de concepção, em %
TD- Taxa de desmame, em %
TDESC – Taxa de descarte, em %
TN – Taxa de natalidade, em %
VREPRO – Vacas em reprodução, número de animais
3
63
1
Figura 1 – Modelo conceitual da vida reprodutiva, em kg de terneiro desmamado, de 2 vacas de corte a
3 partir do ECC ao parto.
4 Figure 1 – Conceptual model of the reproductive life, in kg of weaned calf, of beef cows from the BCS at calving.
5
6 As metodologias adotadas para avaliação interna do modelo foram a calibração e a
7 verificação. A calibração tem por finalidade promover ajustes de alguns parâmetros do
8 modelo para que os resultados simulados tenham um comportamento semelhante aos
9 resultados reais ou experimentais (Vargas et al., 2006). Já a verificação, considerando que
10 modelos são construídos a partir de uma série de pressupostos e simplificações sobre o
11 comportamento do sistema real, consiste em avaliar se esses foram corretamente
12 implementados no modelo computacional. As técnicas de verificação adotadas nesse trabalho
13 foram as de: variações sobre os dados de entrada, emprego de testes de degenerescência e
14 independência de sementes geradoras de números aleatórios (Freitas Filho, 2001). Já a
IER
FER
IPC e/ou PCON
Fora da ER
ECCPAR
TN
DDESM
PD
GMDND
DPAR e PN
Dias ao
desmame
DNASC PN
ER
Vacas
paridas
DPAR
Descarte
A
a
A
A
TDesc
VREPRO
Relatório de
parição
IPC e/ou
Vacas vazias PCON
Kg de terneiro
desmamado/
vaca/ano
Novilhas
Terneiros
desmamados
MORTDESM
Modelo novilhas
(Figura 2)
Vazias
Dentro da ER
20% PRIM
64
1
2
3
4
5
6
7
8
9
10
Figura 2 – Modelo conceitual da concepção em novilhas baseado na curva de crescimento, 11 idade da
12 novilha, probabilidade de concepção, idade a puberdade e peso a puberdade.
13 Figure 2 – Conceptual model of conception in heifers based on the curve of growth, weight to the onset of the
14 reproductive season, probability of conception, age at puberty, and weight the at puberty.
15
16 calibração foi utilizada para avaliar os parâmetros (desvios padrões) utilizados quando
17 empregada a aleatoriedade através de distribuições normais.
18 Descrição das técnicas de verificação segundo Freitas Filho (2001) e variáveis testadas
19 para cada técnica:
20 Variações sobre os dados de entrada – Consiste em alterar os dados de entrada do modelo e
21 verificar se as respostas são adequadas e consistentes, pois variando-se os dados de entrada é
22 esperado que os resultados (saídas) sofram variações condizentes. Esse teste foi utilizado para
23 avaliar o modelo de uma maneira geral, criando cenários (conforme abaixo) caracterizados
24 por variações nos valores de entrada do modelo e, posterior, análise e discussão dos dados de
25 saída do modelo.
ER 21 dias
21 dias PCON
= CCRESC
PUB
PUB
Modelo vacas
Figura 1
PPUB IPUB
GMD
IER
FER
INOV
CON Não CON
CCRESC
21 dias
NNOV
PER
65
Emprego de testes de degenerescência – consiste em verificar o funcionamento 1 do modelo
2 quando, sobre os parâmetros, aplicam-se valores extremos (menores ou maiores) que os
3 permitidos. Este teste foi usado para testar a coerência e eficiência de variáveis com valores
4 de máximo e mínimo, sendo elas: DPAR, IPC mínimo, PN, GMDND. O intuito é gerar
5 valores, de acordo com os desvios padrão proposto para cada variável, e verificar se o modelo
6 retorna valores que não extrapolem os limites impostos ao modelo.
7 DPAR – os valores de máximo e de mínimo para essa variável devem ser, respectivamente,
8 menor ou igual à data de FEP e maior ou igual à data de IEP. Ou seja, esses valores devem
9 pertencer ao intervalo de estação de parição.
10 IPC – o modelo deve levar em consideração o período de puerpério das vacas, sendo o valor
11 de IPC maior que 42 dias.
12 PN – os valores de máximo e mínimo para essa variável foram estabelecidos em 50 kg e
13 15kg, respectivamente (Gunski et al., 2001).
14 GMDND – os valores de máximo e mínimo para essa variável foram estabelecidos em 1,6 e
15 0,150 kg/animal/dia, respectivamente (Teixeira & Albuquerque, 2003).
16 Para as variáveis PN e GMDND, foram estabelecidos esses limites no intuito de evitar erros,
17 inclusive de digitação.
18 Independência de sementes geradoras de números aleatórios – as sementes geradoras de
19 números aleatórios não devem influenciar o comportamento geral dos resultados. Diferenças
20 nos valores retornados pelos geradores de números aleatórios, entre as diversas rodadas de
21 simulação, são esperadas, mas tais diferenças, considerando-se as médias de diversas
22 amostras (rodadas) devem ser mínimas, caracterizando que estas são devidas aos processos
23 aleatórios envolvidos no sistema real e bem representados no modelo. Para o modelo foram
24 utilizadas distribuições normais e GNAs (geradores de números aleatórios) para as seguintes
25 variáveis: PN e DPAR (que é igual a DNASC) quando esses não forem lidos do relatório de
66
parição e, ainda para IPC (valor aleatório somado ao resultado da equação 1 que determina o
2 IPC com base no ECCPAR), GMDND, duração da gestação e, somente para novilhas, PER.
3 Para essa análise foram confrontados os dados de uma rodada de simulação com os dados
4 médios de 30 rodadas de simulação, sendo um número total de 300 animais para cada rodada
5 do modelo.
6 Os histogramas usados para os testes de calibração, emprego de testes de
7 degenerescência e independência de sementes geradoras de números aleatórios foram feitas
8 no programa R (R Development Core Team, 2007).
9 Cenários - os cenários simulados foram construídos baseados na variação das variáveis de
10 entrada do modelo. Para o ECCPAR foram utilizados 3 cenários que constaram da variação
11 no ECCPAR, sendo: ECC2, ECCPAR igual 2, ECC3, ECCPAR igual a 3 e ECC4, ECCPAR
12 igual a 4. As variáveis IER, ER, DPAR média, GMDND, DDESM, PN, duração da gestação e
13 MORTDESM, % de PRIM e PER, foram mantidas fixas para os 5 anos e iguais a: 01/11, 85,
14 10/10, 0,650, 15/04, 30, 282, 0, 20 e 260 respectivamente. Os outros cenários foram baseados
15 na variação do IER, DPAR (média), GMDND e ECCPAR, conforme Figura 4. Se todas essas
16 variações fossem geradas ter-se-ia um total de 27 cenários, o que dificultaria a análise e
17 interpretação dos resultados. Portanto, foram simulados, em um primeiro momento os 3
18 cenários de variação de ECCPAR. O intuito inicial foi demonstrar, avaliar e verificar a
19 consistência dos dados de saída do modelo de acordo com as variações no ECCPAR. Foi feita
20 uma rodada de simulação para cada cenário e, para cada rodada, um número total de vacas
21 igual a 500 foi utilizado. Em um segundo momento, foram testadas variações nas variáveis
22 IER, DPAR, GMDND e ECCPAR, sendo que o ECCPAR foi mantido constante, para 8
23 cenários e ao longo dos cinco anos, ECCPAR=3, exceto para um cenário que foi igual a 2.
24 Foram utilizados três datas (cenários) para IER, 15/10, 01/11 e 30/11, sendo que a DPAR e
25 GMDND foram mantidos fixos e iguais a 10/10 e 0,650 kg/animal/dia, respectivamente; três
67
datas para DPAR média, 20/09, 10/09 e 30/10, sendo que o IER e o GMDND 1 foram mantidos
2 fixos e iguais a 01/11 e 0,650 kg/animal/dia, respectivamente; e dois valores de GMDND,
3 0,500 e 0,800 kg/animal/dia, sendo que o IER e a DPAR foram mantidos fixos e com valores
4 igual a 01/11 e 10/10, respectivamente. O único cenário que variou ECC, que foi igual a 2,
5 utilizou IER igual a 01/11, DPAR igual a 10/10 e GMDND igual a 0,800 kg/animal/dia. Os
6 cenários foram denominados da seguinte maneira: 01/11, 15/11 e 30/11 para variação no IER,
7 20/09, 10/10 e 30/10 para DPAR, 500 e 800 para GMDND e ECC2, conforme Figura 4.
8 O intuito de variação no ECCPAR, que teve, com exceção do ECC2, os mesmos
9 valores de entrada do cenário 800, foi avaliar e demonstrar o impacto dessa variável sobre os
10 dados de saída. Nesse segundo momento, o objetivo foi demonstrar e verificar a consistência
11 dos dados de saída de acordo com as variações nas variáveis mencionadas. Foram feitas 30
12 rodadas de simulação para cada cenário com um número total de vacas igual 300.
13 Para o primeiro e segundo momentos considerou-se a primeira EP e ER na primavera
14 de 2007, desmame em abril de 2008 e próxima EP na primavera de 2008.
15
16 Figura 3 – Estrutura dos cenários montados para verificação do modelo, mostrando as 3 combinações
17 de acordo com a variação no ECCPAR, enquanto as outras variáveis se mantêm fixas.
18 Figure 3 – Structure of the scenarios used for model verification with variation only on ECCPAR while all other
19 inputs are kept constant.
2
3 01/11 10/10 0,650
4
ECCPAR IER DPAR GMDND
68
1
Figura 4 – Estrutura dos cenários montados para verificação do modelo, com variação 2 no IER, DPAR
3 (3) e GMDND (2 cenários) com ECC fixo e igual a 3, com exceção do último cenário que é simulado
4 com ECCPAR igual a 2.
5 Figure 4 – Structure of the scenarios used for model verification, with variation occurring on IER, DPAR (3),
6 GMDND (2 scenarios), and ECC fixed at value 3, except for the last scenario that was simulated with ECCPAR
7 at value 2.
8
9 RESULTADOS E DISCUSSÃO
10 Os resultados da calibração e do emprego dos testes de degenerescência e de
11 independência de sementes geradoras de números aleatórios são apresentados nas figuras 5, 6,
12 7, 8, 9 e 10 para as variáveis: período de gestação, PN, IPC, GMDND, DPAR/DNASC e
13 PER, respectivamente.
14 Na figura 5A, encontram-se os testes de calibração para período de gestação, onde foi
15 avaliado o DP = 2 dias proposto por Fontoura Júnior et al. (2008) e dois DP maiores: 5 e 8
Variação na DPAR
IER
0,800
0,500
Variação no GMDND
Variação no IER
2 01/11 10/10 0,800
3
20/09
30/10
01/11 0,650
3 01/11 10/10
ECCPAR DPAR GMD
15/11
15/10
10/10
0,650
Variação no ECCPAR
3 01/11 10/10
69
dias com X =282 dias. Com base na análise da figura 5A, através da calibração, 1 foi redefinido
2 o DP adotado no modelo conceitual (Fontoura Júnior et al., 2008), sendo o novo DP= 5 dias.
3 Paschal et al. (1991) dizem ser o período de gestação de 282 para Bos taurus e 292 dias em
4 média para Bos indicus e relatam DP médios de 1,5 dias para essa variável. Esses valores
5 estão de acordo com os de Rocha et al. (2005) no que se refere ao período de gestação, os
6 valores de DP encontrados por esses autores são de 8 a 10 dias. Cavalcante et al. (2001)
7 encontraram valores de DP= 3,65 dias e período de gestação de 284 dias para a raça Nelore.
8 Rocha et al. (2005) encontraram, ainda, amplitude de variação de 40 dias para o período de
9 gestação. Os dados simulados pelo modelo, Figura 5A, tem amplitude, para o DP=5 dias, de
10 30 dias, para essa rodada do modelo. As considerações anteriores corroboram para a mudança
11 no DP proposto por Fontoura Júnior et al. (2008), passando-se a adotar então o DP= 5 dias.
12 Na figura 5B é apresentado o histograma com o teste de independência de sementes geradoras
13 de números aleatórios, com X = 282 e DP=5 para 1 e 30 rodadas de simulação. Observa-se na
14 figura a coerência do modelo, visto que em 30 rodadas de simulação as variações foram
15 mínimas, caracterizando que a maior amplitude de variação relativas a uma rodada são
16 devidas ao processo aleatório e caracterizam o sistema real.
17 Na figura 6A, é mostrado o histograma usado para a calibração do DP relativo à
18 variável PN, onde foram testados três diferentes DP: 1, 2 e 3 kg, com X = 30 kg. O valor de 2
19 foi proposto por Fontoura Júnior et al. (2008). Para PN foi confirmado o uso do DP= 2 kg.
20 Lopes et al. (2008) encontraram, para a raça Nelore, desvios padrões de 2,96, 2,88 e 2,43 kg
21 para diferentes ambientes, sendo Rio Grande do Sul, Santa Catarina e Paraná,
22 respectivamente. Já o teste de degenerescência, para o DP adotado, não acusou valores fora do
23 limites máximo e mínimo impostos para essa variável, conforme histograma da Figura 6A,
24 confirmando a viabilidade de uso do DP adotado. Cabe ressaltar que foram testados, em uma
25 primeira análise, DP de 5, 3 e 1 kg, porém o uso de DP= 5 extrapolou os limites mínimo e
70
máximo, para várias rodadas do modelo, ou seja, houve valores maiores que 1 50 e menores que
2 15 kg. Baseado isso, foi decidido rodar o modelo com outros valores de desvio-padrão, sendo:
3 3, 2 e 1 kg.
4 A figura 6B mostra o histograma com o teste de independência de sementes geradoras
5 de números aleatórios com valores gerados por 1 e 30 rodadas do modelo. O DP e X
6 utilizados para construção da análise foram, respectivamente, 2 e 30 kg. No histograma fica
7 evidenciado o bom comportamento do modelo, visto que as variações em torno da média são
8 maiores, quando se compara os valores de uma com 30 trinta rodadas do modelo, visto que é
9 esperada uma maior variância para um conjunto de dados do que para a média de 30. Essa
10 justificativa também é válida para os histogramas a seguir, referentes aos teste de
11 independência de sementes geradoras de números aleatórios.
A
Período de gestação (dias)
Frequência absoluta (Número de animais)
260 270 280 290 300 310
0 50 100 150 200
B
Período de gestação (dias)
Frequência absoluta (Número de animais) 260 270 280 290 300
0 50 100 150 200 250
12
13 Figura 5 - Período de gestação, em A: – calibração e teste de degenerescência, com X = 282, e DP=2
14 (coluna preta), 5 (borda preta) e 8 (borda cinza); em B: teste de independência de sementes geradoras
15 de números aleatórios, com X = 282 e DP=5 para 1 rodada (bordas pretas) e 30 rodadas (coluna preta)
16 de simulação.
17 Figure 5 – Gestation length; A – calibration and degenerescence with X = 282 and DP=2 (black bars), 5 (black
18 contour) and 8 (gray contour); B – test of independence of random number seeds with X = 282 and DP=5 for
19 one round (black contour) and 30 rounds (black bars) of simulation.
71
A
Peso ao nascimeno (kg)
Frequência absoluta (Número de animais)
15 20 25 30 35 40 45
0 50 100 150 200 250
B
Peso ao nascimeno (kg)
Frequência absoluta (Número de animais)
20 25 30 35 40
0 50 100 150 200 250
1
Figura 6 - Peso ao nascimento (PN), em A: calibração e teste de degenerescência, 2 com X = 30, e
3 DP=1 (coluna preta), 2 (borda preta) e 3 (borda cinza); em B: independência de sementes geradoras de
4 números aleatórios, com X = 30 e DP=2 para 1 rodada (bordas pretas) e 30 rodadas (coluna preta) de
5 simulação.
6 Figure 6 – Birth Weight; A – calibration and degenerescence with X = 30 and DP=1 (black bars), 2 (black
7 contour) and 3 (gray contour); B – test of independence of random number seeds with X = 30 and DP=2 for
8 one round (black contour) and 30 rounds (black bars) of simulation.
9
10 Os valores de DP para a variável IPC, são mostrados na figura 7. Em 7A foram
11 testados três desvios padrões 3, 5 e 7 dias com X = 87 dias. Foi adotado o valor de 5 dias,
12 conforme Fontoura Júnior et al. (2008). O DP adotado caracteriza uma amplitude que
13 interessa ao modelo no intuito de melhor representar a realidade, visto que valores de ECC
14 diferentes podem ter, não frequentemente, o mesmo valor de IPC, o que é observado em
15 sistemas de cria. Os histogramas da figura 7C e 7D confirmam esse pressuposto, pois aplicado
16 aleatoriedade para diferentes ECC (2, 3 e 4) os valores extremos de cada ECC são
17 congruentes. A avaliação do DP= 7 no histograma 7D teve como objetivo verificar qual
18 desvio representa melhor o pressuposto de equivalência de valores para os limites extremos de
19 cada ECC. A análise confrontada desse histograma com o 7C contribuiu para a escolha do
20 DP= 5, pois o DP= 7 dias, gera um número muito grande de valores equivalentes para IPC
72
para vacas com diferentes ECCPAR, o que não representa a variação existente 1 nos sistemas
2 de produção.
A
IPC (dias)
Frequência absoluta (Número de animais)
60 70 80 90 100 110 120
0 50 100 150 200 250
B
IPC (dias)
Frequência absoluta (Números de animais)
60 70 80 90 100 110 120
0 50 100 150 200 250
3
C
IPC (dias)
Frequência absoluta (Número de animais)
60 80 100 120 140
0 50 100 150 200 250
D
IPC (dias)
Frequência absoluta (Número de animais)
60 80 100 120 140
0 50 100 150 200 250
4
5 Figura 7 - IPC, em dias, em A: calibração e teste de degenerescência, com X = 87, e DP=3 (coluna
6 preta), 5 (borda preta) e 7 (borda cinza); em B: independência de sementes geradoras de números
7 aleatórios, com X = 87 (ECC=3) e DP=5 para 1 rodada (bordas pretas) e 30 rodadas (coluna preta) de
8 simulação; em C: IPC para ECC 2 (bordas vermelhas), 3 (bordas pretas) e 4 (bordas cinzas) para um
9 DP= 5; em D: idem C, com exceção do DP= 7.
10 Figure 7 – IPC, in days; A – calibration and degenerescence with X = 87 and DP=3 (black bars), 5 (black
11 contour) and 7 (gray contour); B – test of independence of random number seeds with X = 87 and DP=5 for
12 one round (black contour) and 30 rounds (black bars) of simulation; C – IPC for ECC 2 (red contour), 3 (black
13 contour), and 4 (gray contour) for DP=5; D – same as C, except for DP=7.
14
73
O histograma 7B mostra o teste de independência de sementes geradoras 1 de números
2 aleatórios com valores gerados por uma e 30 rodadas do modelo, com X = 87 e DP= 5 dias. O
3 comportamento do modelo foi adequado, pois as variações em torno da média foram maiores,
4 quando comparados os valores de uma ou 30 rodadas do modelo. A argumentação é a mesma
5 referente aos histogramas 5B e 6B, no que tange o objetivo da técnica de verificação.
6 A figura 8A mostra o histograma relativo à variável GMDND, em kg/animal/dia, com
7 X = 0,550 e DP= 0,025, 0,050 e 0,100 kg. O DP original proposto no desenvolvimento do
8 modelo (Fontoura Júnior et al., 2008) foi de 0,100 kg, no entanto, após análise do histograma
9 8A foi reconsiderado esse valor e feita a opção pelo DP= 0,050. Embora alguns autores,
10 relatem desvios padrão maiores que o adotado no modelo, por exemplo, Teixeira e
11 Albuquerque (2003) relatam DP= 0,160 kg/dia, a análise dos histogramas 8C e 8D permitiu
12 optar pelo uso do DP= 0,050, visto que desvios menores (0,025) não gerariam dados
13 congruentes, o que, do ponto de vista do modelo, quanto a representação da realidade, não é
14 interessante.
15 Em 8B, no teste de independência de sementes geradoras de números aleatórios, foram
16 confrontados os dados de uma contra 30 rodadas do modelo, ambos com X = 0,550 e DP=
17 0,050 kg/animal/dia; conforme já discutido nos histogramas 5B, 6B e 7B, os dados seguiram
18 o comportamento esperado para esse tipo de variável.
19 Na figura 9A, encontram-se os testes de calibração e degenerescência para a variável
20 DPAR/DNASC. A média foi considerada a DPAR média, e o DP um valor percentual em
21 cima do período de ER, que para essa análise foi um período de 90 dias. Para a construção dos
22 histogramas a DPAR média foi considerada como dia zero. Foram utilizados DP=10%, 20% e
23 30%, o que corresponde em dias, para o período de ER considerado, a: 9, 18 e 27 dias,
24 respectivamente. A figura 9A mostra a inviabilidade de uso de DP igual ou superior a 20%,
25 visto que esse extrapola os limites mínimos e máximos referentes à EP. Com base nisso o
74
A
GMDND (kg/animal/dia)
Frequência absoluta (Número de animais)
0.2 0.4 0.6 0.8 1.0
0 50 100 150 200
B
GMDND (kg/animal/dia)
Frequência absoluta (Número de animais)
0.3 0.4 0.5 0.6 0.7 0.8
0 20 40 60 80 100
1
C
GMDND (kg/animal/dia)
Frequência absoluta (Número de animais)
0.2 0.4 0.6 0.8 1.0
0 20 40 60 80 100
D
GMDND (kg/animal/dia)
Frequência absoluta (Número de animais)
0.2 0.4 0.6 0.8 1.0
0 50 100 150 200
2
3
4 Figura 8 - GMDND, em kg/animal/dia, em A: calibração e teste de degenerescência, com X = 0,550, e
5 DP= 0,025 (coluna preta), 0,050 (borda preta) e 0,100 (borda cinza); em B: independência de sementes
6 geradoras de números aleatórios, com X = 0,550 e DP= 0,050 para 1 rodada (bordas pretas) e 30
7 rodadas (coluna preta) de simulação; em C: Teste com GMDND de 0,400 (bordas cinzas), 0,550
8 (bordas pretas) e 0,700 (bordas vermelhas) para um DP= 0,050 e em D: idem C, com exceção do DP=
9 0,025.
10 Figure 8 – GMDND, in kg/animal/day; A – calibration and degenerescence with X = 0.550 and DP=0.0252
11 (black bars), 0.050 (black contour) and 0.100 (gray contour); B – test of independence of random number seeds
12 with X = 0.550 and DP=0.050 for one round (black contour) and 30 rounds (black bars) of simulation; C – test
13 with GMDND of 0.400 (gray contour), 0.550 (black contour), and 0.700 (red contour) for DP=0.050; D – same
14 as C, except for DP=0.025.
15
16 modelo assume o DP de 10%, como uma re-opção, através da calibração e teste de
17 degenerescência, ao DP proposto no modelo original (Fontoura Júnior et al. 2008). Em 9B, a
75
aplicação do teste de independência de sementes geradoras de números 1 aleatórios, com X =
2 DPAR média e DP= 10%, para 1 e 30 rodadas de simulação. Conforme já discutido nos
3 histogramas 5B, 6B, 7B e 8B os dados mostram o comportamento esperado para as rodadas
4 de simulação.
5 Os histogramas relativos à variável PER encontram-se na Figura 10. Em 10A,
6 calibração e teste de degenerescência, com peso X = 280, e DP= 10, 20 e 30 kg. Com base na
7 análise do histograma 5A foi feita a opção pelo uso de um DP=10, visto que aproxima-se
8 mais do caráter aleatório que foi pretendido no modelo. Em 5B, o teste de independência de
9 sementes geradoras de números aleatórios, com X = 280 e DP= 10 kg para 1 e 30 rodadas de
10 simulação. O modelo mostrou a mesma coerência já discutida para outras variáveis em que foi
11 aplicado o mesmo teste.
A
Data do nascimento/parto, desvios em relação a média (dias)
Frequência absoluta (Número de animais)
-50 0 50
0 50 100 150 200 250
B
Data do nascimento/parto, desvios em relação a média (dias)
Frequência absoluta (Número de animais)
-40 -20 0 20 40
0 50 100 150 200 250
12
13 Figura 9 - DPAR E DNASC, desvios em dia em relação à data X de parto, em A: calibração e teste de
14 degenerescência, com X = data X (igual ao dia 0), e DP=10% (coluna preta), 20% (borda vermelha) e
15 30% (borda cinza); em B: independência de sementes geradoras de números aleatórios, com X = data
16 X e DP= 10% para 1 rodada (bordas pretas) e 30 rodadas (coluna preta) de simulação;
17 Figure 9 – DPAR and DNASC as deviations from the average date of parturition; A – calibration and
18 degenerescence with X =0 and DP of 10% (black bars), 20% (red contour) and 30% (gray contour); B – test of
19 independence of random number seeds with X = 0 and DP=10% for one round (black contour) and 30 rounds
20 (black bars) of simulation.
76
A
Peso ao ínicio da ER (kg)
Frequência absoluta (Número de animais)
200 250 300 350
0 50 100 150 200 250
B
Peso ao ínicio da ER (kg)
Frequência absoluta (Número de animais)
240 260 280 300 320 340
0 50 100 150 200 250
1
Figura 10 - PER, em kg PV/animal, em A: calibração e teste de degenerescência, 2 com peso X = 280, e
3 DP= 10 (coluna preta), 20 (borda vermelha) e 30 kg (borda cinza); em B: independência de sementes
4 geradoras de números aleatórios, com X = 280 e DP= 10 kg para 1 rodada (bordas pretas) e 30
5 rodadas (coluna preta) de simulação;
6 Figure 10 – PER in kg PV/animal; A – calibration and degenerescence with X =280 and DP of 10 (black bars),
7 20 (red contour) and 30kg (gray contour); B – test of independence of random number seeds with X = 280 and
8 DP=10kg for one round (black contour) and 30 rounds (black bars) of simulation.
9
10 Os resultados referentes às taxas de concepção para vacas, novilhas, primíparas,
11 concepção geral e kg de terneiro desmamado por vaca por ano, de acordo com a variação do
12 ECCPAR, encontram-se na Tabela 2. De uma maneira geral, o modelo teve comportamento
13 satisfatório. As taxas de concepção foram maiores à medida que foi aumentado o ECCPAR. A
14 variação nas taxas de concepção entre anos, para o cenário ECC2, era esperada, pois a baixa
15 concepção em um ano acarretará maior concepção no outro. Isto ocorre porque o modelo
16 trabalha com número fixo de vacas ao longo dos anos, com reposição e descarte igual a 20%.
17 Como a taxa de concepção é baixa para o ECCPAR igual a 2, o modelo assume para o outro
18 ano um dado número de vacas vazias. Essas terão taxas de concepção maior, o que conduzirá
19 uma maior taxa de concepção geral para o dado ano.
77
As taxas de concepção para novilhas foram consistentes, visto 1 que as novilhas
2 entraram na ER com 10 kg abaixo do PPUB; caso o PER fosse igual ao PPUB no IER, essas
3 taxas seriam maiores. Como o peso médio foi mantido fixo para todos os anos, as taxas foram
4 semelhantes, com pequenas variações ocasionadas pelo caráter aleatório do PER, essas
5 variações no peso são responsáveis pela oscilação na taxa de concepção.
6 As taxas de concepção para prímiparas é um ponto a ser revisto no modelo, já que
7 estão superestimadas, com exceção do ano 1, para o cenário 2 e 3, que tiveram taxas
8 subestimadas. Mesmo assim, a concepção em primíparas é coerente no que se refere ao
9 ECCPAR, sendo maiores à medida que o ECCPAR aumenta. Cabe ressaltar que as taxas de
10 concepção para primíparas nos cenários 3 e 4, embora teoricamente superestimadas, para
11 esses valores de ECC, raros em sistemas reais para essa categoria, devem realmente ser altas.
12 O ponto que deve ser re-calibrado é magnitude desse aumento, no entanto, o aumento é
13 esperado quando se aumentam os ECCPAR sobretudo para essa categoria. A re-calibração
14 será feita com base na análise de sucessivas rodadas do modelo.
15 O aumento nas taxas de concepção, para os cenários 3 e 4, ao longo dos anos, é
16 coerente, pois como se trata de ECC altos, os IPC são baixos e as vacas vão, a medida que
17 avançam os anos, tendo partos menos tardios e aumentam a probabilidade de concepção.
18 A saída kg de terneiros desmamados/vaca/ano teve um comportamento adequado
19 sendo maior à medida que foi aumentado o ECCPAR das vacas. Esse aumento encontra
20 suporte na maior taxa de concepção, consequentemente maior número de terneiros
21 desmamados, pois o modelo não considera o GMDND como fator dependente do ECCPAR.
22 Na Tabela 3, encontram-se os resultados, referentes ao segundo momento de testes de
23 variações sobre os dados de entrada, de DPAR, PN, DID, PD, IPC, DCON, DPARprox e
24 TCON para os cenários com variação na data de IER, DPAR, GMDND e ECCPAR.
25
78
Tabela 2 – Taxa de concepção para vacas, novilhas, primíparas, concepção geral 1 e kg de terneiro
2 desmamado/vaca/ano para os cinco anos de simulação de acordo com a variação no ECCPAR.
3 Table 2 – Conception rates for cows, heifers, primiparous, and overall, and kg of weaned calves/cow/year for
4 the five simulated years, according to the variation on ECCPAR.
Cenário Taxa de Anos
concepção
1 2 3 4 5 Média
kg de terneiro/
vaca/ano
Vacas 5,8 71,7 43,2 19,9 42,3 37
2 Novilhas 76,0 81,0 78,0 86,0 74,0 79
Primíparas 0,0 46,1 46,9 38,5 36,0 33
Geral 16,5 69,0 49,6 34,0 46,5 43 75,0
Vacas 93,0 81,4 82,2 84,8 89,0 86
3 Novilhas 80,0 74,0 79,0 82,0 82,0 79
Primíparas 15,0 72,5 73,0 79,7 84,1 65
Geral 77,8 78,7 80,1 83,5 87,0 81,4 116,8
Vacas 99,0 99,5 99,5 99,5 97,4 99
4 Novilhas 75,0 82,0 84,0 76,0 81,0 80
Primíparas 38,0 88,0 74,1 86,9 77,6 73
Geral 84,8 94,7 92,7 93,5 91,4 91 129,8
5
6 Analisando os dados de saída, referentes a variação no IER, observa-se a coerência e
7 eficácia do modelo nos resultados simulados. As variáveis DID, PD não sofrem variação
8 conforme varia a data IER, o que segue a lógica proposta pelo modelo, pois essas variáveis
9 não são influenciadas pela data IER. Já variáveis como IPC e IEP, sofreram variações
10 pequenas o que é bastante coerente, visto que essas pequenas variações são devidas a maior
11 probabilidade de concepção quando se usa IER mais tardios, o que ocasiona maior TCON
12 (ver TCON, Tabela 3), contudo com pequenos aumentos no IPC e, consequentemente, no
13 IEP, devido a possibilidade de concepções mais tardias. A necessidade de atrasar o IER ou
14 aumentar o período de ER é destacada por Werth et al. (1991) no sentido de incrementar a
15 taxa de prenhez em vacas de corte.
79
As variações na DPAR (média) também tiveram coerência nos 1 dados de saída. Ao
2 contrário do cenário anterior, houve diminuições nos valores de saída para DID, PD, IPC, IEP
3 Tabela 3 - Resultados de DPAR (data), PN (kg), DID (dias), PD (kg), IPC (dias), DCON (data),
4 DPARprox. (data) e TCON (%) para os cenários montados a partir da variação do IER, DPAR e
5 GMDND. O ECCPAR foi fixo e igual a 3, com exceção do cenário ECC2 (ECCPAR=2); a duração da
6 ER foi de 90 dias e data do desmame foi 15/04/08 para todos os cenários.
7 Table 3 - Results of DPAR (date), PN (kg), DID (days), PD (kg), IPC (days), DCON (date), DPARprox (date)
8 and TCOn (%) for the studied scenarios assembled based on variation of IER, DPAR, and GMDND. ECCPAR
9 was kept constant at 3 except for scenario ECC2 (ECCPAR=2); duration of ER was of 90 days and weaning
10 date was set at 04/15/08 for all scenarios.
Cenários DPAR PN
(kg)
DID
(dias)
PD
(kg)
IPC
(dias)
IEP
(dias)
DCON DPAR
próximo
TCON
(%)
01/11 09/10/07 29,9 188 152,3 86 368 01/01/08 08/10/08 65,4
15/11 09/10/07 29,9 188 152,2 89 370 06/01/08 13/10/08 86,5
31/11 09/10/07 29,9 188 152,1 92 373 09/01/08 16/10/08 95,9
20/09 20/09/07 30,0 207 164,8 92 374 21/12/07 28/09/08 98,1
10/10 11/10/07 29,9 187 151,1 89 371 07/01/08 15/10/08 86,5
30/10 28/10/07 29,9 170 140,4 86 367 20/01/08 27/10/08 63,5
0,500 11/10/07 30,1 186 123,4 89 370 07/01/08 14/10/08 85,2
0,800 11/10/07 30,1 186 179,4 89 370 07/01/08 14/10/08 85,4
ECC2 09/10/07 29,9 188 180,5 115 396 24/01/08 31/10/08 23,7
11
12 e TCON à medida que a DPAR média foi maior. Para as variáveis relacionadas ao desmame,
13 quando o parto é mais tardio, é esperado que os terneiros sejam desmamados com menor
14 idade (data de desmame foi mantida fixa) e menor peso. A diminuição no IPC e IEP também
15 é esperada com DPAR mais tardias e, embora, o IPC seja menor (média das vacas que
16 conceberam) a taxa de concepção decresce com o avanço da DPAR pelo fato do IER ter sido
17 mantido fixo para as três datas de parto, o que faz com que algumas vacas estejam aptas a
18 conceber, somente após o término da ER. O IEP diminuiu porque a data do próximo parto se
19 torna mais tardia de acordo com o atraso na DPAR do ano corrente. A comparação dos
80
cenários com variação no GMDND (500 e 800), reforça a coerência do modelo, 1 pois apenas
2 os dados de saída referentes ao PD sofreram variação, o que era esperado. As demais
3 variáveis mantiveram-se constantes em relação à variação do GMDND, respeitando a lógica
4 de desenvolvimento do modelo. A última saída do modelo, referente ao cenário ECC2, foi
5 com intuito de mostrar o impacto gerado pela mudança de 1 ponto no ECC. Cabe ressaltar que
6 esse cenário tem os mesmo dados de entrada, com exceção do ECC, do cenário 800. Mas, os
7 dados de saída de IPC, IEP e TCON são bastante inferiores, do ponto de vista zootécnico,
8 para o cenário ECC2, o que mais uma vez confirma a estabilidade e coerência do modelo, na
9 simulação dos dados de desempenho reprodutivo.
10 O valor de IPC médios, para os cenários com ECC fixos (3), num total de 240 rodadas
11 do modelo, foi de 89 dias, valor que está de acordo com os encontrados por Morrison et al.
12 (1999) que foi de 87 dias para vacas com ECCPAR entre 5 e 6 e Richard et al. (1986) que
13 encontraram 84 dias para vacas com ECC ≥ 5 (escala de 1 a 9, o valor 5 corresponde a 3 em
14 uma escala de 1 a 5).
15
16 CONCLUSÕES
17 O modelo é coerente na geração de aleatoriedade para as variáveis de interesse. O
18 modelo é eficaz para simular a dinâmica do processo reprodutivo, no entanto ajustes na taxa
19 de concepção de primíparas são necessários para que o modelo simule valores compatíveis
20 com a realidade para essa variável.
21 O modelo descreve adequadamente a eficiência do sistema de cria como função do
22 escore de condição corporal ao parto e, portanto, seu uso para fins didáticos pode contribuir
23 para o processo ensino-aprendizagem.
24 Os conceitos aplicados na construção desse modelo podem contribuir no
25 desenvolvimento de outros modelos em estudos futuros em modelagem de sistemas de
26 produção de bovinos de corte.
81
REFERÊNCIAS 1 BIBLIOGRÁFICAS
2 CAVALCANTE, F.A. et al. Período de gestação em rebanho Nelore na Amazônia Oriental.
3 Rev. Bras. Zootec. , Viçosa, v. 30, n. 5, 2001.
4
5 FIALHO, F.B. Sistemas de apoio à decisão na produção de suínos e aves. In: PENZ JÚNIOR,
6 A.M..; AFONSO, L.O.B.; WASSERMANN, G.J. (Ed.). REUNIÃO ANUAL DA
7 SOCIEDADE BRASILEIRA DE ZOOTECNIA, 36, Porto Alegre, 1999. Anais dos
8 Simpósios e Workshops. Porto Alegre: SBZ. p. 307-317, 1999.
9
10 FONTOURA JÚNIOR, J.A., F.SIEWERDT, N.J.L.DIONELLO, M.N.CORRÊA, 2008.
11 Modelo teórico do desempenho reprodutivo de vacas de corte baseado no escore de
12 condição corporal. Revista Brasileira de Zootecnia (submetido).
13
14 FREITAS FILHO, P. J. Introdução à modelagem e simulação de sistemas, com aplicações
15 em arena. Florianópolis: Visual Books, 2001. 322p
16
17 GUNSKI, R.J.; GARNERO, A.V.; BEZERRA, L.A.F.; CORRADO, M.P.; LÔBO, R.B. Idade
18 ao primeiro parto, período de gestação e peso ao nascimento na raça nelore. Ciência
19 agronômica, 2001, vol. 32, no 1/2, p. 46-52.
20
21 HARRISON, S.R. Regression of a model on real system output: an invalid test of model
22 validity. Agric. Syst. 1990.34:183-190.
23
LOPES, J.S.; RORATO, P.R.N.; WEBER, T.; BOLIGON, A.A.; COMIN, J.G.;
DORNELLES M. A. Efeito da interação genótipo x ambiente sobre o peso ao nascimento,
aos 205 e aos 550 dias de idade de bovinos da raça Nelore na Região Sul do Brasil. R.
Bras. Zootec. vol. 37, no. 1, p. 54-60, 2008.
LOVATTO P.A. Princípios de modelagem e sua aplicação no estudo de cadeias de produção
agrícola. In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA,
40, 2003. Santa Maria, Anais..., CD-ROM. Palestras.
24
25 LOVATTO, P.A.; SAUVANT, D. Modelagem aplicada aos processos digestivos e
26 metabólicos do suíno. Ciência Rural, Santa Maria, v. 31, n. 4, 2001.
27
28 MORRISON, D.G.; SPITZER, J.C.; PERKINS, J.L. Influence of prepartum body condition
29 score change on reproduction in multiparous beef cows calving in moderate body
30 condition. Journal of Animal Science, v.77, p.1048-1054, 1999.
31
32 PASCHAL, J.C.; SANDERS, J.O.; KERR, J.L. Calving and weaning characteristics of
33 Angus-, Gray Brahman-, Gir-, Indu-Brazil-, Nellore-, and Red Brahman-sired F1 calves.
34 Journal Animal Science, v.69, p.2395-2402, 1991.
35
36 R Development Core Team (2007). R: A language and environment for statistical computing.
37 R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL
38 http://www.R-project.org.
39
82
RICHARDS, M.W.; SPITZER, J.C.; WARNER, M.B. Effect of varying levels 1 of pospartum
2 nutrition and body condition at calving on subsequent reproductive performance in beef
3 cattle. Journal of Animal Science, v.62, n.2, p.300-306, 1986.
4
5 ROCHA, J.C.M.C. et al. Componentes de variância para o período de gestação em bovinos de
6 corte. Arq. Bras. Med. Vet. Zootec., v.57, n.6, p.784-791, 2005.
7
8 SIGTECH TECNOLOGIA EM GESTÃO E UNIVERSIDADE FEDERAL DE PELOTAS -
9 UFPel. Rural Fazpec – software de gestão em pecuária. Pelotas, RS, 2005.
10 http://www.aphnet.com.br e www.ufpel.edu.br/nupeec
11
12 TEIXEIRA, Rodrigo de Almeida; ALBUQUERQUE, Lucia Galvão de. Efeitos ambientais
13 que afetam o ganho de peso pré-desmama em animais Angus, Hereford, Nelore e mestiços
14 Angus-Nelore e Hereford-Nelore. R. Bras. Zootec. , Viçosa, v. 32, n. 4, 2003.
15
16 TESS, M.W.; KOLSTAD, B.W. Simulation of cow-calf production system in a range
17 environment: II. Model development. Journal of Animal Science, 78:1159-1169, 2000.
18
19 VARGAS, G. D.; DIONELLO, N.J.L.; BRUM, P.A.R.; RUTZ, F.; FIALHO, F. B.
20 Modelagem do crescimento e do desenvolvimento de frangos de corte: validação. Ciência
21 Rural, 2006, vol.36, no.5, p.1664-1669.
22
23 WERTH, L.A.; AZZAM, S.M.; NIELSEN, M.K.; KINDER, J.E. Use of a simulation model
24 to evaluate the influence of reproductive performance and management decisions on
25 net income in beef production. Journal of Animal Science, 69:4710-4721, 1991.
5. CONCLUSÕES GERAIS
O modelo desenvolvido foi eficaz na simulação do desempenho reprodutivo
de vacas de corte e permitiu compreender melhor o sistema estudado. O apoio à
decisão, via uso do modelo, depende da etapa de validação, contudo o modelo pode
ser usado para fins didáticos, de visualização da dinâmica dos sistemas de cria e do
impacto das mudanças em virtude de estratégias de manejo.
Os conceitos aplicados na construção do modelo podem contribuir no
desenvolvimento de outros modelos em estudos futuros em modelagem de sistemas
de produção de bovinos de corte. Contudo é importante a formação de bancos de
dados nos sistemas de pecuária de corte que permitam o melhor uso da ferramenta
modelagem.
6. ANEXOS
85
Anexo 1 – Tela do modelo de simulação.
86
Anexo 2 - Artigo 1 conforme publicado na Revista Veterinária e Zootecnia.
87
88
89
90
91
92
93
94
95
96
97