Quantos sensores um galpão realmente precisa, e onde eles devem ficar?

Abstract

A avicultura de corte depende de um controle térmico preciso para garantir produtividade e bem-estar animal: variações de temperatura afetam o ganho de peso, a conversão alimentar e a mortalidade das aves. Apesar do uso crescente de sensores IoT, a posição desses equipamentos ainda é definida de forma empírica, sem garantia de que poucos pontos de medição representem bem o microclima de todo o galpão. Para resolver esse problema com dados, este trabalho aplicou duas abordagens: uma baseada no erro de reconstrução (error-based). Os dados vêm de um galpão comercial de 150 m por 15 m, com 30 sensores distribuídos da entrada de ar (placas evaporativas) até os exaustores. Para evitar distorções por taxas de amostragem diferentes, a análise usou apenas os 15 sensores com leitura a cada 10 minutos, durante os 42 dias de um lote de inverno. A referência de temperatura foi a mediana entre os sensores, e a reconstrução foi feita por regressão robusta (L1/LAD - Least Absolute Deviations), avaliada pelo Erro Médio Absoluto (MAE), método menos sensível a sensores com leituras anômalas. A busca pelo melhor conjunto de sensores foi exaustiva até 6 sensores e gulosa (greedy) daí em diante, por limite computacional. A curva de erro caiu bastante entre 1 e 3 sensores e estabilizou a partir do 4º. Pelo método do cotovelo, k = 4 sensores já captura 96,7% da redução de erro possível; sensores extras trazem ganho quase nulo proporcionalmente com a referência do galpão (mediana). Inferiu-se que a posição do sensor pesa mais que a quantidade: sensores perto da entrada de ar chegaram a errar 3,47°C sozinhos, contra apenas 0,64°C dos sensores centrais a partir da Raiz do Erro Quadrático Médio (RMSE) . O conjunto ideal de 4 sensores também não é fixo e muda conforme a área ocupada pelas aves muda. Além disso, o padrão térmico geral do galpão é o oposto do ideal. Por fim, o método quantitativo substitui o critério empírico e permite otimizar o monitoramento para uma menor quantidade de sensores bem posicionados. Como limitação, o estudo cobre só um lote de inverno; os próximos passos são testar outras estações do ano, aplicar geoestatística para interpolação contínua e cruzar os dados com a umidade relativa.