Técnicas de mineração de dados e inteligência artificial têm se mostrado à altura dos mais diversos desafios: prever resultados esportivos, problemas de saúde, demanda de produtos em supermercados, leitura labial. Neste trabalho nós mostramos que as respostas de uma cultura aos fatores ambientais que interferem em seu crescimento podem ser estimadas por meio de mineração de dados. A cultura em questão é a cana-de-açúcar e a resposta, a concentração de açúcar em seus colmos.
Nós utilizamos técnicas de mineração de dados e o banco de dados de uma usina de cana-de-açúcar e mostramos como esses bancos de dados estão sendo subutilizados: além de as técnicas serem capazes de identificar as variáveis com reconhecidamente maior influência no acúmulo de açúcar, os erros nas estimativas são muito baixos.
A vantagem do uso dessas técnicas é que ao se utilizar uma base de dados correspondente a diversos anos, em que as safras passaram pelas mais variadas condições meteorológicas, os erros de estimativa serão menores, mesmo para anos atípicos, e isso uma curva de maturação não pode incorporar. Em nosso trabalho, nós observamos erros inferiores a 5,4 kg de ATR/t de cana para 90% das predições.
Se esta metodologia for incorporada aos sistemas das usinas, as usinas poderão se valer de boas estimativas de produção sem a necessidade de informações adicionais, dependendo, naturalmente, da qualidade das previsões meteorológicas. Com isso, será possível, por exemplo, melhorar a priorização das áreas para colheita.
Quem quiser saber mais, pode consultar nosso trabalho (em inglês) neste link.