Brf está utilizando inteligencia artificial para obtener proyecciones del peso promedio al sacrificio de los pollos que se exportan a países de Medio Oriente y se venden en rangos que varían entre 900 y 1100 gramos. Esta iniciativa forma parte del Digital Transformation Journey implementado por la compañía y que también incluye inteligencia cognitiva, internet de las cosas (IoT) y analíticaavanzada, para generar insights y trabajar, cada vez más, bajo la guía de datos.

Con el pesaje de pollos más asertivo a través de algoritmos de aprendizaje automático y estadísticas avanzadas, Brf enfrenta uno de los mayores desafíos de la industria, que es producir proteína de pollo con la mejor rentabilidad entre el tiempo de alojamiento y el tiempo de sacrificio.

La solución combina el uso de tecnologías como Internet de las Cosas (IoT), Machine Learning y algoritmos, construyendo una base de información inteligente que permite la predicción del peso de faena, generando valor para toda la cadena productiva.

Se trata de la gestión tecnológica de la recolección, almacenamiento, procesamiento y manejo de datos a través de integraciones, conexiones, recolecciones manuales y automáticas por dispositivos. Sumado a esto, está todo el trabajo de entender las fuentes, construir bases de datos,

El director de tecnología y transformación digital de Brf, Antonio Cesco, dice que la compañía utiliza cada vez más la inteligencia artificial y los modelos predictivos en la cadena de valor, para fortalecer una cultura centrada en los datos. “Trabajar bajo la guía de datos para la toma de decisiones trae buenos resultados en términos de producción de pollos, brindando mayor inteligencia a los procesos y agregando valor a toda la cadena productiva de la Compañía”, explica.

El viaje para lograr predicciones más asertivas y precisas para el peso del pollo al sacrificio incluyó dos proyectos piloto y un prototipo. En el primero, se construyeron y aplicaron modelos predictivos específicos en las granjas Buriti Alegre y Francisco Beltrão, considerando los datos recolectados de forma rutinaria en esas haciendas como información de desempeño y salud. 

En el segundo, 20 fincas en Toledo en Paraná tenían, además de los datos ya recolectados diariamente, información del ecosistema IoT, donde se incluyen datos de silos, básculas automáticas y sensores de ambiente recolectados automáticamente cada hora por estos dispositivos. en las bases utilizadas por los algoritmos de predicción.

El prototipo resultó en la generación de modelos predictivos, incluyendo pronósticos semanales del promedio y dispersión de peso de pollos faenados en las plantas Griller (pollo tipo exportación) para un horizonte de hasta 26 semanas, utilizando información del periodo de estabulación (manejo, desempeño , sanidad, clima, etc.) y también datos relacionados con el día del sacrificio (cumplimiento del plan de sacrificio, temperatura, precipitación, tiempo de espera, etc.). 

“Estos pilotos y prototipo nos ayudaron a entender los procesos, oportunidades, fortalezas de la operación y nos dieron el camino para avanzar en la automatización de las fincas, ampliar la conectividad, escalar los datos y tener una visión del potencial de los algoritmos para aumentar la productividad y traer una mejor visión de negocio”, concluye Cesco.