Rutili, agrônomo e produtor gaúcho: redução de gastos no controle de doenças — Foto: Divulgação O agrônomo e produtor gaúcho Roque Rutili conseguiu reduzir de R$ 550 para R$ 360 por hectare o custo do controle de doenças nas lavouras de soja, trigo e milho em sua propriedade em Coronel Bicaco, no noroeste do Rio Grande do Sul. A cerca de 700 quilômetros dali, na Fazenda Novamérica, em Tarumã, no interior paulista, a produtividade das colhedoras de cana subiu de aproximadamente 682 para cerca de 820 toneladas por máquina por dia. Em comum entre os dois casos está o uso de dados e inteligência artificial (IA) para identificar oportunidades de ganho que, sem algoritmos, poderiam passar despercebidas. Com a difusão das máquinas agrícolas e das práticas de monitoramento dos processos, os produtores geram regularmente enorme volume de dados. Sem os instrumentos apropriados, porém, isso não se converte em insumo para decisões práticas, explica o consultor Renato Seraphim. Para transformar informação em ação, a IA está deixando de funcionar apenas como sistema de monitoramento e alerta para assumir um papel mais prescritivo, indicando o que fazer, quando fazer e em qual dose, observa o consultor. Na Fazenda Novamérica, a IA contribui com a prevenção à broca-da-cana, uma das principais pragas da cultura. Com uma ferramenta da agrotech SciCrop, a companhia cruza informações sobre histórico de incidência da broca, genética das variedades, características do solo, condições climáticas e práticas de manejo, a fim de identificar os fatores que mais influenciam a ocorrência da praga. A meta é tornar o manejo mais preditivo e preventivo, antecipando riscos e orientando os agrônomos sobre onde e quando monitorar ou intervir. Segundo Sergio Munhoz, gestor de tecnologia agrícola da Novamérica, o sistema, ainda em fase final de testes, busca reduzir as perdas provocadas pela broca para menos de 2% da produção, índice considerado aceitável pelo mercado. Ele explica que uma redução de 0,5% representa cerca de R$ 5 milhões anuais para a empresa. Por trás do modelo, há cerca de dez anos de dados históricos da companhia. “Projetos como esse mostram que a IA no agronegócio não começa pelo algoritmo, mas pela qualidade, organização e governança dos dados”, diz. Na cana-de-açúcar, a IA garante a sincronização entre colheita, transporte e moagem. Diferentemente de grãos como milho e soja, a cana não pode ser armazenada. Depois de cortada, precisa ser rapidamente transportada e processada pelas usinas — processo que exige fluxo contínuo. Se muita cana chegar de uma só vez à usina, os caminhões ficarão parados em filas à espera de processamento. Se a quantidade não for suficiente, faltará cana para moer. Para gerenciar essa operação, a Fazenda Novamérica recorre a outra plataforma, que coleta dados por meio de computadores de bordo instalados em colhedoras, tratores e caminhões. Com o sistema, monitores da central de operações da companhia mostram, em tempo real, localização, produtividade, velocidade, consumo de combustível e disponibilidade dos equipamentos. “Se uma máquina quebra, um operador falta ou um caminhão atrasa, conseguimos medir imediatamente o impacto em toda a cadeia e reorganizar a logística”, conta Sergio Munhoz. Munhoz, gestor de tecnologia da Fazenda Novamérica, na central de operações da empresa — Foto: Divulgação Ele diz que o sistema também monitora indicadores mecânicos, como pressão de óleo e rotação do motor, o que permite antecipar anomalias e programar manutenções. Assim a produtividade das colhedoras aumentou em 20% nas últimas cinco safras. A BP Bioenergy também recorre a essa tecnologia — e, assim, reduziu em 30% o tempo do ciclo de transporte de cana-de-açúcar, como conta Paulo Macedo, diretor de tecnologia da informação da multinacional. A manutenção preditiva com altíssima precisão, permitida pela combinação de IA e sensores instalados em máquinas, é especialmente bem-vinda em segmentos que operam em regime contínuo — 24 horas por dia, sete dias por semana —, como usinas de açúcar e etanol, processadores de grãos e frigoríficos. Essas operações fazem parte dos negócios da maior parte da clientela da Tractian. “Para eles, qualquer hora de máquina parada é lucro cessante”, diz o COO da empresa, Gabriel Lameirinhas. A Tractian instala sensores em equipamentos industriais, como motores, compressores, moinhos e correias transportadoras. Os dispositivos monitoram vibração, temperatura e, por meio de ultrassom, as condições de lubrificação das máquinas. Com a análise desses dados, o sistema identifica falhas e, por plataforma própria ou pelo WhatsApp, comunica o diagnóstico e faz recomendações de manutenção para evitar quebra da máquina. Com a solução, Lameirinhas projeta para este ano uma economia total de cerca de US$ 1 bilhão com redução de horas paradas, de horas extras gastas com manutenção de emergências e de despesas com substituição de peças, para clientes como Bunge, Cargill, JBS e Inpasa, com operações em cerca de 2.500 plantas industriais. Além de atuar no Brasil, a empresa atende companhias dos Estados Unidos e de países como Espanha, Inglaterra, Alemanha, Índia e Austrália. Além de grandes empresas do agronegócio, bancos também buscam esses dados e análises para avaliar os riscos de crédito ao agronegócio. Cruzam-se informações meteorológicas, imagens de satélite, registros de queimadas e desmatamento e dados do Cadastro Ambiental Rural (CAR) para verificar questões variadas, como a compatibilidade entre o histórico e a cultura declarada pelo produtor, a ocorrência de desmatamento e a realização do plantio dentro das janelas do Zoneamento Agrícola de Risco Climático (Zarc), como conta José Damico, da SciCrop. A IA também vem ganhando espaço fora das grandes empresas. Rutili, o agrônomo gaúcho, há seis anos recorre à plataforma da DigiFarmz, disponível também no WhatsApp, como apoio às decisões sobre o controle de doenças e definição de épocas de plantio na fazenda de 250 hectares do pai. A tecnologia o ajuda a driblar os efeitos da imprevisibilidade no campo. “O comportamento das plantas muda muito de variedade para variedade, com ciclos, época de plantio, velocidade de crescimento diferentes e mudanças no tempo”, diz. Com o cruzamento dessas informações e dados sobre defensivos, a plataforma permite simular combinações de fungicidas, projetar seus níveis de eficácia, identificar combinações de agroquímicos com melhor custo-benefício e determinar as datas ideais para aplicações. O sistema também emite alertas em casos como previsão de reviravolta no tempo, riscos de efeitos tóxicos indesejáveis, falhas no controle de doenças e perda de eficiência por combinação inadequada de defensivos. Rutili conta que reduziu o custo do programa de controle de doenças com a utilização de combinações próprias de produtos, em substituição a pacotes prontos vendidos pelos fabricantes. No controle da ferrugem asiática, doença que afeta a soja, ele diz ter conseguido diminuir o custo para R$ 90 por aplicação, com um mix que inclui produtos genéricos, com equivalente eficácia e metade do preço dos produtos de marca. “Nem sempre o produto que custa mais é o mais eficiente”, afirma. Para simular manejos, o sistema analisa cerca de 55 parâmetros, como informações sobre variedade cultivada, data de plantio, histórico de chuvas, previsões meteorológicas, localização da lavoura e características dos produtos químicos ou biológicos utilizados, como conta Alexandre Chequim, CEO da DigiFarmz. O mesmo modelo serve para ferramentas semelhantes da DigiFarmz com foco em segmentos como cooperativas e revendedoras agrícolas. Ainda na fase-piloto, há também uma versão destinada a bancos e seguradoras, para fornecer subsídios para análise de crédito e de risco. “Em qualquer caso, o objetivo é evitar problemas, antecipar efeitos e agir com base em dados”, diz Chequim.