Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/5150
Título: Estimating and tuning adaptive action plans for the control of smart interconnected poultry houses
Título(s) alternativo(s): Estimando e ajustando planos de ação adaptativos para o controle de aviários Inteligentes interconectados
Autor(es): Klotz, Darlan Felipe
Orientador(es): Teixeira, Marcelo
Palavras-chave: Redes neurais (Computação)
Controle automático
Sistemas de controle inteligente
Supervisão
Neural networks (Computer science)
Automatic control
Intelligent control systems
Supervision
Data do documento: 14-Ago-2020
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Pato Branco
Citação: KLOTZ, Darlan Felipe. Estimating and tuning adaptive action plans for the control of smart interconnected poultry houses. 2020. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2020.
Resumo: Na avicultura, a escolha sistemática, atualização e implementação de planos de ação periódicos (t) definem a taxa de conversão alimentar (〖FCR〗^(<t>)), que é uma medida aceitável para uma produção bem-sucedida. Planos de ação apropriados fornecem recursos sob medida para frangos de corte, permitindo-lhes crescer dentro da chamada zona de conforto térmico, sem desperdício ou falta de recursos. Embora a implementação de um plano de ação seja automática, sua configuração depende do conhecimento do especialista, tendendo a ser ineficiente e sujeito a erros, além de resultar em 〖FCR〗^(<t>)diferente para cada aviário. Neste artigo, afirmamos que a percepção do especialista pode ser reproduzida, em certa medida, pela inteligência computacional. Combinando aprendizado profundo e técnicas de algoritmo genético, mostramos como os planos de ação podem adaptar seu desempenho ao longo do tempo, com base em planos anteriores bem-sucedidos. Também implementamos uma infraestrutura de rede distribuída que permite replicar nosso método em aviários distribuídos, para seu controle inteligente, interconectado e adaptativo. Um sistema de supervisão é fornecido como interface para os usuários. Experimentos realizados com dados reais mostram que nosso método melhora 5 % no desempenho do especialista mais produtivo, ficando muito próximo do 〖FCR〗^(<t>)ótimo.
Abstract: In poultry farming, the systematic choice, update, and implementation of periodic (t) action plans define the feed conversion rate (〖FCR〗^(<t>)), which is an acceptable measure for successful production. Appropriate action plans provide tailored resources for broilers, allowing them to grow within the so-called thermal comfort zone, without wast or lack of resources. Although the implementation of an action plan is automatic, its configuration depends on the knowledge of the specialist, tending to be inefficient and error-prone, besides to result in diferente 〖FCR〗^(<t>) for each poultry house. In this article, we claim that the specialist’s perception can be reproduced, to some extent, by computational intelligence. By combining deep learning and genetic algorithm techniques, we show how action plans can adapt their performance over the time, based on previous well succeeded plans. We also implement a distributed network infrastructure that allows to replicate our method over distributed poultry houses, for their smart, interconnected, and adaptive control. A supervision system is provided as interface to users. Experiments conducted over real data show that our method improves 5% on the performance of the most productive specialist, staying very close to the optimal 〖FCR〗^(<t>).
URI: http://repositorio.utfpr.edu.br/jspui/handle/1/5150
Aparece nas coleções:PB - Programa de Pós-Graduação em Engenharia Elétrica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tuningadaptivesmartinterconnected.pdf30,2 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.