Modelagem de um sistema de informação para rastreabilidade na indústria do vinho baseado em uma arquitetura orientada a serviços

Apresenta-se neste trabalho pesquisa científica que levou à modelagem de um sistema de informação para o registro de dados de rastreabilidade destinado à indústria do vinho, segundo os conceitos de uma arquitetura computacional orientada a serviços (service oriented architecture, SOA). Desde 2005, a manutenção de tais registros é obrigatória para todos os produtores que pretendem exportar para países da União Europeia. Ademais, os consumidores finais, inclusive brasileiros, preocupados com a segurança alimentar, apresentam demanda crescente por informações. Buscou-se uma solução que contemple a indústria coletivamente, por meio de consórcios ou associações de produtores, diluindo custos e compartilhando benefícios. A partir do levantamento bibliográfico realizado e de contatos com pesquisadores e representantes do setor produtivo vinícola brasileiro, em Bento Gonçalves -RS, pesquisaram-se tópicos de tecnologia da informação ligados ao tema, além de detalhes sobre o processo produtivo do vinho. A partir de um modelo do processo produtivo do vinho sugerido pelos autores, empregou-se a Unified Modeling Language (UML), para a modelagem do sistema, que utiliza a tecnologia de web services para o tráfego de dados. Com um protótipo funcional, constataram-se a viabilidade do modelo e a possibilidade de sua utilização em outros domínios.

Preventive diagnosis of dairy cow lameness

This research aimed to develop a Fuzzy inference based on expert system to help preventing lameness in dairy cattle. Hoof length, nutritional parameters and floor material properties (roughness) were used to build the Fuzzy inference system. The expert system architecture was defined using Unified Modelling Language (UML). Data were collected in a commercial dairy herd using two different subgroups (H1 and H2), in order to validate the Fuzzy inference functions. The numbers of True Positive (TP), False Positive (FP), True Negative (TN), and False Negative (FN) responses were used to build the classifier system up, after an established gold standard comparison. A Lesion Incidence Possibility (LIP) developed function indicates the chances of a cow becoming lame. The obtained lameness percentage in H1 and H2 was 8.40% and 1.77%, respectively. The system estimated a Lesion Incidence Possibility (LIP) of 5.00% and 2.00% in H1 and H2, respectively. The system simulation presented 3.40% difference from real cattle lameness data for H1, while for H2, it was 0.23%; indicating the system efficiency in decision-making.