To attend to the growth of the demand for food, diverse technologies have been put at hand to rural producers in ways to reduce costs, losses and increase productivity. It is transforming the production at the farms and is becoming visible the use os devices such as drones, robots and apps in a new concept called Smart Farming, which take advantage of the resources from Agriculture 4.0 to promote the development of systems that monitor the production in real time, generating info used at the decision making by producers. In Smart Farming, the pisciculture production benefits itself from the use of robotics as an agent to monitor the fish tanks, assisting the decision making. This project aims to present the building of FishBoard, which is the proposal for integrations os two systems, where one is responsible of the physical part in the process of monitoring (involving logic in the data gathering) and the other one is the accessibility part (developing an app the enables the data visualisation and interpretation in real time). The physical part of the project consists in a robot, adapted with a microcontroller responsible of searching the breeding tanks surface collecting productivists infos through its sensors (water and air temperature, as well as humidity, luminosity and pH), for later sending them to a server via Wifi; once the informations are in the server, the app uses them as a data source to supply dashboards, which shows informative graphics to facilitate the interpretation and enable the decision making by the producer. The robot prototype was developed using an ESP8266 NodeMCU microcontroller and with the followings sensors of water temperature (dsi8b20), air temperature and humidity (DHT-22), brightness (P7 -GBK) and PH (ph4502c), its movement was evaluated through tests carried out in tanks of correlated dimensions and it was successful identifying obstacles and making detours. The device has been successfully connected to a remote server, where a data structure exists, and the integration of the physical system with a mobile application has also been completed.

A Produção Animal 4.0 é um conceito emergente e dinâmico, que surge das revoluções industriais e agrícolas e que exige novas reflexões sobre as práticas de criação animal em um contexto cada vez mais tecnológico. Nesse cenário, o objetivo deste artigo de revisão é apresentar, de forma abrangente, os principais conceitos, aplicações recentes e recomendações de pesquisa relacionados a Produção Animal 4.0. Para isso, o tema central foi categorizado em quatro elementos principais, sendo: 1) A coleta de dados, com destaque para os novos dispositivos eletrônicos de interesse zootécnico; 2) Transmissão de dados, onde é discutido a problemática da conectividade do campo; 3) Gerenciamento de dados, dando enfoque em aplicações de Big Data, Inteligência Artificial (IA) e Internet das Coisas (IoT) na produção animal; e 4) Visualização dos dados, com exemplos de softwares de gerenciamento para tomada de decisão. As considerações finais deste trabalho resgatam a importância da multidisciplinaridade na consolidação do conceito de Produção Animal 4.0, além de estimular provocações sobre os futuros direcionamentos desta área em crescente expansão.

No abstract

Conhecimento de docentes acerca da aprendizagem baseada em equipes: fatores que dificultam sua implementação na graduação em medicina 1 Resumo: Este estudo objetivou avaliar o conhecimento de docentes acerca da Aprendizagem Baseada em Equipes (ABE) e os fatores que dificultam sua implementação na graduação em medicina. Tratouse de um estudo de natureza quantitativa, transversal e descritivo por meio de aplicação de questionário. Os resultados obtidos demonstraram que 31,25% dos docentes referiram não saber quantas etapas eram preconizadas na ABE, e dentre os demais que responderam conhecer, 72,72% responderam de forma incorreta. Ao questionar sobre quais são as etapas, 34,37% dos docentes responderam desconhecer, ao passo que dentre os respondentes 80,95% estavam incorretos. Por fim, no que tange ao tempo destinado a cada uma das etapas 68,75% não sabiam responder e 80% dos que referiram conhecer estavam equivocados. Dentre os fatores dificultadores para implementar atividades de ABE na prática docente se destacou a falta de qualificação profissional (96,875%) acrescido da escassez de trabalhos sobre o assunto (81,25%). Conclui-se que praticamente todos os participantes não a conheciam ou tinham noções equivocadas sobre o emprego da ABE, sendo a falta de qualificação profissional o principal fator dificultador deste processo.

A aquicultura caracteriza-se como um sistema de produção de organismos (plantas e animais) em ambiente aquático controlado, sendo geralmente aplicada de forma sustentável nas fazendas por apresentar um rápido retorno econômico na produção de alimentos. Informações precisas e rápidas sobre a qualidade da água são fundamentais para garantir tanto a sobrevivência de peixes, quanto sua correta conversão alimentar. Nesse contexto, o objetivo deste artigo foi desenvolver um sistema de apoio à decisão, baseado na teoria dos conjuntos fuzzy, para a avaliação das condições de qualidade de água e sua influência na ambiência de tilápias do Nilo. A execução deste trabalho foi dividida em três etapas: a) levantamento bibliográfico dos parâmetros de qualidade de água, considerando sua influência no desempenho produtivo dos peixes; b) utilização dos resultados da fase anterior, somado a contribuições dos especialistas, para o desenvolvimento de um sistema de inferência fuzzy para diagnóstico da qualidade de água nos tanques de criação; c) Utilização do sistema fuzzy elaborado previamente para análise de um banco de dados representante de um tanque comercial de criação de tilápia-do-nilo. Os resultados obtidos mostraram-se adequados para a classificação da qualidade da água para tilápias-do-nilo, utilizando o processo de modelagem fuzzy. As classificações determinadas pelo modelo fuzzy assemelham-se com a classificação dada pelo modelo booleano. Contudo, as divergências encontradas entre os modelos mostram-se relevantes à medida que pequenas oscilações observadas nas variáveis de entrada (temperatura e pH) não indicam alterações bruscas na variável de saída do modelo (qualidade da água), no caso do modelo fuzzy.