Aplicação agrícola: otimização de colheita da lavoura de cana de açúcar.

Uma usina de açúcar é alimentada por caminhões contendo cana cortada de quadras que atingiram a melhor maturação possível, dependendo não só da variedade (precoce ou tardia) mas também da necessidade da usina moer toda a safra. O problema consiste em otimizar a quantidade de cana moída, maximizando a quantidade de açúcar extraída do canavial (fig. 22).

O programa desenvolvido faz a seleção das áreas da lavoura para corte que maximizem a função econômica da produção de açúcar, baseado no modelo matemático:

sujeito às restrições:

onde: Fração da área: área a ser cortada da região homogênea; Prod: produtividade em tonelada de cana por hectare; ATR: açúcar teórico recuperável obtido pelo modelo de maturação; máximo e mínimo de corte: limites de corte por frente; máximo e mínimo de moagem: limites de moagem da moenda da usina.

Para aplicar este modelo, é feito um levantamento das informações de cada quadra disponíveis para efeito de pagamento de fornecedores e de mão-de-obra, formando um banco de dados. Este banco alimenta a rotina de montagem das equações acima e posterior solução através do método Simplex modificado para grandes matrizes.

O modelo é resolvido semana a semana, e a fig. 23 apresenta o resultado para uma safra. O valor inicial alto no início da safra é devido a utilização de canas que sobraram da safra anterior.

Os resultados obtidos são:

• otimização da data de início da safra, com simulações anuais levando em conta a capacidade de moagem, evolução da maturação da cana, aplicação de maturadores, etc. Com o uso do sistema, há um ganho de produção da lavoura pois o maior aumento de massa e concentração de açúcar ocorre nos meses de abril, maio e junho, que coincide com a data de início de safra (fig. 24).

• atualização das áreas cortadas e geração dos relatórios de fechamento para comparação dos resultados simulados pelo modelo e o real da lavoura.
• definição das áreas a serem amostradas na análise pré-colheita, de modo a otimizar o recurso disponível e garantir a melhor representação da lavoura.
• ajuste dos dados agrícolas com as análises pré-colheita, permitindo corrigir efeitos climáticos e exógenos.
• previsão da matéria prima média para a indústria, transporte e mão-de-obra.
• planejamento do perfil agrícola, com cálculos de otimização da erradicação, levando em conta critérios de segurança e produtividade.
• análise do comportamento das curvas de maturação através dos dados de análise química e corte.
• análise de desempenho do sistema, com comparação entre o simulado e o real (fig.25).

• algoritmo simplex não leva em conta a infra estrutura necessária para realização do corte, isto é, os rurícolas, os tratores e equipamentos, os caminhões de transporte de cana, podendo selecionar quadras pequenas distantes umas das outras, o que prejudica a sua utilização. Como no algoritmo genético o desempenho é calculado com base em um índice que pode ser ponderado pelos custos de colheita, deslocamento de pessoal e equipes, etc., sem necessidade de escrever equações de vínculos para cada par de quadras.

A associação do controle genético para modelagem das curvas de maturação e para solução dos problemas com índices de desempenho que levem em conta os custos operacionais poderá trazer uma otimização operacional e uma maximização da produção agrícola, com uma abordagem realística que leva em conta fatores exógenos como clima e disponibilidade de equipamentos.