Escolar Documentos
Profissional Documentos
Cultura Documentos
com
agricultura
Artigo
Diana Elena Micle1, Florina Deiac1,*, Alexandru Olar1, Raul Florentin Drent,uma2, Cristian Florean3,
Ionut,Grigore Coman4e Félix Horat,iu Arion1,5
Abstrato:A integração da gestão pecuária com os dispositivos e sensores necessários é agora vista como um
fator crítico para o sucesso a longo prazo do setor agrícola. Os resultados revelaram que o setor empresarial
---- agrícola está aberto à implementação de soluções de Tecnologia da Informação e Comunicação (TIC), portanto,
--- o objetivo deste artigo é determinar quão vantajoso é para os agricultores romenos investirem em um projeto
Citação:Micle, DE; Deiac, F.; Olar, A.; que emprega métodos inteligentes de criação de gado que incorporam Inteligência Artificial (IA), Automação
Drent,a, RF; Florean, C.; Coman, Robótica de Processos (RPA) e Internet das Coisas (IOT). Uma entrevista não estruturada foi usada para coletar
IG; Arion, FH Pesquisa sobre Plano de evidências empíricas durante uma reunião de grupo focal. Analisando as métricas de desempenho primárias
Negócios Inovador. Pecuária inteligente selecionadas, foi projetado que a lucratividade da fazenda aumentaria em 19%, a produtividade aumentaria em
usando automação de processos 21%, e o impacto ambiental da fazenda diminuiria em 22%. A automação e o trabalho remoto ajudariam a
robóticos inteligentes artificiais.
minimizar a carga de trabalho dos trabalhadores da fazenda, ao mesmo tempo em que tornariam mais
Agricultura2021,11, 430. https://doi.org/
disponíveis os painéis de controle, os arquivos de tomada de decisão e a análise de dados. Para que o domínio
10.3390/
seja o mais próspero possível, os agricultores devem estar cientes dos benefícios do uso dessas tecnologias
agricultura 11050430
emergentes para fechar a lacuna entre agricultores e provedores de soluções de Tecnologia da Informação (TI),
e isso pode ser feito por meio de treinamento contínuo para ambos. agricultores e seus fornecedores de
Editores Acadêmicos: Michele
Mattetti e Luigi Alberti
tecnologia.
Recebido: 13 de abril de 2021 Palavras-chave:agricultura 4.0; automatização da fazenda; digitalização agrícola; tecnologias de IA; IOT
Aceito: 7 de maio de 2021
a indústria no campo. Contribui com a literatura especializada existente ao propor um novo método
(metodologias/plano de negócios) que pode ser facilmente implementado pelos empresários, com o
auxílio de um procedimento padronizado, customizado e adaptado às especificidades de uma fazenda/
empresa. A criação e exploração de gado é uma atividade tradicional da população rural e confere o
caráter de uma atividade sustentável e promissora.5], que deve incluir um plano de pastagem para fins
de conservação do habitat [6]. A carne bovina é muito importante porque é um recurso seguro para o
comércio, garante a estabilidade do trabalho, garante as necessidades domésticas e de exportação, que
trazem altos rendimentos aos produtores.7] (págs. 75–96). O leite é um produto estratégico com impacto
especial em crianças, idosos e portadores de diversas doenças.8]. Devido à sua composição química
complexa, alto valor biológico e alto grau de digestibilidade, o leite representa um produto de grande
importância.9]. As vacas produzem mais leite do que sua prole exige, e o homem tem tirado vantagem
disso desde o início dos tempos.7] (págs. 75–96). Os programas de reprodução aumentaram com
sucesso a quantidade e a qualidade da produção de vacas leiteiras. O leite de vaca contém cerca de
87,4% de água e cerca de 12,6% de sólidos de leite (sólidos totais), este último compreendendo cerca de
3,9% de gordura, 3,2% de proteína, 4,6% de lactose (anidro) e 0,9% de 'outros sólidos', ou seja, minerais,
vitaminas, etc. [7] (págs. 75–96). O leite pode ser considerado um alimento completo para pessoas com
necessidades nutricionais.10]. O leite é um produto agrícola crucial para a UE, garantindo que a
estabilidade da produção agrícola ainda tem a maior importância que tinha quando ocorreu a fundação
da Comunidade Europeia [8] (págs. 17–33). O consumo médio mundial de leite é estimado em 107 L por
capital, que varia em 380 L na Europa, 280 L na América do Norte e 50 L no Leste Asiático.11].
Em termos gerais, geralmente, quanto mais intensiva uma fazenda é, maior a rotatividade de
receita, mas fazendas eficientes são encontradas em todos os tamanhos e categorias, com muitas das
fazendas menores experimentando eficiência técnica relativamente alta.12] (págs. 219–240). O número
de fazendas para produção de leite usando qualquer tipo de Sistema de Ordenha Automática (AMS) está
em constante crescimento, especialmente na Europa Oriental [13] (pág. 2). Nos últimos anos, o número
de AMS instalados em todo o mundo aumentou drasticamente e a realidade preocupante é a qualidade
do leite produzido e como ele se compara ao leite convencional.14] (pág. 1). Algumas pesquisas mostram
que o uso de qualquer tipo de Sistema de Ordenha Convencional (CMS) é mais econômico do que o AMS
[9] (pág. 2). As maiores vantagens do AMS são a qualidade do leite, a saúde e o bem-estar dos animais, a
grande quantidade de leite, a redução da força de trabalho e uma melhor vida social dos produtores de
leite.15] (págs. 3–14). Para fazendas comerciais, a ordenha automática economiza tempo em
comparação com a ordenha manual [16].
Desde a década de 1970, discute-se a segurança alimentar, um conceito relativamente recente. A
segurança alimentar, componente da segurança econômica, exige que os produtores de alimentos
tenham acesso aos recursos agrícolas disponíveis para esse fim, com custos que permitam que sejam
produzidos de forma sustentável para que possam ser entregues aos consumidores a preços acessíveis. [
17]. Na indústria alimentícia, especialmente na indústria de laticínios, o conceito de análise de perigos e
pontos críticos de controle (APPCC) garante a qualidade dos alimentos devido a toda a sua cadeia de
supervisão, “da fazenda à mesa” [18] (págs. 173–177).
Dado que as ameaças externas levam à contaminação em massa, a digitalização na indústria
agroalimentar está se tornando uma necessidade.19]. Essas tecnologias digitais, como IA, grandes
volumes de dados e robótica, podem ajudar agricultores e empresas a fornecer alimentos seguros,
otimizar processos e criar novos produtos e serviços. Os benefícios do uso dessas tecnologias digitais
são conhecidos pelos agricultores e podem incluir desempenho animal, otimização dos fatores de
produção, redução da mão de obra, fluxos de dados agrícolas, melhoria das condições para os
agricultores e redução do impacto negativo da agricultura no meio ambiente.18].
Smart Farming (SF) refere-se à aplicação das TIC na agricultura. O uso dessas tecnologias
para atividades agrícolas representa inovação e exemplos de tecnologias inovadoras são sensores,
robôs, satélites meteorológicos e assim por diante [20]. Essas tecnologias dependem de dados e
são dependentes da internet. Ao coletar e analisar esses dados, a eficiência dos processos
produtivos aumenta, de modo que todos os atores envolvidos, desde agricultores, empresas e
instituições, sejam motivados a trabalhar em conjunto para utilizar tecnologias inovadoras.19]. O
FS pode ser definido como um facilitador de uma agricultura eficiente, produtiva e lucrativa.
Agricultura2021,11, 430 3 de 15
2. Materiais e métodos
2.1. Modelos de Negócios—Modelo de Negócios Inovador
Pisano [25] mencionou em 2015 que no quadro global que parece afetar tanto as empresas
quanto a conduta humana, novos padrões socioeconômicos e técnicos estão surgindo. A alta
incerteza causada pela rápida inovação tecnológica e pela competição global leva as organizações,
a fim de obter vantagens competitivas e aumentar sua participação de mercado, a desenvolver e
utilizar diversos modelos de negócios.26] (págs. 7–17).
Entender quais características de uma tendência devem ser integradas em um novo negócio não é um
desafio fácil, mas é estrategicamente vital para que os empreendedores mantenham a inspiração para
administrar novos negócios.25].
Agricultura2021,11, 430 4 de 15
O ambiente cada vez mais intenso e volátil em que as empresas modernas devem operar exige a
utilização de soluções criativas em diversas áreas de atividade empresarial [27]. Devido às difíceis
condições econômicas atuais para os grupos empresariais, a implementação de tecnologias apenas nas
áreas de produtos e processos pode ser inadequada para atingir as metas estabelecidas pela empresa [
27]. Ambientes econômicos dinâmicos e tumultuados incentivam as indústrias a buscar inovação na
produção, processos e áreas organizacionais das operações de negócios. Como resultado, a necessidade
de fazer mudanças pode afetar a empresa [28] (pp. 352–364), considerando que a necessidade de
mudança pode levar a um novo Modelo de Negócios (BM) [29] (págs. 1023-1030).
2.2. Amostra
Os dados empíricos foram coletados em dezembro de 2020 em uma reunião de grupo focal de um
dia. O grupo focal é um método de coleta de dados qualitativos, semelhante à entrevista, que se destina
a utilizar a dinâmica de grupo [30] (págs. 491–497). São entrevistas não estruturadas que permitem que
os participantes e os pesquisadores criem conhecimento juntos, em vez de se concentrar em uma
solução singular para abordar a questão de pesquisa.31] (págs. 400–417). O ambiente do grupo incentiva
os participantes a se envolverem em discussões e expressarem ideias que não haviam pensado
individualmente [31] (págs. 400–417). Nos últimos anos, os grupos focais tornaram-se um método de
pesquisa popular neste campo.32] (págs. 400–417).
A reunião consistiu em duas partes. Primeiramente, um grupo de 10 agricultores foi
consultado para identificar os problemas mais importantes que enfrentam e discutir suas
soluções. Na segunda parte o modelo de negócio e as conclusões da primeira sessão foram
apresentados a um grupo de 12 stakeholders e especialistas. O objetivo da segunda sessão foi
validar o modelo e os resultados, e também identificar soluções adicionais, oportunidades,
limitações e barreiras à implementação do modelo. Assim, os participantes foram selecionados
com base em sua experiência em diferentes aspectos-chave [33] do modelo proposto, como
segue:
• Cluster (1; Agricultura) e associações de agricultores (2) – Necessidades dos agricultores e oportunidades
de mercado para o produto;
• Clusters (3; TI, Meio Ambiente e Energia Verde) – a contribuição do modelo para uma economia de
baixo carbono e resiliente ao clima nos setores de agricultura e alimentos;
• Consultor de negócios (2) – modelo de negócios e sustentabilidade econômica;
• Provedores de TI (2) e Universidades (2) – soluções técnicas;
Devido aos constrangimentos da pandemia do vírus SARS-CoV-2, a investigação foi
implementada online, através de videoconferência. Essa abordagem limita as interações dos
participantes, mas é menos demorada e cara, além de ser mais fácil de registrar. O encontro foi
gravado e transcrito. Isso permitiu uma maior familiaridade com os dados e também uma maior
transparência [34].
3. Resultados
além de nossa equipe interna. Existe uma colaboração bem estabelecida com grupos de
agricultores que foram os arquitetos diretos e beneficiários do primeiro módulo de software criado
pela empresa.
A estrutura usa SAAS, RPA, IIOT, Hardware e Ferramentas de Integração de Software para integrar/
interoperar e será vendida como serviços baseados em nuvem (Figura2).
Em ambientes virtuais de assistência e disseminação de informações os sistemas RPA têm
alcançado bons resultados, mas com esta pesquisa, RPA e IIOT podem ser experimentados nos
processos de produção.
3.3.2. Interoperabilidade
Como mencionado anteriormente, a tecnologia também usa a internet e possui uma infraestrutura de
componentes de modo que a conectividade e a interoperabilidade com outros aplicativos, equipamentos e
robótica são centrais para ela.
3.3.3. Replicabilidade
A replicação pode ser convenientemente conduzida como um gateway SAAS no centro do projeto. Para
implementação e expansão internacional mais rápidas, as melhores práticas e dados de configuração podem
ser facilmente replicados. O hardware de integração ainda é comumente usado no nível da UE por fornecedores
da UE e tecnologia em nuvem.
3.3.4. Reuso
O centro de software do projeto tem o design “Farm Software Ecosystem”. Em um ambiente típico,
uma base de conhecimento muitas vezes pode ser usada para aumentar a eficiência do programa
cognitivo a um custo reduzido.
Agricultura2021,11, 430 8 de 15
Figura 2.Diagrama de alto nível da arquitetura de software (reproduzido de [38], com permissão da
Elsevier, 2021)
Figura 3.Diagrama de classes de componentes (reproduzido de [38], com permissão da Elsevier, 2021).
- Reduzir o impacto ambiental, como uma estimativa antecipada: 22%, por uma melhor estimativa
em conjunto com uma melhor tomada de decisão baseada em dados gerou pegadas
ambientais menores. Apoiado por 11 de 12, especialmente por Clusters Ambientais e
Universidades. Eles acreditam que: “Dados os desafios que enfrentamos atualmente; um
modelo de negócio inovador deve incluir uma dimensão ambiental”. Em outra citação, um
dos participantes afirmou que “Esta dimensão alinha a visão do modelo com os princípios
ambientais da UE encontrados e apoiados na Política Agrícola Comum”. No entanto, a
Associação dos Agricultores foi ligeiramente retida, porque na sua opinião pode ser “um
fator limitante”.
- Aumento da produção, como uma estimativa inicial: 21%, por exemplo, nas fazendas de gado o clima tem um grande
impacto na produção diária de leite para fazendas leiteiras, mas também em termos de ganho de peso diário
para fazendas de carne, portanto, baseado em sensores/ Os sistemas digitais de tomada de decisão baseados na
previsão do tempo oferecem um grande suporte para o aumento da produção.
A ideia foi apoiada por todos, principalmente por agricultores e consultores de negócios.
De acordo com um estudo feito pela Nesta em 2015, a agricultura de precisão e o investimento em
avanços tecnológicos em uma fazenda podem aumentar as possibilidades de renda em quase 20% [39].
Esse aumento de renda pode ser alcançado com a redução de custos com água ou fertilizantes, por
exemplo. Nesta menciona que “novas tecnologias agrícolas podem reduzir drasticamente os custos de
fertilizantes ou aumentar os rendimentos em até 5% [39]”.
As vendas são projetadas para aumentar ligeiramente no primeiro ano como resultado dos
esforços das equipes para comercializar o produto, de acordo com estimativas. Prevê-se um pequeno
aumento do volume de negócios no primeiro ano como resultado dos esforços de promoção do produto
em particular. Prevê-se que o número de novos clientes aumente significativamente durante o segundo
e terceiro ano de implementação, fruto da promoção realizada no primeiro ano (Figura4). O crescimento
da margem se deve ao aumento da receita e às táticas de vendas cruzadas. Os clientes conhecem
melhor a marca e os produtos da empresa e solicitam novos módulos vinculados ou outras ofertas no
mesmo portal.
4. Discussão
Este artigo visa desenvolver plataformas agrícolas modernas e aumentar a produtividade das
fazendas, integrando rapidamente inovações digitais emergentes e modelos de negócios
inovadores na agricultura.
A inovação do modelo de negócios (BMI) é uma das tarefas críticas que devem ser realizadas
continuamente em todas as empresas para manter a competitividade na economia digital de hoje.
Embora o interesse em BM tenha crescido substancialmente desde o final da década de 1990, existem
poucos fatores conhecidos nos procedimentos de IMC em PMEs, que representam a grande maioria das
empresas no mercado europeu.40] (pág. 344).
O IMC é descrito como a visão baseada em atividades dos BMs que leva a modificações no BM de uma
empresa que são novas para o mundo ou simplesmente novas para as empresas que estão sendo
Agricultura2021,11, 430 11 de 15
Limitações
Este modelo de negócio, como outros, não está imune a possíveis dificuldades ou desafios no
processo de implementação. As principais complicações que podem atrapalhar a tentativa de colocar em
movimento são:
1. Existe um grande número de fornecedores e muitas tecnologias proprietárias;
2. Outro problema pode ser representado pelo compartilhamento inadequado de dados entre os elementos de TIC;
3. As desvantagens das licenças de software e hardware;
4. O acesso aos dados, a propriedade dos dados e o controle de acesso são outra possível desvantagem;
5. O direito à propriedade intelectual;
6. Baixa aceitação e altos custos de consumo estão em demanda;
7. Curto tempo de implantação e rápida curva de aprendizado ou adoção de soluções tecnológicas;
8. Por último, mas não menos importante, a demanda do consumidor final para adotar a tecnologia de forma lenta,
mas gradual.
5. Conclusões
Os benefícios mais importantes do AMS são o aumento da consistência do leite, a saúde e o bem-
estar animal, a grande quantidade de leite produzida e a redução do trabalho necessário. A criação de
vacas leiteiras é um trabalho físico pesado que causa, a longo prazo, uma série de condições nos
praticantes mais experientes das questões laborais que podem ser resolvidas com automação e trabalho
remoto. Os agricultores precisam estar cientes das vantagens de usar essas inovações emergentes.
Questões relacionadas à saúde do animal podem ser encontradas muito mais rapidamente com o auxílio
do RPA, resultando em uma melhor assistência médica.
Vale a pena notar que, independentemente das mudanças políticas, a transformação industrial da
Romênia no setor agroalimentar é importante e deve ser adotada e implementada como uma prioridade
estratégica em uma estratégia plurianual. Além disso, a digitalização na agricultura e na indústria
alimentar deve ser vista como parte de uma fase de digitalização mais ampla. O Governo romeno
observou esta necessidade, pelo que assume especificamente, para a estratégia 2021-2027, que uma das
principais necessidades para atingir o Objectivo Específico 2 da estratégia (Reforçar a orientação para o
mercado e aumentar a competitividade), a chamada Necessidade 05. Aumentar o investimento na
agricultura de precisão e a digitalização é importante, pois são ferramentas essenciais para a
sustentabilidade do setor agrícola e para o aumento da competitividade [56].
Além disso, observou que é necessária uma estreita colaboração com as partes
interessadas transversais. Correlacionando essa necessidade com os resultados
promissores da pesquisa realizada por uma equipe heterogênea, o governo romeno
deve se concentrar no financiamento desse consórcio, alocando fundos explicitamente
para as necessidades do setor agroalimentar no programa selecionado europeu DIH in
Digital Europe (E-DIH) de A Roménia se concentrará no setor em cada uma das regiões
de desenvolvimento do país, como parte da fase do Programa Europa Digital. Este é um
passo complementar para o estabelecimento de um hub digital central (plataforma) com
a missão de integrar, organizar e gerenciar um conjunto de infraestruturas digitais
(plataformas, ferramentas) nos níveis regional e nacional, bem como um centro de
transferência de tecnologia no nível nacional, representando e promovendo políticas de
transferência de tecnologia.
Agricultura2021,11, 430 13 de 15
Agradecimentos:A AFH agradece o apoio do AgroTransilvania Cluster, através do projeto TRACK Project
(COS-CLUSTPARTN-2017-3-02: “Rastreando oportunidades para desenvolver e fortalecer a coleta de
dados e big data na cadeia agrícola para aumentar a competitividade das PMEs-TRACK”. foi cofinanciado
pelo Programa COSME da União Europeia) e através do projeto “Agro-Transilvania Cluster—Cluster
especializado em bioeconomia” (Competitiveness Operational Program Eixo 1. Programa cofinanciado
pelo Fundo Europeu de Desenvolvimento Regional “Investing for your future”, Secção B—Código do
concurso POC-A1-A1.1.1-B-2015—Tipo de projeto—Agrupamentos de inovação P_35_476, cofinanciado
pelo Fundo Europeu de Desenvolvimento Regional).
Referências
1. Aleksic, S.; Pantelic, V.; Radovic, C. Produção de gado: situação atual e direções de desenvolvimento futuro na República da Sérvia.
Biotecnologia. Anim. Marido2009,25, 267-276. [CrossRef]
2. Poczta, W.; Średzińska, J.; Chenczke, M. Situação econômica das fazendas leiteiras em grupos identificados de países da União Européia.
Agricultura2020,10, 92. [CrossRef]
3. Eurostat. Disponível:https://ec.europa.eu/eurostat/statistics-explained/index.php/Milk_and_milk_product_statistics (acessado em
3 de março de 2021).
4. Popescu, A. Discrepâncias na estrutura das fazendas leiteiras entre a Romênia e os principais países da UE-28 que criam vacas no período
2010–2017. DentroAnais da Academia de Cientistas Romenos Série Agricultura, Silvicultura e Ciências da Medicina Veterinária; Editora
Academia Oamenilor de S,tinta,umadin Romumania: Bucareste, Romênia, 2018; Volume 7. [CrossRef]
5. Escribano, AJ Pecuária Orgânica: Desafios, Perspectivas e Estratégias para Aumentar sua Contribuição para a Sustentabilidade do Sistema
Agroalimentar—Uma Revisão. DentroAgricultura Orgânica—Uma Forma Promissora de Produção de Alimentos, 1ª edição; Konvalina, P., Ed.;
InTechOpen: Londres, Reino Unido, 2016; págs. 229-260. [CrossRef]
6. Perrino, EV; Musarela, CM; Magazzini, P. Gestão do pastoreio de búfalos de rio italianos para preservar os habitats definidos pela
Directiva 92/43/CEE numa zona húmida protegida na costa mediterrânica: Palude Frattarolo, Puglia, Itália.Euro Mediterr. J. Ambiente.
Integr.2021,6, 32. [CrossRef]
7. Harding, F.Qualidade do Leite, 1ª edição; Springer: Boston, MA, EUA; Blackie Acadêmico e Profissional: Nova York, NY, EUA, 1995; pp.
75-96.
8. Yilmaz, Ö.T. Um estudo das políticas de apoio ao leite na União Europeia e na Turquia.EUR. J. Interdisciplinar. Viga.2017,9, 17-33.
9. Mehta, BM Composição Química de Leite e Produtos Lácteos. DentroManual de Química de Alimentos; Cheung, P., Mehta, B., Eds.;
Springer: Berlim, Heidelberg, 2015. [CrossRef]
10. Banu, C.Manual do Engenheiro da Indústria Alimentar; Editora Técnica: Bucareste, Romênia, 2002; Volume I.
11. Stoicescu, AV Monitoramento de Resíduos Químicos em Alguns Alimentos de Origem Animal. Ph.D. Tese, Faculdade de Medicina Veterinária,
Universidade de Ciências Agrárias e Medicina Veterinária de Bucareste, Bucareste, Romênia, 2008.
12. Nehring, R.; Sauer, J.; Gillespie, J.; Hallahan, C. Fazendas de laticínios dos Estados Unidos e da União Européia: Onde está a vantagem competitiva? Int.
Agroalimentar. Gerenciar Rev.2016,19, 219-240.
13. Matei, AC; Creanguma,S,.; Davisescu, MA; Dobos,, BI; Porosnicu, I.; Mumadescu, BM Pesquisa sobre a eficiência econômica das fazendas
na função do sistema de ordenha. DentroArtigos Científicos: Série D, Ciência Animal - A Sessão Internacional de Comunicações
Científicas da Faculdade de Ciência Animal; Universidade de Ciências Agrárias e Medicina Veterinária de Bucareste: Bucareste,
Romênia, 2020; Volume 63.
14. Helgren, JM; Reinemann, DJ Pesquisa de qualidade do leite em fazendas leiteiras dos Estados Unidos utilizando sistemas de ordenha automática. Dentro
Reunião Anual da ASAE de 2003; Sociedade Americana de Engenheiros Agrícolas e Biológicos: St. Joseph, MI, EUA, 2003; pág. 1.
15. Lind, O.; Ipema, AH; Koning, CD; Mottram, TT; Hermann, HJ Ordenha automática.Touro. Int. Leite Fed.2000,348, 3-14.
16. Mishra, A.; Khatri, S.; Jha, S.; Ansari, S. Efeitos dos métodos de ordenha na produção de leite, vazão de leite e composição do leite em vaca. Int. J.
Sci. Res. Publ.2020,10, 9765. [CrossRef]
Agricultura2021,11, 430 14 de 15
17. Tobuma,GF; Garlea, C.; Paraschiveescu, MT; Sandu, M.; Strateanu, A.-G.; Ciornei, L.; Pipirigeanu, M.; Dobre, AIDStrategie de Dezvoltare a
Biodiversitumat,ii Zootecnia s,e Agrosilvice DupumaCrise de Coronavírus; Academia Romumanuma,Seita,ia de Stiint,e Economice, Juridice s,i
Sociologie Centrul de studii s,eu certificoumari de biodiversidade agrossilvicauma "acad. David Davidescu”: Bucures,ti, Romênia, 2020.
18. Grumadinaru, AC; CreangComo.;Solcan, G. Milk—Uma revisão sobre sua síntese, composição e garantia de qualidade na indústria de laticínios. Zumbir.
Veterinario. Med.2015,7, 173-177.
19. Bacco, M.; Barsocchi, P.; Ferro, E.; Gotta, A.; Ruggeri, M. A digitalização da agricultura: Um levantamento das atividades de pesquisa sobre agricultura
inteligente.Variedade2019,3, 100009. [CrossRef]
20. Van der Burg, S.; Bogaardt, MJ; Wolfert, S. Ética da agricultura inteligente: questões atuais e direções para a inovação responsável para o
futuro.NJAS Wagening. J. Vida Sci.2019,90, 100289. [CrossRef]
21. O'Grady, MJ; O'Hare, GM Modelando a fazenda inteligente.Inf. Processo. Agrícola.2017,4, 179-187. [CrossRef]
22. Jakku, E.; Taylor, B.; Fleming, A.; Mason, C.; Fielke, S.; Sounness, C.; Thorburn, P. “Se eles não nos dizem o que fazem com isso, por que devemos
confiar neles?” Confiança, transparência e repartição de benefícios na Agricultura Inteligente.NJAS Wagening. J. Vida Sci.2019, 90, 100285. [
CrossRef]
23. Wiseman, L.; Sanderson, J.; Zhang, A.; Jakku, E. Agricultores e seus dados: Um exame da relutância dos agricultores em compartilhar seus dados
através das lentes das leis que afetam a agricultura inteligente.NJAS Wagening. J. Vida Sci.2019,90, 100301. [CrossRef]
24. Phillips, PW; Relf-Eckstein, JA; Jobé, G.; Wixted, B. Configurando o novo cenário digital na agricultura canadense ocidental. NJAS
Wagening. J. Vida Sci.2019,90, 100295. [CrossRef]
25. Pisano, P.; Pironti, M.; Rieple, A. Identifique modelos de negócios inovadores: Modelos de negócios inovadores podem permitir que os jogadores reajam a
tendências contínuas ou imprevisíveis?Empr. Res. J.2015,5, 181-199. [CrossRef]
26. Bashir, M.; Verma, R. Por que a inovação do modelo de negócios é a nova vantagem competitiva.Iup J. Bus. Estratégia2017,14, 7-17.
27. Chaston, I.; Scott, GJ Empreendedorismo e inovação aberta em uma economia emergente.Gerenciar Decis.2012,50, 1161-1177. [CrossRef]
28. DeTienne, DR; Koberg, CS O impacto de fatores ambientais e organizacionais na inovação descontínua em indústrias de alta
tecnologia.Trans. IEEE Eng. Gerenciar2002,49, 352-364. [CrossRef]
29. Grabowska, M. Inovação em Modelos de Negócios.Procedia Comput. Sci.2015,65, 1023-1030. [CrossRef]
30. Freeman, T. Best practice' in focus group research: Dando sentido a diferentes pontos de vista.J. Av. Enfermeiras.2007,56, 491-497. [CrossRef]
31. Rodríguez, KL; Schwartz, JL; Lahman, MKE; Geist, MR Grupos focais culturalmente responsivos: Reenquadrando a experiência de pesquisa para
focar nos participantes.Int. J. Qual. Metanfetamina2011,10, 400-417. [CrossRef]
32. Richard, A. Krueger e Mary Anne Casey. DentroFocus Group: Um Guia Prático para Pesquisa Aplicada, 5ª edição; Sage Publishing:
Thousand Oaks, CA, EUA, 2015; ISBN 978-1-4833-6524-4.
33. Linneberg, MS; Korsgaard, S. Codificação de dados qualitativos: Uma síntese guiando o novato.Qual. Res. J.2019. [CrossRef]
34. Saiz-Rubio, V.; Rovira-Mumas, F. Da Agricultura Inteligente à Agricultura 5.0: Uma Revisão sobre o Gerenciamento de Dados de Cultivos.Agronomia 2020,10,
207. [CrossRef]
35. Lamnabhi-Lagarrigue, F.; Annaswamy, A.; Engell, S.; Isaksson, A.; Khargonekar, P.; Murray, RM; Nijmeijer, H.; Samad, T.; Tilbury, D.; Van
den Hof, P. Systems & Control para o futuro da humanidade, agenda de pesquisa: papéis atuais e futuros, impacto e grandes desafios.
Anu. Rev. Controle2017,43, 1-64.
36. Metzger, L. Teste de composição do leite: Do pagamento do produtor de leite à eficiência do processador de laticínios, passando pelo diagnóstico da fazenda de
laticínios e dos animais.J. Dairy Sci.2019,102(Supl. 1), 5.
37. Zhang, Y.; Geng, P.; Sivapartipan, CB; Muthu, BA Sistema de alerta precoce de risco de incêndio baseado em big data e inteligência artificial para
cidades inteligentes.Sustentar. Tecnol Energia. Avaliar.2021,45, 100986. [CrossRef]
38. Kruize, JW; Wolfert, S.; Scholten, H.; Verdouw, C.; Kassahun, A.; Beulens, A. Uma arquitetura de referência para Ecossistemas de Software Agrícola.
Computar. Elétron. Agrícola.2016,125, 12-28.
39. Nesta. Disponível:https://www.nesta.org.uk/blog/precision-agriculture-almost-20-increase-in-income-possible-fromsmart-
farming/(acessado em 24 de março de 2021).
40. Pucihar, A.; Lenart, G.; Kljajić Borštnar, M.; Vidmar, D.; Marolt, M. Drivers and Outcomes of Business Model Innovation – Perspectiva das
Micro, Pequenas e Médias Empresas.Sustentabilidade2019,11, 344. [CrossRef]
41. Zott, C.; Amit, R. Projeto de modelo de negócios: Uma perspectiva do sistema de atividades.Plano de Longo Alcance.2010,43, 216-226. [CrossRef]
42. Bucherer, E.; Eisert, U.; Gassmann, O. Rumo à inovação sistemática do modelo de negócios: lições da gestão da inovação de
produtos.Crie. Inovação Gerenciar2012,21, 183-198. [CrossRef]
43. Santos, J.; Spector, B.; Van der Heyden, L. Rumo a uma teoria da inovação do modelo de negócios dentro das empresas estabelecidas. DentroInovação do
Modelo de Negócios: A Dimensão Organizacional; Oxford University Press: Oxford, Reino Unido, 2015; pág. 43.
44. El Hamdi, S.; Abouabdellah, A.; Oudani, M. Indústria 4.0: Fundamentos e Principais Desafios. In Proceedings of the International
Colloquium on Logistics and Supply Chain Management (LOGISTIQUA), Paris, França, 12 a 14 de junho de 2019.
45. Shrouf, F.; Ordières, J.; Miragliotta, G. Fábricas inteligentes na Indústria 4.0: Uma revisão do conceito e da gestão de energia abordada
na produção com base no paradigma da Internet das Coisas. In Proceedings of the IEEE International Conference on Industrial
Engineering and Engineering Management, Bandar Sunway, Malásia, 9–12 de dezembro de 2014; págs. 697-701.
46. Wan, J.; Cai, H.; Zhou, K. Industrie 4.0: Habilitando tecnologias. In Proceedings of the International Conference on Intelligent
Computing and Internet of Things, Harbin, China, 17–18 de janeiro de 2015; págs. 135-140.
47. Organização Europeia de Cibersegurança.Segurança Cibernética para a Indústria 4.0 e Setor ICS; Organização Europeia de Segurança Cibernética: Bruxelas,
Bélgica, 2018.
Agricultura2021,11, 430 15 de 15
48. Gargiulo, JI; Lyons, NA; Kempton, K.; Armstrong, DA; Garcia, SC Comparação física e econômica de sistemas de ordenha
automática e convencional a pasto.J. Dairy Sci.2020,103, 8231-8240. [CrossRef] [PubMed]
49. Bijl, R.; Kooistra, SR; Hogeveen, H. A rentabilidade da ordenha automática em fazendas leiteiras holandesas.J. Dairy Sci.2007,90, 239-248. [CrossRef]
50. Jago, JG; Davis, KL; Newman, M.; Woolford, MW Uma avaliação econômica de sistemas de ordenha automática para fazendas leiteiras da Nova
Zelândia.Proc. NZ Soc. Anim. Prod.2006,66, 263-269.
51. Shortall, J.; Shalloo, L.; Foley, C.; Sleator, RD; O'Brien, B. Avaliação de investimento de ordenha automática e tecnologias de ordenha convencional
em um sistema de laticínios baseado em pastagem.J. Dairy Sci.2016,99, 7700-7713. [CrossRef]
52. Salfer, JA; Minegishi, K.; Lázaro, W.; Berning, E.; Endres, MI Finanças e retornos para laticínios robóticos.J. Dairy Sci.2017,100,
7739-7749. [CrossRef]
53. Nelli, A.‑R. Perspectivas,eu problemele integrumarii în cuspiu,iul europeu al cercetumarii s,eu educo,ou seja. DentroS,tinta,e Economice, Revolution
4.0: Perspectivas do Desenvolvimento de Empreendimentos Agrícolas na Era Digital; Universitatea de Stat "Alecu Russo" em Bumalt,eu: Bumalt,
i, Moldávia, 2020; Volume VII.
54. Nelli, A.‑R. Desenvolvimento inovador da indústria agroalimentar na era digital.Academos2020. [CrossRef]
55. Agência Europeia do Ambiente. Disponível:https://www.eea.europa.eu/ro/articles/un-aer-mai-curat-aduce(acessado em 11 de abril de
2021).
56. Ministério da Agricultura e Desenvolvimento Rural. Análise de Necessidades do Plano Estratégico Nacional (PNS) 2021–2027. 2020. Disponível
online:https://www.madr.ro/docs/dezvoltare-rurala/PAC_dupa_2020/2020/Analiza-nevoi-PNS-2021-2027.pdf(acessado em 11 de abril de 2021).