UNIVERSIDADE FEDERAL DO VALE DO SÃO FRANCISCO

CURSO DE GRADUAÇÃO ENGENHARIA AGRÍCOLA E AMBIENTAL

ANTONINY DA SILVA PEREZ

DESENVOLVIMENTO DE UMA FERRAMENTA DE GERENCIAMENTO

PARA TRATORES AGRÍCOLAS

JUAZEIRO - BA
2023
 ANTONINY DA SILVA PEREZ

DESENVOLVIMENTO DE UMA FERRAMENTA DE GERENCIAMENTO

PARA TRATORES AGRÍCOLAS

Trabalho apresentado a Universidade Federal do

Vale do São Francisco – UNIVASF, Campus Jua-
zeiro - BA, como requisito para obtenção do título
de Eng. Agrícola e Ambiental.

Orientador: Profª. Drª. Jardênia Rodrigues Feitosa.

JUAZEIRO - BA
2023
 FICHA CATALOGRÁFICA

Perez, Antoniny
P438d Desenvolvimento de uma ferramenta de gerenciamento para tra-
tores agrícolas. / Antoniny da Silva Perez. – Juazeiro - BA, 2023.
xxii, 30 f.; 29 cm.

Trabalho de Conclusão de Curso (Graduação em Engenharia

Agrícola e Ambiental) - Universidade Federal do Vale do São Fran-
cisco, Campus Juazeiro - BA, 2023.

Orientadora: Profª. Drª. Jardênia Rodrigues Feitosa.

1. Agrícola. 2. Análise de dados. 3. Agricultura 4.0. I. Título. II.

Feitosa, Jardênia Rodrigues III. Universidade Federal do Vale do São
Francisco.

* CDD 631.3

Ficha catalográfica elaborada pelo Sistema Integrado de Biblioteca SIBI/UNIVASF

Bibliotecário: Márcio Pataro CRB – 5 / 1369.
 UNIVERSIDADE FEDERAL DO VALE DO SÃO FRANCISCO
CURSO DE GRADUAÇÃO ENGENHARIA AGRÍCOLA E AMBIENTAL

ANTONINY DA SILVA PEREZ

DESENVOLVIMENTO DE UMA FERRAMENTA DE GERENCIAMENTO

PARA TRATORES AGRÍCOLAS

Trabalho de conclusão de curso apresentado

como requisito parcial para obtenção do título de
Bacharel em Engenharia Agrícola e Ambiental,
pela Universidade Federal do Vale do São
Francisco.

Aprovado em: 14 de agosto de 2023.

Banca Examinadora

Jardênia Rodrigues Feitosa, Dr.(a), UNIVASF

Orientadora

Daniel dos Santos Costa, Dr., UNIVASF

Avaliador interno

Daniel Mariano Leite, Dr., UNIVASF

Avaliador externo
 “Lealdade é uma via de mão dupla; se estou
pedindo a sua, vai receber a minha (Gabriel Match)”.
 AGRADECIMENTOS

Agradeço primeiramente a Deus, por toda força dada para trilhar essa
grande jornada até aqui, cheia de desafios e incertezas.
Agradeço a meus pais e irmã, Ailton, Lenise e Beatriz, por todo o incentivo
e apoio dado aos meus estudos ao longo da minha vida. Aos demais familiares,
especialmente Ubirajara Perez, por todo o suporte durante o período de graduação.
Agradeço a Raniele, por todo incentivo e apoio durante nessa jornada de
companheirismo e o amor demonstrado ao longo da nossa relação.
Agradeço também aos meus professores, em especial, a minha
orientadora Jardênia Rodrigues Feitosa, por toda paciência e comprometimento, ao
me auxiliar de maneira excelente na elaboração desse trabalho.
Por fim, agradeço a todos os colegas de graduação que trilharam parte
desse caminho comigo, compartilhando as dificuldades, os desafios e as vitórias
obtidas.
PEREZ, A. S. Desenvolvimento de uma ferramenta de gerenciamento para trato-
res agrícolas; Juazeiro (BA). Trabalho de Conclusão de Curso. Universidade Federal
do Vale do São Francisco. 2023

RESUMO

A aplicabilidade da agricultura 4.0 no modelo de gerenciamento de máquinas agríco-

las, é caracterizada pela utilização do conceito evolutivo do uso da tecnologia no meio
agrícola. A elaboração de softwares, banco de dados e a sincronização da conectivi-
dade no uso das máquinas, são combinações observadas no desenvolvimento de um
modelo de gestão agrícola. Com isso, o presente trabalho explana o desenvolvimento
de um sistema de gestão escalonável para a frota de cinco tratores agrícolas de uma
fazenda produtora de uvas para processamento, localizada na zona rural do município
de Lagoa Grande - PE, através da estruturação dos dados do sistema de monitora-
mento via GPS para cada máquina, coletados no período de 2022. O modelo de ges-
tão foi elaborado com a utilização do software Power BI, onde o dashboard é o painel
automatizado de apresentação e organização da base de dados, onde possibilita ge-
rar, por meio de análises gráficas, algumas variáveis como, os custos de operação e
rendimento das máquinas e operadores. Além disso, observou-se que a sincronização
das atividades planejadas e executadas durante o manejo do ciclo de produção atri-
buídas a cada máquina com o sistema de gestão, resultará em um sistema de Plane-
jamento de Recursos Empresariais-ERP viável e adaptável para fazendas do ramo da
fruticultura irrigada.

Palavras-Chave: Gestão de frotas; Agricultura Inteligente; Máquinas Agrícolas; ERP;

Power BI
PEREZ, A. S. Development of a management tool for agricultural tractors; Jua-
zeiro (BA). Completion of course work. Universidade Federal do Vale do São Fran-
cisco. 2023

ABSTRACT

The applicability of Agriculture 4.0 in the management model of agricultural machines

in rural properties is characterized by the use of the evolutionary concept of the use of
technology in the agricultural environment. The development of software, databases
and the synchronization of connectivity in the use of machines are combinations ob-
served in the development of an agricultural management model. With this, the present
work explained the development of a scalable management system for the fleet of five
agricultural tractors of a farm producing grapes for processing, located in the rural area
of the municipality of Lagoa Grande - PE, through the structuring of data from the mo-
nitoring system via GPS for each machine, collected in the period of 2022. The mana-
gement model was developed using the Power BI software, where the dashboard is
the automated panel for presenting and organizing the database, where it allows ge-
nerate, through graphic analysis, some variables such as operating costs and perfor-
mance of machines and operators. In addition, it was observed that the synchroniza-
tion of planned and executed activities during the management of the production cycle
assigned to each machine with the management system, will result in a viable and
adaptable ERP system for farms in the field of irrigated fruit growing.

Key-words: Fleet management; Smart Agriculture; Agricultural machinery; ERP;

Power BI
 LISTAS DE FIGURAS

Figura 1 - Quantidade de horas mensais da movimentação e parado em 23

funcionamento, dos tratores em 2022.

Figura 2 - Dias totais de movimentação x parado em funcionamento, dos 24

tratores em 2022.
Figura 3 - Rendimento anual de operação dos tratores em 2022. 24
 LISTAS DE GRÁFICOS

Figura 1 - Quantidade anual de horas mensais da movimentação e parado 23

em funcionamento, dos tratores em 2022.
Figura 2 - Rendimento trimestral de operação dos tratores em 2022. 25

Figura 3 - Casos pontuais em que os tratores estavam por mais de 6h ligados 25

em modo ocioso.
Figura 4- % total em que os tratores ficaram apenas no modo ocioso. 26

Figura 5 - % total em que os tratores ficaram apenas no modo 26

movimentação.
Figura 6 - Total de km percorrido por cada trator ao longo do ano x 27
atingimento do trator que percorreu maior km ao longo de 2022.
 LISTAS DE TABELAS

Tabela 1 - Quantidade de horas mensais da movimentação, dos tratores em 21

2022.
Tabela 2 - Quantidade de horas mensais do motor ocioso, dos tratores em 22
2022.
Tabela 3 - Distância percorrida mensalmente por cada trator em 2022. 26
 SUMÁRIO

1 INTRODUÇÃO ......................................................................................................... 7

1.1 Apresentação e Contextualização do Tema .......................................................... 7

1.2 Problemática ......................................................................................................... 8

2 REFERÊNCIAL TEÓRICO ....................................................................................... 9

2.1 Agricultura Digital .................................................................................................. 9

2.2 O Big Data ........................................................................................................... 10

2.4.1 Tecnologias de otimização da operação, coordenação e comunicação de

maquinários e veículos....................................................................................... 12

2.4.2 Sistemas Enterprise Resource Planning (ERP) e aplicações na economia e

setor da agricultura ............................................................................................ 14

3 METODOLOGIA..................................................................................................... 17

3.1 Tipo e Natureza da Pesquisa .............................................................................. 17

3.2 Local da Pesquisa ............................................................................................... 18

3.3 Procedimento e Análise de Dados ...................................................................... 18

4 DISCUSSÃO E RESULTADOS.............................................................................. 19

4.1 Caracterização da Empresa ................................................................................ 19

4.2 Segmentação de Dados ...................................................................................... 19

4.3 Tempo em Operação x Tempo Motor Ocioso ..................................................... 20

4.4 Quantidade em dias do Período de Operação .................................................... 23

4.5 Média de Rendimento Anual de Operação / Trator ............................................. 23

4.6 Casos de Atenção ............................................................................................... 24

4.7 Distância Total Percorrida ................................................................................... 25

5 CONSIDERAÇÕES FINAIS ................................................................................... 26

REFERÊNCIAS ......................................................................................................... 28
 7

1 INTRODUÇÃO

1.1 Apresentação e Contextualização do Tema

De acordo com a crescente evolução tecnológica iniciada no século XX, a

agricultura moderna está cada vez mais competitiva. Com isso, o setor do agronegócio
demanda cada vez mais mão de obra qualificada, no tocante ao gerenciamento dos
empreendimentos rurais (NUNES, 2023).
O foco em uma maior produtividade e qualidade dos produtos, faz com
que agricultores recorram a equipamentos e tecnologias como, o uso de práticas de
gestão e de ferramentas de tecnologia da informação, para que eles possam fortalecer
a cadeia do agronegócio. Softwares podem ser utilizados para auxiliar na gestão e
assim prover ganhos de produtividade a esses agricultores (MORAES et al., 2011).
Gerar dados de operação das máquinas agrícolas e organizá-los de
modo que possam ser utilizados na tomada de decisões durante as operações diárias
de um empreendimento rural, é uma prática fundamental no processo de
gerenciamento, mas ainda é um desafio que proprietários de pequenas a grandes
empresas rurais enfrentam. A habilidade de repetidamente coletar dados específicos,
ou seja, resultados das operações de máquinas agrícolas, contribui no gerenciamento
da produtividade, além de prover uma oportunidade de otimizar a produtividade e o
lucro do empreendimento (ARVUS, 2015).
Atualmente, é possível contratar serviços de telemetria de máquinas
agrícolas e softwares de gerenciamento que auxiliam a tomada de decisão em tempo
real. Fazendas que utilizam maquinário agrícola de grande porte, são as que mais
investem na implantação desses serviços, já que são serviços com alto custo de
aquisição. Com isso, torna se inviável para fazendas de pequeno porte adquirir
determinados sistemas.
No geral, os softwares disponíveis são complexos e exigem um alto
investimento que reflete diretamente na receita do agricultor, além de possuir muitas
funções que o agricultor desse nicho pode dispensar durante o gerenciamento do seu
empreendimento (MORAES et al., 2011).
Sistemas de telemetria não intrusiva e de gerenciamento das operações
e comunicação direta com as máquinas agrícolas, tais como os disponibilizados pela
empresa Solinftec, entre outras, não costumam ser adquiridos por fazendas que
 8

demandam uma pequena frota de máquinas agrícolas, em especial apenas tratores,

devido principalmente ao seu alto custo, sendo assim necessário o desenvolvimento
de sistemas alternativos viáveis para esses modelos de propriedades.
Independentemente do porte do empreendimento rural, para ser
competitivo e sustentável no mercado, o proprietário rural deve estruturar uma equipe
de trabalho qualificada e eficaz para a administração da sua propriedade. Tal
condição, se torna justificável devido a uma realidade cada vez mais complexa e
específica, a qual exige da equipe a aquisição de novas habilidades nas áreas de
gestão, tecnologias de produtos e processos, bem como acesso a informações sobre
as melhores condições técnicas e ambientais de produção (BUAINAIN et al., 2007).
Nesse sentido, o empreendimento rural é um setor que depende da
tecnologia da ciência de dados para alavancar seu crescimento e aumentar o
rendimento dos recursos produtivos. Com isso, quando não há estruturação dos
dados, a tomada de decisões é realizada de forma intuitiva, não analítica e a critério
do julgamento das lideranças que estão à frente do gerenciamento, sendo
caracterizadas como reativas. É necessário o problema acontecer para que se possa
aplicar a solução.
Com isso, o presente trabalho tem como objetivo principal apresentar uma
ferramenta de gerenciamento de frotas agrícolas, desenvolvida por um conjunto do
banco de dados de georreferenciamento via GPS e um dashboard elaborado pelo
software Power BI, para fornecer suporte no gerenciamento das máquinas agrícolas.

1.2 Problemática

Diante deste contexto, empresas rurais que utilizam frotas de tratores

agrícolas ou outras máquinas de menor porte utilizadas no processo produtivo, devem
gerir os dados de operação, já que eles expressam o custo de operação dessas
máquinas.
Compreender a importância de um sistema de gestão para os tratores
agrícolas e outras máquinas utilizadas nas operações de produção de uma fazenda
agrícola, através da utilização dos dados de desempenho gerados pelas máquinas
durante as atividades, desde que utilizem o sistema de geolocalização, é importante
para o desenvolvimento desse setor.
 9

O sistema de geolocalização é considerado de baixo custo e pode ser

implementado individualmente em cada máquina. O banco de dados gerado pelo
sistema de rastreamento, junto ao cronograma diário das atividades a serem
realizadas pelas máquinas, compõem o painel de resultados utilizado na tomada de
decisões durante o gerenciamento da fazenda.

2 REFERÊNCIAL TEÓRICO

2.1 Agricultura Digital

É considerada a evolução da agricultura de precisão, por englobar estraté-
gias de gestão de processos produtivos, onde reúne, processa e analisa dados tem-
porais, espaciais e os combina com outras ferramentas, com foco em orientar o ge-
renciamento agrícola, melhorando sua eficiência, produtividade, qualidade, rentabili-
dade, para um menor custo e riscos de operação e produção respectivamente. Um
dos principais fatores que define o sucesso desse processo de implantação do con-
ceito de agricultura digital, é a implementação correta das ferramentas de coleta de
dados, as quais podem acelerar e aprimorar as decisões de gerenciamento (HEEGE,
2013).
Romani (2014) afirma que especialistas consideram que as tecnologias
agrícolas inteligentes têm um forte potencial para melhorar o desempenho econômico
dos agricultores e que contribuirão para uma agricultura mais sustentável. O autor
também evidencia fatores que afetam a adoção de tecnologias de fazendas inteligen-
tes e identifica os principais fatores atuantes nesse contexto, que são: o nível de com-
plexidade, a compatibilidade da tecnologia, o grau de inovação, conhecimento de Tec-
nologia da Informação-TI, características dos Chefes Executivos de Ofício-CEOs, cus-
tos financeiros, vulnerabilidade humana, falta de habilidades para operar os sistemas,
pressão competitiva, apoio do governo e a mudança para um ambiente digital.
Pivoto et al. (2017) afirmaram que o conceito de agricultura digital envolve
a incorporação de tecnologias de Tecnologia da Informação-TI e comunicação dentro
de máquinas, sensores e equipamentos para uso em sistemas de produção agrícola.
Nesse contexto, os autores identificaram como principal limitante para a evolução da
agricultura inteligente no Brasil a integração de diversos sistemas existentes no mer-
cado. Outro fator crítico é a educação, as habilidades e as competências dos agricul-
tores para entender e manusear essas ferramentas. Nesse sentido, pesquisas – tal
 10

como a aqui desenvolvida – são fundamentais para que haja uma nova geração de
produções acadêmicas, práticas e organizacionais na área da Agricultura 4.0.

Zhao et al. (2005) afirmam que o aumento do uso de dados pelas tecnolo-
gias agrícolas inteligentes oferece aos agricultores uma oportunidade de entender me-
lhor os agroecossistemas, aumentando assim a produção e os lucros com sustenta-
bilidade. Os autores apresentam um estudo sobre a capacidade dos consultores agrí-
colas de gerenciar um vasto conjunto de dados. As conclusões alcançadas são que
as tecnologias agrícolas inteligentes têm potencial disruptivo para a gestão agrícola,
exigindo contribuições mais significativas de consultores para facilitar uma adaptação
ideal do sistema.
Por fim, ainda neste campo, Fubing (2012) assume que os recentes avan-
ços no desenvolvimento e implementação de Tecnologia da Informação e Comunica-
ção - TICs, geraram uma capacidade de coletar, processar e analisar dados de dife-
rentes fontes, materializando o conceito de agricultura inteligente. Esses avanços re-
ferem-se não apenas à quantidade, mas também à variedade e velocidade de coleta
desses dados, e o conceito de Big Data é a chave para entender as tendências futuras
da agricultura (FUBING, 2012). Exposto isto, na próxima seção se trabalha outra fer-
ramenta essencial da Agricultura 4.0, a chamada Internet das Coisas (IoT).

2.2 O Big Data

Todas as informações utilizadas para a prática da agricultura inteligente

são derivadas da conexão de diversos sistemas que operam em tempo real a partir
do uso de IoT, computação em nuvem, inteligência artificial e big data, entre outras
tecnologias que conectam todas as etapas do processo produtivo desde coleta de
informações relacionadas à cultura, bem como dados sobre os fornecedores, os con-
sumidores finais e os clientes (RIBEIRO et al, 2018).
Exposto isto, é importante salientar que o Big Data é um dos pilares da
Agricultura Digital nos dias de hoje, pois permite a coleta, a análise e disseminação
prática de dados, assim, os produtores podem aumentar a produtividade em taxas
nunca observadas desde o processo de mecanização (RIBEIRO et al, 2018). Como o
volume de dados coletados é grande, complexo e heterogêneo, as ferramentas com-
putacionais tradicionais não conseguem realizar o processamento e o gerenciamento
 11

das informações, sendo necessários algoritmos complexos para auxiliar diretamente

na análise dos dados (RIBEIRO et al, 2018).
O big data é baseado em seis características: o volume, pois um grande
volume de dados é gerado a cada instante por diferentes meios e tecnologias; a velo-
cidade, que permite que os dados sejam gerados com agilidade e acessados em
tempo real para otimizar tarefas; a variedade, pois os dados são coletados de diferen-
tes tecnologias e devem ter a capacidade de serem processados em conjunto; a ve-
racidade, referindo-se à integridade e exatidão dos dados para que não haja armaze-
namento de informações incertas; a variabilidade, que permite a compreensão e o
tratamento dos dados para eliminar eventos específicos que não refletem o padrão de
comportamento de longo prazo; e o valor, que é uma característica altamente rele-
vante, pois informações ricas, precisas e confiáveis são necessárias para a tomada
de decisão (MOROTA et al., 2018).
A principal tecnologia associada ao Big Data é a mineração de dados,
cuja função é realizar o processamento de dados em busca de anomalias, padrões e
correlações para prever resultados e tendências confiáveis que possam subsidiar no-
vas ações para aumentar a receita, reduzir custos e melhorar a cadeia produtiva do
processo (MOROTA et al., 2018).
A mineração facilita o entendimento do comportamento dos dados, pois
pode ser usada em conjunto com algoritmos de Machine Learning - ML para construir
modelos que realizam a tarefa de predição, associação ou agrupamento dos dados.
Em seguida, por meio de padrões estabelecidos, são apresentados os resultados e
feita a definição do melhor caminho a ser seguido (MATSUMOTO, 2019).
Liu et al. (2019) apresentou estudo sobre desafios e oportunidades do Big
Data na agricultura, onde apontou que essa tecnologia possibilita a análise de infor-
mações críticas em todas as etapas da cadeia produtiva. Como exemplo, os autores
citaram a oportunidade de prever a produção e seleção de culturas adequadas para
uma determinada região, usando big data e ML, por meio de algoritmos que identifi-
cam as relações de entrada e saída na seleção de uma cultura com base na produti-
vidade, tipo de solo, clima e fenômenos naturais.
Morota et al. (2018) apresentaram em sua revisão, o modelo de big data
na IoT para determinar como essa tecnologia poderia contribuir ao gerenciamento de
produção de banana orgânica. Os autores assumem, através desta, que a implemen-
tação da agricultura digital fornece respostas específicas aos problemas existentes e
 12

atende às necessidades dos produtores de praticar manejo voltado para o desenvol-

vimento de práticas sustentáveis (MOROTA et al., 2018).
Conforme descrito anteriormente, Big Data já é uma realidade. A capaci-
dade de extrair informações desse banco de dados e convertê-los em possibilidades
estratégicas para otimizar a tomada de decisões assertivas no aumento da produtivi-
dade, na diminuição dos custos e redução dos impactos negativos ao meio ambiente,
fará com que as propriedades agrícolas do futuro aumentem o monitoramento e a
automação de cada etapa do processo de produção (MATSUMOTO, 2019).

2.2 Tendências da agricultura digital no controle e gestão de máquinas agrícolas

em pequenas, médias e grandes propriedades rurais

Ao longo desta seção, são apresentadas as principais tendências da Agri-

cultura Digital que são aplicadas em pequenas, grandes e, especialmente, médias
propriedades rurais, considerando o objetivo central de análise desta pesquisa. Assim,
as Tecnologias de Otimização da Operação, Coordenação e Comunicação de Maqui-
nários e Veículos estão apresentadas em características a partir da literatura consul-
tada, a frente.

2.2.1 Tecnologias de otimização da operação, coordenação e comunicação de

maquinários e veículos

Espera-se que a produtividade das máquinas agrícolas melhore com a

automação devido ao aumento da eficiência, confiabilidade, precisão e redução da
necessidade de mediação humana. No entanto, o progresso da automação e da ro-
bótica na agricultura tem sido lento em comparação com o progresso na manufatura
industrial, na qual tarefas bem definidas, pré-determinadas e repetitivas são executa-
das em ambientes relativamente estáticos (SULECKI, 2018).
As operações agrícolas são realizadas em ambientes complexos e dinâ-
micos, exigindo sistemas robóticos sofisticados. Esse requisito é frequentemente su-
gerido como a principal barreira ao desenvolvimento e aplicação de tecnologia na agri-
cultura. Um fator crítico associado que limita a aplicação de ARS na agricultura tem
 13

sido a falta de justificativa econômica, mas essa deficiência provavelmente será su-
perada à medida que as tecnologias aliadas se tornarem mais acessíveis (GIFT, 2018;
BORÉM, 2022; HAMEED et al., 2016; ANTILLE et al., 2018).
As tecnologias automatizadas foram desenvolvidas nas últimas décadas
para melhorar a eficiência operacional dos veículos, onde desenvolvimentos recentes
de automação melhoraram significativamente os elementos da operação dos equipa-
mentos empregados na indústria de máquinas agrícolas (SCHUELLER, 2014). Por
exemplo, transmissões continuamente variáveis (CVTs) aliviam o processo de seleção
de marchas e combinações de rotação do motor durante as operações do veículo
(SULECKI, 2018).
Já quanto às tecnologias voltadas para o gerenciamento de máquinas
agrícolas utilizadas na operação, à automação e equipamentos semiautomáticos são
tendências. Este tipo de equipamento é semelhante ao equipamento controlado pelo
operador, mas incorpora uma ou mais operações automatizadas, permitindo a inter-
venção de um operador humano em caso de risco ou falha. As tecnologias líder-se-
guidor são tecnologias de coordenação de maquinário que tendem a ser semiautomá-
ticas, com pelo menos um operador humano controlando diretamente a operação ge-
ral (SULECKI, 2018).
Quanto à comunicação de máquinas, os agricultores geralmente usam
tratores de uma marca com implementos de outra e, se tiverem sistemas eletrônicos
incompatíveis, cada combinação de trator e implemento exigiria terminal de conexão
individual e um conversor de formato de dados. Assim, conectores padronizados, for-
matos de dados e protocolos de comunicação são necessários para que equipamen-
tos de diferentes fabricantes de máquinas agrícolas sejam compatíveis entre si
(BORÉM et al, 2018).
O principal esforço destinado a padronizar equipamentos agrícolas que
criam e manipulam dados agrícolas é o padrão ISO 11783, “Tratores e máquinas para
agricultura e silvicultura ― Rede serial de controle e comunicação de dados” também
conhecida como sistema ISOBUS. O objetivo principal do ISOBUS é padronizar a co-
municação entre tratores e implementos e promover a compatibilidade da transferên-
cia de dados entre os sistemas móveis e os softwares de escritório utilizados na fa-
zenda. Um sistema ISOBUS moderno consiste em vários componentes, incluindo o
veículo, o terminal de conexão e o implemento (SULECKI, 2018).
 14

Algumas tecnologias de seguidores de líderes estão em processo de co-

mercialização, enquanto os sistemas multi-robôs são amplamente conceituais. O
amadurecimento dos padrões de dados abertos (ISOBUS etc.) beneficia maior auto-
mação em termos de comunicação entre veículos e implementos, bem como com o
software de gerenciamento agrícola (SULECKI, 2018).
Várias soluções telemáticas foram desenvolvidas para comunicação de
máquinas, mas é improvável que esses sistemas sejam diretamente aplicáveis a veí-
culos totalmente autônomos, porque a largura de banda de dados e os requisitos de
confiabilidade provavelmente excederão aqueles necessários para gerenciamento de
frota e suporte logístico (HAMEED et al., 2013).
Um desenvolvimento limitado ocorreu nas comunicações máquina a má-
quina, embora os principais fabricantes de tratores estejam empenhados em esforços
contínuos. Várias soluções telemáticas e de comunicação interna foram desenvolvi-
das por fabricantes de equipamentos para permitir o gerenciamento automatizado em
campo e o monitoramento do desempenho do veículo, mas não está claro, direta-
mente, o quão abertas essas plataformas de comunicação são na interação dos sis-
temas múltiplos (HAMEED et al., 2013). Dito isto, diversas são as tecnologias traduzi-
das para a setor agrícola atualmente e, a partir das aqui observadas, nota-se que a
automatização é uma das principais características. É nesse sentido que a próxima
seção traz uma avaliação sobre o sistema ERP, objeto desta pesquisa.

2.2.2 Sistemas Enterprise Resource Planning (ERP) e aplicações na economia e

setor da agricultura

O ERP surgiu no início da década de 1990 como extensão lógica dos

sistemas de planejamento de requisitos de material (MRP) da década de 1970 e dos
sistemas de planejamento de recursos de manufatura (MRP II) da década de 1980
(JACOBS; WESTON, 2007). Hoje em dia, o ERP tornou-se um padrão de fato em
muitos setores. Por exemplo, a Aberdeen informou em 2012 que 92% das empresas
de manufatura implementaram ERP (CASTELLINA, 2012).
Um sistema ERP é um pacote de software padronizado que combina a
funcionalidade de múltiplas funções de negócios em um sistema integrado. Quatro
características importantes podem ser identificadas: (a) sistema ERP é multifuncional;
suporta vários processos de negócios, como gerenciamento de pedidos, administra-
 15

ção financeira, gerenciamento de depósito, planejamento de produção, vendas, com-

pras e distribuição; (b) sistema ERP é um sistema integrado no qual as integrações
de diferentes funcionalidades estão embutidas no sistema. Os dados são comparti-
lhados automaticamente no sistema completo logo após a entrada dos dados; e (c)
sistema ERP é crítico para os negócios porque é líder na execução de processos de
negócios. Isso resulta em informações gerenciais atualizadas, que possibilitam ações
corretivas e preventivas imediatas; e um sistema ERP é um pacote de software padrão
que suporta diferentes tipos de empresas em vários setores. A funcionalidade do sis-
tema é adequada para empresas específicas, definindo parâmetros específicos
(CASTELLINA, 2012).
A principal vantagem do ERP é que fornece um backbone estável para o
registro e comunicação de informações entre funções de negócios e, consequente-
mente, garante a disponibilidade de informações precisas e oportunas para o geren-
ciamento integrado de processos de negócios. Existe muita literatura mostrando que
o desempenho de empresas que utilizam ERP é melhor do que empresas que não o
implementaram (CASTELLINA, 2012).
No entanto, duas observações importantes devem ser feitas: em primeiro
lugar, a implementação de um sistema ERP requer investimento considerável (as em-
presas que implementam ERP frequentemente enfrentam muitos problemas iniciais,
que resultam em uma queda de desempenho imediatamente após a implementação
no curto prazo); em segundo lugar, implementação de ERP tem grande impacto nos
processos de negócios. Os benefícios só podem ser percebidos se a implementação
for combinada com processos de negócios gerenciados adequadamente. Essas no-
ções enfatizam que o processo de adoção e implementação precisa ser gerenciado
cuidadosamente para capitalizar os benefícios de um sistema ERP (CASTELLINA,
2012).
A aplicabilidade do ERP no setor agroalimentar tem sido frequentemente
considerada limitada. Os sistemas ERP cobrem perfeitamente as demandas de ca-
deias de suprimentos eficientes, caracterizadas por processos de negócios estáveis e
baixa incerteza de demanda. No entanto, em setores com demanda e oferta altamente
incertas nos processos produtivos e logísticos, o ERP tradicional é vivenciado como
um obstáculo para alcançar a flexibilidade necessária (KOCH, 2017).
A agroalimentar é um exemplo típico de tal indústria, devido à sua depen-
dência de processos biológicos (por exemplo, o crescimento de plantas, o processo
 16

do solo etc.). Uma complicação adicional é que muitos sistemas ERP carecem de
funcionalidade específica do setor, porque por muito tempo o negócio agroalimentar
era um mercado muito pequeno para fornecedores de ERP desenvolverem funciona-
lidades específicas (KOCH, 2017).
No entanto, esta situação está mudando. A indústria de ERP reconheceu a
falta de flexibilidade e, na década anterior, trabalhou arduamente para transformar o
ERP em sistemas ERP II, baseados na web, abertos e componentizados com base
em uma Arquitetura Orientada a Serviços (KOCH, 2017). Além disso, muitas soluções
de ERP específicas do setor surgiram, consistindo em camadas específicas do setor
em torno de sistemas ERP padrão. No setor de horticultura, vários produtores e co-
merciantes já implementaram esses sistemas de ERP na década anterior e hoje elen-
cam com frequência ainda maior (KOCH, 2017). Em frente, algumas pesquisas recen-
tes são apresentadas quanto ao uso de ERP na Economia da Agricultura.
Oliveira et al. (2018), ao estudarem o uso do sistema ERP em uma pro-
priedade rural do município de Jaboticabal/SP, afirmam que a “falta de um planeja-
mento eficaz pode provocar resultados econômicos ruins, gastos inesperados, dificul-
dade na tomada de decisão, falta de controle de estoque e de insumos produzidos,
entre outros”. Nesse sentido, a implantação de um ERP “tende a alavancar a produti-
vidade, reduzir custos, identificar estratégias de melhorias para a área, além de reali-
zar um diagnóstico completo na empresa reduzindo custos residuais.
Esperidião (2019), em um estudo com a empresa TRIDEC, avaliou as
aplicações do ERP por meio de entrevistas e estudos documentais. Suas conclusões
foram que a utilização de um sistema ERP em qualquer organização é indiscutível e
seus benefícios são incontestáveis, sendo esta utilidade mais eminente se a empresa
em questão operar para o mercado externo. Para além disto, os autores apresentaram
as seguintes aplicações: avaliação direta de Custos do projeto, auxílio na tomada de
decisão, diagnóstico de processos, evolução e desenvolvimento de agricultura de pre-
cisão, dentre outros.
Morota (2018) afirmam que o uso do ERP entra nas seguintes áreas: (a)
redução de desperdícios, tendo em vista que os custos e despesas são mais eficientes
e, assim sendo, todas as etapas que envolvem a produção, o estoque, as vendas,
entre outros processos, pode ser tecnologicamente caracterizado, o que evita os ris-
cos de perdas com a falta de juízo pessoal e administração de pessoas, além de me-
 17

lhorar o processo de gestão de insumos, processos e serviços; (b) gestão aperfeiço-

ada das operações, pois há uma concentração central de todas as atividades da em-
presa à luz de uma mesmo sistema de avaliação; (c) maior confiabilidade na informa-
ção, pois, com o sistema, a gestão institui dados, faz a análise e desenvolve indica-
dores de desempenho para acompanhar todo o processo de maneira criteriosa e efi-
ciente; e, não menos, (d) mais lucratividade, considerando que há significativamente
um maior custo benefício em todas as atividades.
Vats et al. (2018) apresentam que o ERP capacita a empresa como um
agente de vantagem competitiva, assumindo os seguintes benefícios: maior grupo de
ação e de informação – produzindo um acesso facilitado e, principalmente, integrado
sobre as informações de uma fazenda ou empresa familiar de agricultura, por exem-
plo; um maior tempo de disponibilidade para os gestores – onde há uma otimização
do que um dia foi um tempo gasto apenas para a avaliação quantitativa e qualitativa
de todas as informações de uma empresa ligada à Agricultura, por exemplo; possibi-
lidade com maior integração de realizar comparações entre dados da empresa (com
um sistema ERP, uma fazenda, sociedade ou organização podem comparar os dados
de um ou mais sistemas ao mesmo tempo); e, por fim, mas não menos importante,
maior agilidade nos processos, ao possibilitar avaliação por meio de gráficos e avali-
ação central de rentabilidade por meio de informações legíveis para administradores
que não têm um conhecimento direto sobre contabilidade e administração, por exem-
plo (VATS et al., 2020).

3 METODOLOGIA

3.1 Tipo e Natureza da Pesquisa

A metodologia é baseada no estudo sistémico e lógico dos métodos

empregados nos fundamentos e teorias científicas. É nesta etapa que o leitor precisa
ser informado sobre o tipo de pesquisa que será aborda, como também, a sua
conceituação e justificativa de acordo com o tema geral (VERGARA, 2016).
Considerando o objetivo geral do trabalho que consiste em desenvolver
um sistema de dados das operações da frota de tratores agrícolas de uma fazenda
agrícola, este se classifica quanto aos fins de mensuração como uma pesquisa
aplicada, que de acordo com Prodanov e Freitas (2017), alcançaram conhecimentos
 18

dos resultados gerados na aplicação prática dirigidos à solução de problemas

específicos na tomada de decisão.

3.2 Local da Pesquisa

A pesquisa foi elaborada em um empreendimento rural produtor de uvas

para processamento, localizada na zona rural do município de Lagoa Grande – PE.
Foi considerada a série histórica dos dados de operações dos tratores
agrícolas do período de 2022. Cada trator possui um sistema de rastreamento via
GPS, onde os dados são coletados e armazenados no servidor da empresa que
oferece esse serviço.
A empresa em questão é a MendSat Rastreamento Veicular, localizada
no município de Petrolina – PE, onde presta o serviço de rastreamento e gestão de
frotas.

3.3 Procedimento e Análise de Dados

O trabalho foi subdividido em quatro fases: na primeira fase da pesquisa

ocorreu a definição da temática a ser abordada, o objetivo do estudo, além da
problemática e os ganhos a serem alcançados. Na segunda fase, ocorreu a parceria
com o empreendimento rural, onde ocorreu a definição das máquinas a serem
utilizadas, a verificação do funcionamento do sistema de rastreamento máquina a
máquina.
Já a terceira fase consistiu em exportar os dados de operações das
máquinas, do servidor da MendSat, a fim de delimitar os dados para o ano de 2022,
além de organizá-los para a elaboração do banco de dados (Big Data).
A quarta e última etapa consistiu em apresentar a compilação dos dados
no software utilizado (Power BI), por meio de um painel de visão macro das variáveis
de operação dos tratores agrícolas, desenvolvido para a tomada de decisões da
gerência da fazenda.
Para determinar o rendimento de cada trator, foi considerada a razão entre
o total de horas em que o motor de cada máquina permaneceu em funcionamento e
o tempo em cada máquina permaneceu em operação. Em seguida, para classificação,
 19

adotou-se uma escala de rendimento: ótimo (100% a 85%), bom (84% a 70%), regular
(69% a 50%), fraco (49% a 0%) em relação a uma escala de 0 a 100.
Para o desenvolvimento da ferramenta, primeiramente foi desenvolvido o
banco de dados, com os registros extraídos da empresa que fornece o serviço de
georreferenciamento. Com isso, o dashboard foi elaborado conforme as variáveis:
hodômetro inicial, hodômetro final, distância total percorrida; tempo ocioso, tempo
parado e trator.

4 DISCUSSÃO E RESULTADOS

4.1 Caracterização da Empresa

Estabelecida no Vale do São Francisco, o empreendimento rural iniciou

suas atividades em 2020, com foco principal na produção de uvas para
processamento.
A frota dos tratores utilizados nas operações diárias na fazenda é
composta por cinco tratores da marca New Holland da linha TT de 55 cv, esses que
foram utilizados para o levantamento de dados das operações utilizados no
desenvolvimento deste trabalho.
As principais operação realizadas com os tratores são aquelas que
requerem o engate de um implemento agrícola específico para o tipo de ação que se
deseja realizar nas áreas cultivadas, sendo estes: reboque para recolher os bins
(caixote onde é depositada a uva colhida) no campo; arados de discos; subsolador;
grades aradoras e niveladoras e pulverizadores. Essas atividades podem ser
realizadas e subdivididas tanto no período diurno quanto no noturno, já que as
operações com tratores podem ocorrer em ambos os turnos.

4.2 Segmentação de Dados

A série de dados das operações dos tratores foi delimitada para o ano de
2022, onde se registrou para cada máquina agrícola as seguintes variáveis,
considerando cada momento de acionamento do trator:

1 – Data e horário inicial/final que o trator foi ligado/desligado.

2 – Tempo total em movimentação para cada registro de acionamento do trator.
3 – Tempo ocioso em que o trator permaneceu em funcionamento parado.
 20

4 – A duração total do momento de acionamento ao desligamento.

5 – Hodômetro inicial.
6 – Hodômetro final.
7 – Distância percorrida final.
8 – Velocidade média.
9 – Rendimento: tempo em movimento x tempo total de atividade.
10 – Consumo de combustível em movimentação/parado em funcionamento.
11 – Consumo total de combustível.

O banco de dados utilizado na elaboração das análises das operações,

foi obtido por meio da série histórica dos dados armazenados do ano de 2022 dos
cinco tratores, fornecida pela empresa de rastreamento contratada para rastrear as
cinco máquinas. O banco de dados final contou com 22.852 linhas de registros para
as variáveis destacadas acima, formuladas em planilha de Excel. Os tratores foram
definidos em TR01, TR02, TR03, TR04, TR05.

4.3 Tempo em Operação x Tempo Motor Ocioso

A quantidade de horas em movimentação dos cinco tratores ao longo do

ano de 2022, foi de 2.845 h.ano -¹, ou 118 dias. Já para a quantidade de horas em
que eles permaneceram com motor ocioso, foi de 3.620 h.ano -¹ equivalente a 150
dias. Logo, o tempo total de funcionamento dos cinco tratores em 2022 foi de 6465
h.ano -¹, equivalente a 74% do total de horas em um ano.
Segue abaixo as Tabela 1 e Tabela 2 com os resultados mensais em horas
de uso tanto para o período em movimentação quanto para o período com motor
ocioso respectivamente, dos tratores:

PERÍODO TOTAL EM OPERAÇÃO (HORAS)

Mês TR01 TR02 TR03 TR04 TR05 TOTAL
AGO 88:46:57 103:51:12 27:50:39 66:17:44 73:00:57 359:47:29
SET 6:13:57 110:48:02 83:09:58 62:52:26 77:00:48 340:05:11
JUL 78:09:59 60:22:12 58:28:34 45:49:27 80:50:42 323:40:54
DEZ 75:31:22 39:26:43 78:45:39 14:11:47 71:07:04 279:02:35
OUT 49:57:40 71:55:34 28:39:17 35:07:29 64:50:12 250:30:12
FEV 28:44:34 50:16:32 37:49:13 62:20:46 59:53:58 239:05:03
NOV 76:05:02 19:16:50 33:49:38 36:39:23 69:11:54 235:02:47
JAN 43:19:23 74:53:59 42:19:51 0:44:11 67:37:23 228:54:47
MAR 35:25:51 59:29:20 10:48:15 4:55:36 90:32:58 201:12:00
 21

ABR 51:34:09 40:06:14 2:13:35 71:43:57 165:37:55

MAI 36:49:07 22:50:32 52:19:14 32:24:10 144:23:03
JUN 23:40:05 28:14:45 6:35:33 19:48:33 78:18:56
TOTAL 594:18:06 653:17:10 484:28:38 335:34:22 778:02:36 2845:40:52
Tabela 1: Quantidade de horas mensais da movimentação, dos tratores em
2022. Fonte: próprio autor.

PERÍODO TOTAL OCIOSO (HORAS)

Mês TR01 TR02 TR03 TR04 TR05 TOTAL
JUL 144:46:05 54:17:10 59:15:12 162:18:23 138:20:52 558:57:42
AGO 136:55:41 97:52:14 32:41:25 162:56:43 123:14:25 553:40:28
SET 38:28:52 57:23:29 147:04:47 151:14:46 114:18:38 508:30:32
DEZ 118:41:28 33:17:27 100:35:04 40:46:04 101:34:07 394:54:10
NOV 105:43:30 23:44:55 32:45:50 70:14:18 101:14:25 333:42:58
FEV 21:43:35 115:17:05 112:27:03 22:27:36 9:24:31 281:19:50
OUT 32:40:49 55:47:29 20:31:03 102:43:46 58:30:47 270:13:54
JAN 29:38:26 82:51:36 114:22:03 1:37:18 10:22:53 238:52:16
MAR 28:05:47 85:59:53 34:19:15 1:02:15 16:10:05 165:37:15
MAI 26:15:17 47:45:59 52:40:30 9:57:19 136:39:05
JUN 27:46:19 15:23:12 24:44:58 26:53:16 94:47:45
ABR 27:08:49 41:44:16 2:03:03 12:05:57 83:02:05
TOTAL 737:54:38 696:01:33 724:08:27 740:06:07 722:07:15 3620:18:00
Tabela 2: Quantidade de horas mensais do motor ocioso, dos tratores em
2022. Fonte: próprio autor.

Figura 1: representação mensal do período total em horas em que os tratores ficaram em movimentação e
Ociosos.

O TR5 foi o que apresentou maior tempo em operação (778 h/ano). O

TR04, apresentou maior tempo ocioso (740 h/ano) e o menor tempo em operação
(335 h/ano).
 22

Para os meses de abril e maio não foram contabilizados os dados de

operação do TR04, visto que este estava em manutenção. Aconteceu o mesmo para
o TR02 no mês de junho.
TR01, TR02, TR03 e TR04 apresentaram maior quantidade de horas
ociosas em relação a movimentação.
Com exceção do TR05, os tratores apresentaram maior número de horas
em período ocioso do que em movimentação, de acordo com a Figura 1.
De acordo com os dados, o mês de agosto apresentou maior número total
de horas em que os tratores estavam em movimentação, período em que houve uma
maior demanda do maquinário tanto para realizar o manejo das áreas em produção
quanto para colheita.
Já em termos de tempo ocioso, o mês de julho foi o que apresentou maior
resultado, devido as atividades desempenhadas de implantação de novas áreas de
cultivo.

A figura 1 representa o comparativo entre o tempo em operação x o tempo

ocioso de cada trator ao longo do ano de 2022.

Gráfico 1: Quantidade anual de horas mensais da movimentação e parado em funcionamento, dos tratores em 2022.
Fonte: próprio autor.

Os valores de rendimento considerados fracos, seguindo a métrica: ótimo

(100% a 85%), bom (84% a 70%), regular (69% a 50%), fraco (49% a 0%) em relação
a uma escala de 0 a 100, considerando a relação entre período ocioso x período em
movimentação de cada trator foram, TR01 (45%), TR02 (48%), TR03 (40%), TR04
(32%), para o total de horas em funcionamento. O TR05 foi o único que ficou com
 23

rendimento operacional acima de 50%, com resultado de 52%, sendo este classificado
em regular.

4.4 Quantidade em dias do Período de Operação

Outra forma de representar os dados de operação no painel

desenvolvido, foi converter a quantidades de horas anuais em números de dias, para
o período total que cada máquina realizou suas operações. Segue a visualização na
figura 4 abaixo:

Figura 2: dias totais de movimentação x parado em funcionamento, dos tratores em 2022. Fonte: próprio autor.

4.5 Média de Rendimento Anual de Operação / Trator

Para determinar o rendimento anual e trimestral por trator, foi

considerada a razão entre a quantidade de horas em movimentação e o total de horas
de uso (movimentação + ocioso). Os resultados conforme exibidos no painel são
apresentados na Figura 5.
 24

Figura 3: rendimento anual de operação dos tratores em 2022. Fonte: próprio autor.

A representação do rendimento de cada trator agrícola, também foi

representada no gráfico abaixo considerando cada trimestre ao longo do ano de 2022.

4.6 Casos de Atenção

Foram observados alguns casos em que o trator ficou ligado por mais de
6h com motor ocioso.

Figura 4: casos pontuais em que os tratores estavam por mais de 6h ligados em modo ocioso. Fonte: próprio autor.

O TR04 foi o que apresentou maior tempo parado em funcionamento em

relação aos demais. Na escala de tempo acima de 6 h ligado parado, o TR01
 25

apresentou oito situações em diversos meses. Em seguida o TR04, com sete

situações em que estava parado em funcionamento.
O TR01 e TR04 totalizaram 108 h e 113 h respectivamente de horas em
funcionamento, mas parados.
Considerando o período em que os tratores permaneceram parados
ligados, sem registros de velocidade, distância percorrida e minutos em
movimentação, temos a seguinte visão nas Figuras 8 e 9 abaixo:

Figura 5: % total em que os tratores ficaram apenas no Figura 6: % total em que os tratores ficaram apenas no
modo ocioso. modo em movimentação

O TR03 foi o que apresentou maior índice de tempo parado ao longo do

ano. No entanto, conforme apresentado na Figura 9, o TR05 foi o que apresentou
maior porcentagem ao longo do ano, no quesito movimentação. Considerou a
movimentação, a característica onde apenas os registros de distância, deslocamento,
velocidade média e tempo ocioso foram diferentes de zero.

4.7 Distância Total Percorrida

Já a determinação da distância total anual percorrida por trator, foi

contabilizada pelo somatório das distâncias registradas pela diferença entre as leituras
final e inicial do hodômetro, em cada período de operação. Chamar a tabela e figuras
no texto

TRATOR JAN FEV MAR ABR MAI JUN JUL AGO SET OUT NOV DEZ TOTAL (KM)
TR05 2.792 2.452 3.886 2.850 1.116 187 742 672 719 520 558 591 17.085
TR01 1.977 1.255 1.566 2.949 1.729 203 764 857 61 451 677 648 13.137
TR03 1.429 976 269 75 1.335 237 454 240 738 223 297 698 6.971
TR04 7 3.101 178 66 471 685 626 336 384 141 5.995
TR02 591 435 538 348 259 438 794 844 517 182 307 5.253
Total Geral 6.796 8.219 6.437 6.222 4.439 693 2.869 3.248 2.988 2.047 2.098 2.385 48.441

Tabela 3: distância percorrida mensalmente por cada trator em 2022. Fonte: próprio autor.
 26

5 CONSIDERAÇÕES FINAIS

No presente trabalho buscou-se apresentar um modelo alternativo de

gestão para a frota de cinco tratores agrícolas de um empreendimento rural, através
da elaboração de um painel intuitivo, responsável pela formulação dos dados e
apresentação da interpretação das variáveis fornecidas pelo sistema de rastreamento
de máquinas.
O modelo foi elaborado pela integração do software gratuito da Microsoft o
Power BI, com o banco de dados gerados pela empresa responsável por gerenciar o
rastreamento via GPS dos cinco tratores da fazenda.
Através desse painel, é possível ter uma visão ampla das condições de
operação dos tratores, do rendimento de cada máquina. Além de auxiliar no quadro
de manutenções sejam elas preventivas ou preditivas, diante dos dados que retratam
o número de horas em operação.
Um ponto a destacar foi a quantidade de horas consideradas ociosas, um
número elevado ao longo do ano. Essa característica pode ser devido ao sistema de
rastreamento ser genérico, sendo necessário um maior aprofundamento dos
parâmetros que caracterizam a máquina em operação.
Além disso, o painel é considerado escalonável por proporcionar uma
atualização constate dos dados de operação, como também a implementação de
novas tabelas com determinadas variáveis de manejo que cada trator realiza ao longo
do dia. Por essa razão, cada vez que novas tabelas de dados passam a compor o
sistema, trazendo novas variáveis sincronizadas a dinâmica da fazenda, o sistema
tem um potencial sólido para ser considerado um ERP personalizado.
Esse potencial de informações de forma ampla de visualização, é
considerada uma importante ferramenta utilizada pela gestão da fazenda ao longo do
seu gerenciamento dos tratores e sendo escalonada, para outras áreas da
propriedade.
Vale salientar que o presente trabalho utilizou para a criação da base de
dados, todos os registros indicados pelo sistema de rastreamento. Com isso, é
necessário um tratamento dos dados para os próximos anos, considerando que o
volume total de dados processados pode conter algumas inconsistências, por ser
variáveis geradas através do Sistema de Posicionamento Global – GPS.
 27

As visões elaboradas no painel, possibilitam mapear diversas análises

para o plano de manutenção dos tratores. Já que é possível identificar qual máquina
está com maior número de horas em operação, qual apresentou um menor
rendimento, consumo de combustível. Além disso, caso haja um mapeamento de
dados com relação ao tipo de operação e operador designado, pode – se elaborar o
desempenho em cada máquina.
 28

REFERÊNCIAS

ARVUS. A agricultura de precisão. Disponível em: http://www.arvus.com.br/publica-

coes_exibe.html?id=1. Acesso em: 02 de junho de 2023.
BORÉM, A.; QUEIROZ, D. M.; VALENTE, D. S.; PINTO, F. A. AGRICULTURA
DIGITAL. 2º Edç. 2018. Pg 56 – 62.
BUAINAIN, A. M.; DI SABBATO, A.; SOUZA, A. C.; GUANZIROLI, C. E.; SOUZA
FILHO, H. M.; SILVEIRA, J. M. F. J.; BATALHA, M. O.; SALLESFILHO, S. Agricultura
familiar e inovação tecnológica no Brasil: características, desafios e obstácu-
los. Campinas: Editora da Unicamp, 2007.
CASTELLINA; P. R. ERP In Manufacturing 2012 - A Study done by Aberdeen. Acesso
em: 02 de abril de 2023. Disponível em: https://www.slideshare.net/akanaran/0466-
7812raer-pinmanufacturing2012nckp13nsp.
CORREIA, G. R.; ROCHA, H. R. O.; RISSINO, S. D. Automação de sistema de irriga-
ção com monitoramento via aplicativo WEB. REVISTA ENGENHARIA NA
AGRICULTURA - REVENG, Viçosa, MG, v. 24, n. 4, p. 314-325, out. 2016. ISSN 2175-
6813. Disponível em: https://periodicos.ufv.br/reveng/article/view/609/408. Acesso
em: 01 abril. 2023. doi:https://doi.org/10.13083/reveng.v24i4.675.
COSTA, C.A.; GUINÉ, R.; CORREIA, H.E.; COSTA, D.T.; COSTA, T.; PARENTE, C.;
PAIS, C.; GOMES, M.; AGUIAR, A.A.R.M. Agricultura familiar e proteção das culturas:
abordagens tradicionais e proximidade com práticas de agricultura biológica. Revista
de Ciências Agrárias, v.41, p.164-173, 2018. http://dx.doi.org/10.19084/RCA18023.
Esperidião T. L et al. AGRICULTURA 4.0:SOFTWARE DE GERENCIAMENTO
DEPRODUÇÃO. Pesquisa e Ação V5 N4: dezembro de 2019. Acesso em: 02 de abril
de 2023. Disponível em: https://revistas.brazcubas.br/index.php/pesquisa/arti-
cle/view/768/779.
FUBING. Research on the agriculture intelligent system based on IOT. Interna-
tional Conference on Image Analysis and Signal Processing IASP) – China, p. 1-4,
Nov, 2012.
Hameed, I., Roques, O., and Arain, G. A. (2013). Nonlinear moderating effect
of tenure on organizational identification (OID) and the subsequent role of
OID in fostering readiness for change. Group Organ. Manage. 38, 101–127. doi:
10.1177/1059601112472727.
HEEGE,H. Precision in Crop Farming. New York: Springer, 2013. 363 p.

JACOBS, F. R.; WESTON, F. C. Enterprise resource planning (ERP)—A brief history.

Acesso em: 02 de abril de 2023. Disponível em: https://www.sciencedirect.com/sci-
ence/article/abs/pii/S0272696306001355.

KOCH, S.; BERNROIDER, E. W. N. Koch, S.: ERP selection process in midsized and
large organizations. Business Process Management Journal 7(3), 251-257. Acesso
 29

em: 14 de abril de 2023. Disponível em: https://www.researchgate.net/publica-

tion/235318292_Koch_S_ERP_selection_process_in_midsized_and_large_organizat
ions_Business_Process_Management_Journal_73_251-257.

Matsumoto, Y. et al. (2019). Modeling and simulation of agriculture production system

considering seasonal variable information using big data analysis. Journal of advanced
mechanical design systems and manufacturing, v. 13, n. 5.

MORAES, Matheus A. S. de; MENDES, Cássia I. C.; VENDRUSCULO, Laurimar G.;

SOUZA, Marcia I. F. 2011 Demanda de software pela agricultura familiar: entraves e
potenciais para micro e pequenas empresas desenvolvedoras de software. Disponível
em: https://www.alice.cnptia.embrapa.br/bitstream/doc/512779/1/T030.pdf. Acesso
em: 03 de junho de 2023.
Morota, G. et al. (2018). Big Data analytics and precision animal agriculture sympo-
sium: Machine learning and data mining advance predictive Big Data analysis in pre-
cision animal agriculture. Journal of Animal Science, v. 96, n. 4, p. 1540–1550.

NUNES, José Luis da S. Agricultura de precisão. Disponível em: https://www.agro-

link.com.br/georreferenciamento/AgriculturaPrecisao.aspx. Acesso em: 02 de junho
de 2023.

OLIVEIRA, M. Metodologia Científica: um manual para a realização de pesquisas em

administração. Catalão, 2011. 72 p.
OLIVEIRA, M. P; PANDOLFI, M. A. C.; COIMBRA, C. C. SISTEMAS GERENCIAIS
NO AGRONEGÓCIO: O uso do sistema ERP em uma propriedade rural do município
de Jaboticabal / SP. Acesso em: 14 de abril de 2023. Disponível em: file:///C:/Users/an-
toniny.perez/Desktop/263-Arquivo%20do%20artigo%20DOC_DOCX-1270-1-10-
20180514.pdf.

Pivoto D et al. Scientific development of smart farming technologies and their applica-
tion in Brazil. Info Proc Agri (2017). Acesso em: 02 de abril de 2023. Disponível em:
https://doi.org/10.1016/j.inpa.2017.12.002.

RIBEIRO, J. G; MARINHO, D. Y, ESPINOSA, J. W.M. AGRICULTURA 4.0:

DESAFIOS À PRODUÇÃO DE ALIMENTOS E INOVAÇÕES TECNOLÓGICAS.
Acesso em: 02 de abril de 2023. Disponível em: https://files.ce
comp.ufg.br/weby/up/1012/o/AGRICULTURA_4.0_DESAFIOS_%C3%80_PRODU%
C3%87%C3%83O_DE_ALIMENTOS_E_INOVA%C3%87%C3%95ES_TECNOL%C
3%93GICAS.pdf.

Romani, D. R. A INTERNET COMO ESPAÇO DE AÇÃO PARA PRÁTICA DA

CIDADANIA ATIVA: ANÁLISE DE CONTEÚDO DO MOVIMENTO CONTRA
CORRUPÇÃO. Acesso em: 02 de abril de 2023. Disponível em: http://reposito-
rio.bc.ufg.br/tede/handle/tede/3820.
Sulecki, James C. Association Seeks Definitive Definition of “Precision Agriculture.
02/07/2018. Disponível em: https://www.precisionag.com/market-watch/association-
 30

seeks-definitive-decision-of-precision-agriculture-whats-yours-vote. Acesso em: 01

abril. 2023.
VATS, Anshy; CLERCQ, Matthieu; BIEL, Alvaro. Agriculture 4.0 - The Future of Techo-
logy. Feb. 2018. Acesso em: 02 de abril de 2023. Disponível em: https://www.oliverwy-
man.com/content/dam/oliver-wyman/v2/publications/2021/apr/agriculture-4-0-the-fu-
ture-of-farming-technology.pdf.

VERGARA, S. Projetos e relatórios de pesquisa em administração. 16ª ed. São Paulo.

Atlas, 2016.
ZHAO, Y.; LEI, J.; YAN, B.; LAI, C.; TAN, H. S. What makes the difference? A practical
analysis of research on the effectiveness of distance education. Teachers College Re-
cord, v. 107, n. 8, p. 1836-1884, 2005.