Embed Size (px)
Citation preview
UNIVERSIDADE FEDERAL DE SANTA MARIA
COLÉGIO POLITÉCNICO DA UFSM
CURSO SUPERIOR DE TECNOLOGIA EM GEOPROCESSAMENTO
Amanda Suarez Bittencourt
GEOPROCESSAMENTO APLICADO NA TOMADA DE DECISÕES EM UMA AGROINDUSTRIA
Santa Maria, RS 2017
Amanda Suarez Bittencourt
GEOPROCESSAMENTO APLICADO NA TOMADA DE DECISÕES EM UMA AGROINDUSTRIA.
Relatório de habilitação profissional apresentado ao curso superior de Tecnologia em Geoprocessamento, da Universidade Federal de Santa Maria (UFSM, RS), como requisito parcial para a obtenção do grau de Tecnólogo em Geoprocessamento.
Orientadora: Profa. Dra. Ana Caroline Paim Benedetti
Santa Maria, RS 2017
Amanda Suarez Bittencourt
GEOPROCESSAMENTO APLICADO NA TOMADA DE DECISÕES EM UMA AGROINDUSTRIA
Relatório de habilitação profissional apresentado ao curso superior de Tecnologia em Geoprocessamento, da Universidade Federal de Santa Maria (UFSM, RS), como requisito parcial para a obtenção do grau de Tecnólogo em Geoprocessamento.
Aprovado em 07 de Julho de 2017:
____________________________________ Ana Caroline Paim Benedetti, Dr. (UFSM)
(Presidente/Orientador)
_________________________________ Luiz Patric Kayser, Msc. (UFSM)
_________________________________ Michele Monguilhott, Dra. (UFSM)
Santa Maria, RS 2017
AGRADECIMENTOS
Primeiramente, gostaria de agradecer ao meu Pai, Antônio Bittencourt, por todo
apoio emocional, familiar e financeiro que me concedeu durante esses anos, não só na
graduação, como ao longo da vida. Pai, saiba que desde que saí de casa em busca de
um futuro, foi para te dar orgulho, e hoje estou onde estou, foi porque você me apoiou. A
minha segunda mãe, Noemi Ibaldo (in memoriam) que sempre me escutou, se preocupou
e me aconselhou nos momentos de dúvidas e receios. Agradeço aos meus avós João
Carlos Bittencourt e Maria de Lourdes (in memoriam), que sempre foram meu porto
seguro, sempre dispostos a me ajudar de qualquer maneira.
Aos meus amigos, que sempre estiveram comigo nas horas boas e ruins,
principalmente aos amigos que o curso de Geoprocessamento me proporcionou
conhecer, pessoas que levarei para o resto da vida. Em especial a Quelen Gomez, que
sempre esteve ao meu lado desde o início do curso, a Pâmela Pithan que durante três
longos anos, dividimos o mesmo quarto na Casa do Estudante, e criamos uma amizade
muito forte, obrigada pelo apoio, conversas, conflitos e problemas resolvidos e não
resolvidos, nossa amizade é digna de ser para sempre, a Victória Lixinski pelas risadas,
apoios emocionais e companheirismo.
Agradeço imensamente a minha amiga Eliziéle Paroli, se não fosse por você hoje
eu não estaria no setor de Geotecnologia, apaixonada por essa área tão linda que é o
Geoprocessamento, não tenho palavras para descrever todo o auxílio que me deste em
todos esses anos de graduação. A minha namorada Ntidandara da Silva, por dividir dois
anos ao meu lado, sempre me dando suporte e me amparando nas minhas dúvidas e
decisões, obrigada por estar comigo nos momentos mais difíceis e mais felizes, te amo.
Ao Colégio Politécnico e a Universidade Federal de Santa Maria, muito obrigado
pelo auxilio durante a caminhada acadêmica.
A Cooperativa Central Aurora Alimentos, principalmente ao departamento de
Geotecnologia, em especial a minha supervisora Dina Antunes, por me conceder esta
oportunidade e sobre tudo, confiar no meu trabalho.
A todos os professores do curso de Geoprocessamento, que durante a trajetória
acadêmica, me auxiliaram e me mostraram que conhecimento nunca é demais, em
especial a minha orientadora Profa. Ana Caroline, que me auxiliou em toda trajetória
acadêmica, a Profa. Michele Monguilhott pelos trabalhos realizados e pela disposição de
sempre ajudar ao próximo e ao Prof. Patric Kayser, pelos ensinamentos e por todo
amparo.
No meio da dificuldade, encontra-se a oportunidade. Albert Einstein
RESUMO
GEOPROCESSAMENTO APLICADO NA TOMADA DE DECISÕES EM UMA AGROINDUSTRIA.
AUTOR: Amanda Suarez Bittencourt ORIENTADORA: Ana Caroline Paim Benedetti
As decisões que utilizam ferramentas de Geoprocessamento crescem gradativamente em todos os setores, principalmente no setor agroindustrial. A demanda por informações geográficas, programas e capacitação na área de geotecnologias vêm fluindo cada vez mais rápido. Esses eixos de desenvolvimento são interdependentes e as soluções tecnológicas para o setor devem considerar as condições atuais de disponibilidade e qualidade de dados, das bases cartográficas, o desenvolvimento de programas amigáveis e, ao mesmo tempo, dotados de ferramentas analíticas voltadas para os problemas do setor. O Estágio Curricular Supervisionado Obrigatório é considerado requisito para obtenção do grau de Tecnólogo em Geoprocessamento no Colégio Politécnico da Universidade Federal de Santa Maria. O estágio foi realizado na Cooperativa Central Aurora Alimentos, localizada no município de Chapecó no estado de Santa Catarina. O mesmo tem como intuito atender as diretrizes curriculares vistas em toda a vivência acadêmica, onde questões práticas e rotineiras de geoprocessamento acabam tornando-se uma ferramenta estratégica, que inclusive é imprescindível na tomada de decisões no setor privado. O estágio foi estabelecido de um modo a contribuir para permitir mais um espaço de aproximação e integração do aluno com a realidade no mercado de trabalho. Neste relatório foram analisadas as distâncias entre fábricas de rações e suinocultores do Rio Grande do Sul. O trabalho foi satisfatório para a decisão das alternativas locacionais, isso resulta que cada vez mais as ferramentas de Geoprocessamento são eficazes na tomada de decisão no setor privado. Palavras-chave: geotecnologia, informações geográficas, análise espacial, Cooperativa Central Aurora Alimentos, suinocultores.
ABSTRACT
GEOPROCESSING APPLIED IN DECISION-MAKING IN THE AGROINDUSTRY
AUTHOR: Amanda Suarez Bittencourt ADVISER: Ana Caroline Paim Benedet
Decisions based on Geoprocessing tools appear to grow gradually in all sectors, especially in the agroindustry. The demand for geographic information, programs and training in the geotechnology field has been flowing faster by the day. These development axes are interdependent, and the technological solutions for the sector must consider the current conditions of data availability and quality, the cartographic bases, the development of friendly programs and, at the same time, equipped with analytical tools focused on the sector problems. The Mandatory Supervised Curricular Internship is considered a requirement to obtain the degree of Technologist in Geoprocessing at the Polytechnic College of the Federal University of Santa Maria. The internship took place at the Cooperativa Central Aurora Alimentos, located in the municipality of Chapecó in the state of Santa Catarina, Brazil. The purpose of this internship is to meet the curricular guidelines seen throughout academic experience, where practical and routine questions of geoprocessing end up becoming a strategic tool, which is essential in decision making in the private sector. The internship was established in a way to contribute to allow a space for the student's approximation and integration with reality in the job market. In this report, we studied distances between feed factories and pig farms in Rio Grande do Sul. The study was satisfactory for the choice of locational alternatives, which means that increasingly Geoprocessing tools are effective in the decision making in the private sector Keywords: Geotechnical Information. Spatial Analysis.. Cooperativa Central Aurora Alimentos. Swine Producers.
SUMÁRIO 1 INTRODUÇÃO .......................................................................................................... 8
1.1 JUSTIFICATIVA ........................................................................................................ 9
1.2 OBJETIVOS ............................................................................................................. 9
1.2.1 Objetivo geral ....................................................................................................... 9
1.2.2 Objetivos específicos ................................................................................................ 9
1.3 APRESENTAÇÃO DA EMPRESA .......................................................................... 10
1.4 IDENTIFICAÇÃO DA EMPRESA ............................................................................ 12
2 REVISÃO BIBLIOGRÁFICA ................................................................................... 13
2.1 GEOPROCESSAMENTO ....................................................................................... 13
2.2 ARRANJOS LOGÍSTICOS ...................................................................................... 13
2.3 SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS (SIGs) ...................................... 14
2.4 ANÁLISE ESPACIAL ............................................................................................... 15
2.4.1 Densidade pelo método de Kernel .......................................................................... 15
2.5 FÁBRICA DE RAÇÕES ........................................................................................... 16
2.6 SUINOCULTORES ................................................................................................. 17
2.6.1 Programa Suíno Ideal - SUICOPER III.................................................................... 17
3 ATIVIDADES TÉCNICAS REALIZADAS NO ESTÁGIO ........................................ 19
3.1 COTIDIANO DO DEPARTAMENTO DE GEOTECNOLOGIA ................................ 19
3.1.1 Softwares utilizados no setor de Geotecnologia ..................................................... 19
3.1.2 Cadastro de Produtores .......................................................................................... 21
3.1.3 Georreferenciamento da propriedade ..................................................................... 23
3.1.4 Captura de feições topológicas representativas das vias de acesso ...................... 24
3.1.5 Parametrização de Rotas a partir de Pontos de Referência ................................... 27
3.2 VISITAS TÉCNICAS ............................................................................................... 30
3.3 ESTUDO DE CASO NAS FÁBRICAS DE RAÇÕES .............................................. 32
3.3.1 Constantina ..................................................................................................... 32
3.3.2 Erechim ..................................................................................................... 33
3.3.3 Sarandi ..................................................................................................... 33
3.3.4 Coleta e Pré-Processamento de Dados .................................................................. 34
3.3.5 Análise de distâncias das propriedades até as fábricas de rações.................. 38
4 RESULTADOS E DISCUSSÃO .............................................................................. 39
4.1 ANÁLISE DAS DISTÂNCIAS ................................................................................. 39
4.1.1 Análise da capacidade através das distâncias entre unidade-produtor................... 40
4.1.2 Análise pelo Método de Kernel ............................................................................... 42
5 CONCLUSÃO ......................................................................................................... 43
REFERÊNCIAS ....................................................................................................... 45
APÊNDICE A – LOCALIZAÇÃO GEOGRÁFICA DAS FÁBRICAS DE RAÇÕES NO RS. ............................................................................................................... 48
APÊNDICE B – MAPA DAS DISTÂNCIAS DE SUINOCULTORES COM BASE NA FÁBRICA RAÇÕES DE ERECHIM, RS. ................................................................ 49
APÊNDICE C – MAPA DAS DISTÂNCIAS DE SUINOCULTORES COM BASE NA ALTERNATIVA LOCACIONAL 1 EM CONSTANTINA, RS. .................................. 50
APÊNDICE D – MAPA DAS DISTÂNCIAS DE SUINOCULTORES COM BASE NA ALTERNATIVA LOCACIONAL 2 EM SARANDI, RS............................................. 51
APÊNDICE E – MAPA DE DENSIDADE DOS PRODUTORES DE SUÍNOS NO ESTADO DO RIO GRANDE DO SUL ..................................................................... 52
LISTA DE ILUSTRAÇÕES
Figura 1 - Processo Cooperativa Central Aurora Alimentos ........................................ 10
Figura 2 - Cooperativas Filiadas à Cooperativa Central Aurora Alimentos .................. 11
Figura 3 – Mapa de Localização das Unidades da Cooperativa Central Aurora
Alimentos. ................................................................................................... 11
Figura 4 – Fábricas de Rações de Cunha Porã, RS. .................................................. 17
Figura 5 – Tela inicial do Sistema Integrado de Gestão Aurora (SIGA). ..................... 19
Figura 6 – Tela Inicial do software RotaGEO. ............................................................. 20
Figura 7 - Tela inicial do software Google Earth. ......................................................... 21
Figura 8 – Modelo do relatório de cadastro de produtores. ......................................... 22
Figura 9 – Área dos segmentos: a) suínos, b) aves e c) lácteos. ................................ 23
Figura 10 – Vetorização das estradas até as propriedades rurais pelo Google Earth. 25
Figura 11 – Vetorização das estradas no ArcGis. ....................................................... 25
Figura 12 – Diferença entre um raster e um vetor. ...................................................... 26
Figura 13 – Estradas classificadas em não pavimentada (na cor preto) e pavimentada
(em vermelho). ........................................................................................... 27
Figura 14 – Tela de cadastro de coordenadas da propriedade. .................................. 28
Figura 15 – a) rota calculada sem pontos de referência; b) rota calculada com pontos
de referência. .............................................................................................. 29
Figura 16 – Distâncias das Unidades da Cooperativa Aurora Alimentos até o Produtor.
................................................................................................................... 30
Figura 17 – Embarque de suínos em uma propriedade. ............................................. 30
Figura 18 – Caminhão com a carga de suínos. ........................................................... 31
Figura 19 – Recepção e desembarque de suínos no Frigorífico Aurora. .................... 31
Figura 20 – Rotina de trabalho na Fábrica de Rações de Chapecó. ........................... 32
Figura 21 – Processo e Armazenamento da Fábrica de Rações. ............................... 32
Figura 22 – Tela GEOF0133, raio de influência. ......................................................... 34
Figura 23 – Tela de exportação dos dados. ................................................................ 35
Figura 24 – Tela “Mapa”, produtores dentro do raio de 1000 km. ............................... 35
8
1 INTRODUÇÃO
O estágio curricular supervisionado obrigatório é considerado requisito para
obtenção do grau de Tecnólogo em Geoprocessamento no Colégio Politécnico da
Universidade Federal de Santa Maria (UFSM). Está amparado sob a Lei n˚11.788,
de 25 de setembro de 2008, onde é definido como ato educativo escolar
supervisionado, desenvolvido no ambiente de trabalho, que visa à preparação para o
trabalho produtivo do estudante (BRASIL, 2008). O mesmo, tem como intuito
atender as diretrizes curriculares, vistas em toda a vivência acadêmica, onde
questões práticas e rotineiras de geoprocessamento acabam tornando-se uma
ferramenta estratégica, na tomada de decisões no setor privado.
Atualmente a utilização de geotecnologias é imprescindível para se gerenciar,
com precisão, diversos tipos de negócios. Na produção agropecuária ter
conhecimento de onde estão localizadas, espacialmente, as fontes de matéria-prima
e as unidades transformadoras dessa matéria-prima em produtos com valor
agregado, por exemplo, representam um diferencial econômico considerável a
qualquer empresa. E, indubitavelmente, a Aurora Alimentos tem sido referência
nesta área.
O estágio foi realizado na Cooperativa Central Aurora Alimentos, localizada
no município de Chapecó, no estado de Santa Catarina. As atividades realizadas ao
longo do tempo de estágio tiveram orientação da Profa. Dra. Ana Caroline Paim
Benedetti do Colégio Politécnico da Universidade Federal de Santa Maria (UFSM), e
supervisão da Msc. Maria Antunes, Analista em Geoprocessamento, do
Departamento de Geotecnologia da empresa Aurora Alimentos, com início em seis
de março de 2017 e término em 27 de julho de 2017, com carga horária de 40 horas
semanais, totalizando aproximadamente 760 horas de atividades.
No presente trabalho estudou-se o raio de ação partindo das unidades
localizadas em Constantina – RS, Sarandi - RS e Erechim – RS, para definir critérios
como: volume de animais alojados na região delimitada, quilometragem média dos
produtores em relação às fábricas e, se as fábricas possuem suporte necessário
para a demanda de entrega de ração.
9
1.1 JUSTIFICATIVA
A escolha pela Aurora Alimentos para realização do estágio deu-se pela
excelência em cooperativismo e por ser a maior cooperativa produtora de alimentos
do Brasil e referência mundial na tecnologia. O setor de Geotecnologia, que foi o
lugar onde a maior parte da carga horária foi realizada, presta suporte a todos os
segmentos da área agropecuária no que se diz respeito às informações geográficas.
Sempre fornecendo subsídios para a tomada de decisões e principalmente para o
gerenciamento da informação espacial. O departamento realiza estudos relativos à
disposição espacial de produtores integrados e das unidades da empresa,
confeccionando mapas para cada estudo específico.
O estágio foi estabelecido de forma a permitir uma maior aproximação e
integração do aluno com a realidade no mercado de trabalho.
1.2 OBJETIVOS
1.2.1 Objetivo geral
O objetivo principal deste trabalho é vivenciar na jornada de trabalho a prática
do conhecimento estudado em sala de aula, apresentando métodos e técnicas de
Geoprocessamento na tomada de decisões no setor agroindustrial.
1.2.2 Objetivos específicos
Analisar os dados das fábricas de rações de Constantina, Erechim e
Sarandi;
Mapeamento dos dados em classificações específicas;
Utilização de técnicas de análise para definir padrões espaciais
precisos;
10
1.3 APRESENTAÇÃO DA EMPRESA
A Cooperativa Central Aurora Alimentos é uma empresa privada formada por
filiadas, tendo como missão, valorizar a qualidade de vida no campo e na cidade,
produzindo alimentos de excelência (Figura 1). Através da cooperação, a Aurora
Alimentos equilibra seus objetivos empresariais com o compromisso social e, esse
trabalho, baseado na política da coletividade e na partilha dos resultados, reflete no
seu dia a dia com produtos de alta qualidade, valorização no campo e na cidade e
cuidados com o planeta (AURORA, 2017).
Figura 1 - Processo Cooperativa Central Aurora Alimentos
Fonte: Aurora Alimentos, (2017).
Atualmente a Aurora é formada por 13 cooperativas filiadas, mais de 72 mil
famílias associadas, mais de 26 mil funcionários da Aurora Alimentos e mais de 8 mil
empregados das cooperativas filiadas ao Sistema da Cooperativa Central Aurora
Alimentos (Figura 2). Com gestão participativa, atua na industrialização e
comercialização de carnes suínas, aves, lácteos, massas, vegetais e suplementos
para nutrição animal (AURORA, 2017).
11
Figura 2 - Cooperativas Filiadas à Cooperativa Central Aurora Alimentos
Fonte: Aurora Alimentos, (2017).
A Aurora Alimentos possui oito unidades industriais de suínos, sete de aves,
seis fábricas de ração, treze unidades de ativos biológicos incluindo granjas,
incubatórios e unidades de disseminação de genes, doze unidades de vendas, uma
unidade de processamento de Lácteos, em Pinhalzinho e a sede central (Figura 3).
Figura 3 – Mapa de Localização das Unidades da Cooperativa Central Aurora Alimentos.
Fonte: do Autor, (2017).
12
1.4 IDENTIFICAÇÃO DA EMPRESA
Nome: Cooperativa Central Aurora Alimentos
Endereço: Rua Barão do Rio Branco, 1272 E - Bairro SAIC
CEP: 89802-025
Telefone: (49) 3321-2143
CNPJ: 83.310.441/0060-77
Inscrição Estadual: 256792569
Cidade: Chapecó - SC
Contato: (49) 3321 - 2190
Setor: Apoio Agropecuário – Setor de Geotecnologia
Horário: Segunda à sexta-feira
Manhã: das 8h00min às 12h00min - Tarde: das 13h00 às 18h00min
13
2 REVISÃO BIBLIOGRÁFICA
2.1 GEOPROCESSAMENTO
Em um país de dimensão continental como o Brasil, com uma grande
carência de informações adequadas para a tomada de decisões sobre os problemas
urbanos, rurais e ambientais, o geoprocessamento apresenta um enorme potencial,
e tecnologias de custo relativamente baixo, com o objetivo, principalmente, de
integrar dados espaciais e não espaciais, em seus projetos e estudos relacionados
ao meio ambiente (CÂMARA e DAVIS, 2001).
O Geoprocessamento surgiu, cresceu e se expande com base na filosofia de
que a informação organizada, correta e disponível de forma ágil é indispensável para
planejar e tomar decisões importantes de forma correta (FILHO, 2010).
2.2 ARRANJOS LOGÍSTICOS
De acordo com Alvarenga e Novaes (2000), para se organizar um sistema de
transporte é preciso ter uma visão sistêmica, que envolve planejamento, mas para
isso é preciso que se conheça: os fluxos nas diversas ligações da rede; o nível de
serviço atual; o nível de serviço desejado; as características ou parâmetros sobre a
carga; os tipos de equipamentos disponíveis e suas características (capacidade,
fabricante etc.); e os princípios ou conhecimentos, referentes à aplicação do enfoque
sistêmico.
Seguindo o raciocínio do autor citado acima, para o transporte de rações os
elementos principais levados em conta são peso e volume, densidade média e
dimensão da carga, tamanho do veículo, condição de fragilidade da carga, e se a
carga é compatível com outro tipo de carga. Nesses casos observa-se no transporte
de rações, vários parâmetros que precisam ser levados em conta, principalmente
rações com medicamentos.
Segundo Ballou (2001), a seleção de um modal de transporte pode ser usada
para criar uma vantagem competitiva do serviço. Fleury (2000) destaca que em
relação aos modais, há cinco pontos importantes para se classificar o melhor
transporte: velocidade, disponibilidade, confiabilidade, capacidade e frequência.
14
Ribeiro (2002) observa que na relação Transporte e Serviço ao Cliente, o
primeiro é extremamente influente no desempenho do segundo, devido às
exigências de pontualidade do serviço, tempo de viagem, capacidade de prover um
serviço porta a porta, à flexibilidade para o manuseio de vários tipos de cargas,
gerenciamento dos riscos quanto a roubos, danos e avarias e à capacidade de o
transportador oferecer mais que um serviço básico de transporte, tornando-se capaz
de executar outras funções logísticas.
2.3 SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS (SIGs)
Antes do advento dos SIGs, a manipulação de dados complexos era
trabalhosa e resultava em erros de natureza humana. A partir da década de 80, com
a popularização dos computadores, foi-se percebendo as grandes vantagens de
utilização desta ferramenta para análise geográfica, que se tornou chave como
ferramenta de auxílio à tomada de decisão. Justamente por tratar do componente
espacial, os SIGs são utilizados nas mais diversas áreas do conhecimento. Os SIGs,
difundidos por sua capacidade de auxiliar gestores na tomada de decisão, são
aliados na busca de conhecimento do território e planejamento estratégico a fim de
otimizar os processos que envolvem o ambiente em que vivemos (PAROLI, 2016).
Para Chrisman (1997) o SIG é composto por um conjunto de hardware,
software, recursos humanos, dados e técnicas capazes de coletar, armazenar,
processar e compartilhar informações terrestres.
De forma geral, os SIGs representam modelos da realidade, já que seria
impossível representar todos os elementos constituintes do terreno em um ambiente
gráfico, além de que é necessário apresentar apenas dados de relevância para
determinadas aplicações (SILVA, 2007).
No mundo moderno, o conhecimento espacial tornou-se fundamental para
diversos setores. Utilizam-se SIGs para solucionar os chamados “problemas
geográficos”, tais como a locação de novas clínicas, a decisão por melhores rotas, a
recomendação de expansão de pontos de venda, a representação dos pontos
turísticos de um local, dentre vários outros (LONGLEY et al., 2013 p.4).
Para representar a realidade, os SIGs trabalham com dois tipos básicos de
dados: vetoriais e matriciais. Os dados vetoriais armazenam coordenadas
locacionais (x, y) para uma feição. Estas feições são representadas por pontos,
linhas ou polígonos. Embora o encaixe destas formas seja inexato, o modelo vetorial
15
é o mais próximo da visualização do objeto real no mundo, onde o espaço é
imaginado como uma tela vazia sendo possível “desenhar” diferentes objetos
(PAROLI, 2016).
2.4 ANÁLISE ESPACIAL
Longley et al. (2013), descreve a análise espacial como “todas as
transformações, manipulações e métodos que podem ser aplicados aos dados
geográficos para adicionar valor a eles, para apoiar decisões e revelar padrões e
anomalias que não são óbvios à primeira vista”.
Miranda (2015), se refere à análise espacial como sendo “o coração do
sistema”, e associa a análise a operações lógicas, aritméticas, estatísticas,
geométricas, ou mesmo uma combinação destas.
Estas funções com base nos atributos espaciais e não espaciais da base de
dados, procuram gerar simulações sobre os fenômenos do mundo real. Assim, a
análise espacial permite compreensão da distribuição dos dados advindos de
fenômenos ocorridos em certa região geográfica, o que é de grande utilidade para a
solução de importantes questões nas mais diversas áreas (MEDEIROS, 2017).
A ênfase da Análise Espacial é mensurar propriedades e relacionamentos,
levando em conta a localização espacial do fenômeno em estudo de forma explícita.
Ou seja, a ideia central é incorporar o espaço à análise que se deseja fazer
(DRUCK, et al, 2004)
2.4.1 Densidade pelo método de Kernel
Uma das incontáveis vantagens do mapeamento digital em relação ao método
convencional é a possibilidade de geração dos chamados Mapas de Kernel. Este
produto cartográfico constitui-se uma poderosa ferramenta para análise espacial
(MEDEIROS, 2017).
O uso do método denominado Kernel, considerado como método de análise
exploratória de dados espaciais, além de possibilitar fácil e rápida visualização de
localidades expostas, identifica diferentes graus de intensidade em uma determinada
área. A estimativa de Kernel expressada pela Equação 1, envolve uma técnica em
que se coloca uma superfície simétrica sobre os pontos e, baseada em função
16
matemática, avalia-se a distância do ponto a uma posição de referência e soma
depois o valor de todas as superfícies para essa posição de referência. Esse
procedimento é repetido para todas as suas posições.
Equação 1:
Onde,
λ (s): valor estimado por área
𝜏: largura da banda (fator de alisamento)
k: função de ponderação de Kernel
s: centro de cada espaço da grade regular
si: local do ponto onde ocorreu o evento
A análise de densidade é comumente utilizada como método de criação de
um campo contínuo a partir de objetos discretos (LONGLEY, 2013). Em SIGs,
existem métodos clássicos de estimador de densidade, dentre eles: o simples e o
método de Kernel. Enquanto o método simples utiliza um raio de busca circular em
cada célula estimada, somando os pontos encontrados e dividindo-os pela área do
raio de busca, o estimador Kernel, aliado com esta técnica, atribui diferentes pesos
aos pontos encontrados no raio de busca, tornando os valores próximos ao centro
mais relevantes no cálculo que os valores da borda, respeitando assim a Primeira
Lei da Geografia onde “Tudo é relacionado entre si, porém coisas mais próximas são
mais relacionadas entre si do que coisas mais distantes” (MCCOY et al., 2001).
2.5 FÁBRICA DE RAÇÕES
A Aurora Alimentos possui seis fábricas de rações, distribuídas na região Sul,
contam com uma fábrica em Mandaguari-PR e em Erechim-RS e quatro fábricas no
Estado de Santa Catarina, tendo como referência nacional a fábrica de rações de
Cunha Porã-RS, por ser totalmente automatizada, com uma produção de 1.600
toneladas por dia, sendo uma das maiores e mais avançadas indústrias de rações
do Brasil (Figura 4).
17
Figura 4 – Fábricas de Rações de Cunha Porã, RS.
Fonte: Aurora Alimentos (2017).
2.6 SUINOCULTORES
A cadeia produtiva de suínos forma um dos segmentos agropecuários mais
organizados no Brasil. Com forte demanda interna e externa nos últimos anos e com
tendências futuras de expansão, o consumo dessa proteína animal permanecerá
num patamar de demanda consolidada (BASSI, 2011). Importante e com grande
capacidade competitiva, essa produção desempenha possui destaque papel na
geração de empregos e na sustentação da produção em base familiar.
Segundo Miele e Machado (2010), estima-se que o Produto Interno Bruto
(PIB) da cadeia produtiva da carne suína tenha sido de US$ 10,9 bilhões em 2008,
equivalente a 3% do agronegócio brasileiro, sendo responsável por 173 mil
empregos diretos e 462 mil indiretos, em virtude da renda gerada pela atividade,
totalizando 635 mil empregos. De acordo com IV Plano Diretor da Embrapa Suínos e
Aves (2009), nas estatísticas oficiais de 2006, as cadeias produtivas de suínos e
aves geraram 241.878 empregos formais na produção industrial, 80.431 postos na
produção primária de suínos e 19.062 na de aves.
2.6.1 Programa Suíno Ideal - SUICOPER III
O programa Suíno Ideal deu-se início no ano de 2008 juntamente com as
cooperativas filiadas. A ideia do programa é produzir um suíno que corresponda os
padrões de peso, tamanho, qualidade da carne, entre outros fatores, permitindo a
18
melhoria do aproveitamento industrial (AURORA, 2017). Seu foco está na
implantação de padrões de manejo e de assistência técnica, atendendo desde as
práticas de produção, até a organização da propriedade rural. O sistema SUICOPER
III foi o utilizado no presente estudo das fábricas de rações de Erechim, Constantina
e Sarandi.
19
3 ATIVIDADES TÉCNICAS REALIZADAS NO ESTÁGIO
Durante toda a carga horária disponível para a realização do estágio, foi
possível aplicar a teoria e a prática estudada durante a graduação. Os tópicos a
seguir descrevem as etapas realizadas no cumprimento das atividades na empresa
e o estudo de caso das fábricas de rações.
3.1 COTIDIANO DO DEPARTAMENTO DE GEOTECNOLOGIA
Todo o processo de cadastro de produtores, verificação da posição geográfica
da propriedade, informações úteis do produtor e da sua propriedade, parametrização
das rotas que os transportadores realizam, distâncias a partir das unidades da
Aurora até os produtores, finalização destes cadastros e inclusão de estradas novas
no sistema fazem parte da rotina do departamento.
3.1.1 Softwares utilizados no setor de Geotecnologia
No decorrer do estágio, foram utilizados quatro sistemas computacionais,
dentre eles: o Sistema Integrado de Gestão Aurora (SIGA), que abrange inúmeros
procedimentos de controle e gestão de dados de todos os departamentos da
empresa, desde gestão de pessoas, administração geral e atividades específicas de
cada setor (Figura 5).
Figura 5 – Tela inicial do Sistema Integrado de Gestão Aurora (SIGA).
Fonte: Aurora Alimentos, (2017).
20
De acordo com ANTUNES (2015), o sistema RotaGEO (Figura 6) foi
desenvolvido pela Aurora Alimentos para a roteirização de entrega de ração, apanhe
e entrega de animais. O programa calcula o menor trajeto possível, possibilitando
assim a redução de custos com transporte, possibilitando a visualização da
localização dos produtores integrados permitindo diversos cálculos de distância e
roteirização. Este software é um sistema de informação voltado à parte logística e ao
Geoprocessamento, que facilita a manipulação dos dados geográficos e a decisão
dos processos de cada departamento, possuindo ferramentas de visualização, de
edição e de análise de informações geográficas, também tem como intuito ajudar na
programação de carga e descarga de suínos, aves e rações.
Figura 6 – Tela Inicial do software RotaGEO.
Fonte: Aurora Alimentos, (2017).
Outro software muito utilizado na rotina de trabalho é o Google Earth (Figura
7), que auxilia nas tomadas de decisões, mostrando imagens, cidades, relevo,
topografia, mapas, construções em 3D, permitindo que o usuário explore diversas
áreas no globo terrestre. O Google Earth possui um argentário conteúdo, com um
acesso enorme de informações geográficas, permitindo todo o tipo de análise pelas
ferramentas de Geoprocessamento, como por exemplo medição de área, distância
entre pontos e até elaboração de mapas temáticos (GOOGLE, 2017).
21
Figura 7 - Tela inicial do software Google Earth.
Fonte: Google, (2017).
O software ArcGIS fornece ferramentas para desenvolver o raciocínio
analítico e de mapeamento para que seja possível explorar os dados baseados em
informações de localização (ESRI, 2017).
Utilizado para criação e utilização de mapas, compilação de dados
geográficos, analise de informações mapeadas e gestão de informações geográficas
em bancos de dados, nas atividades propostas é muito frequente o uso para a
vetorização e a inserção das estradas no sistema.
Todas as estradas são vetorizadas em dois tipos: pavimentas e não
pavimentadas. Na hora de realizar a parametrização da rota, esta classificação é
levada em conta, pois define qual o melhor critério para o envio da carga.
3.1.2 Cadastro de Produtores
Todo produtor que queira se vincular à empresa, deve fazer seu cadastro
junto ao técnico agrícola de cada cooperativa filiada, o responsável pelo setor de
cadastro de cada filiada insere os dados do produtor via web, no portal Aurora. Estes
dados são repassados para o cadastro agropecuário da Aurora que através do portal
retira as informações e repassa ao Departamento de Geotecnologia, para que seja
feita a conferência da coordenada, depois da coordenada conferida, este é
repassado novamente ao cadastro agropecuário que confere as informações
repassadas pela filiada, nos portais do SINTEGRA, Receita Federal e na Situação
22
cadastral do bem imóvel, estas informações são inseridas no SIGA. Este mesmo
cadastro é repassado para o Departamento de Programação e Controle de
Produção (PPCP), para ser feita a programação de acordo com o seguimento
cadastrado, ou seja, pode ser feita a programação de entrega de rações, embarque
e desembarque de suínos e aves, coleta de sêmen, entre outros. Depois de conferir
os dados, e de ser feita a programação, o cadastro volta ao Departamento de
Geotecnologia para que as distâncias entre unidades e produtor, e entre produtores,
sejam feitas.
A Figura 8 mostra um exemplo de cadastro retirado no sistema depois que as
informações foram coletadas, na parte inferior estão as coordenadas geográficas,
que são adquiridas através do smartphone ou repassadas pelo técnico para a
cooperativa filiada.
Figura 8 – Modelo do relatório de cadastro de produtores.
Fonte: Aurora Alimentos, (2017).
23
3.1.3 Georreferenciamento da propriedade
A conferência de coordenadas tem por objetivo verificar e/ou ajustar a posição
da propriedade e, este ajuste deve ficar o mais preciso possível, pois é através dele
que se tem maior fidedignidade da realidade de campo. A coordenada a ser
cadastrada é obtida através do smartphone, pelo técnico responsável. Em muitos
casos esta coordenada não corresponde exatamente ao local da propriedade, isto
se dá por vários motivos, entre eles o próprio erro do sistema GPS. Qualquer
informação geográfica adquirida por um receptor tem ligado a si erros, estes fatores
que na maioria dos casos são pela falta de sinal no aparelho, dias nublados ou com
chuva, fios de alta tensão próximo ao local, e muitas vezes o erro principal é por
falha técnica do usuário.
O ajuste da posição é feito de acordo com o segmento produtivo, ou seja, se
o produtor produz suínos, aves ou leite. Se o cadastro é de um suinocultor a
coordenada cadastrada deve ser sobre ou próxima a uma pocilga como consta na
Figura 9-a. Da mesma forma, se for avicultor a coordenada deve estar perto ou em
sobre o aviário (Figura 9-b), assim como se for produtor de leite, a coordenada deve
plotar em um estábulo (Figura 9-c), todo esse processo de ajuste é feito no Google
Earth, com a ajuda da base de imagens existente no sistema. Esta etapa de ajustar
a posição é muito importante, pois depois de reguladas as coordenadas do ponto, as
mesmas são inseridas no sistema RotaGEO/SIGA para cadastrar a posição da
propriedade, pocilga, aviário ou estábulo.
Figura 9 – Área dos segmentos: a) suínos, b) aves e c) lácteos.
Fonte: Google, (2017). Adaptado pelo autor.
24
3.1.4 Captura de feições topológicas representativas das vias de acesso
Quando surge a necessidade de extrair informações do ambiente através de
imagens de satélite ou, mesmo, quando sua utilização se justifica como
complemento para algum projeto, alguns requisitantes, ao solicitar um levantamento
da região alvo de estudo, têm dificuldades de fornecer ao distribuidor o meio
necessário para consolidar a consulta, ou seja, o meio digital fundamental para que
uma operadora de satélite tenha condições de, através de um relatório, informar ao
cliente quantas imagens devem ser adquiridas no enquadramento da região de
interesse em questão. Essa consulta pode ser realizada através do programa
gratuito da Google, o Google Earth, pois o próprio cliente tem condições de
estabelecer sua própria área de interesse através de processos simples (SANTOS,
2009).
A vetorização das estradas contidas no sistema RotaGEO, foram realizadas
durante todos esses anos, projeto criado por Maria Antunes em 2008. Estas
começaram a ser traçadas através de um GPS Portátil, com o apoio da empresa,
Antunes buscou ir até as propriedades rurais, com um carro e um GPS, este
processo deu início para que as estradas estivessem dentro do sistema RotaGEO.
Com o passar dos anos a vetorização passou a ser feita através do Google Earth, e
continua até hoje. Ela funciona da seguinte forma: quando a coordenada do produtor
é plotada no Google Earth, é visto se a região possui estradas cadastradas ou não,
se caso não houverem, o desenho é feito por um Analista em Geoprocessamento,
pois este possui conhecimento aprimorado em desenho digital da malha viária. Este
por sua vez, retrata da forma mais real possível o contorno da estrada resultando em
um arquivo Keyhole Markup Language (kml), formato de arquivo usado para exibir
dados geográficos no Google Earth e Google Maps para PC e smartphones (Figura
10).
25
Figura 10 – Vetorização das estradas até as propriedades rurais pelo Google Earth.
Fonte: Google Earth, (2017). Adaptado pelo autor.
Após o arquivo ser exportado para o formato kml, este é transformado em
shapefile e inserido no ArcGIS para ser aderido as estradas já existentes no sistema,
conforme mostra a Figura 11.
Figura 11 – Vetorização das estradas no ArcGis.
Fonte: do Autor, (2017)
26
Sabe-se que a realidade dentro de um SIG’s é trabalhar com dois tipos de
dados: vetoriais e matriciais (Figura 12). Dados vetoriais armazenam coordenadas
locacionais (x,y) para uma determinada feição. Estas feições são representadas por
pontos, linhas ou polígonos. Segundo Paroli (2016), embora o encaixe destas
formas seja inexato, o modelo vetorial é o mais próximo da visualização do objeto
real no mundo, onde o espaço é imaginado como uma tela vazia sendo possível
“desenhar” diferentes objetos.
O formato matricial, ou raster¸ define a superfície da Terra como um grid de
pequenas unidades, chamadas de células ou pixels. Para cada pixel¸ o valor, ou a
presença ou ausência de um atributo de interesse é armazenado (O’Sullivan e
Unwin, 2009).
Figura 12 – Diferença entre um raster e um vetor.
Fonte: Davis, B. E. (2017)
Embora pareça simples, esse procedimento é específico para usuários que
possuem acesso às ferramentas de geoprocessamento do mercado e estão
habituados a trabalhar com esses vetoriais (SANTOS, 2010).
No ArcGIS, é feita a edição das estradas já vetorizadas, estas são de dois
tipos: pavimentada e não pavimentada, ou seja, estrada com asfalto e estrada de
chão. Recentemente foi desenvolvido no Departamento, um classificador, que ao
salvar o arquivo da malha viária, classifica as estradas pelo tipo citado acima.
Conforme mostra a figura 13, a tabela das estradas contidas no shp foram
27
classificadas de acordo com seu tipo de pavimento, estas são as estradas contidas
no sistema RotaGEO, ao total somam-se 40.154,50 km de estradas vetorizadas e
inseridas até o momento.
Figura 13 – Estradas classificadas em não pavimentada (na cor preto) e pavimentada (em vermelho).
Fonte: do Autor, (2017)
Este classificador se tornou de suma importância, pois ficou possível a
visualização de estradas com asfalto e chão no RotaGEO. As rotas parametrizadas
tornaram-se mais fáceis e a tomada de decisão por um caminho onde a rota chegue
ao seu destino intacta, ficou menos complexa.
3.1.5 Parametrização de Rotas a partir de Pontos de Referência
O processo de parametrização das rotas é realizado no RotaGEO.
Primeiramente se faz a integração das coordenadas na tela de cadastro das
propriedades, como mostra a Figura 14.
28
Figura 14 – Tela de cadastro de coordenadas da propriedade.
Fonte: Aurora Alimentos (2017). Adaptado pelo autor.
Com a coordenada já inserida no sistema, inicia-se o processo de
parametrização dos pontos de referências, que são locais de amarração por onde a
melhor rota deve ser cumprida, ou seja, esta amarração “obriga” o sistema a passar
por estes pontos, quando calcula a distância na rota a ser percorrida.
Biluca (2015) comenta que tais pontos auxiliam o sistema de roteirização a
calcular a melhor rota entre uma unidade e um produtor. O sistema
automaticamente, calcula a menor rota entre dois ou mais pontos, entretanto, nem
sempre a rota calculada é a que melhor se adequa as questões de tempo, custo e
cuidados necessários com a carga.
É por isso, que os pontos de referências se fazem importantes nesta etapa,
pois são eles que descrevem o melhor percurso que o transportador deve fazer,
nesta análise é levado em conta o tipo de carga, todas possuem suas amenidades,
por exemplo,: uma carga de pintainhos, aves recém-nascidas, são cargas delicadas,
que precisam de muito cuidado, ou seja, quanto maior a parte do trajeto for por via
asfaltada, mais intacta a carga retorna para a unidade; quando os carregamentos
são de fora do estado, eles precisam passar por barreiras sanitárias, isto também é
levado em consideração na hora de parametrizar.
A Figura 15-a exibe a menor rota calculada pelo sistema, sem nenhuma
amarração, já a figura 15-b mostra a melhor rota calculada com pontos de
29
referência, onde o maior trecho do percurso é por asfalto. Depois da rota
parametrizada, as distâncias são finalizadas e inseridas automaticamente no SIGA.
Figura 15 – a) rota calculada sem pontos de referência; b) rota calculada com pontos de referência.
Fonte: Aurora Alimentos (2017). Adaptado pelo autor.
A distância calculada é inserida, automaticamente, no SIGA, onde será
utilizada por diversas unidades, principalmente nos setores de Geotecnologia,
Logística, Planejamento, Programação e Controle de Produção (PPCP) (Figura 16).
Depois de calculadas, elas serão utilizadas até o produtor ser inativado. Estas
distâncias permitem os cálculos para pagamentos de fretes, que os transportadores
realizam. Da mesma forma, elas são indispensáveis do planejamento de entrega de
rações, embarque e desembarque de aves e suínos, coleta de leite, entrega de ovos
e pintinhos, entrega de sêmen, entre outros.
30
Figura 16 – Distâncias das Unidades da Cooperativa Aurora Alimentos até o Produtor.
Fonte: Aurora Alimentos, (2017).
3.2 VISITAS TÉCNICAS
Conforme mostram as Figuras 17, 18, 19, 20 e 21, no andamento do estágio
foram realizadas visitas técnicas em uma propriedade rural de um suinocultor, no
Frigorífico Aurora de Chapecó I e na Fábrica de Rações de Chapecó, Unidades da
Aurora Alimentos.
Figura 17 – Embarque de suínos em uma propriedade.
Fonte: Arquivo Pessoal do Autor, (2017).
31
Figura 18 – Caminhão com a carga de suínos.
Fonte: Arquivo Pessoal do Autor, (2017).
Figura 19 – Recepção e desembarque de suínos no Frigorífico Aurora.
Fonte: Arquivo Pessoal do Autor, (2017).
32
Figura 20 – Rotina de trabalho na Fábrica de Rações de Chapecó.
Fonte: Arquivo Pessoal do Autor, (2017).
Figura 21 – Processo e Armazenamento da Fábrica de Rações.
Fonte: Arquivo Pessoal do Autor, (2017).
3.3 ESTUDO DE CASO NAS FÁBRICAS DE RAÇÕES
O estudo de caso foi realizado em três munícipios: Constantina, Erechim e
Sarandi, conforme mostra o Apêndice A.
3.3.1 Constantina
O município de Constantina está situado no estado do Rio Grande do Sul, faz
parte da Microrregião de Frederico Westphalen, está localizado nas coordenadas
33
27°44'50" Sul e 52°59'42" Oeste. Segundo IBGE 2010, Constantina possui 9.752
habitantes, situados numa área de 203 quilômetros quadrados.
3.3.2 Erechim
Erechim é um município brasileiro da região sul, localizado no interior do
Estado do Rio Grande do Sul. Considerada um centro sub-regional no país, é a
segunda cidade mais populosa do norte do estado com 97.916 habitantes (IBGE
2017). Localiza-se na região norte do estado, na região do Alto Uruguai e na
microrregião de Erechim. Tem como limites ao norte os municípios de Aratiba e Três
Arroios, ao sul Getúlio Vargas e Erebango, ao leste Gaurama e Áurea e ao oeste os
municípios de Paulo Bento e Barão de Cotegipe. O município está situado nas
coordenadas 27º 38’ 7,13” Sul e a 52º 16’ 27,95” Oeste.
3.3.3 Sarandi
O município de Sarandi está localizado ao Norte do Estado do Rio Grande do
Sul, na Região do Alto Uruguai, às margens da BR 386, a chamada Rodovia da
Produção. No aspecto administrativo, o município está dividido em três distritos:
Barreirinho, Ati-açu e Novo Sarandi (PREFEITURA MUNICIPAL DE SARANDI,
2017). Localiza-se a 27°56'36.35" Sul e a 52°55'18.00" Oeste, estando a uma
altitude de 503 metros.
34
3.3.4 Coleta e Pré-Processamento de Dados
No Software RotaGeo, na tela GEOF0133, na aba “Registros” seleciona-se o
ponto de partida, que no presente estudo é a fábrica de rações de Constantina e a
de Erechim, nas opções de raios, o programa possui dois tipos: epidemiológico que
classifica as distâncias em três tipos de acordo com o critério do analista, e o de
influência, que foi utilizado no estudo, onde seleciona-se os produtores em um raio
de partida até um raio final (Figura 22).
Figura 22 – Tela GEOF0133, raio de influência.
Fonte: do Autor, (2017).
Estes mesmos possuem a opção de serem geográficos, que são calculados
por distâncias em linhas retas até os produtores, e de rede viária, que são distâncias
calculadas a partir da malha viária que o sistema possui (Figura 23).
35
Figura 23 – Tela de exportação dos dados.
Fonte: do Autor, 2017.
Na Aba “Mapa” aparecem os produtores filtrados em um raio de 0 à 1000 km,
a partir do ponto de partida colocado que foram as fábricas de rações de
Constantina e de Erechim, cada unidade possui uma tabela diferente, pois são
distâncias distintas, visto que cada fábrica está em uma posição geográfica diferente
(Figura 24).
Figura 24 – Tela “Mapa”, produtores dentro do raio de 1000 km.
Fonte: do Autor, 2017.
36
Foram utilizados dados em formato de tabelas exportados através do
Software RotaGeo, que contém informações de capacidade, distância em
quilômetros, cidade, origem do ponto de estudo, filiadas, latitude e longitude e etc.
(Tabela 1).
37
Tabela 1 – Dados exportados em formato csv.
Fonte: RotaGEO, Aurora Alimentos, (2017).
ORIGEM CD_FILI FILIADA NOME CPF MATRICULA LINHA CIDADE UF LAT LONG RAIO DIST_KMCAPACIDADDIST_POND INFO
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. LAMBARIVIADUTOS RS -27,457031 -52,025289 109,69 132,78 400 53112 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. ENCRUZILHADA DA VARZEAARATIBA RS -27,382833 -52,240906 90,08 126,59 1000 126590 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )20 COOPER A1 LA. SAO PEDRO DO BOCORODEIO BONITO RS -27,458936 -53,123439 33,65 82,49 500 41245 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. SECCAO SETE DE SETEMBROERVAL GRANDE RS -27,477428 -52,551008 54,73 75,88 400 30352 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. NOSSA SENHORA DO CARAVAGIOTAPEJARA RS -28,07755 -52,092369 105,62 144,38 600 86628 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )20 COOPER A1 LA. SAO JOSENOVO TIRADENTES RS -27,539569 -53,195575 31,72 68,59 1072 73528,48 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. CHATO GAUCHOCENTENARIO RS -27,729928 -51,964067 112,37 133 800 106400 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. MIRIMNOVA BOA VISTA RS -27,984758 -52,961894 28,79 42,26 500 21130 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )3 COOPERATIVA DE PRODUCAO E CONSUMO CONCORDIALA. SECCAO PITANGAITATIBA DO SUL RS -27,302986 -52,436269 76,14 110,7 500 55350 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )3 COOPERATIVA DE PRODUCAO E CONSUMO CONCORDIALA. BOM RETIROMARIANO MORO RS -27,319214 -52,117167 105,49 144,87 630 91268,1 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. SANTA BARBARASAO JOAO DA URTIGARS -27,777011 -51,840711 126,17 158,57 500 79285 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )20 COOPER A1 LA. SAO PAULONOVO TIRADENTES RS -27,547153 -53,147953 27,3 68,39 510 34878,9 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. SECCAO PAULO FRONTINMARIANO MORO RS -27,334761 -52,180675 98,4 144,75 330 47767,5 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. SAO PAULOMARCELINO RAMOS RS -27,552619 -51,894897 121,55 138,29 500 69145 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. ESPERANCAARATIBA RS -27,425078 -52,347678 77,38 114,69 220 25231,8 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. SANTA LUCIAARATIBA RS -27,471711 -52,259036 84,5 118,2 500 59100 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. SAO DOMINGOSTRES ARROIOS RS -27,411322 -52,200411 92,94 127,86 1060 135531,6 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. QUATROGAURAMA RS -27,557044 -52,178181 90,58 108,1 450 48645 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. RIO AZULARATIBA RS -27,467447 -52,336711 76,61 108,07 500 54035 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. DOZE SEVERIANO DE ALMEIDARS -27,357881 -52,05645 109,96 138,11 930 128442,3 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )20 COOPER A1 LA. SANGAOAMETISTA DO SUL RS -27,363419 -53,127839 43,43 91,81 510 46823,1 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )3 COOPERATIVA DE PRODUCAO E CONSUMO CONCORDIALA. SANTA CRUZTRES ARROIOS RS -27,490003 -52,13455 97,05 116,66 780 90994,8 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. ESPERANCA ALTAARATIBA RS -27,442486 -52,342053 77,14 112,52 330 37131,6 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )3 COOPERATIVA DE PRODUCAO E CONSUMO CONCORDIALA. RIO AZULARATIBA RS -27,460069 -52,333022 77,3 108,9 1000 108900 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )20 COOPER A1 LA. SAO SEBASTIAOTENENTE PORTELA RS -27,3199 -53,710431 92,78 126,01 600 75606 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. PINHAOBARRA DO RIO AZUL RS -27,392225 -52,377928 76,07 113,79 390 44378,1 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. SAO PAULOMAXIMILIANO DE ALMEIDARS -27,654464 -51,770678 134,03 159,87 410 65546,7 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )3 COOPERATIVA DE PRODUCAO E CONSUMO CONCORDIALA. URTIGA BAIXASAO JOAO DA URTIGARS -27,753611 -51,897694 119,76 148,12 500 74060 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. CORONEL TEIXEIRAMARCELINO RAMOS RS -27,375103 -52,017161 113,34 139,29 650 90538,5 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )3 COOPERATIVA DE PRODUCAO E CONSUMO CONCORDIALA. BOM RETIROMARIANO MORO RS -27,349133 -52,148114 100,99 139,47 820 114365,4 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. SECCAO CAIETEITATIBA DO SUL RS -27,390167 -52,475128 66,98 96,13 500 48065 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. SECCAO EUCLIDES DA CUNHAITATIBA DO SUL RS -27,346106 -52,434425 73,46 105,92 400 42368 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. SEIS SAO VALENTIM RS -27,538892 -52,517942 55,02 72,72 1000 72720 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. CERRO ALEGRETRES ARROIOS RS -27,476028 -52,173633 93,33 116,83 4160 486012,8 P1 - SUICOOPER III - FASE ABATE| P2 - TERMINADOR-SUI II - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. SECCAO PAIOL GRANDEERECHIM RS -27,586839 -52,324208 74,07 93,05 600 55830 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. POLONESAARATIBA RS -27,318103 -52,276206 89,93 135,53 430 58277,9 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. COTIA NOVO XINGU RS -27,762594 -53,076569 11,67 14,36 500 7180 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. COXILHAOFAXINALZINHO RS -27,370033 -52,635758 54,69 95,96 1200 115152 P1 - SUICOOPER III - FASE ABATE
FAB. RACOES CONSTANTINA ( -27,725492, -52,978012 )25 COTREL LA. CACADORBARRA DO RIO AZUL RS -27,407364 -52,439894 69,28 107,15 540 57861 P1 - SUICOOPER III - FASE ABATE
38
3.3.5 Análise de distâncias das propriedades até as fábricas de rações
Um processo fundamental no estudo das fábricas de rações são as distâncias
que cada produtor possui de determinada fábrica. Cada distância remete a um valor
gasto para a empresa, quanto mais a fábrica economizar, mais a empresa tem
interesse em comprar o local.
Alguns dos parâmetros definidos para a decisão de interesse de compra da
fábrica são:
1. Localização geográfica;
2. Distância da fábrica até a propriedade;
3. Suporte para a demanda dos produtores alojados na região;
4. Custo da faixa de frete paga para o transportador;
5. Tipo de ração a ser produzida;
6. Equipamentos necessários para a produção de rações;
7. Mão-de-obra para produzir no mínimo cinco tipos de ração para suínos.
8. Entre outros fatores específicos.
Alguns destes critérios são estudados pela empresa que quer realizar a
compra de uma das fábricas.
3.3.5.1.1 Análise de densidade pelo método de Kernel
Os avanços computacionais e o aprimoramento de técnicas de mapeamento
que nós vivenciamos nos permitem uma avaliação cada vez mais precisa da
qualidade dos atributos mapeados. Um exemplo disso é nos métodos de
interpolação de dados que são utilizados para determinar modelos de representação
espacial.
Utilizou-se a denominação de baixa e alta intensidade para análise de áreas
de menor e maior concentração de suinocultores, respectivamente. Foi adotado
como área de menor intensidade, as áreas mais claras no mapa e a de maior
intensidade, áreas de cores mais intensas. Esta análise carece de um raio de busca
coerente com os dados, ou seja, o método captura os pontos mais próximos e
calcula a densidade, pontos adjuntos, concentram uma maior região, no presente
caso foram capturadas as coordenadas do ponto de cada propriedade.
39
4 RESULTADOS E DISCUSSÃO
4.1 ANÁLISE DAS DISTÂNCIAS
Depois da exportação dos dados para o SIG, foi possível realizar a análise
das distâncias entre as fábricas de rações e propriedade rurais. Nos três casos de
estudo, foram realizados estudos entre distância do local de estudo até os
produtores, totalizando 507 suinocultores. Estes foram classificadas em três tipos de
distâncias: até 65 quilômetros, de 65 a 125 quilômetros e maior que 125 quilômetros
(Apêndices B, C e D).
Conforme mostra o gráfico 1 e a tabela 2, em um raio de até 65 km, a fábrica
de rações de Erechim, já existente, abrange 74% dos produtores, ou seja, 374
produtores estão próximos a unidade; a alternativa locacional 1 no município de
Constantina, possui 8%, isto é, 41 produtores; e a alternativa locacional 2 no
município de Sarandi apresenta 7%, 37 produtores. No raio maior que 65 km e
menor que 125 km, Erechim está com 13%, isto é, 68 produtores; Constantina com
66%, abrange 334 produtores; e Sarandi 64%, 326 produtores. A distância do ponto
de estudo até produtor em um raio maior que 125 km, Erechim possui 13%, ou seja,
65 produtores; Constantina com 26%, contempla 132 suinocultores; Sarandi com
28% estando com 144 propriedades.
Gráfico 1 – Distâncias em % de Produtor para Unidades.
Fonte: do Autor, (2017).
0%10%20%30%40%50%60%70%80%
ERECHIM CONSTANTINA SARANDI
Até 65 Km 74% 8% 7%
65 - 125 Km 13% 66% 64%
> 125 Km 13% 26% 28%
abra
ngê
nci
a (%
)
Distância de Produtores - Unidades
40
Tabela 2 – Produtores dentro do Raio Médio de Distâncias entre Unidade - Produtor.
Fonte: do Autor, (2017).
4.1.1 Análise da capacidade através das distâncias entre unidade-produtor
Conforme mostra o gráfico 2 e a tabela 3, analisando a capacidade, ou seja, o
número de suínos no ano de 2017, no estado do Rio Grande do Sul, possui um total
de 352.628, do tipo SUICOPER III.
Em um raio de até 65 km, Erechim concentra 269.759 suínos que abrange
76%; a alternativa locacional 1 em Constantina possui 24.065 que compreende 7%;
a alternativa locacional 2 em Sarandi tem 22.110 que envolve 6% da região. No raio
de 65 km até 125 km do ponto de estudo até os produtores, Erechim possui 41.737,
12% da área; Constantina 236.111, 67%; Sarandi 230.741, 65%; Na distância maior
que 125 km, Erechim está com 41.132 suínos, 12% de abrangência; Constantina
com 92452 alcança 26% e Sarandi 99.777 que compreende 28% da região.
Se tratando desses dados, para que a empresa escolha a melhor alternativa
locacional, deve-se levar em conta se a fábrica possui equipamentos e mão de obra
necessária, para pelo menos realizar a entrega de rações na região mais próxima.
ERECHIM CONSTANTINA SARANDI
Até 65 Km 374 41 37
65 - 125 Km 68 334 326
> 125 Km 65 132 144
TOTAL 507 507 507
41
Gráfico 2 – Capacidade em % das propriedades pela distância entre produtor e
unidade.
Fonte: do Autor (2017).
Tabela 3 – Nº de suínos pela distância entre unidade-produtor.
Fonte: do Autor, (2017)
0%
10%
20%
30%
40%
50%
60%
70%
80%
ERECHIM CONSTANTINA SARANDI
Até 65 Km 76% 7% 6%
65 - 125 Km 12% 67% 65%
> 125 Km 12% 26% 28%
abra
ngê
nci
a (%
)
Capacidade das Propriedades pela Distância entre Produtor - Unidade
ERECHIM CONSTANTINA SARANDI
Até 65 Km 269759 24065 22110
65 - 125 Km 41737 236111 230741
> 125 Km 41132 92452 99777
TOTAL 352628 352628 352628
42
4.1.2 Análise pelo Método de Kernel
O mapa do Apêndice E, mostra a densidade dos produtores de suínos no Rio
Grande do Sul que pertencem a Aurora Alimentos. Percebe-se que a fábrica
existente em Erechim tem uma densidade alta, isso significa que naquela
determinada região contém um número maior de produtores.
A alternativa locacional 1, que reside em Constantina e a alternativa
locacional 2, em Sarandi, possuem uma densidade média, ou seja, a região
demanda de poucos produtores, comparados a de Erechim.
Este mapa serve para se ter uma noção de como os produtores estão
distribuídos, em determinadas situações a análise espacial do comportamento de
padrões não é suficiente para entender um estudo, então se aplica algum estimador
para uma melhor visualização de grandes áreas. Este método é muito útil quando há
uma grande concentração de pontos, sendo uma alternativa eficaz de análise
geográfica de comportamento alvos, o resultado é uma visão geral da intensidade
dos suinocultores no estado.
43
5 CONCLUSÃO
O mercado de trabalho é um caminho muito complexo e longo, pois exige
ideias inovadoras, força de vontade e, principalmente, vontade de trabalhar. É
possível, por meio dele, alcançar objetivos que exigem recursos financeiros, que, se
alcançados, mudam a forma como se vive a vida. A pressão para ter uma melhor
estabilidade e conquistar o que se almeja, tem como ponto de partida a aquisição de
conhecimentos e competências.
Nesses meses de estágio, tivemos êxito nas realizações das atividades
propostas, o conhecimento adquirido se fez muito importante, sendo que a maior
parte dele não é abordado nas disciplinas da graduação. O Geoprocessamento
demonstrou ser uma ferramenta muito valiosa na tomada decisões práticas,
complexas e que envolvem grandes e pequenas áreas. É possível através dele
decidir qual a melhor opção de compra de uma grande fábrica.
Minha opinião é que o Curso de Tecnologia em uso de Geoprocessamento
não prepara adequadamente o aluno para o mercado de trabalho, acredito que o
curso deve ampliar os horizontes nesse aspecto, buscando uma maior conexão
entre o setor privado e a universidade.
Durante o período existiram contratempos de ordem pessoal que podem ter
prejudicado o andamento de algumas atividades, mas o departamento de
Geotecnologia foi solidário e mostrou que o trabalho em equipe é essencial.
Também foi realizado inúmeros estudos de análises geográficas para outros
segmentos produtivos da empresa e às cooperativas Filiadas, destacando-se
estudos de análise de distâncias para fabricas de rações, mapas de análises
espaciais para classificação de produtores aptos para o mercado externo, entre
outros.
Quanto ao estudo de caso das fábricas de rações, através dos mapas
temáticos feitos durante o estágio, será possível a empresa decidir qual a melhor
alternativa locacional. É importante destacar a qualidade dos resultados obtidos,
sem eles, as opções de visualizar a melhor alternativa não seriam plausível.
Assim, de acordo com os resultados obtidos, conclui-se que: em relação à
distância mais próxima, a fábrica de Erechim proporciona um maior número de
produtores dentro do raio. Como no presente estudo foi pensado em uma alternativa
44
locacional, Constantina, abrange uma região maior que Sarandi, em até 65 km. Em
relação ao volume de animais alojados nas regiões em estudo, a alternativa
locacional 1, de Constantina, deve, no mínimo, produzir uma demanda de ração
para, pelo menos, 24 mil suínos, de forma a abranger a menor região. E a alternativa
locacional 2, em Sarandi, se escolhida, deverá produzir uma demanda de ração
para, no mínimo, 22 mil suínos, região dentro de um raio de 65 km.
Segundo o gerente da área, a fábrica de Constantina não possui mão de obra
e nem equipamentos necessários à demanda de rações para o mínimo de suínos,
pois se trata de uma fábrica muito pequena. Já a fábrica de Sarandi é maior, em
relação a de Constantina e, possui equipamentos e mão de obra necessária à
produção de ração para, no mínimo, 22 mil suínos.
A partir dos resultados obtidos no presente estudo, ficará, portanto, a critério
da empresa escolher qual a melhor alternativa, pois isto depende das fábricas em
estudo possuírem, ou não, mão-de-obra, suporte e equipamentos necessários à
demanda da região.
45
REFERÊNCIAS
ALVRENGA, A. C., NOVAES, A. G. N. Logística Aplicada – Suprimento e Distribuição. Física. 3a edição. São Paulo: Edgar Blücher, 2000. ANTUNES F. U. M.; Manual das Principais atividades do Setor de Geotecnologia. Departamento de Geotecnologia. Chapecó-SC, 2015 ARCGIS. ArcGIS Desktop 10.2.2. Acesso em: 13 abr. 2016. Distribuído pela ESRI. AURORA ALIMENTOS. A Aurora. Disponível em: <http://www.auroraalimentos.com.br> Acesso em: 21 jun. 2017. BALLOU, R. H. Gerenciando a Cadeia de Suprimentos: planejamento, organização e logística empresarial. Porto Alegre: Bookman, 2001. BASSI, S. S. N.; MONTICELLI, J. C. Canais De Comunicação Preferenciais Dos Suinocultores, Avicultores E Técnicos Agropecuários No Sul Do Brasil. Cadernos de Ciência & Tecnologia, Brasília, v. 28, n. 1, p. 279-303, jan./abr. 2011 BILUCA V.L. O uso das Geotecnologias como ferramenta de auxílio para logística de transporte. 2015. Relatório de Estágio. Disponível em: <http://www.politecnico.ufsm.br/geosuperior/>. Acesso em: 10 abr. 2017 BRASIL. Lei n. 11.788, de 25 de setembro de 2008. Dispõe sobre o estágio de estudantes. Diário Oficial da União, Brasília, DF, 26 set. 2008. Disponível em: <http://www.planalto.gov.br/ccivil_03/_ato2007-2010/2008/lei/l11788.htm>. Acesso em: 22 jul. 2017. CÂMARA, G.; DAVIS, C. Introdução ao geoprocessamento. INSTITUTO NACIONAL DE PESQUISAS ESPECIAIS‒INPE. Fundamentos de Geoprocessamento. São José dos Campos, p. 1-5, 2001. CHRISMAN, N. R. Exploring Geographic Information Systems. New York: J. Wiley, 1997. Druck, S.; Carvalho, M.S.; Câmara, G.; Monteiro, A.V.M. Análise Espacial de Dados Geográficos. Brasília, EMBRAPA, 2004 (ISBN: 85-7383-260-6). EMBRAPA SUÍNOS E AVES. IV Plano Diretor: Embrapa Suínos e Aves 2008-2011. Concórdia: Embrapa Suínos e Aves, 2009. 39 p. FILHO, A. N. M. IX Curso de Especialização em Geoprocessamento. Instituto de Geociências. 2010. FLEURY, P. F., FIGUEIREDO, K., WANKE, P. (org.). Logística Empresarial: A Perspectivas Brasileira. Coleção COPPEAD de Administração. São Paulo: Atlas, 2000.
46
GOOGLE. Keyhole Markup Language. 10 jan 2014. Disponível em: <https://developers.google.com/kml/documentation/kml_tut?hl=pt-br>. Acesso em: 15 jun 2017 GOOGLE. Google Earth. 2017. Disponível em: <https://www.google.com.br/intl/pt-PT/earth/> Acesso em: 20 jun 2017. INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA. IBGE CIDADES. Disponível em: <http://cod.ibge.gov.br/MNI>. Acesso em: 22 jul. 2017. JAKOB E. A. A.; YOUNG F. A. O uso de métodos de interpolação espacial de dados nas análises sociodemográficas. Anais do XV Encontro Nacional de Estudos Populacionais. Caxambu- MG, 2006. LONGLEY, P. A. Sistemas e ciência da informação geográfica. 3. ed. Porto Alegre: Bookman Editora, 2013. MARCUZZO F. F.; ANDRADE L. R.; MELO C. R. D.; Métodos de Interpolação Matemática no Mapeamento de Chuvas do Estado do Mato Grosso. Revista Brasileira de Geografia Física 04, 2011. MCCOY, J., JOHNSTON, K. Using ArcGIS spatial analyst: GIS by ESRI. Redlands, CA: Environmental Systems Research Institute, 2001. 133 p. MEDEIROS, A. Consultor em Geotecnologia. Disponível em:<http://www.andersonmedeiros.com/shapefile-esri/>. Acesso em: 15 jun 2017 MIELE, M.; MACHADO, J. S. Panorama da carne suína brasileira. Agroanalysis, Rio de Janeiro, v. 30, n. 1, p. 34-42, 2010. MIRANDA, J. I. Fundamentos de sistemas de informações geográficas. 4. Ed. Brasília: Embrapa, 2015.p. 170. O’SULLIVAN, D.; UNWIN, D. J. Geographic Information Analysis. Hoboken: J. Wiley, 2009.
PAROLI, N. E. SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS COMO FERRAMENTA DE ANÁLISE SOCIOESPACIAL: UM ESTUDO DE CASO SOBRE CRIMINALIDADE EM SANTA MARIA-RS. Relatório de Estágio. Disponível em: <http://www.politecnico.ufsm.br/geosuperior/>. Acesso em: 10 abr. 2017 PREFEITURA MUNICIPAL DE SARANDI. História do Município de Sarandi. Disponível em: <www.sarandi.rs.gov.br>. Acesso em: 12 jun 2017. RIBEIRO C. P.; FERREIRA A. K. Logística e transportes: uma discussão sobre os modais de transporte e o panorama brasileiro. XXII Encontro Nacional de Engenharia de Produção. Curitiba – PR, 2002.
47
SANTOS, J. Utilizando Google Earth para criar uma Área de Interesse. 19 set 2009 <http://processamentodigital.blogspot.com.br/2009/09/utilizando-google-earth-para-criar-uma.html>. Acesso em: 22 jun. 2017. SILVA, J. L. B.; SOUZA, S. F.; DANI, N.; LAHM, R. Interpoladores em Altimetria: uma Quantificação dos Resultados. COBRAC 98 - Congresso Brasileiro de Cadastro Técnico Multifinalitário, UFSC Florianópolis, 1998. SILVA, R. M. da. Introdução ao Geoprocessamento: conceitos, técnicas e aplicações. Novo Hamburgo: Feevale, 2007. 31 p.
48
APÊNDICE A – LOCALIZAÇÃO GEOGRÁFICA DAS FÁBRICAS DE RAÇÕES NO RS.
49
APÊNDICE B – MAPA DAS DISTÂNCIAS DE SUINOCULTORES COM BASE NA FÁBRICA RAÇÕES DE ERECHIM, RS.
50
APÊNDICE C – MAPA DAS DISTÂNCIAS DE SUINOCULTORES COM BASE NA ALTERNATIVA LOCACIONAL 1 EM
CONSTANTINA, RS.
51
APÊNDICE D – MAPA DAS DISTÂNCIAS DE SUINOCULTORES COM BASE NA ALTERNATIVA LOCACIONAL 2 EM
SARANDI, RS.
52
APÊNDICE E – MAPA DE DENSIDADE DOS PRODUTORES DE SUÍNOS NO ESTADO DO RIO GRANDE DO SUL
