instrumentaÇÃo para o estudo da logÍstica de ......o sistema operou na safra de soja de 2015-2016...
TRANSCRIPT
UNIVERSIDADE FEDERAL DE MATO GROSSO
CAMPUS UNIVERSITÁRIO DE SINOP
INSTITUTO DE CIÊNCIAS AGRÁRIAS E AMBIENTAIS
ENGENHARIA AGRÍCOLA E AMBIENTAL
INSTRUMENTAÇÃO PARA O ESTUDO DA
LOGÍSTICA DE CAMPO EM OPERAÇÃO DE
COLHEITA MECANIZADA DE GRÃOS
ANGELO JOAQUIM SEOLIN DA SILVA
SINOP
MATO GROSSO - BRASIL
2016
ANGELO JOAQUIM SEOLIN DA SILVA
INSTRUMENTAÇÃO PARA O ESTUDO DA LOGÍSTICA DE CAMPO
EM OPERAÇÃO DE COLHEITA MECANIZADA DE GRÃOS
Orientador: Prof. Dr. Rodrigo Sinaidi Zandonadi
Trabalho de curso apresentado à Universidade Federal de Mato Grosso - UFMT - Campus universitário de Sinop, como parte das exigências para obtenção do Título de Engenheiro Agrícola e Ambiental.
SINOP
2016
A Deus, que me iluminou durante esta
caminhada, aos meus pais pela paciência e
dedicação, e a todos que estiveram ao meu lado,
acreditando, acompanhando e apoiando de maneira
direta ou indireta para a realização deste trabalho.
DEDICO
AGRADECIMENTOS
Agradeço primeiramente a Deus, por me dar a vida e nela ter oportunidade de
conhecer e conviver com aqueles que fazem ou fizeram parte dela.
À toda minha família, em especial aos meus pais, Lino Olindo da Silva e Neide
Margarida Seolin da Silva, pelos seus sacrifícios, incentivos e apoio incondicional. Devo a
eles a vida, a honra, a dignidade e o valor de minha moral.
Ao meu irmão, Bruno Rafael Seolin da Silva, que por mais difícil que fossem as
circunstâncias, sempre esteve presente, contribuindo para o meu crescimento.
Ao meu orientador Professor Dr. Rodrigo Sinaidi Zandonadi, pela paciência,
amizade, ensinamentos e por dedicar seu valioso tempo nos cinco anos em que
trabalhamos juntos.
Ao Professor Dr. Thiago Martins Machado, pela sua disponibilidade em fazer parte
da minha banca de defesa.
Ao Fernando Cesar Gobbi, pelo conhecimento adquirido durante a condução do
trabalho em sua propriedade, dada a sua experiência pratica e técnica. Também, pela
disponibilidade em fazer parte da minha banca de defesa
Aos meus amigos, Eduardo G. Neto, Flávio C. B. Filho, Guilherme N. Baccin, Icaro
F. Severo, João V. Pilocelli, Lucas G. R. Alves, Leonardo T. Nagata e Thaylison M. Umeda,
pelo companheirismo que vem desde a infância, lealdade e apoio nas horas alegres e
tristes.
À minha turma de Engenharia Agrícola e Ambiental 2012/2 da UFMT campus
Sinop, em especial Charles C. Martim, Daniele Mezzalira, Maria J. Arfeli e Suzana G. da
Silva.
Aos amigos Bruno Lima da Mota e Wagner Zay Ferrari, pela amizade, pelo auxílio
na execução deste trabalho, pela troca de experiências, ensinamentos e os bons momentos
partilhados.
Aos proprietários e funcionários da Fazenda Gobbi, pela amizade e dedicação
durante a condução dos trabalhos em campo.
À toda turma do Laboratório de Máquinas e Mecanização da UFMT – Sinop, em
especial aqueles que contribuíram para realização deste trabalho.
A todos, muito obrigado!
“ O sucesso nasce do querer, da determinação e
persistência em se chegar a um objetivo. Mesmo
não atingindo o alvo, quem busca e vence
obstáculos, no mínimo fará coisas admiráveis. ”
José de Alencar
SUMÁRIO
RESUMO .................................................................................................................. I
ABSTRACT ............................................................................................................. II
LISTA DE ILUSTRAÇÕES .......................................................................................III
LISTA DE TABELAS ................................................................................................ V
LISTA DE ABREVIATURAS E SIGLAS .................................................................. VI
1. INTRODUÇÃO ................................................................................................. 7
2. REVISÃO BIBLIOGRÁFICA ............................................................................. 9
2.1. Agricultura no Mato Grosso ....................................................................... 9
2.2. Desempenho de máquinas ....................................................................... 9
2.2.1. Capacidade operacional ....................................................................... 9
2.2.2. Eficiência de campo ............................................................................11
2.3. Sistema de colheita mecanizada ..............................................................11
2.4. Instrumentação da operação de colheita mecanizada ..............................13
3. MATERIAL E MÉTODOS ................................................................................16
3.1. Projeto, construção e instalação do sistema de aquisição de dados ........16
3.2. Validação do sistema de aquisição de dados ...........................................25
3.2.1. Ensaios em laboratório ........................................................................25
3.2.2. Ensaios em campo ..............................................................................25
4. RESULTADOS E DISCUSSÃO .......................................................................28
4.1. Projeto, construção e instalação do sistema de aquisição de dados ........28
4.2. Validação do sistema de aquisição de dados ...........................................34
4.2.1. Ensaios em laboratório ........................................................................34
4.2.2. Ensaios em campo e análise de dados ...............................................34
5. CONCLUSÕES ...............................................................................................53
6. REFERÊNCIAS BIBLIOGRÁFICAS ................................................................54
I
RESUMO
O Brasil é um dos maiores produtores de grãos do mundo, sendo o Mato Grosso o maior produtor de grãos do país. No entanto, para viabilizar a semeadura da segunda safra, faz-se necessário uma rápida operação de colheita das variedades precoce de soja que ocorre, geralmente, em períodos com altos índices pluviométricos que dificultam consideravelmente a operação. Dessa maneira, qualquer técnica ou sistema que venha otimizar a operação de colheita poderá contribuir para o sucesso da operação, minimizando os riscos de perdas e as distâncias percorridas pelas máquinas, diminuindo o consumo de combustível, reduzindo os impactos ambientais e ainda proporcionando a redução dos custos operacionais com a mecanização. Porém, ao se tratar de grandes frotas agrícolas, o levantamento dos dados de desempenho operacional de modo manual, torna-se praticamente impossível, ou inviável, devido ao grande número de informações que devem ser obtidas em um curto período de tempo, sendo necessário a instrumentação da frota para análise dos tempos em sistemas de colheita mecanizada. O objetivo deste trabalho foi desenvolver e validar ensaiar um Sistema de Aquisição de Dados (SAD) que permitisse a coleta de dados para viabilizar estudos de logística de campo em operações de colheita mecanizada. Foi instrumentada uma frota de máquinas (quatro colhedoras e três transbordos agrícolas) envolvidas na operação de colheita em uma propriedade mato-grossense para teste e validação do SAD desenvolvido. O sistema operou na safra de soja de 2015-2016 e foram utilizados os dados de um dos talhões para análise preliminar da eficiência de campo. Os resultados apontam que com SAD desenvolvido foi possível coletar dados para realização de análise detalhada da operação de colheita mecanizada mostrando que no talhão avaliado as eficiências de campo das colhedoras ficaram entre 76 % e 82 %. PALAVRAS-CHAVE: Mecanização, instrumentação da frota, gerenciamento operacional, logística de campo.
II
ABSTRACT
Brazil is one of the largest grain producers in the world, and Mato Grosso the largest producer in Brazil. However, to allow double crop season, it is necessary a fast harvesting operation of the early soybean varieties, which usually occurs in periods of heavy rainfall that significantly hamper the operation. Thus, any technique or system for optimizing the harvesting operation can contribute to the success of the operation, minimizing the risk of loss and the distances traveled by the machines, reducing fuel consumption, reducing environmental impacts and also reducing operating costs with mechanization. However, in the case of large agricultural fleets, manual performance data collection is practically impossible, or impracticable, due to the large number of information that must be obtained in a short period of time, being necessary the instrumentation of the fleet to analyze the times in mechanized harvesting systems. The objective of this work was develop and validate a Data Acquisition System (DAS) that would allow data collection to enable field logistics studies in mechanized grain harvesting operations. A harvesting fleet (four combines and three grain carts) were instrumented in a Mato Grosso farm for test and validation of the developed DAS. The setup operated during the fall of 2015-2016 and one of the fields was used for preliminary analyses of field efficiency. The results show that the DAS allowed collection of data for detailed analyses of the operational logistics and showed that combines field efficiency were between 76 % and 82 % in the analyzed field. KEYWORDS: Mechanical harvesting, fleet instrumentation, fleet management, field logistics.
III
LISTA DE ILUSTRAÇÕES
Figura 1. Sistema de transmissão por correntes que é acionada ao iniciar o processo de
descarregamento do graneleiro.. ..........................................................................................17
Figura 2. Sensor de proximidade indutivo Tecnotron IB-5M-18CA-PR/XL. ...........................17
Figura 3. Circuito elétrico da Placa Condicionadora de Sinal................................................18
Figura 4. (a) Amplificador operacional UA741CN; (b) Resistência variável TRIMPOT de 0 a
3,6 KΩ; (c) Resistor de 5,1 KΩ. ............................................................................................18
Figura 5. Sensor de volume do graneleiro presente nas colhedoras avaliadas. ...................19
Figura 6. Sensor de posicionamento geográfico GPS 18x LVC. ...........................................20
Figura 7. Placa conversora de nível MAX 232. .....................................................................20
Figura 8. Módulo EM-506 da USGlobalSat embarcado em placa SparkFun GPS. ...............21
Figura 9. Caixa de montagem com tampa acrílica removível com dobradiça. ......................21
Figura 10. Placa de microcontrolador Arduino MEGA 2560. .................................................22
Figura 11. Módulo Wireless SD Shield para adaptação do cartão micro SD. ........................22
Figura 12. Módulo LCD 1602. ...............................................................................................23
Figura 13. Módulo Bluetooth BlueSMiRF RN-42. ..................................................................23
Figura 14. (a) Chave 6A125VAC de três polos com dois estágios; (b) Fusível de vidro
3A250V 5x20m; (c) Regulador de tensão 7812CT; (d) Regulador de tensão L7805CV. .......24
Figura 15. Circuito elétrico da Placa Reguladora de Tensão. ...............................................24
Figura 16. Caixa de montagem com tampa acrílica, removível com dobradiças. ..................25
Figura 17. (a) Local do sensor de posição rotativo; (b) Sensor de posição rotativo. .............28
Figura 18. (a) Sensor de proximidade indutivo instalado nas colhedoras; (b) Sensor de
proximidade indutivo instalado nos transbordos agrícolas. ...................................................28
Figura 19. Placa de fenolite perfurada para condicionamento do sinal de saída do sensor de
proximidade indutivo. ...........................................................................................................29
Figura 20. (a) Destaque no cabo confeccionado no indicador de volume do graneleiro. (b)
Destaque nos dois diferentes níveis de volume do graneleiro. .............................................29
Figura 21. (a) Caixa de montagem com sensor de posicionamento geográfico. (b) Caixa de
montagem instalada na cabine da colhedora. ......................................................................30
Figura 22. Placa de fenolite perfurada reguladora de tensão................................................30
Figura 23. Diagrama elétrico do sistema de aquisição de dados. .........................................31
Figura 24. Sistema de aquisição de dados desenvolvido. ....................................................32
Figura 25. Fluxograma do algoritmo desenvolvido para leitura e armazenamento de dados.
.............................................................................................................................................33
Figura 26. Teste em laboratório do sistema de aquisição de dados. ....................................34
Figura 27. Frota de colhedoras na qual foi instalado o SAD. ................................................35
IV
Figura 28. Fluxograma do algoritmo desenvolvido para filtrar os dados indesejados. ..........36
Figura 29. Fluxograma do algoritmo desenvolvido para calcular a eficiência de campo. ......38
Figura 30. Trajetória percorrida pela Colhedora 1 durante a operação de colheita. ..............39
Figura 31. Trajetória percorrida pela Colhedora 2 durante a operação de colheita. ..............40
Figura 32. Trajetória percorrida pela Colhedora 3 durante a operação de colheita. ..............42
Figura 33. Fonte de alimentação auxiliar localizada no interior da cabine. ...........................43
Figura 34. Trajetória percorrida pela Colhedora 4 durante a operação de colheita. ..............44
Figura 35. Trajetória percorrida por todas as colhedoras durante a operação de colheita. ...45
Figura 36. Eficiência de campo, percentual de tempo de manobra e percentual de tempo
parado para cada colhedora. ................................................................................................47
Figura 37. Trajetória percorrida pelo Transbordo 1 durante a operação de colheita. ............48
Figura 38. Trajetória percorrida pelo Transbordo 2 durante a operação de colheita. ............49
Figura 39. Trajetória percorrida pelo Transbordo 3 durante a operação de colheita. ............51
Figura 40. Eficiência de campo, percentual de tempo de parado para cada transbordo. ......52
V
LISTA DE TABELAS
Tabela 1. Resultado dos tempos e da eficiência de campo calculado para cada colhedora.
.............................................................................................................................................46
Tabela 2. Resultado dos tempos e da eficiência de campo calculado para cada transbordo.
.............................................................................................................................................48
VI
LISTA DE ABREVIATURAS E SIGLAS
Cdesc Capacidade de descarga
Col. 1 a 4 Colhedora 1 a 4
Desc Descarga
Ec Eficiência de campo
Gran Graneleiro
Ind3/4 Indicador de nível do graneleiro 3/4
Ind4/4 Indicador de nível do graneleiro 4/4
Ndes Número de descarregamentos
Plat Plataforma
Qpd Quantidade de produto descarregado
SAD Sistema de aquisição de dados
SI Sensor de proximidade indutivo
Tc Tempo de colheita
Tdesp Tempo total desperdiçado em campo
Tdp Tempo descarga parado
Tdt Tempo descarga total
Tman Tempo de manobra
Tp Tempo parado no interior do talhão
Tpt Tempo total parada
Trans. 1 a 4 Transbordo 1 a 4
Ttc Tempo total em campo
Veloc Velocidade
7
1. INTRODUÇÃO
Segundo o levantamento realizado pela Companhia Nacional de Abastecimento a
produção de soja no estado de Mato Grosso, na safra 2015/2016, representa cerca de
27,28% da produção total de soja no Brasil (CONAB, 2016a). Sendo o maior produtor
nacional, produzindo aproximadamente 26,06 milhões de toneladas do grão (EMBRAPA,
2016).
O estado de Mato Grosso vem sofrendo diversas alterações climáticas. Na primeira
quinzena de janeiro de 2016 o estado sofreu intensos índices de precipitação, dificultando o
início da operação de colheita mecanizada, resultando num atraso considerável da
semeadura do milho de segunda safra (IMEA, 2016b). Tal atraso, pode resultar em baixos
índices de produtividade do milho de segunda safra, podendo ficar comprometido se a
deficiência hídrica coincidir com o período do florescimento (SANGOI et. al., 2011).
Para não comprometer a produtividade da cultura do milho, a operação de colheita
deve ser realizada de maneira eficiente e rápida, com um bom gerenciamento da frota a ser
utilizada. Ao se tratar da movimentação da produção, as atividades de condução e retirada
do produto do campo são responsáveis pelas maiores parcelas na formação dos custos de
transporte, juntamente com a otimização do tempo destinado a esta operação.
Vale ressaltar que, em regiões onde o relevo favorece o uso de máquinas de
grande porte, a coleta de dados de desempenho operacional é de grande relevância para
realizar o gerenciamento da frota e a possível otimização da eficiência de operações, pelo
fato de máquinas de grande porte apresentarem um alto valor de capital oferecendo um
melhor retorno do investimento inicial para o produtor. Utilizando o gerenciamento da
operação de colheita mecanizada, as distâncias percorridas pela máquina poderão ser
minimizadas assim como o tempo ocioso de funcionamento, reduzindo o consumo de
combustível e a emissão de gases poluentes, contribuindo para a redução dos impactos
ambientais e do desperdício dos recursos naturais e energéticos.
Vários fatores podem influenciar ao analisar sistemas agrícolas mecanizados,
tornando decisões de gerenciamento e seleção do conjunto mecanizado ideal bastante
complexos. A obtenção de informações sobre o desempenho é normalmente realizada de
modo manual, por meio da análise dos tempos e movimentos, consumindo recursos, mão
de obra e tempo.
Tais informações são essenciais para empregar uma mecanização racional, que
segundo Mialhe (1974), consiste em executar operações exigidas pela produção agrícola
utilizando um conjunto de máquinas de forma técnica e economicamente organizada.
8
Obtendo o máximo de rendimento útil com o mínimo de desperdício de energia, tempo e
dinheiro, permitindo a utilização de maneira racional de máquinas e implementos agrícolas.
Renoll (1981), afirma que a obtenção de valores de desempenho operacional é
fundamental pelo fato das máquinas de colheita se tornarem cada vez maiores, mais
complexas e mais caras tornando-se necessário que elas sejam efetivamente utilizadas.
Assim, um método preciso de calcular o desempenho de uma colhedora auxilia os
produtores a selecionar corretamente a capacidade do equipamento requerido para o
transporte dos grãos colhidos.
Visando a análise dos diferentes sistemas mecanizados da operação de colheita
mecanizada da soja, Silva et. al. (2015) realizou de modo manual uma coleta dos diferentes
sistemas de descarregamento e transporte de grãos que ocorrem no campo, obtendo
resultados que apontam que em propriedades que não utilizavam o gerenciamento de suas
frotas chegavam a perder até 38,8% do tempo de colheita devido a operações como
descarregamento, manobras de descarregamento e translado com a máquina cheia e vazia.
Sabendo então da importância do gerenciamento de frotas e da problemática da
operação de colheita de grãos na região Médio-Norte de Mato Grosso, o objetivo deste
trabalho foi desenvolver e validar ensaiar um sistema de aquisição de dados que permitisse
a coleta de dados para viabilizar estudos de logística de campo em operações de colheita
de grãos mecanizada.
9
2. REVISÃO BIBLIOGRÁFICA
2.1. Agricultura no Mato Grosso
O Brasil é o segundo maior produtor de soja do mundo, representando
aproximadamente 30,61% da produção total de soja do mundo, produzindo
aproximadamente 95,63 milhões de toneladas do grão (EMBRAPA, 2016). Dentro do país o
maior produtor de soja é o estado de Mato Grosso produzindo na safra 2015/2016 cerca de
26,03 milhões de toneladas, representando aproximadamente 27,28% da produção total do
país (CONAB, 2016a).
O volume exportado pela produção de soja da safra 2015/2016 alcançou o recorde
de 54,3 milhões de toneladas. Sendo que, o volume exportado somente em março de 2016
rendeu US$ 2,9 bilhões, representando receita 32% mais alta em relação aos US$ 2,2
bilhões obtidos em março do ano anterior (BRASIL, 2016).
Um dos fatores que influenciaram no aumento da exportação de soja foi a maior
oferta brasileira de grãos. Quando comparado à área plantada da safra 2014/2015 com a
área plantada da safra 2015/2016 observa-se um aumento de 1,16 milhões de hectares,
valor que tende a aumentar a cada safra. Conforme estimativa de área plantada, a safra
2016/2017 irá aumentar 425,8 mil hectares a mais que a safra 2015/2016, valores estes que
refletirão em um aumento de produção que, conforme estimativa da produção para safra
2016/2017, poderá aumentar em até 8,5%, podendo chegar a valores de 103,51 milhões de
toneladas do grão (CONAB, 2016b).
A região que mais produz grãos no Mato Grosso segundo o Imea (2016a) é a
região Médio-Norte, produzindo aproximadamente 9,08 milhões de toneladas, região que
abrange apenas 16 cidades, dentre elas as maiores produtoras de grãos do Brasil, como
Sorriso, Nova Mutum, Nova Ubiratã, Lucas do Rio Verde e Ipiranga do Norte.
A macrorregião Médio-Norte é privilegiada pois está sobre o Planalto dos Parecis,
possuindo condições de relevo, solo e clima propícios para a produção de culturas perenes,
como no caso da cultura da soja. Fazendo fronteira com todas as macrorregiões do estado,
o Médio-Norte se encontra no centro, possuindo ligações através de estradas sendo a
principal pela rodovia BR-163, por onde toda safra é escoada (IMEA, 2010).
2.2. Desempenho de máquinas
2.2.1. Capacidade operacional
Capacidade operacional de máquinas e implementos agrícolas é determinado
através da relação entre a quantidade de trabalho executado por unidade de tempo, sendo
uma medida da intensidade do trabalho desenvolvido na execução de operações agrícolas.
10
De maneira errônea, muitas vezes, a capacidade operacional é designada como
“rendimento”, tal nomenclatura deve ser evitada pelo fato do rendimento ter um significado
perfeitamente definido na mecanização agrícola, sendo uma relação entre as capacidades
operacionais, expresso em termos percentuais (MIALHE, 1974).
Conforme Hunt (2001) a capacidade operacional, quando expressa somente a
relação de área por tempo, não é um indicador adequado para avaliar o desempenho de
máquinas agrícolas. Em culturas que apresentam diferenças na produtividade por área a
capacidade pode ficar comprometida quando comparadas com máquinas idênticas em
condições de campo diferentes, exemplo de colhedoras de grãos, no qual o ideal seria
comparar valores de capacidade expressos pela relação de massa por tempo.
Para Srivastava et. al. (2006) valores de capacidade de campo pode ser expresso
usando a área como base dos cálculos ou usando valores de massa como base dos
cálculos. Segundo o autor, o termo capacidade de campo teórica é usado para descrever
valores de capacidade de campo quando a eficiência de campo é igual a 1, ou seja, quando
a máquina está utilizando 100% da sua largura, sem realizar manobras ou cessar a
operação.
Mialhe (1974), afirma que a capacidade de campo teórica é obtida a partir da
largura de trabalho e da velocidade máxima que é possível realizar uma operação de forma
adequada, refletindo a máxima capacidade que a máquina consegue realizar em condições
ideais de trabalho. A capacidade de campo efetiva representa a capacidade efetivamente
demonstrada pela máquina no campo, não incluindo alguns fatores de campo, como o
aproveitamento parcial da largura de trabalho, devido as sobreposições, e o uso de
velocidades inferiores às velocidades teóricas.
Com definições semelhantes, ASAE Standards (2003), Mialhe (1974) e Hunt (2001)
afirmam que as capacidades das máquinas podem ser expressas através de três relações:
“capacidade de campo”, “capacidade material” e “capacidade de processamento”. A primeira
relacionada com a área, a segunda com o produto e a terceira com o fluxo de material
processado. Sendo todos valores de capacidade teórica, distinguindo-se de valores de
capacidade efetiva pelo fato de ser praticamente impossível operar máquinas na largura
nominal de trabalho; por consequência a capacidade efetiva será substancialmente menor
do que a capacidade teórica.
Sendo assim, capacidade de campo teórica é definido quando uma máquina está
desenvolvendo apenas a função a qual foi projetada, a uma dada velocidade usando toda
sua largura teórica. Capacidade de campo efetiva é calculada pela razão entre área ou
cultura processada por unidade de tempo. E a razão entre a capacidade de campo efetiva
pela capacidade de campo teórica é denominado eficiência de campo (ASAE Standards,
11
2003). Milan (2005) e Balastreire (2005) adotam o mesmo critério da ASAE para definir
capacidade de campo das máquinas agrícolas.
2.2.2. Eficiência de campo
Para Hunt (2001) o termo eficiência de tempo reporta em porcentagem a relação
entre o tempo em que a máquina está efetivamente operando pelo tempo total que a
máquina está destinada àquela operação. Qualquer tempo que a máquina não esteja
efetivamente operando é tido como tempo desperdiçado. A lista a seguir descreve os
elementos de tempo que envolvem tarefas associadas a operações de campo que devem
estar inclusos no cálculo de capacidade de campo.
1. Tempo de preparo das máquinas na sede da fazenda;
2. Tempo de deslocamento e retorno para o talhão;
3. Tempo de preparo das máquinas antes e depois das operações;
4. Tempo teórico de campo (tempo que a máquina está operando uma cultura na
máxima capacidade de realizar aquela operação);
5. Tempo de manobras;
6. Tempo gasto pela máquina para carregar ou descarregar quando não realizado
em movimento;
7. Tempo de regulagem ou desembuchamento em condições da máquina parada;
8. Tempo de manutenção (reabastecimento, lubrificação, etc., se não realizado em
movimento – não inclui serviços diários);
9. Tempo gasto no campo para substituir ou reparar partes que se tornam
inoperantes;
10. Tempo pessoal do operador.
De maneira direta, a eficiência de campo é obtida através da relação entre a
capacidade de campo efetiva pela sua capacidade de campo teórica (ASAE Standards,
2003). A eficiência de campo é significativamente menor em talhões irregulares quando
comparada em talhões retangulares, pelo fato de talhões irregulares necessitarem realizar
um maior número de manobras. Para Taylor et. al. (2002), em uma determinada operação
de campo, dois são os principais fatores que podem influenciar consideravelmente a
eficiência de campo, a sobreposição (baixo aproveitamento da largura de trabalho da
máquina) e o número de manobras realizado.
2.3. Sistema de colheita mecanizada
Não necessariamente talhões grandes apresentam uma eficiência de campo maior
quando comparados com talhões pequenos. Hunt (2001) explica que se a dimensão de um
12
talhão é dobrada e a largura nominal de trabalho também é dobrada, a eficiência de campo
será a mesma se a velocidade permanecer a mesma e as manobras permanecerem
proporcionais à largura nominal de trabalho. Mas, se a largura de trabalho permanecer a
mesma, a eficiência de campo irá melhorar porque a proporção do tempo de operação
aumenta relativamente com as manobras.
A produtividade da cultura de um talhão também pode influenciar na eficiência de
campo nas máquinas de colheita. Em talhões com uma alta produtividade, a eficiência de
campo pode cair, pelo fato de aumentar o número de descarregamento das máquinas por
tempo e se a descarga for estática, a eficiência de campo também diminui. Para aumentar a
eficiência de campo nessas áreas é aconselhado o descarregamento em carretas agrícolas
do tipo transbordo, reduzindo consideravelmente os tempos desperdiçados (HUNT, 2001).
O principal objetivo para obter valores consideráveis de eficiência de campo é
reduzir o número de viagens no interior do talhão. A quantidade de viagens sem operar,
como exemplo translado para o descarregamento são desperdícios de um tempo valioso e
energia, e devem sempre que possível ser eliminados (GRISSO et. al., 2000).
Silva (2004), utilizou um modelo computacional de simulação para analisar a
logística em sistema de colheita de grãos, comparando a utilização ou não de carretas de
transbordo e pela forma de descarregamento das colhedoras em movimento ou paradas.
Sistemas de colheita que não utilizam carretas de transbordo apresentaram um menor custo
de operação quando comparado com sistemas no qual os caminhões se posicionam de
forma estratégica em relação as colhedoras, a fim de evitar deslocamentos excessivos por
parte dessas ultimas.
Porém, sabe-se que para a macrorregião Médio-Norte de Mato Grosso, onde os
talhões geralmente são de grande escala devido as condições de relevo encontrado na
região, dificilmente a não utilização de carretas agrícolas do tipo transbordo reportarão em
menores custos de operação, pela necessidade de a colhedora realizar o translado do
produto colhido do interior do talhão para a cabeceira, sendo quase impossível a descarga
de forma estratégica do produto. Silva et.al (2015), ao analisar sistemas mecanizados de
colheita com e sem o uso de carretas de transbordo para a região Médio-Norte mato-
grossense, obteve valores onde em sistemas que não utilizavam o método de
descarregamento do produto com o uso de carretas agrícolas do tipo transbordo, chegaram
a perder até 38,8% do tempo destinado a operação de colheita sendo este tempo
desperdiçado principalmente no descarregamento, manobras de descarregamento e
translado com a máquina cheia e vazia.
A determinação ou previsão do desempenho das máquinas é necessária,
resultando numa série de benefícios importantes. Uma delas seria a de permitir um
agricultor determinar com mais precisão o número de máquinas por hectare necessárias
13
para realizar uma dada operação. Para economistas e outros interessados o conceito é
valioso em estimar o custo de máquina por hora antes da compra ou mesmo ao comparar
os custos por hora de duas máquinas de diferentes tamanhos, sendo útil também para
determinar com mais precisão o tamanho correto e o número de máquinas se faz necessário
para um dado sistema de cultivo (RENOLL, 1981).
2.4. Instrumentação da operação de colheita mecanizada
Diversos métodos podem ser considerados ao estudar o desempenho de máquinas
agrícolas, Mialhe (1974) auxilia na confecção de um manual de codificação para análise de
tempo em operações agrícolas, dividindo o manual em dois grandes grupos de interesse
operacional, atividades em movimento e atividades parado. Renoll (1981) afirma que, para
estudos de desempenho operacional de máquinas agrícolas, é necessário o registro das
informações observadas utilizando um cronômetro. Silva et. al. (2015) adotou estes métodos
ao comparar dois sistemas diferentes de colheita mecanizada. Porém estes estudos de
campo são cansativos, demandam tempo e exigem que uma pessoa esteja no local durante
a operação. Além do que, é impossível realizar um levantamento de dados representativos,
especialmente em condições de operações, como as normalmente encontradas no estado
de Mato Grosso.
Grisso et. al. (2004) afirma que o início do registro de dados georreferenciados
facilitou a coleta de dados, podendo padrões de tráfego, práticas de campo e outros
problemas operacionais serem examinados e detalhadamente estudados fora da área de
coleta.
Araldi (2011) utilizou um receptor de sinal GPS (Global Positioning System) para
coletar dados de posição, hora e velocidade da máquina. Para anotar os dados necessários
para os cálculos dos parâmetros operacionais como tempo de manobra, tempo de descarga,
tempo de cada deslocamento, designou-se uma pessoa para acompanhar a colhedora
automotriz do início ao fim da operação.
Tirapicos (2012), também utilizou um receptor de sinal GPS posicionado na
colhedora, coletando informações de data, hora e coordenadas geográficas. A velocidade
entre coordenadas foi calculada e através de uma análise detalhada das velocidades
instantâneas obtidas e da observação visual da localização dos pontos nas figuras das
operações dada através do programa Arcview, determinou-se os tempos desperdiçados.
Com os tempos desperdiçados, foi possível realizar o cálculo da eficiência de campo da
operação. Porém, os valores obtidos foram estimados através da análise detalhada,
podendo estes ser definidos de maneira errônea.
Porém, ao estudar grandes frotas agrícolas o método de codificação de Mialhe
(1974) ou o método do estudo de desempenho operacional de Renoll (1981), utilizado por
14
Silva et. al. (2015), Araldi (2011) e Tirapicos (2012), torna-se praticamente impossível, ou
inviável, devido ao grande número de informações que devem ser obtidas em um curto
período de tempo, sendo necessário a instrumentação da maquinaria para análise de
tempos em sistemas de colheita mecanizada.
Não optando pela instrumentação da máquina para a coleta dos dados de tempo,
Molin et. al. (2010), apresentou uma metodologia automática para determinação dos
parâmetros de desempenho de colhedoras, utilizando arquivos obtidos com monitores de
produtividade ajustados para coleta de dados no intervalo de 3 segundos e então, definiu-se
através de uma avaliação dos dados as seguintes classes de tempo: tempo de manobra,
colheita, descarga e tempos-problemas. Porém, foram encontradas variações localizadas
dos parâmetros de colheita dentro de um talhão, sendo necessário análises específicas para
auxiliar a explicar essas variações. A condução da metodologia proposta pelo autor também
não é possível de ser realizada em propriedades na qual a descarga do produto colhido
ocorre de maneira dinâmica. A instrumentação da frota poderia solucionar este problema,
além do que, poucas são as propriedades no Mato Grosso que possuem monitor de
produtividade em suas máquinas, devidamente calibrados.
Grisso et.al. (2004), também utilizando dados georreferenciados para operações de
plantio e colheita obtidos através de monitores de produtividade, avaliou a estimativa da
eficiência de campo a partir de quatro índices de padrão de tráfego, obtendo resultados
onde os dados coletados foram analisados fora do local de tráfego das máquinas, sendo
estes úteis para desenvolver estudos de desempenho e observar padrões para possíveis
decisões de gestão operacional. Porém, para conseguir maiores relações entre a eficiência
de campo e outras variáveis que podem influenciar a eficiência de campo, o autor afirma
que trabalhos futuros devem ser realizados utilizando o mesmo sistema de coleta de dados
georreferenciados juntamente com as devidas características operacionais de cada
atividade, como por exemplo, estimar o tempo em que a máquina se encontra
descarregando o produto colhido.
Kin et. al. (2011), instrumentou uma colhedora de arroz com objetivo final de gerar
mapas de desempenho operacional (eficiência de campo e capacidade operacional efetiva),
utilizando um GPS para registrar o geoposicionamento da máquina durante as operações no
campo e sensores ultrassônicos para medir a largura de trabalho. Porém, os mapas gerados
não possibilitam ao agricultor obter os gargalos da logística de sua operação, pelo fato de
não incluir valores de tempos que envolvem tarefas associadas a operações de colheita
mecanizada de grãos, como por exemplo tempo de descarregamento e tempo de manobras.
Assim, o autor afirma que o produtor deve utilizar uma combinação do conhecimento local e
outras fontes de dados para analisar o desempenho operacional.
15
Assim como em estudos de desempenho operacional realizado em operações de
semeadura, onde Reichenberger (2001, apud GRISSO et. al., 2002) comparou o tempo
economizado para abastecer semeadoras utilizando sementes a granel ou sementes em
sacos, estudos de tempo podem ser realizados em operações de colheita, comparando o
tempo economizado ao descarregar em transbordos agrícolas versus o tempo ao
descarregar na cabeceira do talhão (GRISSO et. al., 2004). A instrumentação de uma frota
de colhedora de grãos pode auxiliar ao se analisar operações de colheita como um todo,
não precisando o produtor saber de informação especificas que ocorrerão no campo, ao
acompanhar o processo de colheita coletando dados de tempos essenciais para calcular a
eficiência de campo.
16
3. MATERIAL E MÉTODOS
O sistema de aquisição de dados (SAD) de desempenho operacional foi
desenvolvido e construído no Laboratório de Mecanização da Universidade Federal de Mato
Grosso – Campus Sinop (UFMT - Sinop) no período entre o mês de janeiro e outubro de
2015.
Após a confecção, deu-se início os testes de laboratório do SAD entre o mês de
novembro de 2015 e janeiro de 2016. As coletas de dados de campo, para validação do
protótipo desenvolvido, foram realizadas na Fazenda Gobbi, localizada no município de
Tabaporã – MT, na colheita da safra de soja 2015/2016.
Com o objetivo de avaliar a logística de campo de todas as máquinas envolvidas na
operação de colheita, visto que a propriedade na qual o estudo foi conduzido apresenta uma
operação de maneira organizada possuindo frota padronizada, facilitando, assim, a
instalação do SAD, foi possível obter padrões de excelência no quesito logística da
operação de colheita para a região, servindo como base para comparar operações em
outras propriedades. Optou-se por instrumentar todas as sete máquinas envolvidas na
operação de colheita, sendo ela composta por quatro colhedoras John Deere STS 9770 e
três transbordos agrícolas, mantendo assim uma certa representatividade nos dados
coletados.
O presente estudo foi divido em três etapas para proporcionar a melhor condução
do trabalho, sendo estas apresentadas conforme descrito a seguir.
3.1. Projeto, construção e instalação do sistema de aquisição de dados
Com o objetivo de realizar a coleta de dados de desempenho operacional na
operação de colheita mecanizada de grãos, o SAD foi desenvolvido baseado nos seguintes
pré-requisitos para viabilizar a condução do estudo:
(i) Permitir o registro dos tempos:
Sabendo-se que na operação de colheita da soja a principal unidade da colhedora
para determinar se a máquina está na condição de colheita ou não, é a plataforma. Pelo fato
de que a soja é colhida com a barra de corte próxima ao solo, e que ao realizar manobras,
desembuchamento, regulagens ou qualquer outra operação que não seja colher, a barra de
corte é levantada. Definiu-se que a plataforma seria o indicador para determinar em qual
operação a máquina se encontra visando também a redução dos custos e a facilidade de
instalação do sistema de coleta de dados, por não necessitar a aquisição de um novo
sensor e não necessitar do posicionamento adequado e a calibração do sensor na
17
plataforma de corte. Optou-se por utilizar um sensor de posição rotativo, localizado no canal
alimentador da colhedora na qual consiste em uma resistência de valor variável em que se
mensura a intensidade da corrente que flui por um circuito elétrico, consequentemente o
ângulo de inclinação da plataforma.
Para registrar o tempo de descarregamento das colhedoras avaliadas, sabendo-se
que ao iniciar o processo de descarregamento um sistemas de transmissão por correntes é
acionado (Figura 1), foi instalado um sensor de proximidade indutivo Tecnotron IB-5M-
18CA-PR/XL (Figura 2).
O sensor de proximidade indutivo Tecnotron IB-5M-18CA-PR/XL, é um sensor ativo
que apresenta uma faixa de tensão de alimentação entre 10 e 30 Vcc na qual a presença de
um material metálico ferroso, distante no máximo 5 mm ±10% do campo eletromagnético
gerado pelo sensor, diminui a energia gerada pelo campo, sendo percebida pelo circuito de
disparo que alterna a tensão de saida do sensor, induzindo pequenas correntes que podem
fornecer respostas lógicas ao microcontrolador.
Figura 1. Sistema de transmissão por correntes que é acionada ao iniciar o processo de descarregamento do graneleiro. (Fonte: http://manuals.deere.com/omview/OMH175212_19/gif/H54697.gif).
Figura 2. Sensor de proximidade indutivo Tecnotron IB-5M-18CA-PR/XL. (Fonte: https://www.eletropecas.com/_uploads/produtoArquivo/produtoArquivo_5549_2118_orig.jpg).
18
Para realizar o registro do tempo de descarregamento nos transbordos agrícolas,
utilizou-se o mesmo sensor adotado nas colhedoras, mudando apenas o suporte para
encaixe do sensor. Nas colhedoras, o sensor foi alocado no sistema de transmissão por
correntes, já nos transbordos, o sensor foi posicionado no eixo cardan do transbordo, que é
acionado ao iniciar o processo de descarregamento.
Para leitura do sinal de saída do sensor de proximidade indutivo no
microcontrolador, foi necessário confeccionar uma Placa Condicionadora de Sinal onde
basicamente a tensão de saída do sensor de proximidade indutivo de 12V entra no circuito
elétrico e é regulada para a tensão de saída de 5V através de um divisor de tensão, seguido
de um “voltage follower”, para então ser conectada a porta de sinal digital do
microcontrolador, conforme circuito elétrico (Figura 3). Utilizando basicamente um
amplificador operacional (AOP) UA741CN (Figura 4a), de ganho igual a um, para estabilizar
a tensão; uma resistência variável TRIMPOT de 0 a 3,6 KΩ de uma volta (Figura 4b) e um
resistor de 5,1 KΩ com acurácia de ±5% (Figura 4c). Todo o circuito elétrico foi
confeccionado sobre uma placa de fenolite perfurada para prototipagem.
Figura 3. Circuito elétrico da Placa Condicionadora de Sinal.
Figura 4. (a) Amplificador operacional UA741CN; (b) Resistência variável TRIMPOT de 0 a 3,6 KΩ; (c) Resistor de 5,1 KΩ.
19
(ii) Permitir registrar em qual volume do graneleiro estava ocupado quando se
iniciou o processo de descarregamento:
Para indicar o volume de grãos no graneleiro das colhedoras avaliadas, utilizou-se
sensores que funcionam como indicadores do volume ocupado no graneleiro presente nas
colhedoras John Deere STS 9770 (Figura 5) na qual três sensores são posicionados em
duas diferentes alturas, um sensor à 3/4 do volume total do graneleiro e dois sensores
posicionados à 4/4 do volume total do graneleiro. Sendo esses indicadores sensores de
chaves fim de curso, na qual consistem basicamente em um comutador elétrico que atuam
sobre um circuito no modo liga/desliga quando a ação mecânica dos grãos ao encher o
graneleiro é exercida à uma haste da chave fim de curso.
Figura 5. Sensor de volume do graneleiro presente nas colhedoras avaliadas. (Fonte: http://manuals.deere.com/omview/OMH175212_19/gif/H54571.gif).
(iii) Permitir vincular as informações obtidas nos pré-requisitos (i) e (ii) à
trajetória percorrida pela máquina e vincula-las entre as máquinas:
Para vincular todas as informações obtidas à trajetória percorrida pela máquina, o
SAD foi equipado com Sistema de Navegação Global por Satélites (GNSS) para efeito do
monitoramento das coordenadas geográficas, hora, data e velocidade de deslocamento.
Sendo possível a utilização de dois diferentes sensores GNSS para monitorar o
posicionamento das máquinas. Um dos sistemas utilizados foi o GPS 18x LVC Garmin
(Figura 6), com receptor e antena integrados, alta sensibilidade OEM, 12 canais paralelos,
resistentes a imersão em 1 metro de água por um período de até 30 minutos e acurácia de <
15 metros e 0,05 m/s para sinais GPS. Possui comunicação serial TIA-232-F (RS 232),
parâmetros configuráveis via software e alimentação 4,0 a 5,5 Vcc e uma corrente de
consumo de 90 mA.
20
Figura 6. Sensor de posicionamento geográfico GPS 18x LVC. (Fonte: http://www.gpsnation.com/media/catalog/product/cache/1/image/9df78eab33525d08d6e5fb8d27136e95/0/1/0194c750-6ebd-42a8-a463-2d03ac35d2f4.jpg).
Para obter a comunicação via serial entre o GPS 18x LVC e a placa
microcontroladora Arduino, foi necessário a utilização de um circuito integrado MAX 232
(Figura 7), onde um conversor de nível, que converte o sinal RS-232 (±3 a ±5 volts)
fornecido pelo sensor GPS, para sinais no nível TTL (0 a 5 volts - lógica transistor -
transistor) o que pode ser processado por microcontroladores.
Figura 7. Placa conversora de nível MAX 232. (Fonte: https://cdn.sparkfun.com//assets/parts/2/0/0/4/08780-01.jpg).
Este sensor atende as características desejadas para o projeto já que é compacto,
robusto e possui uma base magnética integrada que facilita a instalação na cabine das
máquinas, porém a aquisição deste foi limitada devido ao recurso disponível para condução
do trabalho.
Sendo assim, optou-se por utilizar como principal sensor de posicionamento
geográfico o módulo GPS EM-506 da USGlobalSat embarcado em placa SparkFun GPS
(Figura 8) de menor custo de aquisição, alta sensibilidade, compacto com suporte NMEA
0183 V3.0 e suporte SBAS. Com alimentação de 4,5 a 6,5 Vcc, acurácia de posição < 2,5
metros e acurácia de velocidade < 0.01 m/s.
21
Figura 8. Módulo EM-506 da USGlobalSat embarcado em placa SparkFun GPS. (Fonte: https://cdn.sparkfun.com//assets/parts/1/0/3/3/6/13199-02.jpg).
Para alocação do sensor de posicionamento geográfico, na cabine da máquina,
visto que os equipamentos eletrônicos utilizados não são impermeáveis e não possuem
alguma base fixadora. Foi necessário alojá-los em uma caixa de montagem (Figura 9), com
dimensões de 119 x 119 mm e altura de 70 mm com tampa acrílico removível com
dobradiças, com dimensões suficientes para alocação dos sensores. A caixa de montagem
foi vedada com cola silicone e, para retirar qualquer umidade presente dentro da caixa
vedada, utilizou-se gel de sílica.
Figura 9. Caixa de montagem com tampa acrílica removível com dobradiça. (Fonte: http://www.eletrodex.com.br/media/catalog/product/cache/1/image/9df78eab33525d08d6e5fb8d27136e95/p/b/pbo_402_ac.jpg).
(iv) Permitir que o armazenamento dos dados seja realizado assim que se inicie
as operações da máquina:
A alimentação do circuito nas colhedoras foi realizada através da tomada de
energia auxiliar localizada na parte traseira inferior do lado direito da janela, permitindo a
passagem de corrente de até 30 ampères onde a corrente elétrica circula por comando da
chave de ignição da colhedora. Assim o operador não precisava se preocupar em ligar e
desligar o sistema de aquisição de dados toda vez que iniciar a operação.
22
A alimentação do SAD nos transbordos agrícolas, tendo o mesmo princípio da
facilidade para os operadores em ligar e desligar o sistema de aquisição de dados, foi
realizada através da bateria dos tratores. Porém o sistema foi ligado à chave geral da
máquina, assim, quando o operador iniciava as operações no campo, o sistema de
aquisição de dados já iniciava a armazenagem dos dados coletados.
O sistema de aquisição e armazenamento dos dados foi construído com base em
uma placa controladora juntamente com módulos adaptadores para armazenamento de
dados em cartão SD.
A placa controladora utilizada foi a Arduino MEGA 2560 (Figura 10), equipada com
um microcontrolador ATmel ATmega 2560, que possui 54 pinos de entradas/saídas digitais,
16 entradas analógicas, 4 portas seriais de hardware, um oscilador de cristal 16 MHz, uma
conexão ICSP (In-Circuit Serial Programming) e um botão de reset. A placa pode ser
programada via IDE (Integrated Development Environment ou Ambiente de
Desenvolvimento Integrado) do Arduino quando conectado a um computador.
Figura 10. Placa de microcontrolador Arduino MEGA 2560. (Fonte: https://s3-sa-east-1.amazonaws.com/multilogica-files/Arduino_Mega2560_3_M.jpg).
Para registro dos dados coletados, foi utilizado um módulo de armazenamento de
dados que permitia o registro de dados em cartão micro SD (Figura 11).
Figura 11. Módulo Wireless SD Shield para adaptação do cartão micro SD. (Fonte: https://s3-sa-east-1.amazonaws.com/multilogica-files/Wireless_SD_Shield_2_M.jpg).
23
Atuando como interface entre o operador e o SAD, foi utilizado um Módulo LCD
(Liquid Cristal Display) 1602 (Figura 12), constituído por um display de LCD com 2 linhas e
16 colunas de caracteres com 6 botões, que para o presente trabalho não foram utilizados.
Este módulo é essencial para o SAD, uma vez que apresenta informações sobre o
funcionamento do sistema.
Figura 12. Módulo LCD 1602. (Fonte: https://multilogica-shop.com/shield-lcd).
Com o objetivo de eliminar cabos entre PC e as caixas de instrumentação, para
efeito de monitoramento dos dados, utilizou-se o Módulo Bluetooth BlueSMiRF RN-42
(Figura 13), na qual apresenta um alcance de aproximadamente 20 metros (ideais para se
trabalhar dentro da cabine das máquinas), funcionado como uma conexão serial (RX/TX),
com um fluxo de comunicação serial de 2.400 a 115.200 bps, frequência de 2,4 a 2.524 GHz
e alimentação recomendada de 3,3 a 6 volts.
Figura 13. Módulo Bluetooth BlueSMiRF RN-42. (Fonte: https://multilogica-shop.com/m%C3%B3dulo-bluetooth-bluesmirf-silver).
Por segurança, a alimentação do SAD era controlada por uma chave 6A 125VAC
(Figura 14a) de três polos com dois estágios, liga/desliga, seguida por um fusível de
24
segurança de vidro de 3A 250V (Figura 14b) com dimensões de 5x20mm. A tensão de
alimentação da bateria foi regulada para 12V através de um regulador de tensão 7812CT
(Figura 14c), para então alimentar a Placa Condicionadora de Sinal, o sensor de
proximidade indutivo e a placa de microcontrolador Arduino MEGA 2560 na faixa
recomendável de tensão. A tensão de alimentação de 12V vinda da bateria, passava por
outro regulador de tensão L7805CV (Figura 14d) que regulava a tensão para 5V, para então
alimentar o sensor de posicionamento geográfico GPS 18x LVC, a placa conversora de nível
MAX 232, o Módulo EM-506 da USGlobalSat embarcado em placa SparkFun GPS e o
módulo Bluetooth BlueSMiRF RN-42, conforme circuito elétrico da Placa Reguladora de
Tensão (Figura 15). Todo o circuito elétrico foi confeccionado sobre uma placa de fenolite
perfurada para prototipagem.
Figura 14. (a) Chave 6A125VAC de três polos com dois estágios; (b) Fusível de vidro 3A250V 5x20m; (c) Regulador de tensão 7812CT; (d) Regulador de tensão L7805CV.
Figura 15. Circuito elétrico da Placa Reguladora de Tensão.
Todo circuito elétrico para aquisição e registro dos dados foi alocado em uma caixa
de montagem (Figura 16), apresentando espaço suficiente para alocação de todos os
25
componentes elétricos acima citados, apresentando dimensões de 280 x 180 mm e altura de
140 mm com tampa acrílico removível com dobradiças.
Figura 16. Caixa de montagem com tampa acrílica, removível com dobradiças. (Fonte: http://comercialversatil.com.br/temp/3675-schuhmacher-211505-4637-800x600m1.jpg).
3.2. Validação do sistema de aquisição de dados
3.2.1. Ensaios em laboratório
Foram realizados testes em laboratório com o objetivo de verificar possíveis falhas
no funcionamento do SAD avaliando a alimentação de cada sensor, o armazenamento dos
dados coletados, a comunicação e a conexão entre o SAD com um computador via
Bluetooth.
Para isso, os SADs desenvolvidos foram alimentados por uma fonte de alimentação
de bancada, sobre uma bancada em laboratório. Os microcontroladores foram programados
com o algoritmo desenvolvido e todos os módulos EM-506 da USGlobalSat embarcado em
placa SparkFun GPS foram configurados para mesma taxa de transferência de dados que o
microcontrolador. Através de um multímetro foi realizado a checagem da tensão chegando
em cada componente elétrico. A placa microprocessada Arduino foi programada para fazer
a leitura dos dados coletados a cada um segundo.
Após todas as checagens acima serem realizadas, o aparato ficou coletando dados
durante algumas horas sobre a bancada em laboratório para checagem de possíveis
problemas na aquisição e armazenamento dos dados.
3.2.2. Ensaios em campo
As coletas para validação do SADs foram realizadas na Fazenda Gobbi, no
município de Tabaporã - MT, na safra de soja 2015/2016, sendo a frota avaliada, composta
por quatro colhedoras John Deere STS 9770 e três carretas agrícolas do tipo transbordo, na
qual os Transbordos 1 e 3 apresentavam uma capacidade de carga de 24 m3 (Reboke
26
24000 – Stara) e o Transbordo 2 apresentava uma capacidade de carga de 32 m3 (Reboke
Ninja 32000 – Stara). Os dados utilizados para validação do sistema de aquisição de dados
foram coletados no dia 06 de fevereiro de 2016.
Após a coleta dos dados, foram estimados os valores de eficiência de campo para
cada máquina, através de algoritmos desenvolvidos para calcular os devidos tempos de
cada atividade realizada pela máquina. Também foram gerados gráficos para apresentar os
dados coletados, na qual, através de uma análise visual, auxiliaram ao definir possíveis
melhorias do rendimento operacional no talhão estudado.
O algoritmo capaz de extrair as informações dos dados coletados possibilitou a
extração dos tempos necessários para estimar a eficiência de campo e foi desenvolvido na
plataforma MATLAB (MathWorks®) versão (R2016b). A eficiência de campo foi obtida pela
razão entre o (Tc) tempo de colheita e a soma entre o (Tc) e o (Tdesp) Tempo total
desperdiçado em campo, conforme Equação 1 (ASAE Standards, 2003):
𝐸𝑐 =𝑇𝑐
𝑇𝑐 + 𝑇𝑑𝑒𝑠𝑝∗ 100 (1)
Em que:
Ec = Eficiência de campo (%);
Tc = Tempo de colheita (h); e
Tdesp = Tempo total desperdiçado em campo (h).
Para calcular o (Tdesp), cada atividade realizada pela máquina durante a operação
de colheita necessitou ser registrada, conforme Equação 2:
𝐸𝑐 =𝑇𝑐
𝑇𝑐 + 𝑇𝑚 + 𝑇𝑝 + 𝑇𝑑𝑝∗ 100 (2)
Em que:
Ec = Eficiência de campo (%);
Tc = Tempo de colheita (h);
Tm = Tempo de manobra (h);
Tp = Tempo parado no interior do talhão (h); e
Tdp = Tempo de descarga parado (h).
O valor de (Ec) para a operação de translado do produto colhido utilizando
transbordo agrícola foi obtido conforme Equação 3, onde para calcular o tempo total
desperdiçado em campo foi utilizado o (Tpt) subtraindo o (Tdp), uma vez que o processo de
27
descarregamento do produto localizado no transbordo agrícola se dá de maneira estática,
não sendo este um tempo desperdiçado, e sim realizando a tarefa na qual foi projetado.
𝐸𝑐 = 𝑇𝑡𝑐 − (𝑇𝑝𝑡 − 𝑇𝑑𝑝)
𝑇𝑡𝑐∗ 100 (3)
Em que:
Ec = Eficiência de campo (%);
Ttc = Tempo total em campo (h);
Tpt = Tempo total parado (h); e
Tdp = Tempo de descarga parado (h).
28
4. RESULTADOS E DISCUSSÃO
4.1. Projeto, construção e instalação do sistema de aquisição de dados
Na (Figura 17a) é apresentado, em destaque, o local no canal alimentador da
colhedora onde está alocado o sensor de posição rotativo da plataforma. Na (Figura 17b) é
apresentado o sensor já conectado ao sistema de aquisição de dados. Obtendo-se através
deste sensor, a referência para se ter o conhecimento da real posição em que plataforma se
encontrava durante a operação de colheita.
Figura 17. (a) Local do sensor de posição rotativo; (b) Sensor de posição rotativo.
Na (Figura 18a) é apresentado o sensor de proximidade indutivo instalado no
sistema de transmissão por correntes da colhedora, que é acionado ao se iniciar o processo
de descarregamento, juntamente com o suporte confeccionado para alocação do sensor. A
(Figura 18b) apresenta o sensor de proximidade indutivo instalado nos transbordos
agrícolas, como dito acima, no eixo cardam de acionamento do sistema de
descarregamento do transbordo.
Figura 18. (a) Sensor de proximidade indutivo instalado nas colhedoras; (b) Sensor de proximidade indutivo instalado nos transbordos agrícolas.
29
A Placa Condicionadora de Sinal, confeccionada sobre a placa de fenolite perfurada
para prototipagem, (circuito apresentado na Figura 3), com o objetivo de regular a tensão de
saída do sensor de proximidade indutivo, é apresentada na (Figura 19). Sendo possível
então, através do divisor de tensão, seguido do “voltage follower” a leitura do sinal de saída
do sensor de proximidade indutivo no microcontrolador.
Figura 19. Placa de fenolite perfurada para condicionamento do sinal de saída do sensor de proximidade indutivo.
Na (Figura 20a) é apresentado, em destaque, o cabo confeccionado para receber o
sinal de saída vindo dos sensores de volume do graneleiro. Na (Figura 20b) em destaque, é
apresentado as duas diferentes alturas que indicam o volume do graneleiro, o sensor
posicionado mais abaixo, indicando o nível a 3/4 do volume total do graneleiro e o sensor
posicionado mais acima, indicando o nível a 4/4 do volume total do graneleiro.
Figura 20. (a) Destaque no cabo confeccionado no indicador de volume do graneleiro. (b) Destaque nos dois diferentes níveis de volume do graneleiro.
30
Na (Figura 21a) é apresentado a caixa de montagem na qual foram alocados o
sensor de posicionamento geográfico. Na (Figura 21b) é apresentado a caixa de montagem
vedada com cola silicone, no suporte confeccionado para estender a caixa de montagem na
cabine da colhedora.
Figura 21. (a) Caixa de montagem com sensor de posicionamento geográfico. (b) Caixa de montagem instalada na cabine da colhedora.
A Placa Reguladora de Tensão, confeccionada sobre a placa de fenolite perfurada
para prototipagem (circuito apresentado na Figura 15), utilizada para alimentar o SAD, é
apresentada na (Figura 22).
Figura 22. Placa de fenolite perfurada reguladora de tensão.
Na (Figura 23) é apresentado o diagrama elétrico do sistema de aquisição de
dados. A alimentação do circuito elétrico vinda da bateria 12V, passa pela placa reguladora
de tensão, onde os 12V são regulados para alimentar a placa microprocessada, o sensor
indutivo e a placa condicionadora de sinal. Os demais elementos do circuito, como os
sensores de posicionamento geográfico, a placa de circuito integrado MAX 232 e o módulo
Bluetooth, foram alimentados em 5V pela placa reguladora de tensão. Não se optou por
utilizar a porta de alimentação 5V da placa microcontroladora pelo fato da corrente máxima
ser de 200mA, não sendo suficiente para alimentar todos os componentes que compõe o
31
SAD. Cada constituinte do circuito elétrico estava devidamente aterrado com a fonte de
alimentação externa, juntamente com a porta GND da placa microprocessada.
Figura 23. Diagrama elétrico do sistema de aquisição de dados.
A (Figura 24) apresenta o SAD confeccionado na caixa de montagem. Para evitar
qualquer ligação de maneira errônea do circuito elétrico, padronizou-se as cores dos cabos
confeccionados, em alimentação 5V, alimentação 12V, terra (GND), comunicação serial RX
e TX, e sinal de saída dos sensores.
32
Figura 24. Sistema de aquisição de dados desenvolvido.
A aquisição e armazenamento dos dados foram realizados através de algoritmo,
cujo fluxograma é apresentado na (Figura 25), desenvolvido utilizando-se Ambiente de
Desenvolvimento Integrado (IDE) do Arduino. Primeiramente, o microcontrolador checa a
existência do cartão SD, se sim, a rotina de tarefas é realizada a cada um segundo com
base na marcação de tempo do GPS, se não a rotina de tarefas também continua, porém,
os dados coletados não serão armazenados. Para registrar se a plataforma da colhedora
estava na posição de colheita ou não foi atribuído uma tensão de referência vinda do sensor
de posição rotativo da plataforma, caso o valor lido seja menor que a referência, a
plataforma está na posição de colheita. Para registrar se a colhedora está descarregando ou
não, atribuiu-se que se a tensão lida pelo sensor de proximidade indutivo variar a uma
determinada frequência, então a máquina estava descarregando. Para indicar o nível do
graneleiro, atribuiu-se que se o indicador de volume 3/4 for igual a 1, então o graneleiro
estava com 3/4 do seu volume ocupado por grãos, caso fosse diferente de 1, a rotina de
tarefas se destinava para outra decisão. Se o indicador de volume 4/4 for igual a 1 então o
graneleiro está cheio, caso contrário, o graneleiro está vazio. Então o algoritmo
desenvolvido armazena as informações coletadas com “&” no início da linha de dados,
apresenta os dados no módulo LCD 1602, para assegurar que o sistema de aquisição de
dados está funcionando corretamente, para então salvar os dados no arquivo texto criado.
33
Figura 25. Fluxograma do algoritmo desenvolvido para leitura e armazenamento de dados.
34
4.2. Validação do sistema de aquisição de dados
4.2.1. Ensaios em laboratório
No teste em laboratório realizado sobre bancada, conforme (Figura 26), foi
realizado a aferição da tensão de saída da placa condicionadora de sinal assim como a
tensão de saída da placa reguladora de tensão. Todas as tensões estavam sendo reguladas
conforme o esperado. Porém, após um dia de coleta na bancada de teste, observou-se que
o regulador de tensão de 5V estava apresentando aquecimento acentuado, sendo
necessário a instalação de dissipadores de calor no regulador de tensão L7805CV.
Figura 26. Teste em laboratório do sistema de aquisição de dados.
Um dos problemas encontrados nessa etapa foi na configuração dos sensores de
posicionamento geográfico EM-506, que por algum motivo não era possível configurar para
o suporte NMEA 0183. Porém, após várias tentativas utilizando o software SiRFDemo
versão 3.40 para configuração do sensor de posicionamento geográfico foi possível
configurar o sistema para disponibilizar a linha $GPRMC com informações de posição,
velocidade, data e hora.
4.2.2. Ensaios em campo e análise de dados
A primeira coleta de dados para validação do sistema de aquisição foi realizada
durante a colheita da soja no dia 06/02/2016. As quatro colhedoras avaliadas foram
denominadas Colhedora 1, 2, 3 e 4, obtendo dados de trajetória, descarregamento, posição
da plataforma e volume do graneleiro, conforme apresentado na (Figura 27). Os três
transbordos avaliados foram denominados utilizando o mesmo princípio.
35
Figura 27. Frota de colhedoras na qual foi instalado o SAD.
Antes de iniciar o processo de coleta de dados todos os SADs foram devidamente
calibrados atribuindo o valor da tensão de referência da plataforma para indicar a sua
posição e, também, foi calibrado a frequência em que o sensor de proximidade indutivo deve
variar para concluir que o sistema de descarregamento se encontrava na condição de
acionado ou não. Após as devidas calibrações em campo, iniciou-se o processo de coleta
de dados.
Ao analisar os arquivos gerados pelo SAD, alguns erros foram encontrados. Como
por exemplo, as informações coletadas não eram armazenadas eventualmente, ocorrências
em que caracteres indesejados apareciam nos dados de data e hora, e também erros
aleatórios que eventualmente ocorreram nas informações de coordenada geográfica.
Para realizar a filtragem desses comportamentos inesperados, após a coleta de
dados, foi necessário desenvolver um algoritmo que atuasse como um filtro para eliminar
qualquer caractere, valor indesejado e possíveis erros que eventualmente ocorreram nas
informações coletadas. Na (Figura 28) é apresentado o fluxograma do algoritmo
desenvolvido para filtrar estas falhas, utilizando a plataforma MATLAB (MathWorks®) versão
(R2016b). Primeiramente, o algoritmo lê o arquivo com os dados gerados, se caso o
algoritmo encontre alguma linha vazia, alguma linha que não comece com ”&” e que
apresente algum erro nos dados vindos do GPS, essa linha deverá ser apagada, e, com as
linhas restantes, o algoritmo deve calcular os dados de tempos e gerar um mapa de
trajetória vinculando as informações de descarregamento, manobra, trajetória e nível do
graneleiro.
36
Figura 28. Fluxograma do algoritmo desenvolvido para filtrar os dados indesejados.
Para realizar o processo “Calcular os tempos” do fluxograma exemplificado acima,
foi desenvolvido outro algoritmo, apresentado na (Figura 29), com objetivo de extrair e
calcular as variáveis necessárias para o cálculo da eficiência de campo. Para qualquer
variável na qual fosse necessário o uso da velocidade, foi atribuído o valor de velocidade de
1 km/h, pois o GPS, mesmo estando parado, apresenta valores de velocidade que variam
entre 0 e 1 km/h. Sendo assim, com os arquivos já filtrados o algoritmo deverá calcular o
tempo total de colheita, tempos de manobras, tempo parado total, tempo parado no interior
do talhão, tempo colhendo e tempo descarregando na condição estática para então calcular
a eficiência de campo.
Porém o algoritmo para cálculo da eficiência de campo deverá ser aperfeiçoado,
pois ao definir o tempo parado no interior do talhão atribuiu-se que se o período em que a
máquina ficar na condição parada for menor que 5 minutos este tempo será definido como
tempo em que a máquina se encontra na condição parada no interior do talhão para realizar
tarefas, como desembuchamento ou limpeza, e manutenção de algum mecanismo. O ideal
seria desenvolver um algoritmo, que definisse a área do talhão e carregasse o limite da área
do talhão atribuindo, através do seu limite, áreas de cabeceira checando, assim, se no
momento em que a máquina permaneceu parada, ela se encontrava na cabeceira, onde tem
a grande probabilidade da máquina estar quebrada, ou no interior do talhão, onde ela estaria
37
provavelmente parada por desembuchamento obtendo, portanto, o tempo em que a
máquina permaneceu parada e em qual posição dentro do talhão ela estava parada.
Outra condição que deve ser aperfeiçoada no algoritmo desenvolvido para extrair
os tempos, é o fato de que para este estudo de validação do SAD, foi utilizado apenas os
dados coletados em um talhão, sendo necessário a implementação no algoritmo de uma
condição na qual possa escolher o talhão que se deseja realizar o estudo, para que tempos
de transporte não interfiram em valores de eficiência de campo, visto que, ao ligar a chave
de ignição da colhedora e ligar a chave geral do transbordo agrícola, o SAD já começa a
realizar o armazenamento dos dados coletados no cartão micro SD.
38
Figura 29. Fluxograma do algoritmo desenvolvido para calcular a eficiência de campo.
Na (Figura 30) é apresentado o gráfico com a trajetória percorrida pela Colhedora 1,
em azul. Observa-se que em vermelho é apresentado os pontos onde a plataforma se
encontrava na condição levantada para realizar a manobras ou parada. Em verde, é
apresentado o posicionamento em que a colhedora se encontrava na condição de
descarregamento do produto colhido e em preto, a trajetória percorrida pela máquina na
qual o graneleiro se encontrava com 4/4 do seu volume ocupado.
39
Figura 30. Trajetória percorrida pela Colhedora 1 durante a operação de colheita.
A trajetória percorrida pela Colhedora 2 é apresentada na (Figura 31). Ao comparar
com a trajetória percorrida pela Colhedora 1, observa-se que a mesma apresenta mais
pontos onde a plataforma foi levantada no interior do talhão. Podendo ser alguma obstrução
à passagem da plataforma rente ao solo, ou pela plataforma ter sido levantada para realizar
manutenção da correia transportadora (atividade muito frequente na propriedade avaliada).
Estes valores poderão ser refletidos na eficiência de campo desta máquina.
Observa-se também, destacado em amarelo, no gráfico gerado pela Colhedora 2,
que em um dos caminhos percorridos a máquina muda bruscamente sua direção no meio do
talhão e se destina a outro ponto, com a plataforma abaixada. Este processo deve ser
explicado por algum socorro prestado pela Colhedora 2 a uma das máquinas, pois a prática
de sair da pista de trabalho após ter entrado no talhão é rara de acontecer na propriedade
avaliada. Uma atividade como esta é incomum pelo fato de que em qualquer condição de
transporte da colhedora, geralmente, a plataforma é levantada. Outra condição de decisão
que deve ser aperfeiçoado no algoritmo de extração dos tempos desenvolvido, é o fato de
que em qualquer ponto onde a plataforma esteja abaixada e a velocidade for maior do que a
velocidade média de trabalho, a colhedora provavelmente não estaria na condição de
colheita e este tempo também seria definido como tempo em manobras.
40
Observa-se também, de maneira visual, que ao comparar as distâncias percorridas
na condição de descarregamento da Colhedora 1 com a Colhedora 2 que a primeira
máquina apresenta uma distância percorrida na condição de descarregamento menor do
que a segunda sendo este um possível processo dentro da colheita que pode ser otimizado.
Descarregamentos realizados em curtas distâncias significa que a máquina não estava
realmente com 100% do seu volume do graneleiro ocupado por grãos, resultando em
maiores trajetórias percorrida pelo transbordo, de maneira desnecessária, consumindo
recursos, mão de obra e tempo; aumentando os custos com a operação de colheita. Porém
ao discutir com o produtor da propriedade avaliada, o mesmo afirmou instruir os operadores
a descarregar a máquina antes de realizar a manobra, mesmo que a colhedora não se
encontrava na condição de 100% do volume do graneleiro ocupado por grãos, com o
objetivo de melhorar a viabilidade economia do uso do transbordo, pelo fato de que se a
máquina não descarregar antes de realizar a manobra, a mesma estará na condição de
cheia logo após manobrar, podendo assim comprometer a logística do transbordo em retirar
o produto colhido.
Figura 31. Trajetória percorrida pela Colhedora 2 durante a operação de colheita.
Ao analisar as trajetórias percorridas pelas duas máquinas avaliadas observa-se
que a Colhedora 1, na parte superior do talhão, realizava manobras maiores; já na parte
41
inferior do talhão, a máquina realizava manobras menores. O inverso é observado na
trajetória percorrida pela Colhedora 2 na parte superior do talhão, realizava manobras
pequenas; já na parte inferior a máquina realizava manobras grandes. Seria possível
otimizar a logística de trabalho e consequentemente a eficiência de campo neste talhão,
padronizando manobras de mesmo tamanho para todas as máquinas.
Na (Figura 32) é apresentado a trajetória percorrida pela Colhedora 3. Ao analisar
sua trajetória, observa-se que a informação levantada acima era plausível. A Colhedora 2,
por algum motivo, saiu de sua condição normal de trabalho e se destinou em direção a
Colhedora 3, que como pode ser observado na Figura 32, a linha vermelha plotada no
interior do talhão representa que a plataforma não estava na condição de colheita. Este
tempo, onde a colhedora não se encontrava na condição de colheita, poderá aumentar
consideravelmente o tempo em manobras realizado pela máquina.
Outro detalhe que deve ser observado no gráfico plotado da trajetória percorrida
pela terceira colhedora é que, por algum motivo, não foi registrado os tempos em que a
máquina se encontrava em processo de descarregamento. No dia após a coleta foi
investigado o motivo pelo qual o sistema de aquisição de dados não registrou o tempo de
descarregamento e foi observado que o sensor de proximidade indutivo não estava na
distância recomendada de 5 milímetros do material metálico e, por este motivo, o sensor
não mensurava o momento em que o sistema de transmissão por correntes era acionado
para descarregar o produto colhido.
42
Figura 32. Trajetória percorrida pela Colhedora 3 durante a operação de colheita.
Na (Figura 34), é apresentado a trajetória percorrida pela Colhedora 4. O mesmo
problema encontrado na Colhedora 3 ocorreu na Colhedora 4. O sistema de aquisição de
dados não armazenou o tempo em que a máquina realizava o processo de
descarregamento do produto colhido. E repetindo o problema acima, na quarta máquina
avaliada, o sensor de proximidade indutivo não estava dentro da distância máxima de 5
milímetros do material metálico mensurado.
Outro problema obtido na coleta das informações de trajetória percorrido pela
Colhedora 4 foi que, por algum motivo, os dados pararam de ser armazenados, conforme
apresenta a parte inferior da (Figura 34). O problema ocorreu antes de ser definido que a
alimentação do circuito nas colhedoras se daria pela fonte auxiliar localizada no interior da
cabine, o sistema de aquisição de dados era alimentado pela tomada elétrica para
acessórios (12V), que, com a movimentação intensa da colhedora, o cabo de alimentação
desconectava, desligando o sistema de aquisição de dados. Por esse motivo optou-se por
alimentar o sistema de aquisição de dados pela fonte auxiliar localizada no interior da cabine
(Figura 33), solucionando o problema encontrado.
43
Figura 33. Fonte de alimentação auxiliar localizada no interior da cabine. (Fonte: http://manuals.deere.com/omview/OMH228642_19/OUO6075_0003A20_19_22SEP04_1.htm).
Observa-se também, destacado em amarelo, na trajetória percorrida pela
Colhedora 4, que em uma de suas manobras realizada, pelo fato do operador não ter
levantado a plataforma suficiente para que a tensão vinda do sensor de posição rotativo da
plataforma ficasse maior do que tensão de referência, não ocorreu o registro da posição da
plataforma na condição de manobra. Podendo o problema descrito ser resolvido, diminuindo
a tensão de referência.
44
Figura 34. Trajetória percorrida pela Colhedora 4 durante a operação de colheita.
Foi gerado também um mapa com a trajetória das quatro máquinas avaliadas,
apresentado na (Figura 35). Ao observar o mapa de trajetória percorrida pelas quatro
máquinas simultaneamente observa-se que, na parte inferior do talhão, algumas áreas
ficaram sem colher. Porém o espaçamento maior entre algumas trajetórias é explicado pelo
fato do sistema de aquisição de dados da Colhedora 4 ter desligado durante a operação.
Outro fator que deve ser observado ao plotar a trajetória percorrida pelas quatro
máquinas é que durante a operação de colheita da área avaliada apenas em cinco pontos
observou-se que a colhedora se encontrava na condição de graneleiro cheio (na cor preta).
Ou seja, em muitos descarregamentos o produto ocorria sem que todo o volume do
graneleiro estivesse ocupado, aumentando o número de viagens do transbordo. O SAD
pode ser utilizado em trabalhos futuros para otimizar o sistema de escoamento do produto
colhido dentro do talhão informando ao operador do transbordo em qual posição se encontra
o nível do graneleiro da colhedora mais próxima.
45
Figura 35. Trajetória percorrida por todas as colhedoras durante a operação de colheita.
Na Tabela 1, encontram-se os resultados de cada tempo calculado, para cada
máquina avaliada. Observa-se que o tempo de descarregamento parado para todas as
máquinas foi zero, sendo valor condizente com a realidade, pelo fato de que na propriedade
avaliada todos os descarregamentos do produto eram realizados de maneira dinâmica.
Assim como a Colhedora 3 e a Colhedora 4, não registraram o tempo de descarregamento
do produto, também apresentando o valor de zero horas de tempo de descarga total sendo
isso uma falha do SAD.
Quando observado a porcentagem de tempo realizando manobra, os valores
condizem com a análise visual realizada anteriormente. A Colhedora 2, quando comparada
com a Colhedora 1, apresentou um maior número de pontos onde a plataforma estava
posição levantada no interior do talhão, e tal valor refletiu no percentual de manobras
realizado pela máquina, na qual a Colhedora 2 apresentou 0,5% de manobra a mais do que
a Colhedora 1. O mesmo acontece para o percentual de tempo parado no interior do talhão,
na qual a Colhedora 2 ficou 4,2% de tempo parada no interior do talhão a mais do que a
Colhedora 1. A discrepância entre os valores de Tman e Tp para as duas máquinas refletiu no
valor da eficiência de campo, sendo de 80,7% na Colhedora 1 e, o menor valor de eficiência
de campo dentre as quatro, de 76,1 na Colhedora 2.
46
Pelo fato da Colhedora 3 ter levantado a plataforma no interior do talhão, como
observado na análise visual realizada acima, esta foi a que apresentou maior percentual de
tempo realizando manobras dentre as quatro máquinas avaliadas, 13,7%. Valor este que
reflete na eficiência de campo, sendo a segunda mais baixa de 79,0%.
Dentre as máquinas avaliadas, a que apresentou um menor tempo total em campo,
foi a Colhedora 4, sendo 3,9 horas trabalhadas. Tal valor, resultado do desligamento do
SAD mesmo a máquina trabalhando. Porém a Colhedora 4, mesmo apresentando um
percentual de manobra dentro da média com as demais, apresentou um valor de eficiência
de campo maior, 82,1%. Tal valor é explicado pela máquina ter realizado um menor número
de paradas dentro do talhão, apenas 0,2 horas. Resultando num percentual de parada no
interior do talhão de 6,5%.
É possível observar que os valores de eficiência de campo encontrados nas quatro
colhedoras avaliadas, são maiores quando comparado com valores comumente
encontrados em trabalhos semelhantes. Grisso et. al. (2004), obteve valores de eficiência de
campo que variam entre 53,2 e 66,9%, Kin et. al. (2011), obteve valores entre 61,1 e 68,3%
e Silva et. al. (2015), para valores de eficiência de campo encontrados para região Médio-
Norte de Mato Grosso, obteve valores de eficiência de campo na faixa entre 61,2 e 74,4%.
Podendo assim, os valores de desempenho operacional servir como referência para outras
propriedades na região.
Tabela 1. Resultado dos tempos e da eficiência de campo calculado para cada colhedora.
Ttc
(h)
Tman
(h)
Tp
(h)
Tpt
(h)
Tdp
(h)
Tdt
(h)
Tc
(h) Ec (%) %man %p
Col. 1 5,8 0,6 0,5 0,5 0 0,5 4,7 80,7 10,8 8,4
Col. 2 4,8 0,5 0,6 0,7 0 0,4 3,6 76,1 11,3 12,6
Col. 3* 6,0 0,8 0,4 1,4 0 0 4,8 79,0 13,7 7,3
Col. 4* 3,9 0,4 0,2 0,5 0 0 3,2 82,1 11,4 6,5
* Problemas com o sensor de monitoramento de descarga.
Na (Figura 36), é apresentado a eficiência de campo e o percentual de tempos
perdidos utilizado nos cálculos de tempo. Para melhor interpretação dos valores, foi gerado
um gráfico do tipo colunas cem por cento empilhadas. Onde, cem por cento, seria a soma
de todas as atividades realizadas no interior do talhão, colheita, manobras e parada.
47
Figura 36. Eficiência de campo, percentual de tempo de manobra e percentual de tempo parado para cada colhedora.
Para realizar a análise da trajetória percorrida pelo transbordo foi utilizado o mesmo
algoritmo desenvolvido com objetivo de extrair e calcular as variáveis necessárias para o
cálculo da eficiência de campo utilizada nas colhedoras, porém apenas foi levado em
consideração para os transbordos, Ttc, Tp, Tpt, Tdp, Ndes e Ec.
Na (Figura 37) é apresentado a trajetória percorrida pelo Transbordo 1, em azul,
durante a colheita de soja. Observa-se que em vermelho é apresentado os pontos onde a
velocidade foi menor que 1 km/h, na qual foi determinado como tempo parado. Em verde, é
apresentado o posicionamento na qual o transbordo se encontrava na condição de
descarregamento do produto colhido.
80,7 76,1 79,0 82,1
10,811,3
13,7 11,4
8,4 12,6 7,3 6,5
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Col. 1 Col. 2 Col. 3 Col. 4
Ec (%) %man %p
48
Figura 37. Trajetória percorrida pelo Transbordo 1 durante a operação de colheita.
Para realizar o estudo da trajetória percorrida pelos transbordos e dos tempos
destinados para cada tarefa, apenas a análise visual não é suficiente para chegar a algumas
conclusões. Para facilitar a análise dos tempos percorridos pelos transbordos, é
apresentado na Tabela 2 os tempos gastos por cada um dos três transbordos avaliados em
cada tarefa realizada.
Tabela 2. Resultado dos tempos e da eficiência de campo calculado para cada transbordo.
Ttc (h) Tp (h) Tpt (h) Tdt (h) Ndes Cdesc
(kg s-1)
Qpd**
(ton) Ec (%) %p
Trans. 1* 3,5 0,3 3,2 0,2 1 43,8 26,5 12,2 87,8
Trans. 2 7,3 1,1 3,4 0,6 9 200 408,8 60,6 39,4
Trans. 3 6,3 2,0 2,4 0,9 9 43,8 149,7 76,7 23,3
* Permaneceu parado sem realizar a operação de translado do produto colhido. ** Quantidade estimada de produto colhido.
Através da Tabela 2, é possível verificar que o Transbordo 1 realizou apenas 1
descarregamento, sendo que os outros dois restantes realizaram 9 descarregamentos cada.
Ao analisar o percentual de tempo em que o transbordo estava parado seu valor foi de
49
87,8%. Assim, é possível verificar que, por algum motivo, provavelmente por alguma falha
mecânica, o Transbordo 1 permaneceu parado com a chave geral da máquina no modo
ativo permitindo com que o SAD continuasse realizando a coleta dos dados mesmo o
transbordo não realizando nenhuma operação.
Na (Figura 38) é apresentado a trajetória percorrida pelo Transbordo 2. Este, por
sua vez, apresentou um percentual de tempo parado bem inferior ao Transbordo 1, sendo
seu valor de 39,4%, valor consideravelmente alto, sendo possível a otimização dos
transbordos no quesito parado no interior do talhão, valor este de 1,1 horas, provavelmente
a espera do sinal da colhedora de que o graneleiro se encontrava na posição 3/4.
Em trabalhos futuros o operador do transbordo pode ser avisado através do sistema
de aquisição de dados desenvolvido, o real nível do graneleiro das colhedoras, assim o
mesmo não ficaria tanto tempo parado à espera do sinal da colhedora do nível do
graneleiro.
Figura 38. Trajetória percorrida pelo Transbordo 2 durante a operação de colheita.
Na (Figura 39) é apresentado a trajetória percorrida pelo Transbordo 3. Ao realizar
uma análise visual das Figuras 39 e 40 é possível perceber que o Transbordo 3 apresenta
menos pontos parados, quando comparado com o Transbordo 2. Sendo confirmado pelos
valores de tempo total parado apresentado da Tabela 2. Onde, dentre os três transbordos
50
avaliados, foi que apresentou um menor tempo total parado, valor este de 2,4 horas.
Resultando numa maior eficiência de campo, 76,7%, mesmo os dois transbordos realizando
o mesmo número de descarregamento, 9 no total.
Porém, pelo fato do Transbordo 2 apresentar uma maior capacidade de carga, 32
m3, e uma maior capacidade de descarga, 200 kg s-1, este, foi o que apresentou uma maior
quantidade de produto descarregado, 408,8 toneladas. Podendo, a menor eficiência de
campo do Transbordo 2 quando comparado com o Transbordo 3, ser explicada pelo fato do
Transbordo 2 necessitar percorrer maiores distâncias para que todo seu volume esteja
ocupado por grãos, para então realizar o descarregamento do produto, para tanto, deve-se
realizar um estudo detalhado da operação de translado do produto colhido, para que seja
incluída na equação de eficiência de campo, a variável distância percorrida pelo transbordo
vazio. Todavia, o Transbordo 2 mesmo apresentando uma maior quantidade de produto
descarregado, ainda apresentou uma certa ineficiência em sua operação de translado do
produto colhido, por apresentar 16,1% de tempo parado a mais quando comparado com o
Transbordo 3, podendo este ser um possível ponto a ser otimizado dentro da operação de
translado do produto colhido.
Como o Transbordo 3 apresentou um maior tempo de descarregamento dentre as
três máquinas, valor este de 0,9 horas, um menor tempo total em campo, 6,3 horas e o
transbordo que permaneceu por menos tempo total parado, 2,4 horas. Mesmo
apresentando uma menor quantidade de produto descarregado, 149,7 toneladas, quando
comparado com o transbordo 2, a eficiência de campo foi maior devido ao menor tempo
parado em campo. Este, apresentou maior eficiência de campo (76,7%) e
consequentemente, um menor percentual de tempo parado, de 23,3%.
51
Figura 39. Trajetória percorrida pelo Transbordo 3 durante a operação de colheita.
Na (Figura 40), é apresentado a eficiência de campo e o percentual de tempo
perdido. Para melhor interpretação dos valores, foi gerado um gráfico do tipo colunas cem
por cento empilhadas onde cem por cento seria a soma de todas as operações realizadas
no interior do talhão, translado do produto colhido e paradas.
52
Figura 40. Eficiência de campo, percentual de tempo de parado para cada transbordo.
O estudo detalhado de uma área, levantando possíveis pontos que melhorariam a
logística de trabalho, é possível com o sistema de aquisição de dados desenvolvido, sendo
ideal para produtores que queiram ter uma informação detalhada da sua área e um
acompanhamento de como está sendo realizada as operações de colheita no interior do
talhão.
12,2
60,6
76,7
87,8
39,4
23,3
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Trans. 1 Trans. 2 Trans. 3
Ec (%) %p
53
5. CONCLUSÕES
O SAD atendeu o objetivo proposto no trabalho, sendo possível vincular a trajetória
percorrida aos tempos de manobra, tempos de descarregamento e nível do graneleiro e, nos
transbordos agrícolas, vincular a trajetória percorrida aos tempos de descarregamento,
permitindo o estudo detalhado da logística de campo da frota de colheita.
O SAD apresentou certas falhas no armazenamento dos dados, porém o algoritmo
desenvolvido para pós-processamento foi capaz de filtrar os erros sem comprometer a
representatividade dos dados coletados.
Os valores de eficiências de campo das colhedoras avaliadas foram maiores que os
comumente encontrados na literatura, indicando que o modelo de operação poderá servir
como base para outras propriedades na região e ainda, que na dada operação, o trabalho
das carretas transbordos apresentam potencial para otimização.
O SAD pode ser utilizado em trabalhos futuros na qual queira comparar diferentes
sistemas de colheita mecanizada, como por exemplo, analisar diferentes métodos de
descarregamento ou comparar o quão influencia a geometria de um talhão na eficiência de
campo.
54
6. REFERÊNCIAS BIBLIOGRÁFICAS
ASAE. AMERICAN SOCIETY OF AGRICULTURAL ENGINEERING. EP 496.2 FEB03.
Agricultural Machinery Management. In: ASAE Standards: standards engineering
practices data. St. Joseph: ASAE, 367-372p, 2003.
ARALDI, P. F. Avaliação da eficiência operacional na colheita mecanizada em lavouras de
arroz irrigado. 2011. 93 f. Dissertação (Mestrado) - Curso de Engenharia Agrícola,
Concentração em Mecanização Agrícola, Universidade Federal de Santa Maria, Santa
Maria, 2011.
BALASTREIRE, L. A. Máquinas Agrícolas. Piracicaba: Manole, 322p, 2005.
BRASIL. Brasil começa a exportar safra recorde de soja. Portal Brasil, 2016. Disponível
em: <http://www.brasil.gov.br/economia-e-emprego/2016/04/brasil-comeca-a-exportar-safra-
recorde-de-soja>. Acesso em: 17 nov. 2016.
CONAB - COMPANHIA NACIONAL DE ABASTECIMENTO. Acompanhamento da Safra
Brasileira de Grãos, v. 3 - Safra 2015/16, n. 12 – Décimo Segundo Levantamento, Brasília,
p. 1-184, setembro 2016.
CONAB - COMPANHIA NACIONAL DE ABASTECIMENTO. Acompanhamento da Safra
Brasileira de Grãos, v. 4 - Safra 2016/17, n. 2 – Segundo Levantamento, Brasília, p. 1-156,
novembro 2016.
EMBRAPA Soja, 2016. Soja em números (safra 2015/2016). Disponível em:
<https://www.embrapa.br/web/portal/soja/cultivos/soja1/dados-economicos>. Acesso em: 17
nov. 2016.
GRISSO, R. D., JASA, P. J., ROLOFSON, D. E. Analysis of Traffic Patterns and Yield
Monitor Data for Field Efficiency Determination. American Society of Agricultural
Engineers, Vol. 18(2): 171-178p, 2002.
GRISSO, R. D., JASA, P. J., ROLOFSON, D. Field Efficiency Determination from Spatial
Data. St. Joseph: ASAE, 12p. (ASAE Paper, 001013), 2000.
GRISSO, R. D., KOCHER, M. F., ADAMCHUK, V. I., SCHROEDER, M. A. Field Efficiency
Determination Using Traffic Pattern Indices. American Society of Agricultural Engineers,
Vol. 20(5): 563-572p, 2004.
55
HUNT, D. Farm Power and Machinery Managment. 10. Ed. Iowa State University Press,
Ames, Iowa, 368p, 2001.
INSTITUTO MATOGROSSENSE DE ECONOMIA AGROPECUÁRIA (IMEA). 6ª Estimativa
da Safra de Soja - 2015/16. IMEA, Cuiabá, MT, 2016.
INSTITUTO MATOGROSSENSE DE ECONOMIA AGROPECUÁRIA (IMEA). Atraso na
colheita da soja e clima são fatores que tem ditado ritmo mais lento da semeadura do
milho 2ª safra. IMEA, Cuiabá, MT, 2016.
INSTITUTO MATOGROSSENSE DE ECONOMIA AGROPECUÁRIA (IMEA). Mapa de
Macrorregiões do IMEA. IMEA, Cuiabá, MT, 2010.
KIN, Y. Y., JAMUAR, S. S., YAHYA, A. Combine Harvester Instrumentation System for use
in precision Agriculture. Instrumentation Science and Technology. Vol. 39: 374-393p,
2011.
MIALHE, L. G. Manual de Mecanização Agrícola. São Paulo: Ed. Ceres, 301p, 1974.
MILAN, M. Desempenho Operacional e Econômico de Sistemas Mecanizados
Agrícolas. Departamento de Engenharia Rural / ESALQ-USP. 2005.
MOLIN, J. P., MILAN, M., NESRALLAH, M. G. T., CASTRO, C. N., GIMENEZ, L.
M. Utilização de dados georreferenciados na determinação de parâmetros de desempenho
em colheita mecanizada. 2010. Trabalho apresentado no ConBAP 2010. Congresso
Brasileiro de Agricultura de Precisão, Ribeirão Preto, SP, 2010.
RENOLL, E. Predicting Machine Performance Rates for Specific Field and Operating
Conditions. Alabama Agricultural Experiment Station, Auburn University Alabama,
Circular 258, 14p, 1981.
SANGOI, L., SCHWEITZER, C., SILVA, P. R. F., SCHMITT, A., VARGAS, V. P., CASA, R.
T., SOUZA, C. A. Perfilhamento, área foliar e produtividade do milho sob diferentes arranjos
espaciais. Pesquisa Agropecuária Brasileira, Brasília, v. 46, n. 6, p. 609-616, 2011.
SILVA, A. J. S., ZANDONADI, R. S., BARBOSA, F. S., VIOLA, M. Estudo de caso: Influência
do Método de Descarregamento no Rendimento Operacional de Colhedoras de Grãos na
Colheita de Soja. 2015. Trabalho apresentado no 44. Congresso Brasileiro de Engenharia
Agrícola, São Pedro, SP, 2015.
56
SILVA, S. S. Logística aplicada à colheita mecanizada de cereais. 2004. 148 f. Dissertação
(Mestrado) - Curso de Agronomia, Concentração em Mecanização Agrícola, Escola Superior
de Agricultura Luiz de Queiroz, Piracicaba, 2004.
SRIVASTAVA, A. K., et. al. Engineering Principles of Agricultural Machines. 2nd Edition.
Niles Road, St. Joseph, MI, 571p, 2006.
TAYLOR, R. K., SCHROCK, M. D., STAGGENBORG, S. A. Extracting Machinery
Management Information from GPS Data. St. Joseph: ASAE, 9p. (ASAE Paper, 021008),
2002.
TIRAPICOS, A. M C. Avaliação da eficiência de campo em operações agrícolas com recurso
à tecnologia GPS. 2012. 85 f. Dissertação (Mestrado) - Curso de Engenharia Agronômica,
Instituto Superior de Agronomia, Universidade Técnica de Lisboa, Lisboa, 2012.