O Brasil é o sexto maior produtor de leite do mundo, sendo que essa produção cresce a uma taxa anual 4% superior aos demais países produtores. Parte desse aumento na produção de leite deve-se ao uso de diversas tecnologias desenvolvidas para o setor, principalmente, aquelas relacionadas à genética e ao manejo do rebanho. A detecção acurada do cio em vacas é um fator limitante na eficiência reprodutiva do rebanho leiteiro, sendo considerada uma das principais deficiências na reprodução bovina. Falha na identificação do estro com eficiência ocasiona perdas para o produtor. Métodos quantitativos preditivos, baseados em dados históricos e conhecimento especialista, permitem, a partir de uma base de dados organizada, a predição de padrões com baixa percentagem de erro. Este trabalho comparou a precisão das técnicas de estimativa de estro para vacas da raça Holandesa alojadas em galpão freestall, utilizando métodos quantitativos preditivos, por meio da interposição dos pontos intermediários provenientes de série histórica do rebanho. Uma base de regras foi formulada sendo que os valores dos pesos de cada afirmação pertencem a um intervalo de zero a um, e esses limites foram utilizados para gerar a função de pertinência Fuzzy, cuja saída era a predição de estro. Na etapa seguinte, foi aplicada a técnica de Data mining utilizando os parâmetros de movimentação, produção de leite, dias de lactação e comportamento de monta, sendo gerada uma árvore de decisão para analisar os parâmetros mais significativos na previsão de estro em vacas leiteiras. Os resultados indicaram que a presença de estro pode ser detectada com maior precisão usando a observação de movimentação das vacas (87%, erro estimado 4%) ou o comportamento de monta (78%, erro estimado 11%).
Brazil is the sixth world’s larger milk producer, increasing its production at an annual rate of 4% above other producer countries. Part of this raise in milk production was due to the use of several technologies that have being developed for the sector, mainly those related to genetics and herd management. Accurate estrus detection in dairy cows is a limiting factor in the reproduction efficiency of dairy cattle, and it has been considered the most important deficiency in the field of reproduction. Failing to detect estrus efficiently may cause losses for the producer. Quantitative predictive methods based on historical data and specialist knowledge may allow, from an organized data base, the prediction of estrus pattern with lower error. This research compared the precision of the estrus prediction techniques for freestall confined Holstein dairy cows using quantitative predictive methods, through the interpolation of intermediate points of historical herd data set. A base of rules was formulated and the values of weight for each statement is within the interval of 0 to 1; and these limits were used to generate a function of pertinence fuzzy that had as output the estrus prediction. In the following stage Data mining technique was applied using the parameters of movement rate, milk production, days of lactation and mounting behavior, and a decision tree was built for analyzing the most significant parameters for predicting estrus in dairy cows. The results indicate that the prediction of estrus incidence may be achieved either using the association of cow’s movement (87%, with estimated error of 4%) or the observation of mounting behavior (78%, with estimated error of 11%).