Cases

Soluções para o agro, do problema ao resultado.

Mini-aplicações que demonstram, na prática, como transformo dados em decisão no agronegócio — cada uma rodando em seu próprio container. Para cada case: qual a dor, como foi resolvido e o retorno que gera para a operação.

●

Cases de apresentação. Todos usam dados simulados, sem qualquer informação real de clientes — o objetivo é demonstrar a abordagem técnica e o valor de negócio.

Python · StreamlitRegressão

Predição de Produtividade

Estima a produtividade do talhão (sacas/ha) a partir de solo, clima e manejo.

A dor: Decisões de plantio, estoque e venda dependem de estimar a produtividade antes da colheita — mas isso costuma ser feito 'no olho' e tarde demais.
Como foi feito: Modelo de regressão (Gradient Boosting) treinado sobre features de solo, clima e manejo, com validação cruzada e importância de variáveis.
A solução: Ajuste as condições do talhão e receba na hora a produtividade estimada, a margem de erro e o que mais pesa no resultado.
Retorno para a empresa: Antecipa o planejamento de safra e a comercialização, reduz risco de superestimar estoque e embasa a negociação com dados, não achismo.

Abrir app

Shiny · REstatística experimental

ANOVA de Ensaios + Gráfico de Tratamentos

Compara tratamentos de um ensaio com ANOVA + Tukey e boxplot pronto para relatório.

A dor: Comparar tratamentos em ensaios de campo exige estatística correta; feito errado, leva a recomendar o produto ou a dose errada.
Como foi feito: ANOVA seguida do teste de Tukey (HSD) em R, com checagem de pressupostos e gráfico de tratamentos com letras de significância.
A solução: Carrega o ensaio (simulado), roda a análise e mostra quais tratamentos diferem de fato, com boxplot pronto para o relatório.
Retorno para a empresa: Acelera a leitura de ensaios de ~100 horas técnicas para minutos e dá segurança estatística à recomendação técnica.

Abrir app

JavaScript · LeafletGeoespacial

Mapa de Produtividade / NDVI por Talhão

Mapa interativo com zonas de produtividade e NDVI por talhão.

A dor: A produtividade varia muito dentro do mesmo talhão, mas sem visualizar onde, o manejo é aplicado de forma uniforme e cara.
Como foi feito: Mapa interativo (Leaflet) com zonas de produtividade/NDVI a partir de dados geoespaciais simulados por talhão.
A solução: Visualiza as zonas de alto e baixo desempenho no mapa e detalha cada talhão ao clicar.
Retorno para a empresa: Base para manejo localizado (taxa variável): aplica insumo onde rende, corta desperdício e aumenta a margem por hectare.

Abrir app

Python · StreamlitDetecção de anomalias

Detecção de Anomalias em Telemetria

Sinaliza leituras fora do padrão em séries de telemetria de máquinas.

A dor: Falhas em máquinas e sensores no campo geram parada e prejuízo quando só são percebidas tarde demais.
Como foi feito: Isolation Forest sobre séries de telemetria (rotação, temperatura, consumo) simuladas, sinalizando pontos fora do padrão.
A solução: Painel que destaca as leituras anômalas e o momento provável de início da falha.
Retorno para a empresa: Manutenção preditiva: reduz parada não planejada e custo de reparo, mantendo a operação rodando na janela de safra.

Abrir app

Shiny · RSérie temporal

Previsão Climática (Série Temporal)

Projeta chuva e temperatura das próximas semanas com intervalo de confiança.

A dor: Janela de plantio, colheita e aplicação depende do clima — decidir sem previsão é apostar.
Como foi feito: Modelo de série temporal (ETS/ARIMA via pacote forecast em R) sobre histórico climático simulado, com intervalo de confiança.
A solução: Projeta chuva e temperatura das próximas semanas com faixa de incerteza, em gráfico direto.
Retorno para a empresa: Apoia o calendário operacional, reduz perda por janela errada e melhora a alocação de máquinas e insumos.

Abrir app

Python · StreamlitClassificação

Classificação de Risco Agrícola

Classifica o talhão em risco baixo/médio/alto com métricas do modelo.

A dor: Nem todo talhão tem o mesmo risco de perda; tratar todos igual desperdiça recurso e deixa o crítico desprotegido.
Como foi feito: Classificador (Random Forest) que rotula o talhão em risco baixo/médio/alto, com ROC, matriz de confusão e importância de variáveis.
A solução: Informe as condições e receba a classe de risco e a confiança, com o porquê da decisão.
Retorno para a empresa: Prioriza monitoramento e seguro onde importa, otimiza o custo de manejo e reduz a perda produtiva.

Abrir app

JavaScriptRecomendação

Recomendação de Cultivar/Insumo

Recomenda cultivares para as condições do talhão, com justificativa.

A dor: Escolher a cultivar e o insumo certos para cada combinação de solo, clima e época é complexo e muitas vezes intuitivo.
Como foi feito: Motor de recomendação baseado em scoring sobre uma base simulada de cultivares e condições de ambiente.
A solução: Defina as condições do talhão e receba um ranking de cultivares recomendadas com a justificativa de cada uma.
Retorno para a empresa: Aumenta a aderência da escolha ao ambiente, elevando a produtividade potencial e reduzindo o risco de frustração de safra.

Abrir app

PHPERP / BI

Painel ERP — Relatório de Talhões

Consolida operações por talhão num relatório executivo (estilo ERP).

A dor: Dados de operação ficam espalhados em planilhas; gestão e diretoria não têm uma visão consolidada e confiável.
Como foi feito: Aplicação PHP que consolida registros (simulando integração com ERP) e gera um relatório de talhões e operações.
A solução: Painel com indicadores por talhão (área, custo, produtividade, status) e relatório pronto para a gestão.
Retorno para a empresa: Centraliza a informação, dá governança e visão executiva, agilizando a tomada de decisão da operação.

Abrir app