Colhendo insights: análise de dados na produção de cana-de-açúcar
Carregando...
Data
Autores
Orientador
Pereira, Clayton Reginaldo 
Coorientador
Pós-graduação
Curso de graduação
Bauru - FC - Ciência da Computação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
A cana-de-açúcar ocupa posição central na economia brasileira, consolidando o país como o maior produtor mundial dessa cultura. Apesar de sua relevância, a produtividade ainda enfrenta entraves relacionados ao manejo nutricional do solo, principalmente pela ausência de controle preciso sobre as quantidades ideais de nutrientes necessárias ao desenvolvimento da lavoura. Essa falta de precisão faz com que muitos produtores deixem de alcançar o potencial produtivo de suas áreas, resultando em menor rentabilidade e uso ineficiente de insumos. Nesse cenário, a ciência de dados surge como um recurso estratégico para apoiar a gestão agrícola, permitindo identificar padrões ocultos, analisar correlações entre nutrientes e fornecer recomendações mais assertivas para o manejo da fertilização. Este trabalho tem como objetivo aplicar técnicas de análise de dados para estudar as relações entre os nutrientes presentes no solo e a produtividade da cana-de-açúcar. A pesquisa concentrou-se na coleta, organização e tratamento de dados nutricionais, seguida de análises estatísticas e exploratórias. Em seguida, foram desenvolvidos e avaliados modelos preditivos supervisionados, com destaque para a regressão, visando estimar a influência de nutrientes específicos e oferecer insights que apoiem práticas de fertilização mais eficientes. Os resultados esperados incluem a definição mais precisa das quantidades de nutrientes necessárias, a maximização da produtividade agrícola, a redução de desperdícios e a promoção de práticas mais sustentáveis. Ao integrar ciência de dados ao manejo nutricional da cana-de-açúcar, este estudo busca oferecer subsídios técnicos que auxiliem a tomada de decisão dos produtores rurais, fomentem a agricultura de precisão e impulsionem a competitividade do setor sucroenergético no Brasil.
Resumo (inglês)
Sugarcane plays a central role in the Brazilian economy, consolidating the country as the world’s largest producer of this crop. Despite its relevance, productivity still faces challenges related to soil nutrient management, mainly due to the lack of precise control over the ideal amounts of nutrients required for crop development. This lack of accuracy prevents many producers from reaching the full productive potential of their fields, resulting in lower profitability and inefficient use of inputs. In this context, data science emerges as a strategic tool to support agricultural management, enabling the identification of hidden patterns, the analysis of correlations between nutrients, and the generation of more assertive recommendations for fertilization management. This study aims to apply data analysis techniques to investigate the relationships between soil nutrients and sugarcane productivity. The research focused on the collection, organization, and processing of nutritional data, followed by statistical and exploratory analyses. Subsequently, supervised predictive models, with emphasis on regression, were developed and evaluated to estimate the influence of specific nutrients and provide insights that support more efficient fertilization practices. The expected results include a more accurate definition of the necessary nutrient quantities, maximization of agricultural productivity, reduction of waste, and promotion of more sustainable practices. By integrating data science into the nutritional management of sugarcane, this study seeks to provide technical support for farmers’ decision-making, foster precision agriculture, and enhance the competitiveness of Brazil’s sugar-energy sector.
Descrição
Palavras-chave
Ciência de dados, Cana-de-açúcar, Nutrientes do solo, Modelos preditivos, Agricultura de precisão, Data science, Sugarcane, Soil nutrients, Predictive models
Idioma
Português
Citação
ZANIN, Guilherme Lima. Colhendo insights: análise de dados na produção de cana-de-açúcar. 2025. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Faculdade de Ciências, Universidade Estadual Paulista (UNESP), Bauru, 2025.
