Combinando Internet das Coisas, Inteligência Artificial e Blockchain para Monitorar a Cadeia de Agroquímicos
Resumo
A movimentação de agroquímicos na cadeia produtiva é imensa, oportunizando roubos, mal uso e evasão de impostos. O controle atual é precário e necessita de melhorias, possibilitando um vasto campo de pesquisa. Conforme a literatura na área, as propostas atuais de rastreabilidade usam apenas poucos sensores, além do fato de não existir combinação e integração entre eles. Nesse contexto, este trabalho apresenta um modelo que permite a rastreabilidade de defensivos agrícolas, combinando sensores de Internet das Coisas (IoT), aprendizado de máquina, redes de neblina (fog), identificação por rádio frequência (RFID) e blockchain. O diferencial do modelo está na contribuição de uma proposta modular e que permite segurança e confiabilidade no controle dos produtos. O modelo desenvolvido apresentou resultados concisos e promissores. Quando realizada a movimentação de objetos dentro de containers e fora destes, sensores capturam e enviaram os dados das ações para armazenamento e análise das camadas seguintes do modelo.
Referências
Blankenburg, M., Horn, C., and Krüger, J. (2015). Detection of counterfeit by the usage of product inherent features. Procedia CIRP, 26:430–435. 12th Global Conference on Sustainable Manufacturing – Emerging Potentials.
Fuertes, G., Soto, I., Carrasco, R., Vargas, E., Sabattin, J., and Lagos, C. (2016). Intelligent packaging systems: Sensors and nanosensors to monitor food quality and safety. Journal of Sensors, 2016:1–8.
Gai, K., Fang, Z., Wang, R., Zhu, L., Jiang, P., and Choo, K.-K. R. (2020). Edge computing and lightning network empowered secure food supply management. IEEE Internet of Things Journal, PP:1–1.
Guo, Z. and Zhang, X. (2010). The application of rfid technology in the logistics supply chain. In 2010 3rd International Conference on Computer Science and Information Technology, volume 2, pages 518–520.
Hu, S., Huang, S., Huang, J., and Su, J. (2021). Blockchain and edge computing technology enabling organic agricultural supply chain: A framework solution to trust crisis. Computers Industrial Engineering, 153:107079.
Konovalenko, I. and Ludwig, A. (2019). Event processing in supply chain management – the status quo and research outlook. Computers in Industry, 105:229–249.
Leveling, J., Edelbrock, M., and Otto, B. (2014). Big data analytics for supply chain management. volume 2015.
Lin, J., Shen, Z., Zhang, A., and Chai, Y. (2018). Blockchain and iot based food traeability for smart agriculture. In Proceedings of the 3rd International Conference on Crowd Science and Engineering, ICCSE’18, New York, NY, USA. Association for Computing Machinery.
Michael, K. and McCathie, L. (2005). The pros and cons of rfid in supply chain management. In International Conference on Mobile Business (ICMB’05), pages 623–629.
Michelucci, U. and Venturini, F. (2020). New autonomous intelligent sensor design approach for multiple parameter inference. Engineering Proceedings, 2(1).
Min, H. (2010). Artificial intelligence in supply chain management: Theory and applications. International Journal of Logistics-research and Applications - INT J LOGIST-RES APPL, 13:13–39.
Rejeb, A., Simske, S., Rejeb, K., Treiblmaier, H., and Zailani, S. (2020). Internet of things research in supply chain management and logistics: A bibliometric analysis. Internet of Things, 12:100318.
Sila-Nowicka, K. and Thakuriah, P. (2019). Multi-sensor movement analysis for transport safety and health applications. PLOS ONE, 14(1):1–28.
Toorajipour, R., Sohrabpour, V., Nazarpour, A., Oghazi, P., and Fischl, M. (2020). Artifi- cial intelligence in supply chain management: A systematic literature review. Journal of Business Research, 122:502–517.
