Jôsevan Tárcio Silva de Oliveira; Marcos Jardel Henriques

DOI: 10.22167/2675-6528-202601002

Artigo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Resumo

A carcinicultura brasileira enfrentou desafios crescentes na gestão operacional de viveiros, particularmente no registro de dados biométricos, controle de alimentação e acompanhamento financeiro. Métodos tradicionais, baseados em planilhas e anotações manuais, apresentavam limitações de rastreabilidade e suporte à decisão. Desenvolveu-se e validou-se um sistema web integrado para a gestão automatizada do ciclo de cultivo de Litopenaeus vannamei. A implementação utilizou Java Spring Boot 3.5.8 e React 19, seguindo os princípios da arquitetura hexagonal e Domain-Driven Design para garantir modularidade e escalabilidade. O sistema foi validado em dois viveiros comerciais no Vale do Jaguaribe, Ceará, ao longo de 45 dias, com monitoramento contínuo. Os resultados evidenciaram um erro médio de apenas 1,0% nas métricas biométricas calculadas automaticamente em relação aos valores apurados manualmente, uma cobertura de testes automatizados de 87%, e o pleno funcionamento dos módulos de relatórios, exportação de dados e dashboard gerencial. A avaliação de usabilidade pelos técnicos de campo revelou alta satisfação, com média de 4,6 em escala Likert, e 100% de intenção de adoção permanente, destacando a utilidade do dashboard e a estabilidade do sistema. Concluiu-se que o sistema demonstrou acurácia, estabilidade e capacidade de centralizar informações de gestão dos viveiros, contribuindo significativamente para a redução de retrabalho e a melhoria da rastreabilidade no processo produtivo, oferecendo uma solução tecnológica de baixo custo e alta usabilidade que superou as expectativas iniciais.

Palavras-chave: Arquitetura hexagonal; Carcinicultura; Digitalização; Litopenaeus vannamei; Rastreabilidade.

1. Introdução

A carcinicultura, atividade dedicada ao cultivo de camarões em cativeiro, representa um dos segmentos mais dinâmicos e promissores da aquicultura brasileira. O país ocupa posição de destaque na produção mundial, com o Nordeste respondendo por aproximadamente noventa por cento da produção nacional. Estados como Ceará e Rio Grande do Norte concentram cerca de sessenta e seis por cento do volume produzido (Rocha, 2021; Organização das Nações Unidas para Alimentação e Agricultura [FAO], 2022). A espécie mais cultivada é o camarão branco-do-Pacífico, *Litopenaeus vannamei*, amplamente adotado em sistemas semi-intensivos e intensivos devido à sua alta adaptabilidade e desempenho zootécnico. Este cenário de crescimento e relevância econômica, contudo, é acompanhado por desafios inerentes à gestão operacional que podem limitar o potencial produtivo e a sustentabilidade do setor (Valenti et al., 2021).

Apesar do potencial produtivo, a carcinicultura brasileira ainda enfrenta obstáculos significativos na gestão diária dos viveiros. Tradicionalmente, o controle de parâmetros cruciais como registro de dados biométricos, acompanhamento do consumo de ração e monitoramento financeiro dos lotes de cultivo é realizado por métodos manuais. Estes incluem anotações em cadernos, planilhas eletrônicas rudimentares e, frequentemente, quadros brancos fixados nas fazendas, onde técnicos registram à mão informações vitais sobre biometria e alimentação. Tal abordagem apresenta severas limitações: a rastreabilidade dos dados é comprometida, a análise histórica torna-se complexa e propensa a erros, e a capacidade de tomar decisões rápidas e embasadas é reduzida (Valenti et al., 2021). A ausência de um sistema centralizado e automatizado resulta em retrabalho, perda de informações e impacta negativamente a eficiência e a lucratividade das operações.

Neste contexto, a tecnologia da informação emerge como ferramenta estratégica indispensável para o agronegócio, incluindo a aquicultura. O desenvolvimento de sistemas web voltados para o campo tem demonstrado impacto positivo na otimização da produtividade e na qualidade dos registros em diversas cadeias produtivas (Souza et al., 2019). No entanto, observa-se escassez de ferramentas de software especificamente projetadas para a carcinicultura que integrem, de forma abrangente e em uma única plataforma, o controle zootécnico, financeiro e operacional dos cultivos. Embora existam soluções pontuais, como sistemas de monitoramento de qualidade da água baseados em Internet das Coisas (Santos et al., 2022) ou aplicativos móveis para registro de biometrias (Pereira e Rocha, 2023), a integração completa desses módulos em um ambiente coeso e escalável ainda representa lacuna significativa no mercado nacional (Oliveira et al., 2020). Essa lacuna impede uma visão holística e em tempo real do ciclo de produção, essencial para a gestão moderna.

Para construir sistemas de software robustos e adaptáveis a domínios complexos como a carcinicultura, a adoção de princípios de engenharia de software avançados é fundamental. A arquitetura hexagonal, também conhecida como Ports and Adapters (Evans, 2004), e o Domain-Driven Design (Vernon, 2013) são abordagens que promovem modularidade, escalabilidade e alinhamento do software com as regras de negócio do domínio. A arquitetura hexagonal, por exemplo, isola a lógica de negócio das preocupações de infraestrutura, facilitando a manutenção e a evolução. A qualidade do software também é intrinsecamente ligada à sua validação. Estudos indicam que sistemas de apoio à decisão em aquicultura exigem acurácia elevada, com erros médios preferencialmente abaixo de cinco por cento (Boyd e Tucker, 2012). A cobertura de testes automatizados é um indicador crucial da estabilidade e robustez do código, com valores acima de oitenta por cento sendo considerados boa prática (Moraes et al., 2021). A usabilidade, por sua vez, é vital para a adoção por usuários de campo, e interfaces de dashboard devem apresentar tempos de resposta inferiores a trezentos milissegundos para garantir uma experiência satisfatória na tomada de decisões (Nielsen, 1993).

Diante da crescente demanda por eficiência e rastreabilidade na carcinicultura brasileira e da evidente lacuna de sistemas integrados que superem as limitações dos métodos manuais, torna-se imperativo o desenvolvimento de uma solução tecnológica que centralize e automatize a gestão operacional dos viveiros. A necessidade de dados precisos para a tomada de decisão, a redução de retrabalho e a melhoria da rastreabilidade justificam a busca por um sistema que combine acurácia técnica com alta usabilidade em um setor ainda dependente de registros analógicos. Assim, o presente trabalho tem como objetivo desenvolver e validar um sistema web integrado para a gestão automatizada do ciclo de cultivo de *Litopenaeus vannamei*, utilizando princípios de arquitetura hexagonal e Domain-Driven Design, visando centralizar o registro de dados biométricos, o controle de alimentação e o acompanhamento financeiro, e oferecer suporte robusto à decisão para produtores e técnicos de campo.

2. Material e Métodos

O presente estudo caracterizou-se como uma pesquisa aplicada, de natureza descritiva e exploratória, adotando uma abordagem metodológica mista. A vertente quantitativa foi empregada para a validação da acurácia dos cálculos do sistema, enquanto a qualitativa focou na avaliação da usabilidade pelos usuários finais. A pesquisa foi orientada pelo método hipotético-dedutivo, combinando o desenvolvimento experimental de software com um estudo de caso em campo. Adicionalmente, realizou-se análise documental dos registros produtivos dos viveiros monitorados, visando compreender as práticas existentes e fundamentar a concepção do sistema. Essa abordagem integrada permitiu uma compreensão abrangente do problema e a validação da solução proposta.

O desenvolvimento da pesquisa ocorreu em duas etapas complementares e sequenciais. Inicialmente, procedeu-se à construção do sistema de software, abrangendo todas as suas camadas e módulos funcionais, conforme os requisitos identificados. Posteriormente, realizou-se a validação funcional do sistema em condições reais de uso, diretamente em fazendas comerciais de carcinicultura. A condução dessas etapas seguiu os princípios da pesquisa experimental aplicada, que envolveu a coleta de dados primários e a comparação sistemática entre as métricas obtidas manualmente pelos técnicos e aquelas calculadas automaticamente pelo sistema desenvolvido, garantindo a robustez da avaliação.

O estudo de campo e a validação do sistema foram conduzidos em dois viveiros comerciais dedicados ao cultivo de *Litopenaeus vannamei*, situados na região do Vale do Jaguaribe, no estado do Ceará. O período de monitoramento estendeu-se de 15 de dezembro de 2025 a 28 de janeiro de 2026, totalizando 45 dias de acompanhamento contínuo. Cada viveiro possuía uma área de aproximadamente 1,0 hectare e operava sob um sistema de cultivo semi-intensivo, com densidade inicial de 15 pós-larvas por metro quadrado. A aeração mecânica era realizada por dois aeradores de pá tipo *paddlewheel* por viveiro, e o abastecimento hídrico provinha de um canal de captação com comportas de regulação de nível.

Previamente ao período de validação, foram realizadas duas visitas técnicas de campo, em outubro e novembro de 2025, com o objetivo de levantar os processos operacionais e identificar as dificuldades de gestão enfrentadas pelos produtores. Observou-se que a rotina diária de alimentação, as biometrias e o monitoramento da qualidade da água eram registrados manualmente em quadros brancos e planilhas rudimentares, sem backup ou histórico digital. Essa prática comprometia a rastreabilidade e a análise histórica dos dados, impactando a tomada de decisão. As observações diretas em campo foram cruciais para o levantamento de requisitos, assegurando que o sistema desenvolvido atendesse às necessidades reais da carcinicultura.

O sistema foi concebido e implementado com base nos princípios da arquitetura hexagonal, também conhecida como Ports and Adapters (Evans, 2004), e do Domain-Driven Design (Vernon, 2013). Essa abordagem estruturou o software em quatro camadas independentes: Interface de Programação de Aplicativos (API), Aplicação, Domínio e Infraestrutura, cada uma com responsabilidades bem definidas. Essa separação promoveu modularidade, facilitou a manutenção e garantiu a escalabilidade do sistema. As principais tecnologias utilizadas no desenvolvimento foram Java Spring Boot para o *backend* e React para o *frontend*, permitindo a criação de uma plataforma robusta e responsiva para a gestão da carcinicultura.

O modelo de domínio foi estruturado com 35 entidades Java Persistence API (JPA), representando fielmente os elementos de uma fazenda aquícola, como Fazenda, Viveiro, Lote e Biometria. A integridade dos dados foi assegurada por validações declaradas com Bean Validation (JSR-380), e o controle de acesso multi-tenancy implementou o isolamento de dados por usuário. O sistema incorporou 10 enumerações para definir estados e categorias de objetos, como StatusLoteEnum e CategoriaGastoEnum, refletindo o vocabulário da carcinicultura. As 21 migrações de banco de dados foram versionadas pelo Flyway, com índices de desempenho adicionados para otimizar consultas, e dados de carga inicial foram incluídos para facilitar a validação.

A coleta de dados para a validação funcional do sistema envolveu a comparação direta entre as métricas biométricas registradas manualmente pelos técnicos da fazenda e aquelas calculadas pelo sistema. Coletas de biometria foram realizadas semanalmente nos dois viveiros, durante os 45 dias de monitoramento. Em cada ocasião, amostraram-se 30 camarões por viveiro, procedendo-se à pesagem individual com balança de precisão de 0,1 g, além da pesagem total do lote amostrado e registro da data. Os valores coletados em campo foram inseridos no sistema, e os indicadores automáticos, como peso médio, ganho de peso diário (GPD), biomassa estimada e fator de conversão alimentar (FCA), foram confrontados com os cálculos manuais do técnico responsável.

Para avaliar a acurácia dos cálculos automatizados do sistema, utilizou-se o erro médio percentual como métrica principal. Este foi determinado pela comparação direta entre os valores dos indicadores biométricos calculados pelo sistema e os valores correspondentes obtidos manualmente pelos técnicos de campo. A fórmula empregada para o cálculo do erro percentual foi: Erro (%) = |Valor Sistema – Valor Manual| / Valor Manual × 100. Essa abordagem permitiu quantificar a precisão do sistema em relação aos métodos tradicionais, fornecendo uma base objetiva para a validação dos algoritmos implementados e a confiabilidade dos dados gerados para a tomada de decisão na gestão dos viveiros.

A qualidade técnica do código foi avaliada por meio de uma estratégia abrangente de testes automatizados. Foram executados testes unitários, utilizando JUnit 5 e Mockito, para verificar a funcionalidade dos serviços de negócio críticos. Testes de integração foram realizados com Testcontainers e PostgreSQL, assegurando o correto funcionamento dos fluxos principais da API em um ambiente de banco de dados real. Adicionalmente, testes de contrato com RestAssured validaram os formatos de entrada e saída dos *endpoints* REST. A cobertura de testes foi monitorada continuamente com a ferramenta JaCoCo, estabelecendo-se uma meta mínima de 80% para garantir a robustez e a confiabilidade do sistema desenvolvido.

A avaliação da usabilidade do sistema foi realizada por meio de um formulário estruturado, aplicado a três técnicos de campo que utilizaram a ferramenta durante todo o período de validação. Os critérios avaliados incluíram a facilidade de registro de dados, a clareza dos indicadores calculados automaticamente, a utilidade do *dashboard* para a tomada de decisão, o tempo economizado em comparação com os métodos manuais e a intenção de adoção permanente do sistema. As respostas foram coletadas em uma escala Likert de 1 a 5, onde 1 representava “péssimo” e 5 “excelente”, e os resultados foram descritos de forma qualitativa, fornecendo *insights* sobre a experiência do usuário.

Apesar da robustez dos procedimentos metodológicos, o estudo apresentou algumas limitações que devem ser consideradas na interpretação dos resultados. A principal delas reside no tamanho da amostra de validação, que se restringiu a apenas dois viveiros em uma única fazenda, monitorados por um período de 45 dias. Embora esse tempo tenha sido suficiente para cobrir um ciclo de crescimento do camarão até a fase de engorda, uma validação em fazendas de maior escala, com múltiplos viveiros e condições ambientais mais diversas, poderia revelar necessidades adicionais de ajuste no modelo de dados ou nas fórmulas de cálculo do sistema, ampliando a generalização dos achados.

3. Resultados e Discussão

Os resultados obtidos ao longo do período de validação do sistema Shrimp Farm Management demonstraram a sua capacidade de atender plenamente aos requisitos funcionais e técnicos estabelecidos, superando as limitações dos métodos de gestão tradicionais na carcinicultura. A análise detalhada dos achados está organizada em subseções que abordam a acurácia dos cálculos biométricos, a robustez da qualidade do código, o desempenho e a utilidade do dashboard gerencial, a avaliação de usabilidade pelos usuários finais, as limitações identificadas com suas perspectivas futuras, uma comparação aprofundada com a literatura existente e a análise da viabilidade econômica dos lotes monitorados, culminando na estrutura da API REST e sua documentação.

Desempenho Zootécnico e Acurácia dos Cálculos Automatizados

A validação da acurácia dos cálculos automatizados do sistema revelou uma notável consistência em comparação com os valores apurados manualmente pelos técnicos de campo. Foram realizadas 13 coletas biométricas, totalizando 26 registros, ao longo dos 45 dias de monitoramento nos dois viveiros. Os indicadores biométricos cruciais, como peso médio individual, ganho de peso diário (GPD), biomassa estimada e fator de conversão alimentar (FCA), foram confrontados diretamente com os cálculos manuais.

Conforme apresentado na Tabela 1, o erro médio geral do sistema foi de apenas 1,0%, um valor significativamente abaixo do limite de 5% estabelecido como aceitável para sistemas de apoio à decisão em aquicultura (Boyd e Tucker, 2012). Este achado é fundamental, pois valida a confiabilidade dos algoritmos implementados e a precisão dos dados gerados para a tomada de decisão. A baixa margem de erro confere aos produtores e técnicos a segurança necessária para basear suas estratégias de manejo, como ajuste da alimentação e previsão de despesca, em informações digitais, mitigando os riscos associados a erros de cálculo manual. A acurácia é particularmente crítica em sistemas de cultivo intensivo e semi-intensivo, onde pequenas variações nos indicadores podem ter grandes impactos econômicos.

Tabela 1. Indicadores zootécnicos médios dos dois viveiros monitorados e comparação entre valores calculados pelo sistema e valores manuais (n=26 registros).

Indicador	Unidade	Semana 1	Semana 3	Semana 6	Erro Médio (%)
Peso médio individual	g	1,8	5,4	10,2	0,8
Ganho de peso diário (GPD)	g/dia		0,54	0,80	1,0
Biomassa estimada (80% sobrev.)	kg/ha	146,0	437,0	826,0	1,1
FCA acumulado			1,38	1,52	0,9
Taxa de sobrevivência estimada	%	92,0	87,0	80,5	0,6
Consumo total de ração	kg	42,3	189,5	419,0	0,0
Média geral de erro					1,0

Fonte: elaborado pelo autor.

Os maiores erros percentuais foram observados no GPD (1,0%) e na biomassa estimada (1,1%). Essa ligeira variação é compreensível, uma vez que esses indicadores envolvem múltiplas operações matemáticas e arredondamentos, que podem acumular pequenas diferenças em relação aos cálculos manuais. No entanto, mesmo nesses casos, os erros permaneceram dentro de limites aceitáveis, reforçando a robustez do sistema. O FCA e o peso médio individual apresentaram erros ainda menores, de 0,9% e 0,8%, respectivamente, o que demonstra a alta precisão do algoritmo para essas métricas essenciais. A capacidade de calcular o peso médio individual com alta acurácia é vital para o monitoramento do crescimento do camarão, permitindo ajustes na dieta e na densidade de estocagem para otimizar a produção.

O desempenho zootécnico observado nos dois viveiros, situados no Vale do Jaguaribe, Ceará, foi considerado satisfatório para um sistema semi-intensivo. O GPD médio de 0,80 g/dia na sexta semana de cultivo está em consonância com os valores de referência reportados por Valenti et al. (2021) para cultivos de *Litopenaeus vannamei* com densidades de 10 a 20 pós-larvas por metro quadrado, que variam entre 0,6 e 1,0 g/dia. Essa conformidade com a literatura especializada sugere que o sistema não apenas calcula os indicadores com precisão, mas também reflete um desempenho produtivo realista para as condições de cultivo avaliadas. A acurácia do GPD é crucial para projetar o crescimento futuro e estimar a data ideal de despesca, maximizando o retorno financeiro.

O FCA acumulado de 1,52 também se enquadra nos padrões da literatura, que indica valores entre 1,3 e 1,8 para sistemas semi-intensivos sem correção de mortalidade (FAO, 2022). O FCA é um dos indicadores mais importantes para a gestão econômica da carcinicultura, pois reflete a eficiência da conversão da ração em biomassa. Um FCA preciso permite ao produtor otimizar o manejo alimentar, reduzir o desperdício de ração e, consequentemente, diminuir os custos de produção, que representam uma parcela significativa dos gastos totais. A capacidade do sistema de fornecer um FCA confiável em tempo real é uma vantagem competitiva, permitindo intervenções rápidas para corrigir desvios e melhorar a eficiência alimentar.

A evolução semanal das biometrias nos dois viveiros, detalhada na Tabela 3, evidenciou uma progressão linear do peso médio nas primeiras três semanas, seguida por uma aceleração a partir da quarta semana. Este comportamento é típico de cultivos de *L. vannamei* em fase de engorda, quando o fornecimento de ração é adequado e as condições ambientais são favoráveis. A diferença média de 0,3 g no peso médio entre os viveiros V1 e V2 ao longo do período é considerada normal e pode ser atribuída a variações sutis na qualidade da água, na distribuição dos alimentadores ou na taxa de conversão individual dos lotes de pós-larvas. A capacidade de monitorar essas tendências de crescimento e identificar pequenas variações entre viveiros permite aos técnicos ajustar as estratégias de manejo de forma granular, otimizando o desempenho de cada lote.

A visualização do viveiro comercial, conforme apresentado na Figura 1, oferece um contexto visual do ambiente onde esses dados foram coletados e onde o sistema foi validado. A presença de aeradores de pá tipo *paddlewheel* e a infraestrutura de captação hídrica são elementos típicos de sistemas semi-intensivos, reforçando a aplicabilidade do sistema em cenários reais de produção. A integração de dados de campo com um sistema digital permite uma análise mais profunda e a identificação de correlações entre as condições ambientais e o desempenho zootécnico, algo que seria inviável com registros manuais.

Figura 1. Viveiro comercial de cultivo de Litopenaeus vannamei com aeradores de pá em operação — Vale do Jaguaribe-CE (outubro de 2025).

Fonte: elaborado pelo autor

Cobertura de Testes e Qualidade do Código

A qualidade técnica do código foi um pilar fundamental no desenvolvimento do sistema Shrimp Farm Management, e os resultados dos testes automatizados confirmaram a robustez e a confiabilidade da solução. A cobertura de testes automatizados atingiu 87% ao final do desenvolvimento, superando em 7 pontos percentuais a meta mínima de 80% estabelecida no início do projeto. Este nível de cobertura é um indicativo forte da estabilidade do sistema e da minimização de defeitos em produção, o que é crucial para uma ferramenta de gestão que lida com dados críticos de produção.

Os testes foram categorizados em unitários, de integração e de contrato, cada um com um papel específico na garantia da qualidade. Os testes unitários, implementados com JUnit 5 e Mockito, verificaram a funcionalidade dos serviços de negócio críticos, assegurando que os algoritmos de cálculo e as regras de domínio operassem conforme o esperado. Os testes de integração, realizados com Testcontainers e PostgreSQL, garantiram o correto funcionamento dos fluxos principais da API em um ambiente de banco de dados real, simulando as condições de produção. Já os testes de contrato, utilizando RestAssured, validaram os formatos de entrada e saída dos *endpoints* REST, garantindo a interoperabilidade e a conformidade com as especificações da API.

A Tabela 4, embora não seja re-inserida aqui, detalha a cobertura de testes por camada e módulo, revelando que a maioria dos serviços de negócio críticos, como BiometriaService (95%) e LoteService (91%), alcançou coberturas elevadas. Isso é particularmente importante para os módulos que contêm a lógica central de cálculo zootécnico, assegurando que a acurácia dos resultados seja mantida. Os módulos de exportação de dados (Excel e PDF) apresentaram a menor cobertura (76%), ainda dentro do aceitável. A complexidade de automatizar testes para a geração de arquivos binários é um desafio comum em engenharia de software, e a complementação com testes manuais para esses módulos garantiu sua funcionalidade. Por outro lado, o módulo de autenticação obteve a maior cobertura (92%), refletindo a criticidade desse componente para a segurança do sistema, que implementa JSON Web Token (JWT) com expiração de 24 horas, *refresh token* e controle de sessão por usuário. A alta cobertura em segurança é vital para proteger os dados sensíveis dos produtores e garantir o acesso apenas a usuários autorizados.

A adoção do Testcontainers para testes de integração representou um diferencial significativo. Essa ferramenta permitiu que um container PostgreSQL fosse iniciado automaticamente antes da execução dos testes e destruído ao final, garantindo isolamento total entre as suítes de teste e eliminando dependências de ambiente de desenvolvimento. Este padrão está alinhado com as boas práticas descritas por Martin (2009) em “Clean Code” e com as recomendações da comunidade Spring Boot para testes de integração em ambientes de Integração Contínua/Entrega Contínua (CI/CD). A implementação de Testcontainers não apenas aumentou a confiabilidade dos testes, mas também acelerou o ciclo de desenvolvimento, permitindo que os desenvolvedores executassem testes de integração de forma rápida e consistente em suas máquinas locais, sem a necessidade de configurar um banco de dados externo. Essa abordagem contribui para um processo de desenvolvimento mais ágil e robusto, com menor incidência de erros em produção.

Dashboard Gerencial e Indicadores-Chave de Desempenho

O dashboard executivo do sistema Shrimp Farm Management foi projetado para consolidar, em uma única tela, os principais indicadores de desempenho técnico e financeiro das fazendas do usuário, oferecendo uma visão holística e em tempo real do ciclo de cultivo. Este módulo é crucial para a tomada de decisão estratégica, permitindo que produtores e técnicos monitorem a saúde dos viveiros e a rentabilidade dos lotes de forma eficiente. O dashboard expõe cinco *endpoints* REST especializados, cada um retornando um conjunto de métricas calculadas dinamicamente a partir dos dados registrados, incluindo visão geral dos lotes ativos, histórico de biomassa, comparativo de custos e receita, taxas de sobrevivência por lote e distribuição percentual dos custos por categoria.

Os indicadores apresentados no dashboard, conforme a Tabela 5 (não re-inserida aqui), fornecem uma base sólida para a gestão. Por exemplo, o custo médio de produção de R$ 5,24/kg estimado pelo sistema está compatível com os valores reportados por Lima et al. (2020) para sistemas semi-intensivos no Nordeste brasileiro, que indicam custos entre R$ 4,80 e R$ 6,50/kg, dependendo das condições regionais de insumos e preço da ração. Essa conformidade com a literatura reforça a validade dos cálculos financeiros do sistema e sua aplicabilidade prática. A capacidade de o sistema calcular e apresentar esses custos de forma automatizada elimina a necessidade de planilhas complexas e sujeitas a erros, proporcionando uma visão clara da rentabilidade do cultivo.

A ração representou a maior categoria de custo em ambos os viveiros, correspondendo a aproximadamente 58% do custo variável total. Este valor é coerente com o referencial de 50% a 65% reportado pela literatura para sistemas semi-intensivos (Valenti et al., 2021). A identificação e quantificação precisas dos custos por categoria são essenciais para que os produtores possam implementar estratégias de otimização, como a escolha de rações mais eficientes, o ajuste das taxas de alimentação e a busca por fornecedores com melhores preços. O dashboard, ao apresentar essa distribuição de custos de forma clara, capacita o produtor a tomar decisões informadas para melhorar a margem de lucro.

O tempo de resposta médio dos *endpoints* do dashboard foi medido durante a validação e ficou abaixo de 300 ms para todas as requisições com *dataset* de até 100 lotes. Este desempenho é crucial para a usabilidade de interfaces de dashboard, onde a agilidade na apresentação das informações é um fator determinante para a experiência do usuário. Nielsen (1993) destaca que tempos de resposta abaixo de 500 ms são considerados adequados para interfaces interativas. A otimização de consultas por meio de índices compostos e a utilização do padrão Specification do Spring Data JPA para filtragens dinâmicas foram decisivas para alcançar esse desempenho. Mesmo o *endpoint* de distribuição de custos, que envolve agregação de múltiplas tabelas, apresentou um tempo de resposta médio de 287 ms, demonstrando a eficiência da arquitetura de dados e das estratégias de otimização implementadas. Um dashboard responsivo e rápido incentiva o uso contínuo do sistema e facilita a tomada de decisões em tempo real.

Avaliação de Usabilidade pelos Técnicos de Campo

A avaliação da usabilidade do sistema foi um componente crítico da validação, realizada por meio de um formulário estruturado aplicado a três técnicos de campo que utilizaram a ferramenta durante todo o período de monitoramento. Esses profissionais possuíam uma experiência média de 6 anos em carcinicultura e, notavelmente, nenhum deles havia utilizado sistemas web específicos para gestão de viveiros anteriormente, o que torna a avaliação particularmente relevante para a adoção em campo. Os critérios avaliados incluíram a facilidade de registro de dados (biometria, ração e custos), a clareza dos indicadores calculados automaticamente, a utilidade do dashboard para a tomada de decisão, o tempo economizado em comparação com os métodos manuais e a intenção de adoção permanente do sistema.

Conforme apresentado na Tabela 2, todos os critérios avaliados obtiveram média igual ou superior a 4,0 em uma escala Likert de 1 (péssimo) a 5 (excelente), indicando um alto nível de satisfação dos usuários. Este resultado é um forte indicativo de que o sistema atendeu às expectativas dos técnicos e se mostrou intuitivo e eficiente para as rotinas de trabalho em campo.

Tabela 2. Avaliação qualitativa de usabilidade do sistema por técnicos de campo (n=3, escala Likert 1-5).

Critério avaliado	Técnico 1	Técnico 2	Técnico 3	Média
Facilidade de registro de biometria	5	5	4	4,7
Clareza dos indicadores calculados	5	4	5	4,7
Utilidade do dashboard gerencial	5	5	5	5,0
Tempo economizado vs. método manual	4	5	4	4,3
Clareza dos relatórios exportados	4	4	5	4,3
Facilidade de cadastro de custos	4	4	4	4,0
Estabilidade e ausência de erros	5	5	5	5,0
Intenção de adoção permanente	Sim	Sim	Sim	100%

Fonte: elaborado pelo autor.

Os critérios de maior pontuação foram a utilidade do dashboard gerencial (5,0) e a estabilidade e ausência de erros (5,0). A pontuação máxima para a utilidade do dashboard reforça a importância de uma interface consolidada para a apresentação de indicadores-chave, conforme discutido anteriormente. Isso demonstra que o sistema não apenas fornece dados precisos, mas os apresenta de uma forma que é percebida como valiosa e facilitadora para a tomada de decisão diária. A estabilidade do sistema, com a ausência de erros, é fundamental para a confiança do usuário, especialmente em um ambiente de produção onde a interrupção das operações pode ter custos significativos. A robustez do sistema, garantida pela arquitetura hexagonal e pela alta cobertura de testes, traduz-se diretamente em uma experiência de usuário positiva e confiável.

O critério de facilidade de registro de dados de biometria obteve uma média de 4,7, enquanto a clareza dos indicadores calculados automaticamente também alcançou 4,7. Esses resultados indicam que a interface de entrada de dados é intuitiva e que as informações geradas pelo sistema são facilmente compreendidas pelos técnicos, mesmo aqueles sem experiência prévia com sistemas digitais. A facilidade de cadastro de custos obteve a menor média (4,0), ainda assim um resultado positivo. Os comentários dos técnicos sugeriram melhorias, como a possibilidade de cadastros em lote ou integração com nota fiscal eletrônica, funcionalidades que podem ser consideradas para versões futuras do sistema. Essas sugestões são valiosas para aprimorar ainda mais a usabilidade e reduzir o tempo gasto em tarefas administrativas.

Um dado particularmente relevante foi o consenso unânime na intenção de adoção permanente do sistema (100%). Os técnicos relataram que o maior ganho percebido foi a eliminação do risco de perda de dados históricos. Anteriormente, qualquer problema com o quadro branco ou com as planilhas rudimentares, como o ilustrado na Figura 2, poderia resultar em perda total das informações de um lote inteiro, comprometendo a rastreabilidade e a análise histórica. Com o sistema, os dados ficam persistidos no banco de dados com backup automatizado, acessíveis de qualquer dispositivo com conexão à internet. Essa transição de métodos manuais e vulneráveis para uma solução digital segura e centralizada representa um avanço significativo na gestão da carcinicultura, garantindo a integridade e a disponibilidade das informações para futuras análises e tomadas de decisão.

Figura 2. Controle manual de biometrias e alimentação por viveiro registrado em quadro branco na sede da fazenda — Vale do Jaguaribe-CE (novembro de 2025).

Fonte: elaborado pelo autor

Limitações Identificadas e Perspectivas Futuras

Apesar dos resultados promissores, o estudo identificou algumas limitações que devem ser consideradas na interpretação dos dados e no planejamento de versões futuras do sistema. A principal limitação reside no tamanho da amostra de validação, que se restringiu a apenas dois viveiros em uma única fazenda, monitorados por um período de 45 dias. Embora esse tempo tenha sido suficiente para cobrir um ciclo de crescimento do camarão até a fase de engorda, uma validação em fazendas de maior escala, com múltiplos viveiros e condições ambientais mais diversas, poderia revelar necessidades adicionais de ajuste no modelo de dados ou nas fórmulas de cálculo do sistema. A expansão da amostra permitiria uma generalização mais robusta dos achados e a identificação de cenários de uso mais complexos, contribuindo para aprimorar a adaptabilidade do sistema a diferentes realidades produtivas.

Outra limitação identificada foi a ausência de monitoramento automatizado dos parâmetros físico-químicos da água, como temperatura, oxigênio dissolvido, pH e salinidade. Atualmente, esses dados devem ser inseridos manualmente pelos técnicos de campo. A integração com sensores de Internet das Coisas (IoT) conectados aos viveiros representaria um avanço significativo para a versão futura do sistema. Essa funcionalidade permitiria o monitoramento contínuo desses parâmetros e a geração de alertas automáticos quando os valores saíssem dos limites de conforto para *L. vannamei* (temperatura entre 23 e 30°C, oxigênio acima de 5 mg/L, pH entre 7,5 e 8,5). O monitoramento em tempo real da qualidade da água é crucial para a saúde e o crescimento dos camarões, e a automação desse processo reduziria a carga de trabalho dos técnicos e aumentaria a precisão das informações, permitindo intervenções preventivas e corretivas mais eficazes.

O módulo de previsão de despesca e projeção de receita também não foi implementado nesta versão, sendo apenas estimados com base nos indicadores atuais. A incorporação de modelos preditivos baseados em regressão ou em algoritmos de aprendizado de máquina, alimentados pelos dados históricos acumulados no banco, poderia aumentar significativamente o valor do sistema para a tomada de decisão dos produtores. Por exemplo, o sistema poderia prever a data ideal de despesca baseada na curva de crescimento atual e nos preços de mercado, otimizando o momento da colheita para maximizar a rentabilidade. A capacidade de prever cenários futuros e simular diferentes estratégias de manejo adicionaria uma camada estratégica ao sistema, transformando-o em uma ferramenta ainda mais poderosa para a gestão da carcinicultura.

Comparação com a Literatura e Trabalhos Correlatos

A comparação do sistema Shrimp Farm Management com trabalhos similares descritos na literatura evidencia o caráter inovador e abrangente da solução desenvolvida. Enquanto Santos et al. (2022) desenvolveram um sistema de monitoramento de parâmetros de qualidade da água para aquicultura baseado em IoT, sua solução carecia de módulos integrados de gestão financeira ou biométrica. Da mesma forma, Pereira e Rocha (2021) propuseram um aplicativo móvel para registro de biometrias em viveiros de camarão, mas sem um *backend* centralizado ou capacidade de geração de relatórios robustos.

O sistema aqui apresentado se diferencia por integrar, em uma única plataforma web com autenticação multi-usuário, os módulos de biometria, ração, custos variáveis, fertilização, nutrientes, despesca, relatórios e dashboard, oferecendo uma visão completa e interconectada do ciclo produtivo. Essa integração é um diferencial competitivo, pois centraliza todas as informações relevantes para a gestão, eliminando a necessidade de múltiplas ferramentas e planilhas, o que reduz a complexidade operacional e o risco de inconsistências de dados. A capacidade de gerenciar o ciclo produtivo de forma holística, desde o povoamento até a despesca, é um avanço significativo para a carcinicultura.

No contexto de arquitetura de software para agronegócio, Souza et al. (2019) destacam que sistemas web destinados ao campo precisam ser projetados com especial atenção à conectividade intermitente, à simplicidade de interface e à exportação de dados em formatos amplamente conhecidos (Excel e PDF). O sistema Shrimp Farm Management atende a todos esses requisitos: opera como um Progressive Web App (PWA), possui interface Material-UI responsiva testada em dispositivos móveis, e exporta relatórios nos formatos XLS e PDF por meio das bibliotecas Apache POI e OpenPDF. A responsividade da interface é crucial para que os técnicos possam acessar e registrar dados em diferentes dispositivos, como *smartphones* e *tablets*, diretamente no campo, mesmo em condições de conectividade limitada. A exportação de relatórios em formatos padrão facilita o compartilhamento e a análise dos dados com outras partes interessadas, como consultores e instituições financeiras.

Do ponto de vista da engenharia de software, a adoção da arquitetura hexagonal, também conhecida como Ports and Adapters (Evans, 2004), e do Domain-Driven Design (Vernon, 2013), com 35 entidades de domínio, 10 enumerações e 21 migrações de banco de dados, representa um nível de maturidade técnica superior. Essa abordagem estruturou o software em quatro camadas independentes (API, Aplicação, Domínio e Infraestrutura), promovendo modularidade, facilitando a manutenção e garantindo a escalabilidade do sistema. Essa separação de responsabilidades é fundamental para sistemas complexos como este, que precisam evoluir e se adaptar a novas necessidades de negócio. A modelagem de domínio fiel aos elementos de uma fazenda aquícola, como Fazenda, Viveiro, Lote e Biometria, reflete o vocabulário real da carcinicultura, o que facilita a adoção por produtores e técnicos com diferentes níveis de familiaridade com tecnologia.

A cobertura de 87% obtida com JaCoCo posiciona o sistema acima da média de sistemas acadêmicos similares, onde coberturas entre 60% e 75% são mais comuns (Moraes et al., 2021). Este alto nível de cobertura de testes, combinado com a arquitetura robusta, contribui para a confiabilidade e a estabilidade do sistema, minimizando a ocorrência de erros e facilitando a introdução de novas funcionalidades. A utilização de tecnologias modernas como Java Spring Boot para o *backend* e React para o *frontend*, conforme detalhado na Tabela 1 (não re-inserida aqui), garante uma plataforma robusta e responsiva, alinhada com as melhores práticas da engenharia de software.

Análise Financeira e Viabilidade Econômica dos Lotes Monitorados

Um dos módulos mais valorizados pelos técnicos de campo durante a validação foi o de controle de custos e geração de indicadores financeiros por lote. O sistema registra e categoriza automaticamente os custos variáveis de cada lote (ração, nutrientes, fertilizantes, mão de obra, energia, pós-larvas e outros), e calcula ao final da despesca o custo total de produção, a receita bruta obtida, o lucro bruto e a margem de contribuição. Esses indicadores são fundamentais para que o produtor avalie a rentabilidade de cada ciclo e tome decisões sobre o próximo lote, como a otimização da compra de insumos ou a reavaliação da densidade de estocagem.

A Tabela 7 (não re-inserida aqui) apresenta o demonstrativo financeiro resumido dos dois lotes monitorados ao final do período de validação. Os dois viveiros apresentaram margem de contribuição próxima a 45% (44,9% para V1 e 44,6% para V2), o que é considerado satisfatório para o sistema semi-intensivo na região (Lima et al., 2020), especialmente em um período de cotação favorável do camarão no mercado local (R$ 9,50/kg em janeiro de 2026). A margem de contribuição é um indicador vital da saúde financeira do cultivo, pois representa o valor disponível para cobrir os custos fixos e gerar lucro. A capacidade de o sistema calcular automaticamente esses indicadores a partir dos registros inseridos pelos técnicos eliminou a necessidade de qualquer planilha auxiliar para o fechamento financeiro do lote.

Essa funcionalidade representa uma mudança significativa na rotina dos produtores, que anteriormente realizavam o fechamento financeiro de forma manual, com risco de erros de lançamento e sem histórico digital dos custos por categoria. A digitalização desse processo não apenas aumenta a precisão dos dados financeiros, mas também proporciona uma visão histórica detalhada, permitindo análises comparativas entre diferentes ciclos de cultivo e a identificação de tendências de custos e receitas. A diferença de custo total acumulado entre os dois viveiros (R$ 140,00) foi explicada principalmente pelo consumo de ração, que variou proporcionalmente à biomassa produzida (419 kg no V1 e 405 kg no V2), com FCA acumulado de 1,52 e 1,55, respectivamente. Esses valores confirmam a consistência dos registros e a precisão do módulo de controle de alimentação, que permite ao técnico registrar cada fornecimento de ração por data, tipo e quantidade, gerando o histórico completo de alimentação do lote. A Figura 3, que ilustra o processo de despesca, contextualiza a etapa final do ciclo produtivo onde esses indicadores financeiros são consolidados e avaliados.

Figura 3. Processo de despesca em viveiro comercial de L. vannamei — Vale do Jaguaribe-CE (outubro de 2025).

Fonte: elaborado pelo autor

Estrutura da API REST e Documentação Automatizada

A API REST do sistema Shrimp Farm Management foi estruturada de forma robusta e organizada, com 47 *endpoints* distribuídos em 12 *controllers* temáticos. Todos os *endpoints* seguem os padrões RESTful, utilizando verbos HTTP semânticos (GET, POST, PUT, PATCH, DELETE) e retornando respostas padronizadas com códigos HTTP adequados para cada operação. Essa aderência aos princípios RESTful promove a clareza, a consistência e a facilidade de integração com outros sistemas. A separação dos *endpoints* por domínio semântico, conforme a Tabela 8 (não re-inserida aqui), facilitou a manutenção e o crescimento da API ao longo do desenvolvimento, permitindo que novas funcionalidades fossem adicionadas sem impactar as existentes.

O padrão de versionamento de rota `/v1/` foi adotado desde o início para permitir a coexistência de versões futuras sem quebra de compatibilidade com clientes já integrados. Essa estratégia é crucial para garantir a longevidade do sistema e facilitar futuras expansões e integrações. A documentação automática da API foi gerada com SpringDoc OpenAPI 2.8.9, disponível em ambiente de desenvolvimento via interface Swagger UI. Essa ferramenta foi fundamental para facilitar os testes durante a validação e a eventual integração com sistemas externos, pois fornece uma descrição interativa e atualizada de todos os *endpoints*, seus parâmetros e modelos de dados.

A autenticação JWT (JSON Web Token) é aplicada via filtro global do Spring Security, com exceção apenas dos *endpoints* públicos de autenticação (`/v1/auth/login` e `/v1/auth/register`). Essa implementação garante que todas as demais operações exijam um *token* válido e não expirado, protegendo os dados e as funcionalidades do sistema contra acessos não autorizados. A segurança é um aspecto crítico em qualquer sistema de gestão, e a implementação de JWT proporciona um mecanismo robusto de autenticação e autorização, essencial para um ambiente multi-usuário.

O módulo de relatórios (`RelatorioController`) gera quatro tipos de documentos essenciais para a gestão: relatório completo do lote (biometrias + custos + despesca em PDF), relatório de biometrias (histórico evolutivo em Excel), relatório de custos por categoria (planilha com gráfico em Excel) e relatório de despesca (resultado financeiro em PDF). A geração dos relatórios é realizada de forma síncrona no servidor, com *download* direto pelo navegador, sem necessidade de filas ou processamento assíncrono para os volumes de dados típicos de uma fazenda de pequeno ou médio porte. A capacidade de gerar relatórios detalhados e em formatos amplamente utilizados (PDF e Excel) é uma funcionalidade de alto valor para os produtores, permitindo análises aprofundadas e o compartilhamento de informações com *stakeholders*.

4. Conclusão

Conclui-se que o objetivo foi atingido com o desenvolvimento e validação do sistema web integrado Shrimp Farm Management. A solução demonstrou ser eficaz na automação da gestão do ciclo de cultivo de *Litopenaeus vannamei*, centralizando registros biométricos, controle de alimentação e acompanhamento financeiro. Os resultados confirmaram a acurácia dos cálculos, com erro médio de apenas 1,0% nas métricas biométricas, superando a meta de 5%. A qualidade do código foi assegurada por uma cobertura de testes de 87%, e a usabilidade foi altamente avaliada pelos técnicos de campo, com média de 4,6 e 100% de intenção de adoção permanente. O sistema eliminou os riscos de perda de dados e o retrabalho dos métodos manuais, oferecendo suporte robusto à decisão.

Apesar do sucesso, o estudo apresentou limitações, como a validação restrita a dois viveiros em uma única fazenda por 45 dias, o que pode não refletir a diversidade de cenários. Outra limitação foi a ausência de monitoramento automatizado de parâmetros físico-químicos da água e a falta de um módulo preditivo para despesca e projeção de receita. Para estudos futuros, sugere-se expandir a validação para fazendas de maior escala e integrar sensores de Internet das Coisas (IoT) para monitoramento da água. A implementação de modelos preditivos baseados em aprendizado de máquina e a integração com notas fiscais eletrônicas para automação do cadastro de custos também são perspectivas relevantes para aprimorar a ferramenta.

Referências Bibliográficas

BOYD, C. E.; TUCKER, C. S. Pond aquaculture water quality management. Springer Science & Business Media, 2012. 700p.

EVANS, E. Domain-Driven Design: tackling complexity in the heart of software. Addison-Wesley Professional, 2004. 529p.

FAO. The State of World Fisheries and Aquaculture 2022: towards blue transformation. Food and Agriculture Organization of the United Nations, Rome, 2022. 266p. Disponível em: https://www.fao.org/documents/card/en/c/cc0461en. Acesso em: 10 jan. 2026.

LIMA, L. B. et al. Custo de produção do camarão-branco-do-pacífico (Litopenaeus vannamei) em sistema semi-intensivo no Nordeste brasileiro. Boletim do Instituto de Pesca, v. 46, n. 4, p. e578, 2020.

MORAES, V. et al. Análise de cobertura de testes automatizados em sistemas de software acadêmicos: um mapeamento sistemático. In: Simpósio Brasileiro de Qualidade de Software, 2021, Joinville. Anais… SBC, 2021. p. 112-121.

NIELSEN, J. Response times: the three important limits. In: Usability Engineering. Academic Press, 1993. cap. 5, p. 134-136.

OLIVEIRA, A. R. et al. Caracterização de sistemas informatizados para gestão da aquicultura no Brasil. Archivos de Zootecnia, v. 69, n. 266, p. 118-126, 2020.

PEREIRA, G. M.; ROCHA, I. P. Aplicativo móvel para registro de biometrias em viveiros de camarão: estudo de caso no Rio Grande do Norte. Brazilian Journal of Aquatic Science and Technology, v. 27, n. 1, p. 45-58, 2023.

ROCHA, I. P. Carcinicultura brasileira em 2021: análise e perspectivas. Revista Brasileira de Agropecuária Sustentável, v. 11, n. 1, p. 18-28, 2021.

SANTOS, K. C. et al. Sistema de monitoramento de qualidade da água em piscicultura utilizando Internet of Things. Computers and Electronics in Agriculture, v. 193, p. 106698, 2022.

SOUZA, M. L. et al. Desenvolvimento de sistemas de informação para o agronegócio: desafios de conectividade e usabilidade em ambientes rurais. Revista de Informática na Educação, v. 22, n. 3, p. 67-82, 2019.

VALENTI, W. C. et al. (Ed.). Aquicultura no Brasil: o desafio é crescer. Brasília: CNPq, 2021. 360p.

VERNON, V. Implementing Domain-Driven Design. Addison-Wesley Professional, 2013. 656p.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Engenharia de Software do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy