Ферма будущего: IoT
и AI для принятия решений

Аналитическая платформа с искусственным интеллектом и IoT помогает производить больше продукции при меньших расходах
Клиент
Ключевые темы
Поддержка принятия решений
Искусственный интеллект
Интернет вещей
Страна
Дания
Продолжительность
1,5+ года

Оптимизация климата – это

€2500
экономия на ферму в 35 000 бройлеров
+2€
дополнительная прибыль с животного

2%
снижение смертности поголовья

Производительность на закрытой ферме напрямую зависит от оптимального климата. Чтобы производительность росла, необходимо следить за температурой, составом воздуха, освещением и грамотно менять эти метрики с определенной частотой, которая зависит от погоды, времени суток и т. п.

Мы разработали веб-сервис, который открывает доступ к сравнительным отчетам и историческим данным, раскрывая влияние каждой из метрик климата на вес и здоровье животных для каждого производственного помещения.

Многочисленные контроллеры собирают данные с оборудования для вентиляции, кондиционирования и контроля влажности, установленного на фермах. Каждый час данные передаются в облако, где разработанный нами сервис обрабатывает, анализирует и визуализирует их в виде графиков и сравнительных таблиц.

ИИ на проекте использует эти и другие данные, чтобы предсказывать динамику прироста веса животных, что позволяет отправлять их на продажу именно в тот момент, когда они достигли максимального веса.

Находя больше зависимостей между данными
о климате и развитием животных, фермеры могут:

  • Накапливать лучшие практики, получая данные о важнейших метриках как у себя на ферме, так и на других животноводческих хозяйствах.
  • Производить больше продукции за счет поддержания условий, которые оптимальны для конкретного региона, корма, партии животных.
  • Быстрее реагировать на аномалии в развитии (сокращение потребления корма и т. п.), снижая смертность и ускоряя прирост веса.
  • Снижать нецелесообразный расход корма, отправляя животных на продажу именно в момент достижения ими максимального веса.

Из данных яснее видно, какие факторы сильнее повлияли на производительность: что нужно сохранять на прежнем уровне, а что — менять. При этом доступ открыт не только к внутренним данным, но и к обезличенным данным конкурентов.

Бизнес-задача

Датская компания SKOV производит оборудование для контроля климата в животноводческом хозяйстве: температуры, влажности, освещения, давления, вентиляции. Контроллеры на этом оборудовании передают данные в систему онлайн-управления хозяйством FOX (FarmOnline Explorer).

Фермеры пользуются FOX как справкой: могут посмотреть, что сейчас показывает контроллер, скачать данные в документ. Однако данные открыты за ограниченный период и только в рамках собственной фермы, а их визуализация ограничена.

Компания SKOV приняла решение расширить функциональность платформы FOX. Более удобные таблицы и графики, большее количество данных и аналитические выводы по всем показателям оборудования - все это должно сделать FOX полезнее для фермеров и привлечь больше хозяйств к использованию сервисов на базе платформы.

Применяя экспертизу в AI и IoT, команда WaveAccess должна была расширить возможности системы управления фермой:

  • Предоставить больше ценных данных: собирать, обрабатывать и визуализировать исторические данные и данные о конкурентах.
  • Предложить продвинутую аналитику: не просто собирать данные, но сравнивать их и показывать аналитические выводы.
  • Предупреждать об аномалиях в данных: улучшить мониторинг, сделав понятие аномалии более индивидуальным для каждого хозяйства.
  • Разработать новый сервис на основе ИИ, который помогал бы лучше контролировать вес каждой партии (на первом этапе — для бройлеров).

С чего начать внедрение ИИ
в вашей компании?

Консалтинг-сессия с Senior Data Scientist — лучший способ выяснить, как внедрить машинное обучение в ваши бизнес-процессы.

Несмотря на то, что консультация бесплатна, она требует глубокого изучения ваших процессов и задач. Ее проводит ведущий специалист по ИИ, поэтому за месяц у нас есть возможность провести для бизнеса только 10 консультаций.

Если у вашей компании есть интерес к разработке проекта с машинным обучением, пожалуйста, не откладывайте с откликом.

Что вы получите:

  • В каких бизнес-процессах вашей компании внедрение ML принесет наибольший эффект.
  • Каков потенциальный эффект от внедрения ML и каковы сроки реализации ML-проекта в вашем случае.
  • Каков уровень сложности внедрения ML в ваши процессы.
  • Вы получите рекомендации по ресурсам и необходимым работам.

Решение

Нашему заказчику требовалось сделать что-то нестандартное: анализировать каждую ферму индивидуально и в сравнении с конкурентами, помогая фермерам находить лучшие решения. Причем факторов влияния множество — от климатической зоны до особенностей животных в каждой конкретной партии.

Например, некоторым партиям бройлеров нужно больше корма, иначе они прекратят набирать массу. Другой пример — требуется усиливать вентиляцию в жаркие дни.

Часть этих решений кажется очевидной, но, тем не менее, некоторые фермы региона могут похвастать высоким уровнем производительности и высокой выручкой за вес. А их соседи при тех же условиях оказываются позади.

Получается, в комплексе фермерских решений существуют более оптимальные и менее оптимальные. И есть способ их выявить.

На основании чего фермер принимает решение о климате во время откорма?

На развитие животных влияют колебания погоды в конкретный сезон и год, особенности региона и породы
Универсальные метрики, которые помогут любому хозяйству преуспеть, отсутствуют
Фермеры полагаются на свой опыт и интуицию, порой пользуясь FOX в справочных целях
Не всегда ясно, какие
параметры «проседают»
Решения не всегда
принимаются вовремя

Эту задачу можно решить, грамотно организовав сбор данных
со всех ферм региона

Данные о показателях оборудования и производительности в виде аналитических отчетов предоставлять фермерам

Но в системе FOX накоплено достаточно данных для решения даже более амбициозной задачи: предсказание веса партии и конверсии корма в живой вес.

В конце производственного цикла специалиста ждет важное решение. Расходовать ли дальше корм на питание партии взрослых особей, или они уже не будут прибавлять в весе и кормить их нецелесообразно? Корм — один из самых затратных расходных материалов на ферме, с другой стороны — от веса партии зависит выручка.

Не менее важной задачей проекта стала разработка модуля машинного обучения, который на основе данных о взвешивании предскажет конверсию корма в вес.

Разрабатываемые нами решения объединены в сервис под названием Episcope (эпископ) — таково название оптического прибора, который позволяет получать детальные изображения непрозрачных объектов. В нашем случае — инструмента, который может сделать неявное явным.

EPISCOPE и интернет вещей
на проекте

Данные для обработки поступают с контроллеров на всем оборудовании SKOV, установленном на ферме. Организован почасовой сбор: контроллер накапливает данные, а FOX передает их в облачное хранилище Microsoft Azure.

Модуль потоковой аналитики позволяет вычислять агрегированные показатели и тренды, прогнозировать даты достижения оптимального веса каждого животного, видеть производительность других ферм в виде обезличенных статистических данных.
В сервисе можно производить несколько типов сравнений, чтобы понять:
  • Как менялась со временем производительность хозяйства в зависимости от ключевых параметров (внутреннее сравнение).
  • Какова производительность хозяйства в сравнении с конкурентами (внешнее сравнение).
Следующий этап проекта — гибкое предупреждение об аномалиях. Разные партии животных требуют немного разных условий, поэтому важно анализировать их по их индивидуальной «норме». Прирост веса, смертность и другие метрики каждой партии анализируются в динамике в реальном времени.

Когда сервис фиксирует отклонение от нормы, фермер получает уведомление. Это происходит раньше, чем в обычном сервисе оповещений FOX. При помощи решения можно вовремя понять, является ли развитие животных аномальным (например, хватает ли пищи конкретной партии бройлеров).

EPISCOPE и машинное обучение

Модуль позволяет вычислять агрегированные показатели и тренды изменения веса животных, прогнозировать даты достижения оптимального веса партии. Во время откорма он собирает данные о динамике веса партии. Прогнозировать динамику веса начинает ближе к тому моменту, когда нужно принимать решение (для бройлеров, например, начиная с 30-го дня откорма и на 5 дней вперед).

Оптимальными условиями для работы решения являются стабильность производства, один и тот же тип корма. Тем не менее, алгоритм будет постепенно адаптироваться, даже если на ферме решено сменить корм.

Прогноз представлен графиком или таблицей. Доступ к данным строго контролируется: данные конкретной фермы доступны только владельцу.

Proof of concept: обучение на небольшом количестве данных


Proof of concept — подход, при котором можно заранее понять, пригодны ли данные заказчика для обучения. На начальном этапе мы использовали:

  • Показатели влажности и температуры во время откорма.
  • Дата начала и дата окончания откорма партии.
  • Ежедневный прирост веса всех предыдущих партий.
  • Вес всех предыдущих партий в момент продажи.


После ввода в эксплуатацию модуль станет частью решения Episcope. Фермеры будут вносить фактические данные в систему, увеличивая точность прогноза.

  • Increase users adoption in MS CRM
  • Gamification points earned by teams

Результат

Используя технологии Интернета Вещей и машинного обучения, приложение Episcope открывает фермерам доступ к аналитике на новом уровне

Сравнение ключевых показателей

Позволяет животноводческим хозяйствам анонимно сравнивать свои показатели с другими фермами по всему миру и улучшать показатели.

Мониторинг аномалий

Позволяет раньше, чем в обычных системах оповещения, узнавать об аномалиях в развитии партии, и вовремя принимать меры.

Прогнозирование оптимального веса

Предсказывает динамику роста веса животного на 5 дней вперед, помогая вовремя прекращать откорм и снижать накладные расходы.

Практический семинар по работе с данными.
Если ваша компания собирает данные и планирует использовать их, мы научим грамотно обрабатывать массив перед обучением модели.

Episcope помогает осознать и использовать безграничный потенциал технологий IoT и машинного обучения для сельского хозяйства. Мы предлагаем фермерам возможность грамотно распоряжаться данными и использовать их максимально эффективно. Работая над проектом с WaveAccess, мы можем быть уверены — наш подход будет воплощен в самых эффективных инструментах.
Эспер Риис
менеджер проектов SKOV

Больше о машинном обучении

ИИ для роста продаж с сайта
Машинное обучение
Машинное обучение для обработки входящих заявок
Машинное обучение
Разработка готовых решений
Машинное обучение

Начните новый
проект с нами!

Запросите смету или назначьте
консультацию с нашим
техническим экспертом

hello@wave-access.com
Или оставьте свои контактные данные, и мы свяжемся с вами в течение одного рабочего дня

Ключевые Факты

400Сотрудников
  • Разработчики
  • Дизайнеры
  • Верстальщики
  • DevOps-специалисты
  • Руководители проектов
  • QA-инженеры
  • Аналитики
  • Маркетологи
300Проектов
  • Web
  • Mobile
  • Desktop
  • Database
  • Cloud
  • QA
19ЛЕТ ОПЫТА УСПЕШНОЙ РАЗРАБОТКИ IT-РЕШЕНИЙ