Usimamizi wa Afya ya mifugo na Biashara

Faida:

• Uwezo wa kufanya muhtasari wa tija, magonjwa na data ya kifo katika biashara ya maziwa / unenepeshaji / kuku na AI na kutoa ishara za mwenendo na hatari.
• Uwezo wa kuthibitisha mapendekezo ya afya ya mifugo inayoendeshwa na AI kupitia ukaguzi wa shamba, usajili rasmi na tathmini ya mifugo.
• Uwezo wa kuelewa usiri wa kibiashara wa data ya biashara na kwamba jukumu la mwisho la maamuzi ya mifugo ni la daktari wa mifugo anayehusika.

Tofauti na mazoezi ya kliniki, ambayo hutunza mnyama mmoja, dawa ya mifugo inasimamia mamia au hata maelfu ya wanyama kwa ujumla. Katika shamba la ng'ombe wa maziwa, "mgonjwa" halisi sio ng'ombe mmoja, lakini kundi zima: viashiria kama kupungua kwa tija, mastitisi (kuvimba kwa kiwele), asilimia ya mbolea, vifo vya ndama, frequency ya ulemavu huambia juu ya afya ya kundi. Viashiria hivi huzalisha data kubwa, na hapo ndipo akili ya bandia (AI) ina nguvu: kufupisha rekodi zilizotawanyika, kuonyesha mienendo, kupata ishara ya hatari mapema. Lakini AI haioni shamba, haimgopi mnyama, na inapotosha na data isiyo kamili. Katika kitengo hiki, utajifunza jinsi ya kufupisha na kutafsiri data ya mifugo na biashara kwa kutumia AI na kuthibitisha matokeo. Wajibu wa mwisho wa maamuzi ya mifugo ni wa daktari wa mifugo anayehusika na biashara.

Jukumu la AI katika dawa ya mifugo

Kuna matumizi matatu yenye nguvu ya AI katika usimamizi wa mifugo. Ya kwanza ni muhtasari: inapunguza mamia ya mistari ya mavuno, chanjo na rekodi za magonjwa kwenye jedwali linaloweza kusomeka. Ya pili ni utambuzi wa mienendo: inaonyesha mwelekeo wa kigezo (k.m. hesabu ya seli za somatic) baada ya muda. Tatu, kuashiria hatari: ishara za mapema kwamba kizingiti kimevuka au muundo umevunjwa. Yote haya humwongoza daktari juu ya "wapi kuangalia"; lakini haamui "nini cha kufanya".

Kidokezo: Unapotoa data ya mifugo kwa AI, taja kwa uwazi kipindi cha muda, kikundi cha wanyama na kitengo cha kipimo. Kama "ng'ombe wa kwanza wa kunyonyesha katika siku 90 zilizopita, kilo maziwa kwa siku". Data isiyoeleweka hutoa muhtasari wa utata.

Mtego mkubwa zaidi: data inayokosekana na isiyo sahihi

Data ya mifugo mara nyingi haijakamilika, hailingani au imeingizwa vibaya. Rekodi ya kifo inaweza kuwa imesahau, tarehe iliyoingia vibaya, kitengo kinaweza kuchanganyikiwa (lita au kilo). AI imepunguzwa na data iliyowekwa mbele yake: haiwezi kuona data inayokosekana na wakati mwingine inajaribu kujaza pengo na nadhani inayoonekana kuwa sawa. Kwa hivyo, kila mwelekeo na ishara kwamba dondoo za AI lazima zidhibitishwe na usajili rasmi, uchunguzi wa uwanja na tathmini ya mifugo. Kwa mfano, ikiwa AI ilionyesha kiwango cha chini cha vifo, udhibiti wa uwanja ungesema ikiwa ni kwa sababu ilikuwa chini au kwa sababu vifo havikurekodiwa.

Hatua kwa hatua: Uchambuzi wa data ya mifugo na AI

1. Futa data. Fanya vitengo, tarehe na vikundi vifanane.
2. Usijulishe. Futa jina la biashara na vitambulisho vya biashara.
3. Fafanua swali. "Je, kiwango cha kititi kimeongezeka katika miezi 3 iliyopita?" Uliza swali moja kama:
4. Uliza muhtasari na mwenendo. Uliza AI ​​kwa muhtasari wa nambari na mwelekeo, pamoja na kuashiria kuvuka kizingiti.
5. Thibitisha kwa uga. Thibitisha ishara kwa ukaguzi wa tovuti na usajili rasmi.
6. Daktari hufanya uamuzi. Matibabu, mpango wa chanjo, maamuzi ya kuchinja/kupanga hufanywa na tathmini ya mifugo.
7. Tazama na urekodi. Pima athari ya uamuzi uliotekelezwa katika kipindi kijacho.

kesi tatu ndogo

Uchunguzi wa 1. Katika shamba la maziwa lenye vichwa 240, idadi ya seli za tangi (SCC; kiashirio cha ubora wa maziwa na afya ya kiwele) iliongezeka kutoka seli 210,000 hadi 480,000/mL katika siku 60 zilizopita. AI iliashiria ongezeko hili na kuonyesha kwamba ongezeko kubwa lilikuwa katika kundi maalum la kukamua. Daktari alichunguza kundi hilo shambani na akapata foci ndogo ya ugonjwa wa kititi. AI imepunguza umakini; Daktari alifanya uchunguzi na matibabu.

Uchunguzi wa 2. Katika kituo cha malisho, AI ilifanya muhtasari kwamba ongezeko la uzito wa kila siku la moja kwa moja lilipungua kwa 12% katika wiki 3 zilizopita na hii iliambatana na mabadiliko ya mipasho. Daktari alikagua mgao na upatikanaji wa maji kwenye tovuti na kutoa pendekezo kwa biashara ili kusahihisha. Data ilitoa dalili; Ukaguzi wa uwanja ulikamilisha uamuzi.

Kesi ya 3. Katika shamba la kuku, AI ilionyesha kiwango cha vifo vya kila wiki katika "safu ya kawaida". Wakati wa ziara yake ya shambani, daktari aliona kwamba vifo havikurekodiwa katika sehemu kadhaa; kiwango halisi kilikuwa cha juu zaidi. Kesi hii inaonyesha kuwa kwa data isiyo kamili, AI inaweza kutoa imani ya uwongo na uthibitishaji wa uwanja ni muhimu.

Chati ya kulinganisha

kiashiria

Mchango wa AI

Uthibitishaji wa lazima

Mwelekeo wa uzalishaji wa maziwa

Muhtasari wa haraka na mwelekeo

Kipimo na uthabiti wa kurekodi

Kuongezeka kwa kititi/SCC

Uwekaji alama wa kikundi lenga

Uchunguzi wa shamba, utamaduni

kiwango cha vifo

Kizingiti kimepita ishara

Usajili unakosa hundi

Asilimia ya mbolea

Ulinganisho wa mara kwa mara

uchunguzi wa uzazi

Violezo vinne vinavyoweza kunakiliwa

Jukumu: Msaidizi wa muhtasari wa data ya mifugo (huamui, unafupisha). Muktadha: Aina ya biashara [...], kikundi cha wanyama [...], kipindi [...], kitengo [...].Kazi: Fupisha data ifuatayo; Weka alama kwenye mwelekeo (kuongezeka/kupungua/thabiti) na kuvuka kizingiti kwa [kiashiria]. Ukiona data inayokosekana/isiyolingana, iorodheshe kando kama "uthibitishaji wa data unahitajika". Kupendekeza matibabu/uamuzi.Data: [...]

Jukumu: Onyesha ni katika kikundi gani mabadiliko katika siku [X] zilizopita katika data ifuatayo ya [kiashiria] yamewekwa. Fanya tu ulinganisho wa nambari.Data: [...]

Jukumu: Tia alama kwenye safu mlalo katika seti hii ya data ambayo inashukiwa kuwa na utofauti, rekodi zinazokosekana, au mkanganyiko wa kitengo na uandike "uga/uthibitishaji wa rekodi unahitajika".Data: [...]

Kazi: Badilisha viashiria vifuatavyo vya mifugo kuwa ripoti ya RASIMU ya kila mwezi ya usimamizi (jedwali la muhtasari + mielekeo mashuhuri). Acha uamuzi wa kimatibabu na sehemu ya mapendekezo wazi; Itajazwa na daktari anayehusika.Viashiria: [...]

Mwongozo dhaifu / Mwongozo thabiti

Dhaifu: "Chambua data hii ya mifugo, kuna nini?"

Nguvu: "Wakuu 240 wa shamba la ng'ombe wa maziwa, ng'ombe wanaonyonyesha, siku 90 zilizopita, kitengo: maziwa ya kilo kwa siku na tanki kwa wiki SCC (seli/mL). Fanya muhtasari wa data iliyo hapa chini; weka alama ya mwenendo wa SCC na ni kundi gani la kukamua lina ongezeko kubwa zaidi. Orodhesha mistari iliyokosekana/isiyo thabiti tofauti. Usipendekeze matibabu; nitafanya uamuzi na ukaguzi wa shamba."

Aina ya biashara, kikundi, kipindi, kitengo na kikomo vimetolewa kwa uwazi katika haraka ya nguvu.

Makosa ya kawaida

• Inategemea data isiyo kamili. AI haizingatii kurekodi ambayo haiwezi kuona; Uthibitishaji wa sehemu unahitajika.
• Bila kubainisha kitengo/kipindi. Wakati lita / kg au vikundi tofauti vinapochanganywa, muhtasari huo ni wa kupotosha.
• Kukosea ishara kwa uamuzi. AI inasema "angalia wapi"; Daktari anaamua "nini cha kufanya".
• Bila kuficha utambulisho wa data ya biashara. Usiri wa data ya biashara unaweza kukiukwa.
• Kuruka ukaguzi wa uwanja. Uamuzi wa mifugo hauwezi kufanywa bila uchunguzi wa tovuti.

Uchumi, kizingiti cha uamuzi na saikolojia ya mifugo

Katika dawa ya mifugo, kila uamuzi wa kliniki pia ni uamuzi wa kiuchumi. Kutibu au kupanga mnyama? kama kupanua au kulenga mpango wa chanjo; Maamuzi haya yanaathiri ustawi wa wanyama na uendelevu wa biashara. AI inaweza kuweka kwa haraka majedwali na matukio ya manufaa ya gharama: kwa mfano, inaweza kuandaa hesabu kama vile "kadirio la upotezaji wa maziwa itakuwa nini ikiwa kiwango cha kititi kitaongezeka kutoka X% hadi Y%. Hii hurahisisha kuwa na mazungumzo ya msingi wa data na opereta. Lakini kila dhana katika hesabu hizi (bei, mavuno, kiwango) lazima idhibitishwe na data halisi ya uendeshaji na hali ya sasa ya soko; Ikiwa bei moja ya kitengo ambayo AI inadhani sio sawa, matokeo yote yatakuwa ya kupotosha.

Mwelekeo mwingine ni saikolojia ya mifugo na ukweli wa shamba. Nambari zinaweza kuonyesha mwelekeo, lakini tabia ya wanyama, hali ya makazi, mazoezi ya wafanyikazi na athari za msimu huonekana tu papo hapo. Wakati mwingine sababu ya kupungua ambayo bendera za AI hazipo kwenye data lakini kwenye shamba: bakuli la maji lililovunjika, mlezi anayebadilika, chanzo cha dhiki. Kwa hivyo, kanuni ya dhahabu katika kufanya maamuzi ya mifugo ni hii: kuchukua data kama kidokezo, thibitisha sababu katika uwanja, fanya uamuzi kwa kuzingatia ustawi wa wanyama na ukweli wa biashara pamoja. Daktari wa mifugo anayehusika anawajibika kwa afya ya mifugo na matokeo ya ushauri uliotolewa; Jukumu hili haliwezi kukabidhiwa kwa dashibodi yoyote ya data.

Kwa muhtasari

Katika dawa ya mifugo, AI ni msaidizi mwenye nguvu anayefupisha data kubwa, inaonyesha mienendo na hatari ya ishara. Lakini haioni uwanja na inapotosha na data isiyo kamili. Thibitisha kila ishara kwa usajili rasmi, ukaguzi wa shamba na tathmini ya mifugo; Toa vitengo na vipindi vilivyo wazi; ficha data ya biashara. Wajibu wa maamuzi kama vile matibabu, mpango wa chanjo na uondoaji ni wa daktari wa mifugo anayehusika. AI inatoa dalili; Uamuzi unafanywa na shamba na daktari.

Jukumu la maombi

Fanya AI ifanye muhtasari wa kiashirio (SCC, mavuno ya maziwa, vifo au uzazi) kutoka siku 90 zilizopita za biashara unayofuata. Kisha: (1) linganisha mwelekeo ulioalamishwa na AI na rekodi rasmi, (2) angalia na maarifa yako ya uga kwa data inayokosekana/isiyolingana, (3) andika ni utaftaji gani utathibitisha kwa ukaguzi wa tovuti. Rasimu ya ripoti ya kila mwezi ya usimamizi na ujaze sehemu ya uamuzi wewe mwenyewe.

orodha ya ukaguzi

• [ ] Nilifuta data kulingana na kitengo na tarehe.
• [ ] Nilificha kitambulisho cha biashara.
• [ ] Niliuliza swali moja lililo wazi.
• [ ] Niliashiria mwelekeo na kuvuka kizingiti.
• [ ] Nilikuwa na data inayokosekana/isiyo thabiti iliyoorodheshwa kando.
• [ ] Nilithibitisha mawimbi kwa ukaguzi wa uga na kurekodi rasmi.
• [ ] Kama daktari anayesimamia, nilifanya uamuzi wa mwisho wa kundi.