Опыт компании Optimeering Aqua создания цифровых инструментов для улучшения здоровья рыбы и повышения производительности аквакультуры

Опыт компании Optimeering Aqua создания цифровых инструментов для улучшения здоровья рыбы и повышения производительности аквакультуры

Компания Optimeering Aqua (Норвегия), за последние годы создала сильную команду для разработки цифровых инструментов, которые поддерживают принятие решений и анализ данных в аквакультуре. Компания накопила обширный опыт, работая с различными компаниями и учреждениями, включая Норвежскую школу экономики (NHH), Seasmart, Anteo, Baader и фермера по разведению лосося Cermaq.

Optimeering Aqua в сотрудничестве с несколькими игроками разрабатывает точные модели для прогнозирования производственных показателей и улучшения здоровья рыбы. Это достигается путем постоянного сопоставления данных о производстве, биологии и условиях окружающей среды, целью которых является прогнозирование развития различных групп рыб с точки зрения роста, здоровья и качества.

Такая повышенная точность достигается за счет сбора больших объемов данных и построения прогнозов с использованием машинного обучения. Первые сравнения с традиционными моделями роста показывают, что с помощью динамического моделирования роста можно уменьшить потенциальные ошибки прогнозирования на 25%.

Подчеркивая ценность хорошего здоровья рыбы

“Наши инновационные модели будут интегрированы в инструмент цифрового планирования”. Гуннар Молланд, ветеринар и координатор проекта Optimeering Aqua, объясняет, что, учитывая различия в биологических и экологических параметрах, цифровой инструмент обеспечит более точные прогнозы того, как каждая отдельная рыболовная группа будет работать в будущем.

“Рыбоводные хозяйства смогут принимать более обоснованные решения, когда дело дойдет до вылова рыбы; стагнирующим рыболовным группам будет отдаваться приоритет , в то время как наиболее результативные группы будут продолжать расти как можно дольше. Очевидным преимуществом является увеличение загрузки производственных мощностей и рентабельности производства. Кроме того, это будет способствовать улучшению благосостояния рыбы за счет устранения проблемных групп рыб”, - объясняет Молланд.

Ключевые сотрудники Optimeering Aqua

NHH предоставляет передовые знания в области "стохастической оптимизации" и предоставляет консультантов с докторской степенью во время проекта. Методология стохастической оптимизации используется там, где существует неопределенность, связанная с будущим развитием ключевых параметров, что часто имеет место в рыбоводстве. Кандидат PhD Бенджамин Нарум в настоящее время работает над своей докторской диссертацией в NHH, где он разрабатывает передовые модели, которые оценивают развитие ключевых производственных параметров, а также динамику и влияние многих влияющих факторов.

Среди других партнеров - компания SeaSmart, предоставляющая передовые экологические дроны для непрерывного измерения профилей садков; Anteo предоставляет технологию для составления карт логистики и вместимости садков, в то время как Baader, обеспечивает визуальный сбор данных о выловленной рыбе.

Последним центральным партнером является норвежская компания Cermaq, которая предоставляет опыт работы и доступ к рыбе в подходящих местах. Компания также зарекомендовала себя как лидер в области высокотехнологичного рыбоводства, среди прочего, благодаря концепции разработки iFarm.

“В настоящее время у нас есть ряд проектов, в рамках которых мы тестируем различные технологии для сбора данных в садках. Чтобы максимально использовать эти технологии и улучшить производство, необходимо разработать вспомогательные инструменты, которые могут эффективно обрабатывать большие объемы данных, извлекая важные связи и представляя их таким образом, чтобы они соответствовали процессам принятия оперативных решений ”, - говорит Харальд Такле, менеджер по исследованиям и разработкам Cermaq в области сельскохозяйственных технологий.

Проблемы в оперативном планировании

Современное разведение лосося включает в себя впечатляющую сеть устройств и операций. Объем генерируемых данных значительно превышает возможности обработки традиционными инструментами, и несколько факторов могут еженедельно переворачивать операции с ног на голову. Влияющие факторы включают вши лосося, водоросли, вспышки заболеваний, рыночные условия, погодные условия и логистику судов, и это лишь некоторые из них. Это усложняет оперативное планирование, и поэтому биологические контролеры в рыбоводных компаниях должны перестроить планы своего производства, чтобы они работали эффективно. При таких сложностях незначительные улучшения оказывают существенное влияние на производственные результаты. В этой ситуации математическая оптимизация имеет большое значение, поскольку многие сценарии могут быть протестированы и сравнены за считанные минуты, чтобы определить оптимальные варианты размещения, которые находятся в реалистичных пределах, и реализовать их.