Модели прогнозирования смертности и обнаружения аномалий

Модели прогнозирования смертности используют исторические данные о качестве воды, кормлении и смертности для выявления партий или систем с повышенным краткосрочным риском смертности до начала видимого массового вымирания. Обычно это достигается путем изучения того, какие комбинации условий (например, специфическая траектория растворенного кислорода, снижение скорости кормления, колебания температуры) исторически предшествовали всплескам смертности в собственных прошлых данных фермы, вместо того чтобы полагаться на единый фиксированный порог, который игнорирует тенденции или взаимодействия условий. Обнаружение аномалий — это связанная, но отличная техника: вместо прогнозирования конкретного известного паттерна риска, она сигнализирует, когда текущие показания необычно отклоняются от установленного нормального диапазона системы, выявляя проблемы, которые система на основе пороговых значений никогда не была явно настроена искать, например, необычный паттерн реакции камеры кормления, который предшествует вспышке заболевания за несколько дней до увеличения самой смертности. Качество модели полностью зависит от наличия достаточного количества чистых, хорошо размеченных исторических данных о смертности и первопричинах для обучения. Именно поэтому последовательная регистрация событий смертности и дисциплина тегирования на ранних этапах обработки данных фермы напрямую определяют, будут ли построенные позже прогностические функции действительно работать или производить ненадежные оповещения с низкой степенью достоверности, которые персонал научится игнорировать. При ответственном развертывании эти модели рассматриваются как вспомогательное средство для принятия решений опытным персоналом для расследования, а не как автономный диагноз, поскольку как ложноположительные, так и ложноотрицательные результаты несут реальные операционные издержки, если уровень достоверности модели не сообщается честно вместе с ее предупреждением.