پرودکسهوش مصنوعی صنعتی

مرغداری هوشمند از کجا شروع می‌شود؟ از عددهای همین حالا

پیش از خرید حسگر و سامانه، چهار دادهٔ روزانهٔ سالن را کنار هم بگذارید: تلفات، دان، وزن و محیط. روند، آستانهٔ هشدار و هزینهٔ دوره چطور دیده می‌شود.

مدیر یک مرغداری صبح‌ها از چند جا خبر می‌گیرد: تلفات شب را از سالن‌دار می‌پرسد، مصرف دان را از انبار، وزن‌کشی را از دفتر و وضعیت دما و برق را از کسی که شب بیدار بوده. هر کدام از این عددها جدا درست است، اما تصویر واحدی از «حال این سالن» وجود ندارد، مگر در سر خود مدیر.

«مرغداری هوشمند» معمولاً با حسگر و دوربین و پیش‌بینی شروع می‌شود. ما فکر می‌کنیم از جای ساده‌تری شروع شود: از عددهایی که همین حالا ثبت می‌شوند.

چهار دادهٔ روزانه که باید کنار هم باشند

۱. تلفات. تعداد تلفات روزانهٔ هر سالن، اگر ممکن است با زمان یا شیفت ثبت.

۲. دان و آب. مصرف روزانه، نسبت به سن گله یا مرحلهٔ دوره.

۳. وزن‌کشی. نمونه‌گیری‌های دوره‌ای و تاریخ آن‌ها.

۴. محیط سالن. دما، رطوبت، تهویه و رویدادهایی مثل قطع برق، اگر ثبت می‌شوند.

بیشتر سالن‌ها این چهار را همین حالا ثبت می‌کنند، فقط در چهار برگ یا چهار فایل. گام اول کنار هم گذاشتن آن‌هاست، نه خرید چیز تازه.

روند مهم‌تر از عدد روزانه است

عدد تلفات امروز به‌تنهایی کم چیزی می‌گوید. چیزی که اهمیت دارد این است که این سالن نسبت به خودش در همین مرحلهٔ دوره چطور حرکت می‌کند. تغییر روند یک سالن نسبت به خودش اغلب زودتر از عدد مطلق خبر می‌دهد، ولی وقتی عددها در دفترهای جدا هستند، کسی منحنی آن‌ها را کنار هم نمی‌کشد و انحراف وقتی دیده می‌شود که دوره جلو رفته است.

دو نکته برای مقایسه:

  • سالن را با خودش بسنجید، نه با عدد «استاندارد صنعت». هر مرغداری نوع کار، نژاد، آب‌وهوا و سازهٔ متفاوتی دارد و عدد کلی می‌تواند گمراه کند. ما هم در این مقاله عدد مرجع نمی‌دهیم.
  • بین سالن‌ها فقط وقتی مقایسه کنید که نوع کار و دادهٔ آن‌ها یکسان است. اگر چنین نیست، مقایسه از همان ابتدا غلط می‌شود.

آستانهٔ هشدار را خودتان بنویسید

بدون آستانهٔ نوشته‌شده، هشدار می‌شود حدس: یکی می‌گوید «غیرعادی است» و دیگری نه. آستانه را مرغدار و دامپزشک با هم و بر اساس تجربهٔ همان سالن می‌نویسند، نه نرم‌افزار. بعد از آن، کار ابزار این است که بگوید کجا از این آستانه عبور شد، نه اینکه خودش تعیین کند چه چیزی عادی است.

هزینهٔ دوره را وسط دوره ببینید

هزینهٔ تمام‌شدهٔ دوره اغلب آخر دوره معلوم می‌شود، وقتی دیگر کاری نمی‌شود کرد. اگر مصرف دان، تلفات و هزینه‌های ثابت وسط دوره هم‌زمان دیده شوند، می‌شود زودتر پرسید چرا این سالن از خودش عقب افتاده. همین چند عدد، به شرط ثبت منظم، کافی است؛ لازم نیست مدل پیچیده‌ای داشته باشید.

نمونهٔ یک برگهٔ روزانه

اگر هنوز همه‌چیز در دفتر است، برای هر سالن یک برگهٔ روزانه بسازید که این ستون‌ها را داشته باشد: تاریخ، سن گله، تعداد تلفات، مصرف دان، مصرف آب، دمای حداقل و حداکثر، و یک ستون برای رویدادها (قطع برق، خرابی تهویه، واکسیناسیون، بازدید دامپزشک). ستون رویداد از همه مهم‌تر است: وقتی تلفات یک روز بالا می‌رود، کنار عدد باید بتوانید ببینید آن روز چه اتفاقی افتاده بود.

هفتهٔ اول فقط ثبت کنید و تحلیل نکنید. هفتهٔ دوم منحنی هر ستون را بکشید. وقتی برای اولین بار این منحنی‌ها را کنار هم می‌بینید، اغلب چیزی را می‌بینید که با حس و تجربه می‌دانستید ولی نمی‌توانستید نشان بدهید.

حسگر کِی ارزش دارد؟

حسگر وقتی ارزش دارد که بدانید دقیقاً چه چیزی را می‌خواهید اندازه بگیرید، با چه دقتی و برای چه تصمیمی. اگر آستانه ندارید و ثبت دستی هم منظم نیست، حسگر فقط حجم داده را بیشتر می‌کند. پیشنهاد ما این ترتیب است: اول تعریف و ثبت، بعد آستانه، بعد حسگر.

ابزار چه می‌تواند باشد و چه نمی‌تواند؟

ماکیان طرحی برای همین صفحه است: پایش محیط سالن، پایش تلفات، دان و وزن‌کشی و یک داشبورد مدیریتی که هر صبح حال سالن را در یک نگاه نشان بدهد. وضعیت آن روی سایت: «طرح اولیه — ثبت علاقه».

آنچه می‌گوییم و آنچه نمی‌گوییم:

  • ساخته نشده. هر نما و عددی در صفحهٔ ماکیان نمونهٔ تصویری است، نه محصول زنده و نه دادهٔ مشتری. دنبال چند مرغدار برای پایلوت هستیم تا شکلش را با شما بسازیم.
  • فقط‌خواندنی طراحی می‌شود. قرار است روی داده‌ای بنشیند که همین حالا دارید (دفتر، اکسل، سامانه‌های موجود) و چیزی را کنترل نکند.
  • تشخیص نمی‌دهد. نه بیماری تشخیص می‌دهد و نه دارو توصیه می‌کند؛ این مسئولیت دامپزشک است.
  • ادعای اتصال به حسگر نداریم. در این مرحله دربارهٔ اتصال به حسگر یا تجهیز ادعایی نمی‌کنیم و عدد «استاندارد صنعت» هم نمی‌دهیم.
  • در طرح، هر عدد به منبعش برمی‌گردد و محل نگهداری داده با مرغدار توافق می‌شود.

اگر مرغدار هستید و می‌خواهید در شکل‌دادن این صفحه نقش داشته باشید، ثبت علاقه برای پایلوت را ببینید. اگر فقط می‌خواهید بدانید کدام عدد را از کجا بگیرید، راهنمای هفت مسئلهٔ مرغداری را بخوانید: هر مسئله را با دادهٔ موجود شما می‌سنجد.

کار امروز، بی‌هیچ خرید

سه کار ساده که امروز می‌شود شروع کرد:

  1. عددهای چهارگانهٔ بالا را برای یک سالن، یک دوره، در یک فایل واحد بنویسید.
  2. روند هفتگی تلفات و مصرف دان را کنار هم بکشید.
  3. با دامپزشک بنشینید و برای همین سالن یک آستانهٔ هشدار مکتوب کنید.

این سه کار هیچ هزینه‌ای جز وقت ندارند و اگر بعداً سراغ هر سامانه‌ای رفتید، تعریف‌هایش را آماده دارید.

گام بعد

اگر می‌خواهید دادهٔ سالن و فرایندتان را ساختاریافته بسنجید، ارزیابی از همان دادهٔ موجود شروع می‌شود. ارزیابی فرصت پرودکس، با نام «۲۱ روز تا سود»، یعنی نقشهٔ اولین پایلوت سودآور شما، ۲۱ روز طول می‌کشد و ۷۵ میلیون تومان است (مالیات بر ارزش افزوده جداست). خروجی‌اش یک برگه است: مسئله، دادهٔ لازم، معیار موفقیت و بازده برآوردی یک پایلوت ۸ هفته‌ای. سهم شما دسترسی به دادهٔ موجود و ۲ جلسهٔ کاری است. درخواست ارزیابی را ثبت کنید. توجه کنید که ماکیان هنوز طرح اولیه است؛ ارزیابی به معنای تحویل محصول آماده نیست و ما این را از ابتدا می‌گوییم.

پرسش‌های متداول

برای شروع مرغداری هوشمند حتماً باید حسگر نصب کرد؟
نه. اول ببینید عددهایی که امروز در دفتر یا اکسل ثبت می‌کنید کنار هم و به‌صورت روند دیده می‌شوند یا نه. حسگر وقتی ارزش دارد که ثبت و تعریف عددها از پیش روشن باشد.
آیا هوش مصنوعی بیماری را تشخیص می‌دهد و دارو تجویز می‌کند؟
نه. تشخیص و تجویز مسئولیت دامپزشک است. صفحهٔ مدیریتی فقط می‌تواند روند را زودتر نشان دهد تا شما و دامپزشک زودتر سراغ علت بروید.
ماکیان همین حالا قابل استفاده است؟
نه. ماکیان طرح اولیه است و هنوز ساخته نشده. برای شکل‌دادن آن دنبال چند مرغدار پایلوت هستیم و می‌توانید علاقه‌تان را ثبت کنید.

در ۲۱ روز بفهمید اولین پایلوت سودآور هوش مصنوعی شما کجاست؛ روی داده‌ای که همین حالا دارید.

اگر در پایان ۲۱ روز دست‌کم یک پایلوت پیدا نکردیم که بازده برآوردی‌اش از قیمت همان پایلوت بیشتر باشد، تمام ۷۵ میلیون تومان را برمی‌گردانیم؛ به شرط دسترسی ما به دادهٔ توافق‌شده در هفتهٔ اول و برگزاری ۲ جلسهٔ کاری.

۳ ارزیابی در پاییز ۱۴۰۵، حداکثر ۲ هم‌زمان

شواهد این عدد

از کجا آمده
چطور به دست آمده
برچسب

منبع داده‌ی شما کجاست؟ در دمو نشان بدهید.

پروگپ
پروگپدستیار پرودکس

پروگپ، دستیار پرودکس: پاسخ‌های از پیش نوشته‌شده روی داده‌ی نمونه؛ در دمو همین را روی دادهٔ شما می‌پرسید.