Prosjektnummer
901851
Presisjonsplanlegging for slakt med kontinuerlig overvåking av fisk og merdmiljø
Utvikling av løsninger på tvers av flere ulike datakilder representerer en utfordring for næringen fordi hver enkelt leverandør av data er avhengig av å kunne skape verdi for sine kunder basert på hver sin leveranse. For oppdrettere er det en risiko å sette i gang egen utvikling av løsninger på tvers av teknologier uten detaljkunnskap om teknologiene og utenfor oppdretters primære driftsfokus.
Dette prosjektet muliggjør et samarbeid mellom teknologileverandører om en felles leveranse. Som et forskningsprosjekt vil det også validere verdiskapingen av samarbeidet for oppdretter. Validerte resultater er i seg selv også verdifullt for teknologileverandørene. Hver enkelt av teknologileverandørene i prosjektet leverer i dag enkeltstående produkter til havbruksnæringen.
SeaSmart (SS) og OptoScale (OS) leverer i dag verdi direkte til havbruksselskap, men det er krevende å demonstrere nytteverdi av data uten å sette dem i en større kontekst for kunden, og vise at data kan lede til konkret verdifull handling. Optimeering Aqua AS leverer sin programvare direkte til havbrukselskap, men opplever at mangel på data og datakvalitet er en barriere for å kunne realisere større verdier.
Selskapenes løsninger kan sammen levere større verdiskaping på flere områder. For å avgrense dette prosjektet fokuseres det på slakteplanlegging på kort sikt. Dette vil gjøres i to trinn: 1) Utvikling av prognoser for tilvekst og kvalitet basert på mer avansert måling fra SS og OS, og 2) Integrasjon av prognoser for tilvekst og kvalitet i en matematiske optimeringsmodell for kortsiktig slakteplanlegging.
Dette prosjektet muliggjør et samarbeid mellom teknologileverandører om en felles leveranse. Som et forskningsprosjekt vil det også validere verdiskapingen av samarbeidet for oppdretter. Validerte resultater er i seg selv også verdifullt for teknologileverandørene. Hver enkelt av teknologileverandørene i prosjektet leverer i dag enkeltstående produkter til havbruksnæringen.
SeaSmart (SS) og OptoScale (OS) leverer i dag verdi direkte til havbruksselskap, men det er krevende å demonstrere nytteverdi av data uten å sette dem i en større kontekst for kunden, og vise at data kan lede til konkret verdifull handling. Optimeering Aqua AS leverer sin programvare direkte til havbrukselskap, men opplever at mangel på data og datakvalitet er en barriere for å kunne realisere større verdier.
Selskapenes løsninger kan sammen levere større verdiskaping på flere områder. For å avgrense dette prosjektet fokuseres det på slakteplanlegging på kort sikt. Dette vil gjøres i to trinn: 1) Utvikling av prognoser for tilvekst og kvalitet basert på mer avansert måling fra SS og OS, og 2) Integrasjon av prognoser for tilvekst og kvalitet i en matematiske optimeringsmodell for kortsiktig slakteplanlegging.
Hovedmål
1. Å avklare hvor mye kan den samlede biologiske tilveksten økes i % ved å anvende prognoser for vekst i optimalisering av produksjonsplanlegging. Prosjektets hypotese, basert på overslag, er minst 1 %.
2. Å finne ut hvor mye superior-andelen kan økes ved anvendelser av prognoser for kvalitet i optimalisering av produksjonsplanlegging. Prosjektets hypotese, basert på overslag, er minst 2 %.
Delmål
• Å foreta integrering og datainnsamling:
◦ Data fra kamera, miljødata og produksjon tilgjengeliggjort via API.
• Å utvikle prognoser (60 dager fram):
◦ Prognose av miljødata med nødvendig nøyaktighet
◦ Prognose av vekst med nøyaktighet <3 %.
◦ Prognose av kvalitet uttrykt i superior-andel med nøyaktighet <2 %
◦ Implementering av prognoser i produksjonsplanlegging
• Å foreta kontinuerlig verifisering av prognose og produksjonsplan (per dag):
◦ Verifisert prognose på slaktekvalitet mot slakteresultat og målt avvik
◦ Verifisert prognose på snittvekt-utvikling mot slakteresultat og målt avvik
◦ Verifisert prognose på behandlingsfrekvens mot faktisk behandlingsfrekvens og målt avvik
1. Å avklare hvor mye kan den samlede biologiske tilveksten økes i % ved å anvende prognoser for vekst i optimalisering av produksjonsplanlegging. Prosjektets hypotese, basert på overslag, er minst 1 %.
2. Å finne ut hvor mye superior-andelen kan økes ved anvendelser av prognoser for kvalitet i optimalisering av produksjonsplanlegging. Prosjektets hypotese, basert på overslag, er minst 2 %.
Delmål
• Å foreta integrering og datainnsamling:
◦ Data fra kamera, miljødata og produksjon tilgjengeliggjort via API.
• Å utvikle prognoser (60 dager fram):
◦ Prognose av miljødata med nødvendig nøyaktighet
◦ Prognose av vekst med nøyaktighet <3 %.
◦ Prognose av kvalitet uttrykt i superior-andel med nøyaktighet <2 %
◦ Implementering av prognoser i produksjonsplanlegging
• Å foreta kontinuerlig verifisering av prognose og produksjonsplan (per dag):
◦ Verifisert prognose på slaktekvalitet mot slakteresultat og målt avvik
◦ Verifisert prognose på snittvekt-utvikling mot slakteresultat og målt avvik
◦ Verifisert prognose på behandlingsfrekvens mot faktisk behandlingsfrekvens og målt avvik
Prosjektet tar sikte på å øke kvalitet og vekst gjennom bedre selektering av fisk for slakt. En økning i superior-andel ved slakt vil øke fortjenesten til havbrukselskapet. En økning på 2 % i superior-andel vil gi en økt fortjeneste i størrelsesorden 500 kr per konsesjon per år. Økt vekst vil gi havbrukselskapet mer fisk til slakt. En 1 % økt tilvekst gir et økt slaktevolum verdt omkring 800 kr per konsesjon per år. (Beregningene er basert på typisk prisdifferensiering av kvalitet og slaktevolum per konsesjon for 2022).
Prosjektet tar med andre ord sikte på å demonstrere potensial for økt omsetning for havbruksnæringen i Norge på omkring 1,3 milliarder kroner fra bedre kortsiktig slakteplanlegging alene. Prosjektets mål er å demonstrere økt lønnsomhet ved anvendelse av ny teknologi. For havbruksselskap vil det i hovedsak kun tilkomme ekstra fôrkostnader i produksjon som følge av økt produksjonsvolum, i tillegg til teknologikostnadene. Dette vil dermed øke dette dekningsbidraget. Med utgangspunkt i prosjektets mål om 2 % økt superior-andel og 1 % økt vekst, vil teknologien anvendt i prosjektet gi omtrent fire ganger tilbake på investering. Med utgangspunkt i potensialet i teknologien vil verdien kunne bli 10–30 ganger med videre utvikling innenfor dette feltet.
Prosjektet tar med andre ord sikte på å demonstrere potensial for økt omsetning for havbruksnæringen i Norge på omkring 1,3 milliarder kroner fra bedre kortsiktig slakteplanlegging alene. Prosjektets mål er å demonstrere økt lønnsomhet ved anvendelse av ny teknologi. For havbruksselskap vil det i hovedsak kun tilkomme ekstra fôrkostnader i produksjon som følge av økt produksjonsvolum, i tillegg til teknologikostnadene. Dette vil dermed øke dette dekningsbidraget. Med utgangspunkt i prosjektets mål om 2 % økt superior-andel og 1 % økt vekst, vil teknologien anvendt i prosjektet gi omtrent fire ganger tilbake på investering. Med utgangspunkt i potensialet i teknologien vil verdien kunne bli 10–30 ganger med videre utvikling innenfor dette feltet.
Prosjektet er organisert i fire faser:
Fase 1: Etablering av dataflyt og integrasjon
• Utvalg av egnede produksjonsenheter og strategi for utvalg av merder for prosjektet.
• Utvikling av API-er for tilgjengeliggjøring av data.
• Utvikling av mottakersiden for API for data fra sensorikk.
• Tilpasning av planleggingsløsning for utnyttelse av nye data.
• Validering av dataintegrasjon.
Fase 2: Utvikling av prognoser for tilvekst og kvalitet
• Videreutvikling av prognosering av miljøforhold, temperatur og oksygen basert på historiske data for anlegget.
• Tilpassing av eksisterende modeller for prognosering av avlusingshyppighet basert på prognoserte miljøforhold og mer nøyaktig lusetelling.
• Tilpassing og utvidelse av modeller for prognosering av tilvekst basert på kontinuerlige vektmålinger og prognoser for miljø og avlusingshyppighet.
• Utvikle prognoser av kvalitet basert på identifiserte fiskehelse-avvik fra kamera (deformiteter, sår og kjønnsmodning) prognosert avlusingshyppighet og miljøforhold.
• Validering av vekst og kvalitetsprognoser ved slakt av hver merd.
• Iterering mellom utvikling, validering og justering av prognoser.
Fase 3: Datainnsamling og sammenligning av tradisjonell planlegging versus planlegging etter råd fra matematisk optimeringsmodell med høykvalitets data fra utplassert utstyr
• Utplassering av sensorikk i aktuelle merder.
• Hver uke vil det lages to ulike slakteplaner og vurderes verdi av planene to uker frem i tid.
• Beregning av differanse i verdi.
Fase 4: Samlet verifikasjon og konklusjon
• Vurdere samlet treffsikkerhet av prognoser for kvalitet og vekst.
• Vurdere samlet verdi av differanse mellom plan med og uten prognoser for kvalitet og vekst integrert i optimeringsmodell.
Prosjektorganisering
Havbruksselskap
Lerøy Seafood Group (LSG) – www.leroyseafood.com
• Levere produksjonsdata (lusetall, dødfisk telling, fôrforbruk m.m.) og slaktedata (endelig vekt og kvalitetsfordeling).
• Bidrag med utviklerressurser og skydata-infrastruktur for å fasilitere dataflyt mellom programvare i prosjektet.
• Bidrag med erfaring og kunnskap om biologi og havbruk for utvikling og verifisering av prognoser og tilbakemelding på leveranser.
Teknologileverandører
SeaSmart (SS) – www.seasmart.no
• Samarbeid med LSG om koordinering og utplassering av undervannsdroner.
• Samarbeid med OA om utvikling av prognoser av miljøforhold, vekst og kvalitet.
• Kompetanse på sammenheng miljøforhold, appetitt og stress.
OptoScale (OS) – www.optoscale.no
• Levere kamera for automatisk overvåking i merden, med følgende funksjonalitet:
◦ Vekt: Gjennomsnittsvekst, vekst, vektfordeling.
◦ Helse: Ulike helseparametre som f.eks. sår, risttap, etc. Bildeinspeksjon av tilfeldige bilder for helseinspeksjon.
◦ Lusetelling av bevegelige og kjønnsmodne hunnlus inkludert skottelus.
◦ Data leveres gjennom API eller nettside.
• Samarbeid med LSG om koordinering og utplassering av kamera.
• Kompetanse på biologi og på sammenheng mellom ytre helseindikatorer påvist av utstyr og kvalitetsnedgradering.
Fase 1: Etablering av dataflyt og integrasjon
• Utvalg av egnede produksjonsenheter og strategi for utvalg av merder for prosjektet.
• Utvikling av API-er for tilgjengeliggjøring av data.
• Utvikling av mottakersiden for API for data fra sensorikk.
• Tilpasning av planleggingsløsning for utnyttelse av nye data.
• Validering av dataintegrasjon.
Fase 2: Utvikling av prognoser for tilvekst og kvalitet
• Videreutvikling av prognosering av miljøforhold, temperatur og oksygen basert på historiske data for anlegget.
• Tilpassing av eksisterende modeller for prognosering av avlusingshyppighet basert på prognoserte miljøforhold og mer nøyaktig lusetelling.
• Tilpassing og utvidelse av modeller for prognosering av tilvekst basert på kontinuerlige vektmålinger og prognoser for miljø og avlusingshyppighet.
• Utvikle prognoser av kvalitet basert på identifiserte fiskehelse-avvik fra kamera (deformiteter, sår og kjønnsmodning) prognosert avlusingshyppighet og miljøforhold.
• Validering av vekst og kvalitetsprognoser ved slakt av hver merd.
• Iterering mellom utvikling, validering og justering av prognoser.
Fase 3: Datainnsamling og sammenligning av tradisjonell planlegging versus planlegging etter råd fra matematisk optimeringsmodell med høykvalitets data fra utplassert utstyr
• Utplassering av sensorikk i aktuelle merder.
• Hver uke vil det lages to ulike slakteplaner og vurderes verdi av planene to uker frem i tid.
• Beregning av differanse i verdi.
Fase 4: Samlet verifikasjon og konklusjon
• Vurdere samlet treffsikkerhet av prognoser for kvalitet og vekst.
• Vurdere samlet verdi av differanse mellom plan med og uten prognoser for kvalitet og vekst integrert i optimeringsmodell.
Prosjektorganisering
Havbruksselskap
Lerøy Seafood Group (LSG) – www.leroyseafood.com
• Levere produksjonsdata (lusetall, dødfisk telling, fôrforbruk m.m.) og slaktedata (endelig vekt og kvalitetsfordeling).
• Bidrag med utviklerressurser og skydata-infrastruktur for å fasilitere dataflyt mellom programvare i prosjektet.
• Bidrag med erfaring og kunnskap om biologi og havbruk for utvikling og verifisering av prognoser og tilbakemelding på leveranser.
Teknologileverandører
SeaSmart (SS) – www.seasmart.no
• Samarbeid med LSG om koordinering og utplassering av undervannsdroner.
• Samarbeid med OA om utvikling av prognoser av miljøforhold, vekst og kvalitet.
• Kompetanse på sammenheng miljøforhold, appetitt og stress.
OptoScale (OS) – www.optoscale.no
• Levere kamera for automatisk overvåking i merden, med følgende funksjonalitet:
◦ Vekt: Gjennomsnittsvekst, vekst, vektfordeling.
◦ Helse: Ulike helseparametre som f.eks. sår, risttap, etc. Bildeinspeksjon av tilfeldige bilder for helseinspeksjon.
◦ Lusetelling av bevegelige og kjønnsmodne hunnlus inkludert skottelus.
◦ Data leveres gjennom API eller nettside.
• Samarbeid med LSG om koordinering og utplassering av kamera.
• Kompetanse på biologi og på sammenheng mellom ytre helseindikatorer påvist av utstyr og kvalitetsnedgradering.
Optimeering Aqua (OA) – www.optimeeringaqua.com
• Levere programvare for optimalisering (Bioplan) av produksjonsplanlegging som i prosjektet vil brukes somet verktøy for å verifisere verdien av integrasjonen avdatakildene.
• Bidrag med utvikler-ressurser for å fasilitere integrasjon av datakilder.
• Bidrag med data-science personell for å utvikle prognoser for kvalitet og vekst.
FoU-miljø
Norges Handelshøyskole (NHH) ved stipendiat Benjamin Narum
• Levere prognoser på behandlingsfrekvens for avlusing.
• Vil støtte OA med ressurser på matematisk optimalisering for å tilpasse optimeringsmodell for å hensynta prognoser på behandlingsfrekvens.
Prosjektet vil formidle informasjon om prosjektet i pressemeldinger og publisere resultater på selskapenes nettsider, samt kommunikasjonsplattformen til NHH. En oppnåelse av målene i prosjektet vil naturlig kommuniseres av teknologileverandørene i forbindelse med markedsføring.