Tidiga larm om produktionsstörningar för snabbare åtgärd och minskade förluster i grisföretag

Disease and production disturbances in a herd are often silent, and may cause major losses if they remain undetected. Continuous analysis and monitoring of data already recorded at the farm level can improve profitability. This project will develop methods for monitoring trends in production and animal health indicators, and detect early signs of disease or other disturbances. The aim is to produce information that can help individual farms to avoid losses. The study will compare different methods to develop a continuous and fully automated system of analyses of production data already recorded on the farm (e.g. data on litter size/piglet mortality or feed consumption). The result is an on-farm, data-driven alarm system for disease outbreaks or other hazards. The system can also be used to monitor the farm's productivity and health. The results have the potential to be used by all producers who record similar data, and can also be adapted to other species in animal production.

Sjukdomsutbrott och produktionsstörningar är ofta smygande och så länge de förblir oupptäckta i en besättning kan det orsaka stora förluster. I det här projektet utvecklas metoder för att tidigarelägga upptäckten av trendbrott i en gårds produktion och djurhälsa. Syftet är att ta fram information som både kan hjälpa enskilda grisföretag att undvika förluster och stödja den gemensamma sjukdomsövervakningen. I studien jämförs olika metoder för att sätta upp en löpande och helt automatisk analys av data som redan registreras på gården (t.ex. uppgifter om kullstorlek/smågrisdödlighet eller foderförbrukning). Baserat på det skapas ett datadrivet gårdsanpassat larmsystem för bevakning av störningar i djurhälsa/produktion. Systemet kan även användas för att enkelt följa och få en aktuell bild av gårdens utveckling. Resultaten har potential att användas av alla grisföretag som registrerar liknande data och kan också vidareutvecklas för andra djurslag inom lantbruksnäringen.

Projektet syftade till att skapa ytterligare nytta av data som vanligen registreras på grisgårdar genom att konstruera indikatorer för produktion och fruktsamhet som kan övervakas kontinuerligt. Målet var att bidra till att ge producenter en förbättrad bevakning av gårdens djurhälsa genom att utveckla metoder för tidig upptäckt av trender i dessa indikatorer. Hälsorelaterade indikatorer skapades med hjälp av data från WinPig (PigVision), som används av många grisgårdar i Sverige. Ur ett metodologiskt perspektiv har forskningen tillfört avancerade metoder för att hantera nya typer av statistiska indikatorer. Rent praktiskt utvecklades ett prototypsystem med hjälp av grishälsorådgivare. Systemets prestanda utvärderades med hjälp av simulerade utbrott av grissjukdomen Porcine Reproductive and Respiratory Syndrome (PRRS). Systemet visade sig kunna ge tidig upptäckt av oväntade trender och fungerade som ett användbart verktyg för övervakning av hälso- och produktionsförluster.

PigPeaks-projektet syftade till att skapa ytterligare nytta av data som samlas in på grisgårdar och därmed hjälpa till att förebygga och kontrollera sjukdomar och andra problem som kan påverka djurhälsa och produktivitet. Projektet tog fram beräkningar som kan användas för löpande analys av data från register över händelser som djurägare och stallpersonal redan samlar in som en del av sitt dagliga arbete.
De flesta av de grisproducenter i Sverige som väljer att använda ett digitalt system för registrering av produktion och reproduktionshändelser använder programvaran WinPig. Rådgivare från Gård & Djurhälsan hjälpte till att översätta dessa registreringar till indikatorer på produktion och reproduktionsprestanda för grisar i olika produktionsfaser. Vi utvecklade sedan statistiska arbetsflöden som automatiskt läser all data som matas in i programvaran varje vecka, och skapar en tidslinje för varje indikator.
För att övervaka reproduktiv prestanda (fruktsamhet) skapades till exempel indikatorer som ”andel av betäckningar som resulterar i dräktighet” eller ”dagar till omlöpning”. Den totala reproduktionsförmågan mäts med indikatorer som ”dagar mellan grisningar” och ”ålder vid första grisning”. Olika indikatorer konstruerades för att följa suggors fruktsamhet, dödlighet hos smågrisar vid grisning och avvänjning, samt dödlighet under tillväxtperioden.
Projektet utvecklade sedan ett statistiskt arbetsflöde som automatiskt analyserar dessa indikatorer varje vecka och flaggar när indikatorernas värde är oväntat högt eller oväntat lågt, med tanke på varje gårds egen historiska baslinje. Systemet bygger på maskininlärning, där algoritmerna lär sig vad som är den normala produktivitetsnivån på gården och larmar de veckor när avvikelser uppstår. Larmen kan vara orsakade av att en ny smitta kommit in i besättningen, eller någon annan störning som kan behöva rättas till.
För att testa systemets prestanda simulerade vi ett utbrott av grissjukdomen Porcine Reproductive and Respiratory Syndrome (PRRS) på en av gårdarna som frivilligt lämnade in sina data för studien. Systemet kunde upptäcka utbrottet genom de övervakade indikatorerna.
Projektet visade att det är möjligt och användbart att analysera data som redan samlats in på gårdar för att automatiskt övervaka produktiv och reproduktiv prestanda. Antalet möjliga indikatorer är dock mycket högt vilket kan leda till svårigheter att tolka de larm som systemet genererar. Det gäller också att bestämma när man ska agera.
Vi skapade en prototyp för ett användarverktyg med en interaktiv översikt (instrumentbräda) för visualisering av nyckelindikatorer (https://sva-se.github.io/PigPeaks). För att verktyget ska vara användbart i praktiken krävs ytterligare två huvudsakliga utvecklingsspår. För det första behövs ytterligare metodologisk forskning för att kombinera bevis från alla indikatorer, vilket skulle ge djurägaren ett enda mått på gårdens hälsa, eller åtminstone mer objektiva mått på prestanda. För det andra krävs ytterligare praktiskt arbete för att koppla indikatorn till verkliga beslutspunkter i det dagliga arbetet på gården. Genom sådan utveckling kommer systemet kunna användas av grisproducenter och fungera som ett objektivt underlag i beslut om vilka djurhälsoproblem som behöver prioriteras och eventuella åtgärder. Dessa aspekter utreds just nu ytterligare inom andra pågående projekt vid SVA och Gård & Djurhälsan.