РАЗРАБОТКА МЕТОДА ОТСЛЕЖИВАНИЯ ВНЕПЛАНОВЫХ ВСПЛЕСКОВ ЗНАЧЕНИЙ ПРОИЗВОДСТВЕННЫХ ХАРАКТЕРИСТИК В УСЛОВИЯХ ЖИВОТНОВОДЧЕСКОГО ПРОИЗВОДСТВА

Антонов Л.В.

Аспирант, Муромский институт Владимирского государственного университета

РАЗРАБОТКА МЕТОДА ОТСЛЕЖИВАНИЯ ВНЕПЛАНОВЫХ ВСПЛЕСКОВ ЗНАЧЕНИЙ ПРОИЗВОДСТВЕННЫХ ХАРАКТЕРИСТИК В УСЛОВИЯХ ЖИВОТНОВОДЧЕСКОГО ПРОИЗВОДСТВА

Аннотация

В статье рассматривается задача идентификации периодов внеплановых всплесков значений производственных характеристик животных молочного хозяйства. Решение данной задачи обеспечивается с помощью аппроксимации данных об активности животного с помощью метода наименьших квадратов и применения правила трех сигм к разности исходного временного ряда и ряда аппроксимации. Разработанный алгоритм получил экспериментальную оценку, представленную в работе.

Ключевые слова: автоматизация животноводческого предприятия, метод наименьших квадратов.

Antonov L.V.

Postgraduate student, Murom Institute (branch) of Vladimir State University

DEVELOPMENT OF METHOD FOR MONITORING THE SUDDEN SURGE VALUES OF PRODUCTION CHARACTERISTICS ON LIVESTOCK PRODUCTION

Abstract

Problem of identification periods of sudden surge values of production characteristics for dairy farming's animals is presented in the article. Solution of the problem is provided by data approximation of the activity animal and the application of the rules of three-sigma for the difference between of the original time series and approximation time series. The developed algorithm received experimental evaluation.

Keywords: automation of the livestock enterprise, the method of least squares.

Введение

В последнее время стабилизация ситуации в отрасти автоматизации животноводства активизировала спрос на программные продукты, призванные обеспечить эффективное производство с минимальными денежными потерями и высоким уровнем качества продукции. Повсеместное внедрение автоматизированных систем управления животноводческими предприятиями дало возможность получить информацию с различных датчиков о состоянии животного. За мониторинг и подсчет общей активности животного ответственны электронные шагомеры, специальные ошейники, детекторы движений. Большинство из них предназначены для выявления беспокойства и резкого изменения поведения животных. Обнаружение и идентификации случаев резкого увеличения активности и беспокойства животного требует специального программного обеспечения, поставляемого в составе систем управления фермой (например, AlproWinDeLaval). Совместно с измерением ежедневной активности животного в автоматизированных системах часто используются такие параметры как: надой молока, температура молока, электропроводность, химический состав молока. Каждая узкопрофильная система использует перечисленные параметры согласно своему профилю работы на предприятии, но не существует единого метода, позволяющего контролировать все жизненные и производственные параметры животного одновременно. Таким образом, если система не способна отследить резкие перепады значений состояния животного, производственный процесс может быть нарушен [3].

Целью настоящей работы является разработка метода автоматического мониторинга отклонений производственных параметров; исследование алгоритма на реальных производственных данных об активности и его апробация для работы с данными других датчиков для своевременного выявления критических отклонений значений показателей жизнедеятельности в других производственных задачах.

Разработка математической модели

На рисунке 1 представлен временной ряд активности животного за один лактационный цикл. В рамках решения задачи выявления охоты этого животного на графике выделяются стабильный участок (A-B), а также период с резкими нехарактерными перепадами значений (B-C), который сигнализирует об изменении в поведении животного. Всплески этого периода должны идентифицироваться алгоритмом.

Рис. 1 - Временной ряд изменения показателя активности животного

 

На стабильном участке график ряда значений ежедневной активности можно разложить на две составляющие: тренд и отклонение от тренда. Взаимодействие между собой регулярных составляющих может быть представлено как аддитивная комбинация:

     (1)

где Y(t) – значение активности в день измерения t; T(t) – тренд активности в этот день; E(t) –отклонение от тренда.

Примем за x - текущий день наблюдения за особью. Пусть D - количество дней в ретроспективном периоде. В соответствии с математической моделью был разработан алгоритм поиска всплесков и провалов параметра животного, сигнализирующих о вероятных проблемах с ним в текущий момент времени. Он состоит из следующих этапов:

1. Используя метод наименьших квадратов, определяются коэффициенты k_x и b_x прямой линии - тренда изменения исследуемого параметра на ретроспективном промежутке [x‑D, x-1].
2. Рассчитываются значения функции T(t) = k_xt + b_x на ретроспективном периоде [x‑D, x-1].
3. Из формулы (1) рассчитываются значения функции E(t) на ретроспективном периоде.
4. Определяется ожидаемое прогнозное значение параметра для текущего дня T(x).
5. Оценивается среднеквадратическое отклонение σ значений функции E(t) на ретроспективном периоде.
6. Если Y(x)-T(x)>3σ, то сигнализируется о всплеске значения параметра.
7. Если T(x)-Y(x)>3σ, то сигнализируется о резком падении значения параметра.

Применение разработанного метода возможно, только если исходные данные подчинены нормальному закону распределения [2].

Результаты исследований

На рисунке 2 визуально показаны пороги, полученные разработанным адаптивным алгоритмом. Можно наблюдать, что за эти границы выходят только значения сильных всплесков и провалов, характерных для изменения состояния коров.

Рис. 2 – результаты работы алгоритма выявления отклонений значений ежедневной активности животного

 

В исследовании обрабатывались данные, полученные со 100 коров в течение приблизительно 330 дней с датчиков измерения пяти параметров. Объективные количественные результаты экспериментальных исследований алгоритма применительно к данным о ежедневной активности животного сведены в таблицу 1. Результаты работы алгоритма сопоставлены с выводами экспертов.

 

Таблица 1 - Сопоставление выявления отклонений алгоритмом по отношению к мнению эксперта

	Значения параметра, отнесенные экспертом к пикам и спадам	Значения параметра, отнесенные экспертом к стабильному участку
Значения параметра, отнесенные алгоритмом к пикам и спадам	922	71
Значения параметра, отнесенные алгоритмом к стабильному участку	50	33705

  Выводы

В работе получен новый метод идентификации внеплановых всплесков значений параметров производственных данных животноводческого предприятия, основанный на применении правила трех сигм по отношению к разности исходного и аппроксимированного временных рядов. Результаты работы алгоритма по всем рассматриваемым критериям превосходят существующие. Процент ошибки определения периодов отклонения от нормы составляет менее одного, что в значительной степени ниже показателей систем-аналогов.

Литература

1. Орлов А.А., Антонов Л.В. Обзор и анализ современных информационных решений автоматизации животноводческих хозяйств // Современные проблемы науки и образования. – 2013. № 6; URL: http://www.science-education.ru/113-10943 (дата обращения: 29.11.2013).
2. Антонов Л.В., Варламов А.Д. автоматизация процесса мониторинга животноводческого предприятия на основе исследования временных рядов параметров крупного рогатого скота // Современные проблемы науки и образования. - 2013. № 6; URL: http://www.science-education.ru/113-10922 (дата обращения: 27.11.2013).

References

1. Orlov A.A., Antonov L.V. Obzor i analiz sovremennyh informacionnyh reshenij avtomatizacii zhivotnovodcheskih hozjajstv // Sovremennye problemy nauki i obrazovanija. – 2013. № 6; URL: http://www.science-education.ru/113-10943 (data obrashhenija: 29.11.2013).
2. Antonov L.V., Varlamov A.D. avtomatizacija processa monitoringa zhivotnovodcheskogo predprijatija na osnove issledovanija vremennyh rjadov parametrov krupnogo rogatogo skota // Sovremennye problemy nauki i obrazovanija. - 2013. № 6; URL: http://www.science-education.ru/113-10922 (data obrashhenija: 27.11.2013).