Carlos Piñeiro

Veterinario, PhD, Diplomado ECPHM

Big Pig Data y el Internet de las Cosas Porcinas

25 de Octubre 2017

ContenidoLos datos manejan el mundo, y

el del Agro también

Digitalización porcina en marcha. 5 ejemplos.

Sostenibilidad y nuevos perfiles

Transformando los datos

en conocimiento rentable

SGI60%

CRO40%Investigación por contrato / CRO

o Modelos científicos en condiciones comerciales

o Producción, Sanidad, Bioseguridad, Medioambiente, RecursosHUmanos

o Licencias de Software

o Capacitación

o Consultoría

o Analítica

Sistemas de Gestión de la Información (SGI)

o Implementación a medida del SGI

o Areas: Reprodución, Producción y Bioseguridad

Analítica y apoyo a la

toma de decisiones

Llegan nuevas fuentes de datos

Muchas ya estan en el mercado

Se generan sin intervención humana

El desafío es procesarlos, integrarlos y extraer el valor que esconden

Digital Pen

.xml, .csv files

Base de datos

MySQL/SQL

Environmental Sensors Web Service

Parser: java

Tenemos datos de orígenes diferentesAnalisis y

visualización

.csv files

.txt, .csv files

Production Management Software (any)

SQL Server

ESF (feed intake, weight…)

VBA

Web applications

PHPXHTML

CSSJavaScript…

Integrate with Pigchamp

VBA

Hay ya ejemplos del Big

Data Porcino en curso?

1. Sistema de inteligencia

artificial para determinar el

momento optimo de la

cubrición

2. El patrón de ingesta en

lactación puede anticipar

problemas posteriores

Koketsu et al., Journal of Animal Sci., 1996

Hay 6 patrones

diferentes

E importan

Hay dos de riesgo

Hoy los vemos!

3. Predicción del

rendimiento reproductivo

basado en la

Historia de la granja

+

Datos meteorológicos

Predictive model in Reproduction (PigCHAMP Group, 2018)

Prof. Koketsu, U de Meiji, Tokyo

Combination of farm’s historic data and local weather stations

4. Predicción de brotes de

enfermedad basado en indicadores ambientales

Efecto del CO2

Modelo explicativo de brote respiratorio

Niveles altos de CO2 la semana previsa incrementan drásticamente la

probabilidad de un brote respiratorio

outbreak

healthy

▪ Machine Learning-Random Forest

La predicción es la media de predicción de un conjunto

aleatorio de arboles de decisión

Random forest

▪ Only data from sensors

ModelData

119 26

13 280

Accuracy 91.2%

Modelo predictivo

5. B-eSecure.

Bioseguridad en tiempo real

Biosecurity

Pigs management

Different kinds of VaccinesEl comportamiento de las personas

influye decisivamente sobre la

presencia de enfermedades

Califiquemos y cuantifiquemos

los movimientos en las granjas

Knowing the farm

Instalación de dispositivos

Otros beneficios: naturaleza humana… (real!)

Países

instalados

Sostenibilidad y nuevos perfiles

Eficiencia + Calidad a través de la digitalización determinarán en gran medida la sostenibilidad, incluyendo uso controlado de antibioticos

Gestor de indicadores, Responsable de bioseguridad, Consultor en interoperabilidad Agro