Żel do wymion krowich: czy obniży liczbę komórek somatycznych?

Jak przygotować dane o SCC i cenie do modelu w AWS SageMaker?

Zbierz dane o krowach, zabiegach żelem, historii SCC i cenach, ujednolić je i wczytaj do SageMaker przez Data Wrangler, Processing i Feature Store.

W praktyce potrzebne są zdarzenia w czasie. Dla każdej krowy zapisz datę, produkt, dawkę i moment aplikacji. Dodaj SCC z doju i z prób kontrolnych, najlepiej z 7, 14 i 30 dni po zabiegu. Dopisz cechy krowy i laktacji, wydajność, fazę okołoporodową oraz warunki środowiskowe. Wydziel informacje o produkcie, na przykład typ działania i składniki aktywne. Z cen, wielkości opakowań i dawek policz koszt na zabieg i na krowę. Wykonaj czyszczenie, usuwając duplikaty i błędy dat. Następnie załaduj dane do SageMaker Feature Store, aby zachować spójność między treningiem, walidacją i predykcją.

Jak wybrać cechy i etykiety, by model przewidywał wpływ żelu na SCC?

Użyj cech krowy, środowiska i produktu, a etykietą niech będzie przyszła zmiana SCC lub ryzyko przekroczenia progu.

Dobrze działają cechy opisujące stan bazowy i kontekst. Warto uwzględnić:

• bazowy poziom SCC i jego trend z ostatnich tygodni,
• numer laktacji, dni w laktacji, zdarzenia okołoporodowe,
• wydajność mleka, przewlekłe schorzenia, historia mastitis,
• higiena doju i warunki legowisk,
• pora roku, temperatura i wilgotność,
• produkt i sposób użycia: typ żelu do wymion krowich, dawka, częstość.

Etykieta może mieć dwie formy. Regressja: zmiana SCC po 14 dniach względem poziomu z dnia zabiegu. Klasyfikacja: prawdopodobieństwo przekroczenia ustalonego progu SCC. Składniki aktywne warto zakodować jako cechy. Przykładowo, żel rozgrzewający z kamforą i srebrem koloidalnym, etanolem i nadtlenkiem wodoru, jak SILVECO NanoUdder Warming Gel, można opisać flagami: działanie rozgrzewające, komponent higieniczny, obecność srebra, obecność allantoiny i gliceryny.

Jak uwzględnić cenę przy optymalizacji rekomendacji żelu do wymion krowich?

Przelicz koszt terapii na krowę i na cykl, a potem optymalizuj wynik jako kompromis między spadkiem SCC i kosztem.

Dla każdego produktu wyznacz koszt jednostkowy zabiegu, uwzględniając dawkę i częstotliwość. Zdefiniuj funkcję użyteczności, na przykład przewidywany spadek SCC na jednostkę kosztu. Alternatywnie przyjmij ograniczenie, że rekomendacja musi zbić SCC poniżej progu, a wśród takich rozwiązań wybierz najtańsze. Możesz też pokazać użytkownikowi dwa warianty z granicy Pareto: opcję tańszą i opcję o większym przewidywanym spadku SCC. W decyzji warto uwzględnić także koszt pracy przy aplikacji oraz wpływ na dobrostan.

Jaką architekturę modelu w SageMaker wybrać dla przewidywania SCC?

Na start wybierz tablicowy model XGBoost w SageMaker, a dla oceny efektu konkretnego żelu rozważ modele efektu leczenia.

XGBoost to solidna baza dla danych tablicowych. Uczy się na cechach krowy, środowiska i produktu. W SageMaker masz gotowy kontener i automatyczne strojenie hiperparametrów. Jeśli chcesz uchwycić różne reakcje na produkty, użyj podejścia z efektami leczenia. Na przykład osobny model dla każdego typu żelu albo jedna sieć z cechą „produkt” i interakcjami. Możesz też zastosować T-learner lub DR-learner w niestandardowym kontenerze. Dla szybkiego startu sprawdzi się też Autopilot, który przetestuje kilka algorytmów. Gdy masz dużo tekstowych atrybutów produktu, rozważ TabTransformer w kontenerze niestandardowym.

Jak ocenić jakość modelu: metryki dla SCC i kosztu produktu?

Mierz błąd przewidywania SCC metrykami MAE lub RMSE, a decyzje kosztowe oceń przez kosztowo-skutecznościowe wskaźniki.

Dla klasyfikacji przekroczenia progu użyj AUC ROC i AUC PR, a także F1 przy wybranym progu. Sprawdź kalibrację prawdopodobieństw, aby rekomendacje były wiarygodne. Dla biznesu ważne są metryki kosztu i efektu, na przykład:

• średni przewidywany spadek SCC na krowę,
• koszt na uzyskany punkt spadku SCC,
• odsetek krów z SCC poniżej progu po 14 dniach przy danym budżecie.

Porównuj także interpretowalność. W SageMaker Clarify możesz policzyć wpływ cech (SHAP), co ułatwia zaufanie do modelu.

Jak przeprowadzić walidację modelu na danych z gospodarstwa?

Zastosuj walidację czasową i między stadami, a następnie mały pilotaż w terenie.

Podziel dane według czasu, aby trenować na starszych okresach i testować na nowszych. Unikaj przecieku informacji między krowami i okresami. Gdy masz wiele stad, część z nich zachowaj wyłącznie do testu. Jeśli dane są obserwacyjne, użyj metod wagowania, które uwzględniają skłonność do wyboru danego produktu. Po walidacji offline zaplanuj krótką próbę terenową z grupą kontrolną. Mierz SCC i obserwuj ewentualne objawy mastitis zgodnie z rutyną w gospodarstwie.

Jak wdrożyć model z SageMaker do systemu decyzji zakupowych?

Zarejestruj model w Model Registry, wystaw endpoint w SageMaker i zepnij go z systemem zamówień.

W praktyce strumień danych z doju i magazynu trafia do funkcji, która wywołuje endpoint. Wejście to profil krowy, dostępne żele do wymion krowich i bieżące ceny. Wyjście to rekomendacja produktu, przewidywana zmiana SCC i koszt na krowę, plus uzasadnienie z najważniejszymi cechami. SageMaker Pipelines pomoże zautomatyzować trening i wersjonowanie. Model Monitor śledzi dryf danych i spadek jakości. Gdy preferujesz wiele lekkich modeli, rozważ Multi-Model Endpoint.

Na co zwrócić uwagę przed wdrożeniem rekomendacji dla użytkowników?

Zadbaj o zgodność z procedurami weterynaryjnymi, przejrzystość działania i proste zasady stosowania.

Rekomendacja powinna zawsze działać obok standardów higieny doju. W interfejsie pokaż przewidywany efekt i koszt oraz krótkie uzasadnienie. Ustal sytuacje, gdy model nie powinien rekomendować zmiany, na przykład brak danych o krowie po wycieleniu. Dla konkretnych produktów sprawdź informacje producenta. Przykładowo, SILVECO NanoUdder Warming Gel to żel rozgrzewający z kamforą, srebrem koloidalnym, etanolem, nadtlenkiem wodoru, allantoiną i gliceryną. Producent podaje szybkie wchłanianie i brak okresu karencji, co ułatwia użycie w laktacji i zasuszeniu. Takie atrybuty można dodać do modelu jako cechy i jako treść edukacyjną dla użytkownika. Po wdrożeniu monitoruj wyniki i aktualizuj model wraz ze zmianami praktyk w oborze i sezonowości.