Optimal risk based short term decision making for aquaculture.

Hovedformålet med prosjektet er å utvikle et effektivt verktøy for operativ beslutningsstøtte i akvakultur basert på presis datainnhenting og kunstig intelligens kombinert med spisskompetanse innen stokastisk modellering og matematisk optimering. Verktøyet skal kunne bearbeide og systematisere store mengder data, og gi råd om hvilke disposisjoner som totalt sett gir det beste produksjonsresultatet. Oppdrett av laks har utviklet seg til en stor og omfattende marin industri med betydelig dynamikk og kompleksitet. Driftsplanlegging i moderne fiskeoppdrett krever håndtering av store mengder informasjon som beskriver status for en fiskegruppe med antall, størrelse, veksthastighet og helsetilstand, hvilke miljøbetingelser fisken lever under, driftsforhold, markedsforhold og logistikk. Det er snakk om svært store datamengder med høy nytteverdi dersom de kobles sammen og prosesseres på riktig vis, men det har frem til nå ikke vært utviklet specifikke verktøy tilpasset dette formålet. Norsk havbruksnæring høster fisk tilsvarende 17 millioner måltider hver dag med verdi opp mot 200 millioner kroner. Fisken har høyest verdi mot slutten av produksjonssyklus. I denne fasen er også en del risikofaktorer spesielt tydelige og beslutninger tidskritiske, noe som øker viktigheten og nytteverdien av et verktøy som støtter data- og kunnskapsdrevne beslutninger i denne fasen. Mer spesifikt hadde prosjektet hadde som mål å forbedre kortsiktig beslutningstaking innen havbruk, et felt kjennetegnet av høy usikkerhet og komplekse risikofaktorer, inkludert parasittiske lakselus, sykdommer og oksygennivåer. Det primære målet var å utvikle et høy presisjons beslutningsstøtteverktøy for seks ukers slakteplanlegging, med fokus på optimal utnyttelse av fiskemateriale og effektiv håndtering av risikoer, spesielt de som er forårsaket av lakselusbehandlinger og deres effekter. Et betydelig resultat var utviklingen av en spatiotemporal prognosemodell. Denne modellen tar for seg dynamikken mellom lakselusinfestasjoner og behandlinger, og tilbyr viktig støtte for operasjonell risikostyring. Dens spatiotemporale natur er ny og inkluderer geografisk plassering og strømavstand mellom forskjellige havbruksanlegg og hvordan dette påvirker lusbehandlinger. I tillegg formulerte prosjektet en beslutningsmodell som tar for seg sekvensiell beslutningstaking i akvakulturdrift, og vurderer verdien av forskjellige stier (slaktesekvenser/burvalg) og deres implikasjoner for fremtidige operasjoner. Disse modellene har forbedret konsistensen i beslutningstaking, spesielt i komplekse og tilbakevendende situasjoner, og er tett i tråd med prosjektets mål. For forskningsfeltet representerer dette prosjektet et betydelig fremskritt i prognostisering og håndtering av operasjonell risiko relatert til lakselus i akvakultur. Det har forbedret forståelsen og anvendelsen av komplekse stokastiske modeller i virkelige scenarier. Implikasjonene for handel, industri og samfunnet inkluderer potensielle betydelige kostnadsbesparelser og forbedringer i operasjonell effektivitet i akvakulturindustrien. Disse forbedringene kommer gjennom redusert dødelighet, bedre fiskevelferd og kvalitet på høstet fisk, og økt veksthastighet hos fisken. Utnyttelsesstrategien innebærer å anvende prognosemodellen i akvakulturoperasjoner for å optimalisere slakteplanlegging og redusere risikoer forbundet med lakselusbehandlinger. Det pågående arbeidet fokuserer på å utforske modellens potensial i forskjellige settinger/geografiser og forfine dens prediktive nøyaktighet. De forventede resultatene inkluderer betydelig fremskritt i operasjonell beslutningstaking og risikostyring i akvakultur, noe som fører til mer bærekraftige og lønnsomme praksiser.

The work has led to the publication of several research papers during the project, and two papers are in the process of being submitted now at the end of 2023. Optimeering Aqua plans to continue the work done in this project together with the key research partners and explore the commercial viability of implementing the results.

Salmon farming is by its nature an operation with significant uncertainty along several axes involving a number of risk factors (sea lice, disease, low oxygen, etc) that all can have a major impact on production. Towards the end of the production cycle stock value is at the highest level. At this point fish density will normally also be high, which reduces safety margins related to environmental factors like temperature and oxygen levels. High average fish weight implies increasing physiological challenges to individual fish with corresponding increase of mortality risk, especially in relation to operations like sea lice treatment. Optimal harvest planning must bring all these elements into consideration, along with downstream dispositions like wellboat availability, harvesting capacity, market demand development. Harvest planning involves important decisions with high potential impact on profitability and are based on complex considerations. Paradoxically short term harvest planning is today performed manually supported by internally developed spreadsheets. We aim to develop a decision support tool for analyzing potential risk related to alternative operational dispositions, and for providing specific and precise support for optimal harvest planning.