Abstract:
У кваліфікаційній роботі досліджено ефективність використання інформаційних систем із штучним інтелектом для контролю технологічних показників у промисловому птахівництві. Проаналізовано сучасні підходи до цифровізації галузі, використання Precision Livestock Farming, Big Data, IoT та машинного навчання. На прикладі ТОВ «Вінницька птахофабрика» розглянуто систему SmartTA, її архітектуру та інтеграцію з SCADA/IoT, SAP S/4HANA, корпоративним сховищем даних, BI-звітністю та AI/ML-моделями. Охарактеризовано основні модулі системи: управління мікрокліматом, FeedWise, Mortality Traceability, Production KPI Forecast та Predictive Early Equipment Warning. Встановлено, що SmartTA забезпечує перехід від реактивного до проактивного управління вирощуванням бройлерів, сприяє ранньому виявленню відхилень і покращенню управлінських рішень. Після впровадження системи відзначено позитивну динаміку збереженості поголів’я, середньодобового приросту, FCR та точності прогнозування живої маси.
Description:
The qualification thesis investigates the effectiveness of using artificial intelligence-based information systems for monitoring technological parameters in industrial poultry production. Modern approaches to the digitalization of the industry are analyzed, including the use of Precision Livestock Farming, Big Data, IoT, and machine learning. Using LLC “Vinnytsia Poultry Farm” as a case study, the SmartTA system is examined, including its architecture and integration with the SCADA/IoT layer, SAP S/4HANA, the corporate data warehouse, BI reporting, and AI/ML models. The main system modules are characterized: microclimate management, FeedWise, Mortality Traceability, Production KPI Forecast, and Predictive Early Equipment Warning. It was established that SmartTA enables the transition from reactive to proactive broiler-growing management, supports early detection of deviations, and improves the quality of managerial decision-making. After the implementation of the system, positive dynamics were observed in flock livability, average daily gain, FCR, and the accuracy of live body weight prediction.
