산란 커브: 최산란이 돈이 되는 수치가 아니다

지속성이 돈이 되는 수치다

최산란 이후 커브는 한 방향으로만 갑니다 - 아래로. 지속성은 그것이 얼마나 천천히인가입니다. Lohmann의 표 18에서 곧바로 읽히십시오: LSL-Lite는 38주 동안 90% 이상의 암탉일 산란을 유지합니다; Brown-Classic은 29주입니다. 같은 최산란, 거의 최산란에 가까운 산란의 9주 추가 - 커브에서 아무도 목표로 잡지 않는 부분에 자리합니다. 그것은 최산란의 각주가 아니라; 군집이 돈이 되는가를 결정하는 수치입니다.

알이 많다고 알 질량이 더 많은 것은 아니다

95주까지의 한 사이클에서 LSL은 445개, Brown은 430개의 알을 낳습니다 - 그런데도 Brown의 알이 더 무겁습니다(평균 65.2g vs 61.9g), 그래서 총 알 질량은 Brown이 앞섭니다, 산란 입식 모돈당 28.02kg vs 27.57kg. 산란율이 떨어지면서도 난중은 계속 올라갑니다. 두 수치는 반대 방향으로 움직여 알 질량은 알 수가 떨어지기 시작한 지 한참 뒤까지 유지됩니다 - 그리고 산란율(%)만으로는 군집을 읽을 수 없습니다.

품종별 최산란 도달과 지속성 - Lohmann에서 다시 그린, 90% 이상으로 유지된 LSL-Lite 대 Brown-Classic 암탉일 산란.

당신이 보는 하락은 이미 며칠 된 것이다

호주 팀은 커브를 예측할 수 있는 것으로 진지하게 다뤘습니다: 4개의 상업 무방사 군, 106군, 35,346군-일, Lohmann Brown 목표 커브에 대해 예측했습니다. 한 농장의 역사로 학습한 Random Forest는 중앙 AUC 0.86, RMSE 2.8로 산란율을 예측했습니다 - 그리고 3개의 다른 농장에서만 학습한 모델은 목표 농장을 거의 같은 정확도로 예측했습니다(AUC 0.89). 커브는 농장 사이에 전이될 만큼 규칙적입니다. 하지만 모두를 합치는 것이 일관되게 도움이 되지는 않았습니다: 결합 모델은 최상의 회귀 오차(RMSE 2.55)와 가장 약한 하락 감지(AUC 0.82)를 보였습니다. 데이터가 많다고 자동으로 더 나은 것은 아닙니다.

예측 연구에서 - 산란 커브는 농장 사이에 전이될 만큼 규칙적이지만, 하락은 시작된 후 평균 며칠 뒤에 나타납니다.

컨베이어 벨트 위에 어떤 새가 남아 있는가

여기의 모든 수치는 하루에 한 번 읽는 군집 평균입니다. 평균은 지속성을 결정하는 질문을 감춥니다: 군집이 무엇을 하는가가 아니라, 어떤 개별 암탉이 여전히 낳고 있고 어떤 것이 조용히 빠졌는가. 완만한 하락처럼 보이는 커브가 실제로는 잘 낳고 있는 더 적어진 암탉일 수 있습니다 - 그리고 평균은 어느 쪽인지 알려주지 않습니다.

나아가는 방향

DeepLoop는 이 커브에서 아무도 그리지 않는 층을 연구합니다 - 하루 한 번의 군집 평균이 아니라, 어떤 새가 여전히 벨트 위에 있는가. 지속성은 새별 이야기이며, 일찍 읽는 것이 하락을 관리하는 것과 하락에 놀라는 것의 차이입니다.