AIを用いたデータ駆動/連携型畜産の経営手法開発：経験的経営から科学的経営へ

研究課題

研究課題/領域番号	23K05425
研究種目	基盤研究(C)
配分区分	基金
応募区分	一般
審査区分	小区分41020:農業社会構造関連
研究機関	静岡大学
研究代表者	遊橋裕泰静岡大学, 情報学部, 教授 (90627374)
研究分担者	大塚誠静岡県立農林環境専門職大学, 生産環境経営学部, 准教授 (70611101)
研究期間 (年度)	2023-04-01 – 2028-03-31
研究課題ステータス	交付 (2023年度)
配分額 *注記	4,810千円 (直接経費: 3,700千円、間接経費: 1,110千円) 2027年度: 520千円 (直接経費: 400千円、間接経費: 120千円) 2026年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円) 2025年度: 520千円 (直接経費: 400千円、間接経費: 120千円) 2024年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円) 2023年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
キーワード	データ駆動/連携型畜産 / AI予測モデル / コントロールドライバー / 経営改善実践
研究開始時の研究の概要	本研究は、養豚業における繁殖・肥育・出荷の成績データと業務改善施策の間に存在するミッシングリンクをAIを用いた予測モデルで結びつける位置づけとなる。具体的には、①ファーストケース農場におけるAI予測モデルのベンチマーク環境構築と、②AI予測モデルを用いた経営手法の一般化と農場間データ連携の有効性検証に取り組む。①②共に、協力農場における業務改善の実践とその評価までおこなう。
研究実績の概要	Society5.0を実現するスマート農業の科学技術トレンドがあり、データ駆動型農業に取り組むことで、労働力不足の解消や、新サービス創出、ムリ・ムダのないフードチェーンなどが実現すると期待されている。養豚業においては、ロシアによるウクライナ侵攻をきっかけとして、飼料と燃料の高騰しており、効率的で柔軟な経営「データ”駆動”型畜産」が必要とされている。また、国内の豚熱の防疫で農場間の往来が制限されていることに伴い、養豚経営に関する情報交換も滞っている。データレベルで他農場と情報共有する経営「データ”連携”型畜産」が打開策となりうるのではないか。本研究では、「養豚業界における常識や過去の経験に基づいた経営の限界を超えて、データ駆動/連携型の科学的経営へ、パラダイムシフトを促すこと」である。そのために、AIを活用したデータ”駆動/連携”型畜産を実現する経営手法の開発をおこなう。学術的な独自性は、スマート農業化を現場ではなく経営者の観点からAI（機械学習）を利用して進めることにあり、新たな農法への可能性を切り拓く創造性を有している。関連研究としては、農業・食品産業技術総合研究機構の養豚ベンチマークシステム「PigINFO」などがあるが、データ分析結果と業務改善施策の間にミッシングリンクがある。本研究は、このミッシングリンクに対してAIを用いた予測モデルで結びつける位置づけとなる。具体的には、①ファーストケース農場におけるAI予測モデルのベンチマーク環境構築と、②AI予測モデルを用いた経営手法の一般化と農場間データ連携の有効性検証に取り組む。①②共に、協力農場における業務改善の実践とその評価までおこなう。
現在までの達成度 (区分)	現在までの達成度 (区分) 3: やや遅れている理由ファーストケース農場を対象に、繁殖・肥育・市場出荷の各プロセスにおいて具体的な経営課題（業務改善点）を洗い出した。2023年度におこなったリサーチアクションは、以下となる。 (1) 繁殖の最適化：母豚の産歴や豚種、飼育環境などを勘案し、経営パフォーマンスを向上させるAI予測モデルを構築し、養豚における実践方法を検討した。具体的には、対象農家における純粋種の母豚を廃用する産歴基準について明らかにすることと、繁殖成績を代表する指標である年間交配雌豚一頭当たりの離乳子豚数(PWMFY)と関連指標の相互関係を確認することに取り組んだ。純粋種豚の廃用する産歴基準における分析では、繁殖指標を説明する数学モデルを構築し重回帰分析を行った後、重回帰分析の係数加算結果より基準を検討し、農場別に基準を定めた。純粋種豚のPWMFYと関連指標の相互関係を確認する分析では、農場別に、繁殖指標の平均値を年間ごとに算出し分散分析を行い、年間及び農場間の平均値の差を調べ、偏相関分析を行った。その結果から、純粋種豚における産歴による淘汰基準と生産性に関する指標間の相互関係を明らかにした。 (2) 市場出荷の最適化：肉豚の発育や飼料コスト、市場価格に基づくAI予測モデルを構築し、収益率向上の実践をおこなった。具体的には、出荷豚1頭当たり粗利益に対して、等級ごとの多重比較を行い、等級と利益の関係を明らかにした。そして、出荷豚1頭当たり粗利益を目的変数とし、重回帰分析及び決定木分析によりモデルを構築した。モデルを利用した分析の結果、等級「上」と「中」の利益は同等のものであり、その他の等級の組み合わせでは利益に有意な差が見られた。特に利益に対しては、飼料費は負の影響を、枝肉重量は正の影響を及ぼしていることが判明した。研究の進捗はあるものの対外発表をおこなえていないため、区分は「(3)やや遅れている。」とした。
今後の研究の推進方策	2023年度に研究を進めた「(1) 繁殖の最適化」と「(2) 市場出荷の最適化」については、引き続き研究を深化・発展させると共に、査読誌への投稿など対外発表を進める。また、「(3) RA2_肥育の最適化」として、肉豚肥育のAI予測モデルを構築し、雄豚去勢の必要性や暑熱ストレスの対策などの諸問題に関する比較対照実験をおこなう。加えて、「(4) データに基づく農場間比較とデータ連係方法の探索」として、AI予測モデルとベンチマーク環境を利用した複数農場間のデータ比較と経営改善実践から、差分を改善する方策を検討し、複数農場での有効性を検証する。