Horizon Planner
Les mer >
Horizon Growth Model
Horizon Growth Model er et paradigmeskifte innen vekstmodellering av oppdrettslaks. Vi snakker ikke om en kosmetisk forbedring av eksisterende modeller, men en helt ny type erfaringsbasert modell som estimerer forventet veksthastighet hver dag fra smoltutsett til slakt.
Ved å trene opp KI til å gjenkjenne vekstmønstre fra laks produsert på over 300 lokaliteter langs hele norskekysten har vi utviklet markedets mest avanserte og presise tilvekstmodell.
Siden den tar hensyn til langt flere faktorer enn andre modeller trenger du kun én modell for alle fisketyper. Dette forenkler oppsettet i planverktøyet ditt vesentlig – det er slutt på egne modeller for 0-åring/1-åring, og korreksjonsfaktorer for utsettstidspunkt eller hvor du er plassert langs kysten.
Hvordan klarte vi dette?
Presentasjon fra Aqua Nor 2025
I dette opptaket av vår direktesending fra Aqua Nor 2025 gir skaperen av modellen, Odd Inge Forsberg, en introduksjon til Horizon Growth Model – dette er vel anvendte 20 minutter for alle som er interessert i vekstmodellering. Odd Inge går gjennom grunnlaget for modellen, belyser noen av fordelene og resultatene vi har oppnådd.
Fundamentet i planlegging og optimalisering
En vekstmodell er et matematisk mønster som beskriver hvordan fremtidige tilvekstkurver vil kunne se ut. Modellen du velger å bruke er derfor helt avgjørende for presisjonen i prognosene dine.
Våre kunder stoler på at Horizon Planner gir et så presist bilde av fremtiden som mulig, slik at de vet når fisken skal slaktes, at de velger riktig fôrstrategi, at ressursene utnyttes optimalt – og sist men ikke minst: At de driver med optimal lønnsomhet.
Derfor har vi i Horizon Software alltid lett etter den perfekte vekstmodellen. Vi konkluderte raskt at de eksisterende modellene ikke var i stand til å ta hensyn til de komplekse sammenhengene som påvirker tilveksten, og at de brukte alt for få variabler i beregningene. Dette er et problem i tradisjonell planlegging, og når vi ser fremover mot høyere grad av automatisering og bruk av optimaliseringsteknologi i planlegging blir problemet prekært. Vi valgte derfor å utvikle vår egen vekstmodell – Horizon Growth Model – med verktøy og metoder fra KI og maskinlæring.
Med disse metodene kan vi lage modeller som bedre fanger opp flere av faktorene som påvirker veksten. Slik øker vi presisjonen, og forenkler bruken av modellen. Det betyr at du bruker mindre tid på konfigurasjon, og kan flytte fokus fra planleggingsverktøyet til planleggingsfaget.
Hva blir resultatet?
Du kan stole på prognosene. Du kan være sikker på at rapportene du sender fra deg er korrekte. Du vet ressursene blir utnyttet optimalt, og at dere driver så lønnsomt som overhodet mulig. Siden Horizon dekker både biologi og økonomi vil presisjonen du oppnår i biologi følger deg sømløst videre inn i budsjettene.
Dette gjør Horizon Growth Model unik:
Datagrunnlag fra hele næringen
Horizon-modellen er trent på erfaringsdata fra nær 40% av norsk matfiskproduksjon (seks generasjoner av laks, G16–G21). Dataene omfatter daglige registreringer fra over 6000 merder på 300 forskjellige lokaliteter langs norskekysten. Dette enorme datagrunnlaget gjør modellen i stand til å fange opp regionale forskjeller og de seneste trendene i produksjonen.
Flere forklaringsvariabler
Ved hjelp av kunstig intelligens og maskinlæring identifiserer modellen komplekse sammenhenger i dataene som hverken tradisjonelle regresjonsteknikker eller det menneskelige øyne kan se. I motsetning til eksisterende vekstmodeller som kun bruker fiskestørrelse, vanntemperatur og daglengde/endring i daglengde som forklaringsvariable, inkluderer Horizon-modellen en rekke andre faktorer slik som:
- Døgngrader og daglengdesum
- Breddegrad for å justere for systematiske forskjeller i tilvekst som temperatur/daglengde ikke kan forklare
- Tidspunkt (ukenummer) for smoltutsett
- Automatisk korreksjon av forventede tapte fôringsdager
Kontinuerlige forbedringer
Ved å kontinuerlig å hente inn nye data og reanalysere modellen for hver generasjonsavslutning, trener vi opp modellen til å bli bedre over tid. Ved å vekte tilvekstresponsen for nyere generasjoner høyere enn eldre, vil modellen håndtere nyere trender innen genetikk, fôrresepter, og produksjonsteknologi.
Overlegen presisjon
Slaktevekt
Analyser av uavhengige datasett viser at Horizon Growth Model treffer innenfor ±10% av faktisk slaktevekt i 50% av alle smoltutsett. Dette en betydelig forbedring sammenlignet med tradisjonelle metoder.
Høy samvariasjon
Hele 80% av variasjonen i datasettet kan forklares av modellen.
Sesongvariasjoner
Mange av dagens vekstmodeller kan enten justeres slik at de treffer greit på slaktevekt, eller underveis i deler av vekstperioden. Vår modell treffer både på slaktevekt og hele vekstperioden. For alle fisketyper, uansett utsettsmåned, og smoltstørrelse. Uten justeringer.
Hva betyr det i praksis? Kun én linje i konfigurasjonen i planleggingsverktøyet ditt, og ingen fiskegrupper på feil modell.