Neilibingsmodel Wolwêzen fan bargen

Nederlânske Voedsel- en Konsuminteproduktenautoriteit (NVWA)

De NVWA moat kontrolearje oft bargehâlders genôch soarch foar harren bisten jouwe. Dit algoritme helpt bedriuwen te finen wêr't de risiko's it grutst binne.

Lêst feroare op 22 april 2025 om 10:01 | Publikaasjestandaard 1.0

• Publicatiecategorie: Ympaktfolle algoritmes
• Impacttoetsen: Fjild net ynfierd.
• Status: Yn gebrûk

Algemene ynformaasje

Tema

Ekonomy

Begjindatum

2022-03

Kontaktgegevens

https://www.nvwa.nl/over-de-nvwa/contact

Link nei publykspagina

https://www.nvwa.nl/onderwerpen/dierenwelzijn/inspectieresultaten/inspectieresultaten-2023/inspectieresultaten-dierenwelzijn-varkens-2023

Ferantwurde gebrûk

Doel en impact

Dit algoritme is ûntworpen om de tiid fan ús ynspekteurs sa effisjint mooglik te brûken. Wy fiere wat kontrôles út by bedriuwen dy't tafallich selektearre binne. Op dizze manier hâlde wy goed yn 'e gaten hoe't it mei bargebedriuwen yn 't algemien giet. Derneist dogge wy ynspeksjes, om't wy in rapport krigen hawwe oer eat dat miskien net wetlik tastien is. Wy wolle dit gau útfine en, as it nedich is, oanpakke. Fierder besykje wy benammen bedriuwen te ynspektearjen dêr't in gruttere kâns liket te wêzen dat de regels net neilibbe wurde. Dit algoritme helpt sokke bedriuwen te finen. Dit wurdt folge troch in ynspeksje lykas wy altyd dogge. It betsjut dat wy mear ynspeksjes dogge by bedriuwen dêr't wat mis is, en minder by bedriuwen dêr't alles goed giet. Ynspeksjes dêr't de risiko's it grutst lykje te wêzen, binne wetlik ferplicht; Mei dit algoritme kinne wy ​​dat better dwaan.

Afwagings

Dit algoritme helpt ús bedriuwen te finen dêr't in gruttere kâns is dat bargen net neffens de wet hâlden wurde. Dan kinne wy ​​yngripe en derfoar soargje dat de situaasje ferbetteret. Dat is in grut foardiel. It algoritme soarget der ek foar dat wy der wis fan binne dat wy de risiko's op deselde wize berekkenje foar alle bedriuwen, mei ynformaasje dy't wy foar dit doel brûke meie. Dat is ek in foardiel.

In mooglik neidiel is dat it algoritme leart fan eardere ynspeksjes. Dit kin derta liede dat it algoritme hieltyd wer deselde bedriuwen foarstelt, of se hielendal oerslacht. In oar potinsjeel neidiel is dat ynspekteurs mear problemen kinne sjen as se witte dat se by in bedriuw binne, om't in algoritme it suggerearre hat. Dit kin derta liede dat guon bedriuwen mear boetes krije, om't it algoritme better is yn it finen fan se, net om't se minder oan 'e wet foldogge. Mar om't wy witte dat dizze risiko's besteane, kinne wy ​​ek maatregels nimme om se lyts te hâlden. Bygelyks, wy soargje derfoar dat ynspekteurs net wis binne oft in bedriuw troch it algoritme selektearre is. Op dizze manier wurdt harren oardiel net beynfloede.

Wy leauwe dat al mei al de foardielen swierder weagje as de neidielen.

Minskele tuskenkomst

Dit algoritme foarseit de kâns dat elke bargepleats net oan 'e wet sil foldwaan. Wy sille in list meitsje fan bedriuwen om te ynspektearjen fan 'e bedriuwen mei de heechste kânsen. It oantal bedriuwen op 'e list wurdt bepaald troch minsken, en de list sels wurdt ek mei de hân kontrolearre. As wy dan mooglike flaters of ferbetteringen ûntdekke, oanpasse wy it algoritme. Elk bedriuw op 'e list wurdt dan besocht troch in ynspekteur. It algoritme jout dêrom allinnich advys oer hokker bargebedriuwen ynspektearre wurde moatte. It algoritme nimt gjin besluten of jout advys oer de ynspeksje sels.

Risikobehear

Lykas wy earder skreaunen, sjogge wy twa grutte risiko's by it brûken fan dit algoritme. De earste is dat wy guon bargebedriuwen te faak of te min ynspektearje kinne. Om dit te foarkommen nimme wy ferskate maatregels. Earst bliuwe wy altyd ynspeksjes útfiere by bargebedriuwen dy't tafallich selektearre binne. Op dizze manier kontrolearje wy oft it algoritme echt helpt om mear problemen te detektearjen as wy oars soene dwaan. Twadens fergelykje wy de list mei bargebedriuwen dy't it algoritme foarstelt mei de list fan alle besteande bargebedriuwen. As wy fernimme dat it algoritme net mear goed genôch foarseit wêr't problemen binne, of altyd itselde type bedriuwen selektearret of oerslacht, dan ferbetterje wy it, of brûke wy it net. Derneist freegje wy ynspekteurs om harren ûnderfiningen te dielen op basis fan 'e útfierde ynspeksjes. Harren feedback helpt ús om it algoritme fierder te ferbetterjen.

It twadde risiko is dat it algoritme ynfloed hawwe kin op wat ynspekteurs tinke fan 'e bedriuwen dy't se ynspektearje. Om derfoar te soargjen dat dit sa min mooglik bart, regelje wy it sa dat in ynspekteur noait wis wit oft in bedriuw troch it algoritme foarsteld is. Derneist ferklearje wy dúdlik dat it algoritme allinich in kâns berekkent. It feit dat in bargepleats troch it algoritme suggerearre is, betsjut net echt dat der wat mis is; allinnich dat it liket op bargepleatsen dêr't wy earder in probleem fûn hawwe.

Yn 't algemien tinke wy dat de risiko's fan it algoritme lyts binne. Der is in soad minsklike kontrôle; wy dogge ek ynspeksjes dêr't it algoritme neat mei te krijen hat; en it totale oantal bedriuwen dat ynspektearre is op advys fan it algoritme is net sa grut.

Wettlike basis

• De Dierenwet
• Beslút oer bistebesitters

Links nei wettlike basis

• De Wet Dieren: https://wetten.overheid.nl/BWBR0030250/2024-07-01
• Besluit houders van dieren : https://wetten.overheid.nl/BWBR0035217/2024-07-01

Wurking

Gegevens

It algoritme brûkt gegevens út fjouwer boarnen:

1. Us eigen ynspeksjeresultaten,
2. it systeem wêryn't bargeboeren de ferpleatsing of dea fan har bisten melde moatte ('I&R'),
3. de 'lânboutelling', wêryn alle boeren jierliks ​​de skaaimerken fan harren pleats melde moatte,
4. de 'basisadministraasje fan adressen en gebouwen', dy't gegevens befettet oer alle Nederlânske gebouwen ('BAG').

Links nei gegevensboarnen

• I&R: https://www.rvo.nl/onderwerpen/identificatie-en-registratie-dieren/varkens-melden/varkens-verplaatsen
• landbouwtelling: https://www.rvo.nl/onderwerpen/gecombineerde-opgave
• BAG: https://www.kadaster.nl/zakelijk/registraties/basisregistraties/bag

Technyske wurking

It algoritme is oant no ta by elk gebrûk bywurke. Ferskate tafersjochhâldende masineleartechniken wurde fergelike en de meast foarsizzende wurdt selektearre. Wy brûke dizze techniken om automatysk de korrelaasje tusken bedriuwskarakteristiken en ynspeksjeresultaten te learen. Om dit te dwaan, ferdiele wy alle beskikbere ynspeksjes yn in trainingsset en in testset. De ynspeksjes yn 'e trainingsset leare de gearhing; De ynspeksjes yn 'e testset wurde brûkt om te testen oft de berekkene korrelaasje ek foarsizzend is foar ynspeksjes dy't it algoritme net earder sjoen hat.

Leveransier

It algoritme is makke troch de NWVA sels.