Model foar neilibjen fan it wolwêzen fan bargen

Nederlânske Voedsel- en Konsuminteproduktenautoriteit (NVWA)

De NVWA (Nederlânske Voedsel- en Warenautoriteit) is ferantwurdlik foar it kontrolearjen oft bargehâlders foldwaande soarch foar har bisten leverje. Dit algoritme helpt bedriuwen de heechste risiko's te identifisearjen.

Lêst feroare op 26 jannewaris 2026 om 13:24 | 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/dieren-houden-en-verzorgen/inspectieresultaten/2023/varkens

Ferantwurde gebrûk

Doel en impact

Dit algoritme is ûntworpen om de tiid fan ús ynspekteurs te maksimalisearjen. Wy fiere wat ynspeksjes út op pleatsen dy't willekeurich selektearre binne. Hjirmei kinne wy ​​goed yn 'e gaten hâlde hoe't it mei bargebedriuwen yn 't algemien giet. Wy fiere ek ynspeksjes út, om't wy in melding krigen hawwe fan eat dat mooglik yllegaal is. Wy wolle dit fluch ûndersykje en, as it nedich is, oanpakke. Fierder rjochtsje wy ús op it ynspektearjen fan pleatsen dêr't in grutter risiko op net-neilibjen liket te wêzen. Dit algoritme helpt sokke pleatsen te identifisearjen. Dêrnei folget in ynspeksje lykas gewoanlik. Dit resulteart yn dat wy mear ynspeksjes útfiere op pleatsen dêr't eat mis is en minder op pleatsen dêr't alles goed giet. Ynspeksjes dêr't de risiko's it grutst lykje te wêzen, binne wetlik ferplicht; dit algoritme stelt ús yn steat om dit effektiver te dwaan.

Afwagings

Dit algoritme helpt ús pleatsen te identifisearjen dêr't in hegere kâns is dat bargen yllegaal hâlden wurde. Dit stelt ús yn steat om yn te gripen en de situaasje te ferbetterjen. Dat is in grut foardiel. It algoritme soarget der ek foar dat wy der wis fan binne dat wy risiko's konsekwint berekkenje foar alle pleatsen, mei help fan ynformaasje dy't wy brûke meie. Dat is noch in foardiel.

In potinsjeel neidiel is dat it algoritme leart fan eardere ynspeksjes. Dit kin derta liede dat it algoritme hieltyd wer deselde bedriuwen foarstelt, of se sels hielendal oerslacht. In oar potinsjeel neidiel is dat ynspekteurs mear problemen kinne identifisearje as se witte dat se by in bedriuw binne, om't in algoritme it foarsteld hat. Dit kin derta liede dat guon bedriuwen mear boetes krije, om't it algoritme se better kin fine, net om't se minder goed foldogge oan de regels. Mar om't wy witte dat dizze risiko's besteane, kinne wy ​​ek maatregels nimme om se te minimalisearjen. Wy soargje der bygelyks foar dat ynspekteurs net wis binne oft in bedriuw troch it algoritme selektearre is. Op dizze manier wurdt har oardiel net beynfloede.

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

Minskele tuskenkomst

Dit algoritme foarseit de kâns op net-neilibjen foar elke bargepleats. Wy stelle in list mei pleatsen gear foar ynspeksje út dyjingen mei de heechste kâns. It oantal pleatsen op 'e list wurdt bepaald troch minsklike resinsje, en de list sels wurdt ek mei de hân kontrolearre. As wy potinsjele flaters of ferbetteringen ûntdekke, oanpasse wy it algoritme. Elke pleats op 'e list wurdt dan besocht troch in ynspekteur. It algoritme advisearret dêrom allinich hokker bargepleatsen ynspektearre wurde moatte. It nimt gjin besluten of jout advys oer de ynspeksje sels.

Risikobehear

Lykas wy earder skreaunen, sjogge wy twa wichtige 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 sille wy trochgean mei it ynspektearjen fan willekeurich selektearre bargebedriuwen. Op dizze manier ferifiearje wy oft it algoritme eins helpt om mear problemen te detektearjen dan wy oars soene dwaan. Twad, fergelykje wy de list mei bargebedriuwen dy't troch it algoritme suggerearre wurde mei de list fan alle besteande bargebedriuwen. As wy fernimme dat it algoritme problemen net langer sekuer genôch foarseit, of altyd itselde type bedriuwen selektearret of oerslacht, sille wy it ferbetterje of it gebrûk derfan stopsette. Wy freegje ynspekteurs ek om har ûnderfiningen te dielen op basis fan har ynspeksjes. Harren feedback helpt ús it algoritme fierder te ferbetterjen.

It twadde risiko is dat it algoritme ynfloed hawwe kin op wat ynspekteurs tinke oer de pleatsen dy't se ynspektearje. Om dit te minimalisearjen, regelje wy it sa dat in ynspekteur nea wis is oft in pleats troch it algoritme suggerearre is. Fierder ferklearje wy dúdlik dat it algoritme allinich in kâns berekkent. It feit dat in bargepleats troch it algoritme suggerearre is, betsjut net needsaaklik dat der wat mis is; it betsjut gewoan dat it liket op bargepleatsen dêr't wy earder in probleem fûn hawwe.

Yn 't algemien binne wy ​​fan betinken dat de risiko's fan it algoritme lyts binne. Der is in soad minsklik tafersjoch; wy fiere ek ynspeksjes út dy't it algoritme net belûke; en it totale oantal bedriuwen dat ynspektearre wurdt op basis fan 'e oanbefellings fan it algoritme is net sa grut.

Wettlike basis

• De Dierenwet
• Beslút oer bistebesitters

Links nei wettlike basis

• The Law on Animals: https://wetten.overheid.nl/BWBR0030250/2024-07-01
• Animal husbandry decree: 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 'Basisbehear 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
• agricultural census: 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 tafersjochhâlden masineleartechniken wurde fergelike en de meast foarsizzende wurdt selektearre. Wy brûke dizze techniken om automatysk de korrelaasje tusken wurkingskarakteristiken en ynspeksjeresultaten te learen. Om dit te dwaan, ferdiele wy alle beskikbere ynspeksjes yn in trainingsset en in testset. De korrelaasje wurdt leard mei de ynspeksjes yn 'e trainingsset; de ynspeksjes yn 'e testset wurde brûkt om te testen oft de berekkene korrelaasje ek foarsizzend is foar ynspeksjes dy't it algoritme noch net earder tsjinkaam is.

Leveransier

It algoritme is makke troch de NWVA sels.