Feedalia · Gap e piano di test

Cosa manca per passare da un simulatore calibrato sulla letteratura a un gemello che impara dai dati di campo, e come misurarne l'affidabilità. Novembre 2026.

Torna a Feedalia

1. Dove siamo

Feedalia è un modello ancorato: parte dal latte misurato di una vacca e calcola quanto ogni cambiamento lo sposta. I coefficienti vengono da letteratura (NRC/NASEM, Niu, de Souza, Wood) e sono stati ricalibrati o confermati su tre fonti di dati reali: CowNflow (INRAE, 1.125 misure individuali), il dataset metano Penn State (223 confronti) e i controlli funzionali italiani LEO (7,85 milioni di controlli, 55 mila coppie, 1,95 milioni di analisi del BHB, mungiture giornaliere di 47 mila vacche). I moduli più recenti (riserve e lipidi, glucosio, rumine nelle 24 ore, minerali) sono costruiti su meta-analisi e lavori di fisiologia, ma non sono stati confrontati con misure di campo.

AreaStatoEvidenza
Latte e composizione per dietaprovatoCowNflow: guadagno +33% latte, +27% proteina, +5% grasso; Penn State +16% latte. Debole su grasso e proteina da dieta.
Azoto, urea, deiezioniprovatoMUN +44%, N urinario +61%, N fecale +22% (CowNflow).
MetanoprovatoVariazioni +34%; valore assoluto ±21%. Additivi da mediane pubblicate.
Calore, cellule, lattosioprovato su LEOPendenza del caldo ricalibrata (0,10 kg/THI mensile, 0,22 nelle ondate); lattosio e cellule confermati.
Chetosiprovato su LEOLatte, grasso e proteina per classe di BHB nel latte; conversione latte→sangue da soglie di letteratura, non da coppie misurate.
Ingestionenon previstaIl modello non prevede come l'ingestione cambia con la dieta: va misurata (modalità "Ingestione misurata").
Riserve, NEFA, fegato, glucosioda letteraturaNessun confronto con prelievi.
Rumine nelle 24 oreda letteraturaL'indice di pH medio predice male il pH misurato (Penn State, r ≈ 0,3); la curva giornaliera non è verificata.
Minerali e collassoda meta-analisiContenuti tabellari; nessun pH urinario o calcemia di campo.
Zoppia, stress, densità, acqua, primiparenon provatoNessun dataset disponibile li copre.
Dinamica nel tempoassenteModello a regime: non simula l'adattamento a una nuova dieta né l'evoluzione giorno per giorno.

2. Gap da colmare

2.1 Dati

2.2 Modello

2.3 Base di conoscenza e apprendimento

2.4 Software e dati di stalla

3. Una base di conoscenza che impara dai dati

Il principio: ogni coefficiente ha un valore di partenza dalla letteratura (la KB) e un'incertezza; i dati di campo lo spostano tanto più quanto più sono numerosi e coerenti. Tre livelli, dal più semplice.

LivelloCosa faCosa serveQuando
1. Correzione di stallaPer ogni variabile, misura l'errore medio fra osservato e previsto nella stalla e lo applica come correzione, con un peso che cresce con il numero di osservazioni (shrinkage: correzione × n/(n+k)).Il registro osservato/previsto dell'interfaccia Sviluppo. Da 10–20 osservazioni per variabile.Subito, già abbozzato nella schermata Sviluppo.
2. Ritaratura dei coefficientiPer i coefficienti con più peso (calore, cellule, chetosi, ingestione, metano), stima dai dati della stalla il valore che minimizza l'errore, con prior sul valore di letteratura e sulla sua incertezza (stima bayesiana approssimata). Pubblica il nuovo valore nella KB con data, numero di osservazioni ed errore.Da 50 osservazioni per coefficiente, distribuite su condizioni diverse (non solo estate, non solo una dieta).Dopo il primo trimestre di raccolta.
3. Modello ibridoIl modello meccanicistico resta la spina dorsale; un modello statistico addestrato sui residui della stalla (o di più stalle) corregge ciò che il meccanicistico non spiega (effetti di stalla, stagione, gruppo).Migliaia di coppie osservato/previsto, più stalle, pipeline di addestramento e validazione.Dal secondo anno, se le stalle collegate sono abbastanza.
Struttura proposta della KB (un file JSON versionato, poi una tabella sul server): per ogni coefficiente nome, valore, incertezza, unità, significato, fonte (DOI), data, stato (letteratura / tarato / confermato), dati di taratura (dataset, n, errore prima e dopo), note. La pagina lo legge all'avvio; la schermata Sviluppo lo mostra e permette prove con valori diversi. Ogni ritaratura aggiunge una versione, mai sovrascrive.

Regole di prudenza: una correzione di stalla non supera l'incertezza dichiarata del coefficiente; i coefficienti si ritarano solo con dati che coprono condizioni diverse; ogni nuova versione della KB viene riprovata sui dataset storici (CowNflow, Penn State, LEO) prima di essere adottata, così un miglioramento in una stalla non peggiora il modello altrove.

4. Interfaccia Sviluppo: osservato accanto a previsto

Conviene svilupparla, ed è già presente in prima versione nella pagina (schermata "Sviluppo"). È il punto in cui il gemello smette di essere solo un simulatore: senza un registro di ciò che la stalla ha davvero misurato, nessuna delle tre forme di apprendimento qui sopra è possibile. Cosa fa oggi e cosa dovrà fare.

FunzioneOggiDa fare
Registrare osservazioniTabella previsto/osservato per 14 variabili (latte, componenti, urea, ingestione, metano, NEFA, BHB, ruminazione, pH urinario, deiezioni, azoto), con data, vacca e nota; salvataggio nel browser.Salvataggio sul server; compilazione automatica dal ponte (il controllo successivo della stessa vacca diventa l'osservato della previsione precedente); allegati (referti).
Misurare l'affidabilitàPer variabile: numero di osservazioni, errore medio, errore quadratico, errore percentuale; segnala le distorsioni sistematiche.Intervalli di confidenza, copertura dell'intervallo al 90%, errore per condizione (stadio, stagione, gruppo), grafici osservato/previsto.
Base di conoscenzaTabella dei coefficienti con significato, fonte e stato; modifica provvisoria dei valori per vedere l'effetto; ripristino.KB versionata sul server, ritaratura assistita (livello 2), storico delle versioni, confronto automatico sui dataset storici.
EsportazioneCSV e JSON delle osservazioni.Esportazione per le analisi statistiche esterne (R, Python) e per la condivisione fra stalle anonimizzata.

Chi la usa: il nutrizionista o il tecnico che segue la stalla, non l'allevatore. Per questo è una schermata separata, con il linguaggio dei coefficienti, mentre il Cruscotto resta semplice.

5. Piano di test

Quattro livelli, dal codice alla stalla. Ogni livello ha criteri di accettazione espliciti: se non sono raggiunti, il modulo resta "indicativo" nella pagina.

5.1 Test del modello (automatici, a ogni modifica)

5.2 Validazione retrospettiva su dati della stalla

5.3 Prova prospettica di campo

ElementoProposta
Stalle3–5 stalle con sistemi diversi (almeno una con mungitura robotizzata, una con carro pesato, una con collari), 100–300 vacche ciascuna.
Durata12 mesi, per coprire due estati e un inverno completo, con almeno un cambio di razione per stalla.
Previsioni registrateOgni settimana, per ogni vacca: latte e componenti attesi al prossimo controllo; ogni cambio di razione: previsione di gruppo prima del cambio, congelata (non modificabile).
Misure aggiuntiveBHB nel sangue a 5–12 giorni dal parto su tutte le fresche; calcemia a 1 giorno dal parto; pH urinario nel preparto; NEFA su un campione di 30 vacche per stalla; pH ruminale con boli in 4 vacche sentinella per stalla; pesate mensili.
EventiChetosi, collasso, dislocazione, mastite clinica, zoppia, riforma: per calibrare gli indici di rischio.
AnalisiConfronto in cieco fra previsione congelata e misura; metriche come al punto 5.2; curve di calibrazione per i rischi (probabilità prevista contro frequenza osservata).
AccettazioneCome 5.2, più: BHB atteso con correlazione ≥ 0,5 con il misurato; rischio di collasso calibrato entro il doppio; ruminazione stimata entro ±60 min/d dai collari nel 70% dei giorni.
StimaCirca 40 giorni di lavoro tecnico distribuiti sull'anno, più i costi dei prelievi (circa 400 analisi per stalla).

5.4 Prove d'uso

6. Sequenza e stima complessiva

FaseContenutoStima
A. Fondamenta (1–2 mesi)Suite di test automatici; KB in file versionato; profili dei sistemi di stalla verificati su esportazioni reali; schermata Sviluppo con salvataggio sul server; compilazione automatica dell'osservato dal ponte.25–30 giorni
B. Prima stalla (mese 2–3)Validazione retrospettiva sui 12 mesi di storico; correzioni di stalla (livello 1); revisione dei moduli che falliscono l'accettazione.15 giorni
C. Prova di campo (mesi 3–15)3–5 stalle, prelievi, previsioni congelate, analisi trimestrale; ritaratura dei coefficienti (livello 2) a fine prova, con riprova sui dataset storici.40 giorni + analisi
D. Modello dinamico (in parallelo, dal mese 4)Simulazione giorno per giorno di riserve, BCS, adattamento ruminale; ingestione prevista da dati di carro; grasso e proteina da acidi grassi del latte.30–40 giorni
E. Applicazione con server (dal mese 6)Utenti e ruoli, database condiviso, più stalle, KB centrale, pipeline di addestramento (livello 3) quando i dati bastano.40–60 giorni

Le stime sono giorni-persona di lavoro tecnico, con l'incertezza tipica di un piano a questo stadio (±40%). Il punto che conta di più per il successo non è il software ma la qualità e la continuità dei dati di stalla: ingestione, eventi e prelievi.