CN101014973A - 用于优化动物生产的系统和方法 - Google Patents

Abstract

一种用于生成动物生产系统的可变输入的优化值的系统。该系统包括模拟器引擎，其配置为接收多个动物信息输入并生成性能预测，其中将至少一个动物信息输入指定为可变输入；以及企业管理器引擎，其配置为基于至少一个优化标准和动物饲料配方来生成所述至少一个可变输入的优化值。

Description

用于优化动物生产的系统和方法

相关申请的交叉引用

本申请是2004年7月29日提交的美国专利申请No.10/902,504的部分延续案，以引用的方式将其全部内容并入在本申请中。

背景技术

本发明一般涉及用于动物生产的系统和方法的领域。更具体地，本发明涉及基于一个或多个优化标准对动物生产系统进行优化的系统和方法。

动物生产系统可以包括在生产动物或基于动物的产品中所利用的任何类型的系统或者操作。例如可以包括农场、牧场、水产养殖场、动物饲养厂等。动物生产设施在规模、动物种类、位置、生产目的等方面有很大的差异。然而，几乎所有的动物生产设施可以从确定并且实现生产效率的改进来获益。改进生产效率可以包括导致产出效果增加、所需要的产品与较不合需要的产品的比例输出的改进(例如，瘦肉对肥肉)和/或生产成本的降低的任何手段。

生产者(即农场主、牧场主、水产业专家等)一般通过动物产生的产品的数量或者质量(例如，牛奶的加仑数、肉的磅数、肉的质量、蛋的数量、所产蛋的营养含量、工作量、毛/皮毛的外观/健康状况等)的最大化同时减少与该生产有关的投入成本来受益。示例性的投入可以包括动物饲料、动物设施、动物生产设备、工人、药等。

为了使动物生产随时间最大化，可以将几乎任何投入都视为可变投入。例如，几乎任何投入的作用都可以随时间以一些其它方式增加、减小或者改变。例如，可以得到额外的动物饲料、建造额外的设施、雇佣额外的工人等。

每个可变的投入还可以与一个或者多个变化效果有关。例如，对于几乎每个可变投入，可变投入的增加量与可变投入成本的增加有关。在具体的实例中，建造额外的设施可以与建设成本、资金成本、维护成本等有关。另外，可变投入的增加量与可变投入提供的效益的增加有关。回到我们先前的实例，建造额外的设施可以与该设施可以生产的动物的数量增加有关，或者与动物拥挤现象的减少等有关，这种动物拥挤现象的减少可以使每个动物的产出增加。

所需要的是一种接收关于动物生产设施的投入并处理该投入以确定对一个或多个投入的改变的影响的系统和方法。还需要一种这样的系统和方法，其中该投入与动物环境、动物种类、动物饲料配料、动物健康、动物新陈代谢状况和/或动物经济数据有关。此外，需要一种基于最小化或最大化客观标准来确定与动物生产设施有关的优化投入的系统和方法。

发明内容

本发明的一个实施例涉及用于生成动物生产系统的可变输入的优化值的系统。该系统包括模拟器引擎，其配置为接收多个动物信息输入并生成性能预测，其中将至少一个动物信息输入指定为可变输入。该系统还包括企业管理器引擎，其配置为基于至少一个优化标准和动物饲料配方来生成所述至少一个可变输入的优化值。

本发明的另一个实施例涉及用于确定动物生产系统的输入的优化值的方法。该方法包括接收多个动物信息输入，其中将至少一个动物信息输入指定为可变输入。该方法还包括基于动物信息输入生成至少一个性能预测并基于所述至少一个性能预测和动物饲料配方和至少一个优化标准来生成所述至少一个可变输入的优化值。

本发明的另一个实施例涉及用于生成动物饲料配方的系统。该系统包括：模拟器引擎，其配置为接收多个动物信息输入并基于动物信息输入生成动物需求；配方设计器引擎，该配方设计器引擎配置为接收多个动物饲料配料输入并基于动物需求生成包括动物饲料配料的至少一个动物饲料配方，其中将至少一个动物饲料配料输入指定为可变输入；以及企业管理器引擎，其配置为根据至少一个优化标准来对所述至少一个动物饲料配方进行优化，并且还配置为基于所述至少一个优化标准生成所述至少一个可变输入的优化值。

本发明的另一个实施例涉及动物生产优化系统。该系统包括其中具有目标函数程序的优化引擎，其配置为接收提供给优化引擎的饲料配方输入。该系统还包括动物生产建模系统，其配置为接收包括至少一个可变输入的动物信息输入、接收饲料配方输入以及将建模输出提供给优化引擎。该优化引擎对目标函数进行优化以便基于建模输出提供所述至少一个可变输入的优化方案。

本发明的另一个实施例涉及用于生成动物生产优化系统的可变输入的优化值的方法。该方法包括以下步骤：接收包括至少一个可变输入的动物信息输入、基于该动物信息输入生成建模输出、接收到目标函数的饲料配方输入以及基于该建模输出和该饲料配方输入生成目标函数。该方法还包括对目标函数进行优化以提供所述至少一个可变输入的优化值。

通过下面的具体描述和附图，本发明的其它特征和优点对于本领域技术人员将变得显而易见。然而，应该理解的是，该具体描述和特定实例尽管指出了本发明的优选实施例，但是它们是以示例性的方式而不是以限制性的方式给出的。在不脱离其精神的情况下，可以在本发明的范围内进行多种改进和改变，并且本发明包括所有这些改进。

附图说明

下面将参照附图对示例性实施例进行说明，其中相同的标记表示相同的元件，并且：

图1是示出根据示例性实施例的动物生产优化系统的总体方框图；

图2是示出用于根据示例性实施例的动物生产优化系统的企业管理器的总体方框图；

图3是示出根据示例性实施例的用于动物生产系统的模拟器的总体方框图；

图4是示出根据示例性实施例的用于动物生产系统的配料引擎和配方设计器的总体方框图；

图5是示出根据示例性实施例的用于动物生产优化的方法的流程图。

具体实施方式

在下面的说明中，出于说明的目的，阐明了许多具体细节以便全面理解本发明。然而，对本领域技术人员来说显而易见的是可以在没有这些具体细节的情况下实施示例性实施例。在其它情况下，为了便于说明示例性实施例，以图的形式示出结构和器件。

在下面说明的至少一个示例性实施例中，描述了一种具有中央处理单元(CPU)的计算机系统，该中央处理单元(CPU)执行包含在存储器中的指令序列。更具体地，执行指令序列以使CPU执行下面描述的步骤。可以将指令从只读存储器(ROM)、大容量存贮器件或者一些其它永久存储设备加载到随机存取存储器(RAM)中以便由CPU执行。在其它实施例中，可以利用多个工作站、数据库、进程或者计算机。在其它实施例中，可以使用硬件电路代替软件指令或者与其结合以实现所述功能。因此，本文中所述的实施例并不限于任何由计算机系统执行的特定指令源。

现在参照图1，所示的总体方框图示出了根据示例性实施例的动物生产优化系统100。系统100包括企业管理器200、模拟器300、配料引擎400以及配方设计器500。

系统100可以利用单个或多个计算系统来实现。例如，在系统100使用单个计算系统来实现的情况下，企业管理器200、模拟器300、配料引擎400以及配方设计器500中的每一个可以在该计算系统中实现为计算机程序、分立处理器、子系统等。或者，在系统100使用多个计算机实现的情况下，企业管理器200、模拟器300、配料引擎400以及配方设计器500中的每一个可以用单独的计算系统来实现。每个单独的计算系统还可以包括配置为通过网络与系统100的其它部件进行通信的硬件。根据另一个实施例，系统100可以实现为实现多个进程和分布系统的单个计算机系统的组合。

系统100配置为接收包括至少一个可变输入的动物信息输入并且对所接收的信息进行分析以确定一个或多个可变输入的变化是否会增加动物的生产率或者满足一些其它优化标准。动物生产率可以是输出动物产品的数量、种类或者质量相对于与该生产有关的支出的相对测量标准。动物信息输入可以包括与动物生产系统有关的任何类型的信息。例如，动物信息输入可以与具体的动物或者动物的群体或者动物的种类、动物的环境、与动物生产有关的经济等相关联。动物生产率还可以配置为包括与生产有关的正和负输出。例如，动物生产率可以配置为表示作为支出(基于与清理有关的资金成本或者对环境的负面影响)的有害气体排放，其使总体的生产率降低。

与具体的动物或者动物的群体或者类型有关的信息可以包括但不限于物种、状态、年龄、生产水平、工作、大小(例如，趋势、指标、周围的变化等)、形态生物学(例如，肠)、体重构成、外观、基因型、产量构成、微生物信息的采集、健康状况、颜色等。与特定动物有关的信息可以是与确定动物生产率相关的任何类型的信息。

物种信息可以包括指明动物的任何类型或者种类，诸如家畜、野生动物、宠物、水生物种、人或者任何其他类型的生物有机体等。家畜可以包括但不限于猪、奶牛、牛、马、绵羊、山羊以及家禽。野生动物可以包括但不限于诸如鹿、麋鹿、野牛等反刍动物、猎鸟、动物园的动物等。宠物可以包括但不限于狗、猫、鸟、啮齿动物、鱼、蜥蜴等。水生物种可以包括但不限于虾、鱼(生产)、青蛙、鳄鱼、海龟、螃蟹、鳗、小龙虾等，并且可以包括用于生产目的(例如食品)而培育的物种。

动物状况可以包括影响动物的投入需求或者产量输出的任何动物的参考或者分类。例如，可以包括但不限于繁殖状况(包括怀孕和产卵)、哺乳期状况、健康状况或者压力水平、抚养状况、肥胖状况、营养不良或者限制喂养状况、蜕皮状况、基于季节的状况、补偿性生长、恢复或者复原状况、营养状况、工作或者运动或者竞争状况等。动物健康状况或者压力水平还可以包括多种子状况，例如正常、受损、创伤后(例如，断奶、与新的围栏的配偶混养、出售、损伤、过渡到哺乳期等)、慢性病、急性病、免疫反应以及环境压力等。

动物年龄可以包括实际年龄或者与年龄有关的生理状况。生理状况的实例可以包括发育状况、包括周期的繁殖状况(例如怀孕的阶段和数量)、哺乳期状况、生长状况、抚养状况、青春期状况、老年期状况等。

动物工作(animal job)可以包括如上所述的生理状况，例如怀孕、哺乳期、生长、产蛋等。动物工作还可以包括动物的日常工作或者实际工作，特别是关于犬科动物和马科动物。动物工作也可以包括动物的活动允许，例如是否一般限制动物在牧场自由运动相对于允许动物在牧场中自由运动，或者水产动物经受的不同水流(对于水产动物)。

动物大小可以包括动物的实际体重、高度、长度、周长、体重指数、嘴的宽度等。动物大小还可以包括动物大小的近期变化，例如动物是否经历体重减轻、体重增加、高度或者长度增加、周长变化等。

动物形态学包括动物展示的体形。例如，体形可以包括长的身体、短的身体、圆的身体等。动物形态学还可以包括内部器官组织变化的独特测量(例如肠绒毛的长度、肠隐窝的深度)和/或其它器官的大小或者形状。

动物体重构成可以包括多种构成信息，例如脂肪酸分布、维生素E状况、色素沉淀度、预测的体重构成等。体重构成一般是体重的任何特定成分(例如瘦的肌肉、水、脂肪等)的百分比或数量的表示。体重构成还可以包括单个身体部位/部分的单独表示构成。例如，体重构成可以包括可食用部分的构成，例如腰部肉产量、胸部肉产量、尾部肉产量等。

动物外观可以包括动物外观的任何测量标准或者表示。例如，可以包括动物皮毛的光泽度、动物的色素沉淀、肌肉紧张、羽毛质量、羽毛覆盖等。

动物基因型可以包括单个或者群体的基因组成的所有或者部分的任何表示。例如，动物基因型可以包括与特定特征有关的DNA标记、对DNA特定段的排序等。例如，基因型可以将基因能力分别限定为以特定速率生长瘦的组织或者限定为沉淀肌肉脂肪以增强瘦肉或者肥瘦相间的肉。另外，可以通过与基因型能力，例如牛奶生产、蛋白质生长、工作等的先天能力，相联系的特征的表型表现来限定基因型。

产量构成可以包括动物产生的产品的构成。例如，产量构成可以包括在家禽生产的蛋或者奶牛生产的牛奶中发现的营养水平、肉产品中的脂肪的数量、分布和/或构成、肉产品的味道和口感特征、构成部分的比例之间的相互关系。

微生物和/或酶信息可以包括动物内或动物的环境内的当前微生物种群。微生物和/或酶信息可以包括革兰氏阳性或阴性菌或诸如需氧菌、厌氧微生物、沙门氏菌、大肠杆菌等其它分类的数量或比例的测量标准。酶信息可以包括在胃肠道内产生的、胰腺产生的任何酶子类型或者激活状态(例如蛋白酶、淀粉酶和/或脂肪酶)的当前含量、数量和/或组成、微生物种群产生的酶、各个年龄的微生物群落的关系等。微生物和/或酶信息还可以包括关于当前和/或建议的微生物群落表示的潜在营养生物量的信息，这些微生物群落可以用作一些物种(例如反刍动物、水产物种等)的饲料来源。可以使用本领域公知的多种技术中的任意一种(例如cpn60)或者其它分子微生物方法和动物系统或子系统的试管内模拟来监控微生物和/或酶环境。

关于动物或者动物群体的环境的动物信息可以包括但不限于特别涉及环境的因素、涉及动物生产设施的因素等。动物环境可以包括不与动物有关的任何因素，这些因素对动物或者动物群体的生产率具有影响。

涉及环境的动物信息输入的实例可以包括周围温度、风速或通风、日光曝光的光周期或数量、光强度、光波长、光循环、适应气候、季节影响、湿度、空气质量、水的质量、水的流速、水的盐度、水的硬度、水的碱度、水的酸度、通风速率、系统基础(system substrate)、过滤器表面面积、过滤负载性能、氨的水平、地理位置、泥浆评价等。环境信息还可以包括关于含有动物或者多个动物的系统的具体信息，例如系统大小(以平方米表示的大小，以平方厘米、公顷、英亩、体积等表示的大小)、系统类型(围栏、笼子等)、例如通过撒石灰、耙地等进行的系统准备、通风率、系统类型等。尽管一些环境因素超出了生产者的控制范围之外，但是生产者通常可以修正或者调节这些因素。例如，生产者可以通过关闭通风孔减少通风、通过包括加热器或者甚至将特定动物的生产操作重新布置或者移动到到更好的气候来升高周围温度以增加生产率。根据另一个实例，水产生产者可以通过改变对环境中的动物的饲料设计或者喂养计划来改进水产环境的营养输入。根据示例性实施例，可以使用环境评估系统(EAS)计算对动物的热影响估计并提供对动物当前环境的测量结果来自动生成涉及环境的动物信息输入。

涉及生产设施的动物信息输入的实例可以包括动物密度、动物种群的相互作用、饲喂器类型、饲喂器系统、饲喂器定时和分配、病原体负荷、养殖类型、限制类型、设施类型、羽毛、照明强度、照明时间模式、占据围栏的时间、离开饲料的时间等。生产设施的动物信息输入可以由生产者修改以增加生产率或者致力于其它生产目标。例如，生产者可以建造额外的设施来减小种群密度、获得额外或者不同类型的喂养系统、修改限制类型等。

关于经济因素的动物信息输入可以包括但不限于动物市场信息。动物市场信息可以包括但不限于产品的历史、当前和/或预测价格、市场时机信息、地域性市场信息、产品市场类型(例如，活的或者已屠宰的)等。

动物信息输入还可以包括不容易分类为单独组的多种输入的任意一种。实例可以包括动物的期望产量(例如，牛奶产量、产品构成、身体构成等)、用户定义的需求、风险容忍度、动物混养(例如混养不同的动物)、动物分组的变化等、买方或者市场需求(例如安格斯牛肉、帕尔马火腿、用于特定奶酪的牛奶、用于金枪鱼的等级等)、期望和/或目标生长曲线、存活率、期望的收获日期等。

如下面参照图2所述，上述动物信息输入可以包括通过用户界面直接从用户或者操作人员接收的信息。或者，可以从数据库或者其它信息源检索动物信息输入或者输入的一部分。

此外，一些输入可以是基于一个或者多个其它输入或者值计算的相关输入。例如，动物的压力水平可以基于种群密度、近期体重减轻、周围温度、诸如葡萄糖或者皮质醇水平的新陈代谢指标等进行确定或者估计。每个计算值可以包括使用户能够手工替换计算值的选项。类似地，免疫状况可以根据年龄、营养类型和输入水平、微生物攻击、母体被动免疫措施等而变化。

此外，每个动物信息输入可以包括与该输入有关的多种信息。例如，每个动物信息输入可以包括一个或多个基于该动物信息输入的内容的子字段。例如，在提供动物所处压力状态的指示的情况下，可以接收指示压力的本质和严重性的子字段。

根据示例性实施例，动物信息输入包括将任何动物信息输入指定为可变输入的能力。可变输入可以是用户具有修改或者控制能力的任何输入。例如，用户可以基于通过诸如加热、冷却、通风等多种方法来改变周围温度的能力将周围温度指定为可变输入。根据可选实施例，如下面参照图2进行的进一步讨论那样，可以将系统100配置为自动推荐特定的动物信息输入作为可变输入，这基于它们对生产率的影响或者满足优化标准。

指定可变输入可以要求提交附加信息，例如改变可变输入的成本和/或利益、用于优化测试的推荐的变化程度等。或者，附加信息可以存储在系统100或者相关数据库内并且可以从系统100或者相关数据库内检索。

动物信息输入还可以包括目标值以及当前值。目标值可以包括动物生产率的期望水平或者动物生产率的一些方面。例如，生产者可能希望将家禽产蛋的特定营养水平作为目标。因此，生产者可以输入当前所产蛋的当前营养水平以及该蛋的目标营养值。根据另一个实例，池塘中的虾的当前大小分配对潜在大小分配。如下所述，系统100可以利用目标值和当前值来改变动物饲料配方或者改变可变输入。此外，可以将目标值看作是优化问题的等式约束条件和/或不等式约束条件。

下面的表1列出了可以作为输入提供给动物生产优化系统100的示例性动物信息输入。该潜在动物信息输入列表是示例性的而非排他性的。根据示例性实施例，可以将所列动物信息输入的任何一个或者多个指定为可变输入。

表1

一般特点

定量对大环境的影响	每个动物的肥料和垃圾的数量和/或组成(例如，氮、磷等)	尿的数量和/或组成
			来自设施中的气味的数量和/或质量

猪的特点

所产猪的数量	所产猪的存活数量	断奶的猪的数量
			小猪的出生重量	幼猪的一致性	幼猪的死亡率
小猪的断奶重量	母猪的身体情况得分	母猪哺乳期的背膘损耗
			母猪哺乳期重量损耗	断奶到动情期的间隔	母猪的寿命

成年公猪

身体情况得分

工作频率

精液质量

整理工

平均的日增重	平均的日瘦肉增重	每体重增加的平均日饲料摄入量
			每瘦肉增加的平均日饲料摄入量	饲料损耗量	饲料型
死亡率	到上市的天数	每增重千克的饲料成本
			每增加千克瘦肉的饲料成本	每头猪的使用药物	屠宰率
瘦肉百分比	背膘的厚度	脂肪酸构成

环境的评估标准

热环境(通风、地面类型、垫草、隔离)	空气质量(灰尘、湿度、氨、二氧化碳等)	猪/围栏
			猪的密度	健康情况	饲喂器类型
猪/饲喂器的孔	水的质量和数量	免疫状况

外观的评估标准

皮毛情况	皮肤颜色	后腿的形状
			体形和长度

肉/肥肉质量的评估标准

肉和肥肉的颜色	碘值	脂肪酸分布
			PSE	汁液性	味道
嫩度	肥瘦相间的肉的得分	持水能力

健康的评估标准

幼猪
			眼睛情况(干燥和脏或者明亮和有生机的眼睛)	皮肤情况(弹性或者干燥)和颜色(粉色或者苍白)	毛发情况(密集或者粗糙)
肛门周围的肮脏度	用张开的嘴呼吸	腹部情况
			整理工
呼吸道疾病	体温	同类相残(尾巴、耳朵、腹部咬伤)
			皮肤和毛发情况(兽疥癣和寄生虫)	大便情况	肿胀的膝部和踝关节
眼睛周围的肮脏度	鼻子情况	呼吸的声音(呼吸困难)
			活动性	微生物分布或者水平

母猪
			MMA(乳腺炎、子宫炎、Agaclactia)	大便情况(便秘)	早产和死产
湿的腹部	身体晃动	阴道和子宫下垂
			身体情况得分	断奶到动情期的间隔	饲料摄入量(有病的母猪吃得较少)
腿的问题	体温

牛奶的特点

母牛的生殖能力

每次受精的生育	活产	到第一次动情期的天数
			小牛的出生重量	开放的天数	到清洗的天数
小牛的断奶重量	母牛身体情况得分	MUN和BUN
			母牛身体的储存改变	产犊的间隔	血液激素黄体酮和雌激素

哺乳期

每天的牛奶	身体脂肪酸损失或者增加	每千克牛奶的平均日饲料摄入量
				饲料损耗量	饲料型
死亡率	哺乳期长度	每千克牛奶的饲料成本
			每年的牛奶和一生的牛奶	发病率	身体氨基酸损失或者增加
牛奶的脂肪酸构成(CLA、EPA和DHA，牛奶的比例18∶2到18∶3)

环境的评估标准

热环境(通风、地面

空气质量(灰尘、湿

血液皮质醇、NEFA

类型、垫草、隔离)	度、氨、二氧化碳等)
			动物密度	健康情况	饲料提供方法
每个牲口食槽或者饮水空间的母牛	水的质量和数量	母牛护理和舒适度得分

外观的评估标准

毛皮情况	皮肤颜色	身体情况得分
			体形和长度	粘膜的颜色	眼睛和耳朵的外观

牛奶质量的评估标准

牛奶的颜色	牛奶的蛋白质构成	牛奶的脂肪产量
			牛奶的味道	牛奶的乳糖	牛奶的蛋白质质量
牛奶的脂肪酸构成	总的乳固体

健康的评估标准

小牛
			眼睛情况(干燥和脏或者明亮和有生机的眼睛)	皮肤情况(弹性或者干燥)和颜色(粉色或者苍白)	毛发情况(密集或者粗糙)
肛门周围的肮脏度	用张开的嘴呼吸	腹部情况
			体温
小母牛
			呼吸道疾病	体温
皮肤和毛发情况(兽疥癣和寄生虫)	大便情况	肿胀的膝部和踝关节
			眼睛周围的肮脏度	鼻子情况	呼吸的声音(呼吸困难)
活动性
			母牛

乳腺炎、子宫炎	大便情况(便秘)肥料筛	早产和死产
			血液测量EX：皮质醇、NEFA、BHBA、碱性phosphitase、黄体酮、雌激素、bun	身体晃动	阴道和子宫下垂
身体情况得分	产犊间隔	饲料摄入量(有病的母牛吃得较少)
			腿的问题	体温	牛奶的尿素氮

宠物和马的特性

皮毛光泽	皮毛丰满度	皮肤等级/薄片水平
			粪便的坚固性	气体产生	呼吸
免疫状况	抗氧化状态	身体情况(瘦的、正常、肥胖)
			骨骼生长率	耐力	消化健康状况
循环健康状况	蹄的质量	毛发质量
			体液状况	工作量(NRC指定轻、中等和重工作量)
优化竞技动物的特点
			速度	精神	肌肉糖原剩余
肌肉糖原恢复	练习后，减少了恢复时间	耐力
			动物的健康和安宁
安宁和行为(更加安静或者积极的饮食)	NDF/淀粉或者草料/谷物之间的关系	干物质饲料摄入量
			长纤维饲料摄入量	电解质
	总的健康状况	低过敏性			消化健康
改进免疫状况			增加抗氧化状况

	最小化消化不适
			免疫状况

牛肉特点

母牛的生殖性能
			受精率	断奶率	小牛出生体重
小牛死亡率	小牛断奶体重	母牛的身体情况得分
			断奶到动情期的间隔
公牛
			平均的日瘦肉增重	每增重的平均日饲料摄入量	每单位增重的饲料成本
每单位瘦肉增重的饲料成本	放牧率
			环境的评估标准
空气质量	营养排放
			外观的评估标准
毛皮情况	高度	高度/体重比
			肉/肥肉质量的评估标准
肉和肥肉的颜色	脂肪酸分布	汁液性
			味道	嫩度	肥瘦相间的肉的得分
屠宰率	红色肉的产量	肌肉PH
			肌肉间脂肪	抗氧化状况
健康的评估标准
			死亡率	医药成本	发病率

家禽的特点

蛋和繁殖
			蛋的数量	受精率	孵化率
蛋重	卵块	蛋的内部质量
			蛋黄颜色	蛋壳质量	蛋的细菌含量(沙门

		氏菌)
			受精卵的损坏分析
性能
			平均的日增重	平均的日饲料摄入量	饲料转化
死亡率	出现腿问题	每增加千克活重的饲料成本
			每十二个蛋的饲料成本	去内脏的胴体的产量	身体部分的产量(胸、大腿、背等)
群体的一致性	饲料消耗
			环境
温度	空气质量(灰尘、湿度、氨、二氧化碳等)	禽的密度
			饲喂器空间	照明问题	水的质量和数量
垃圾质量(液便)	生物安全	免疫状况
			微生物分布或者水平
外观的评估标准
			羽毛得分	皮肤颜色	皮肤损伤得分
饲料外观(颜色、质地等)

水产动物的特点

初始重量	大小差异性	发展阶段
			目标重量	种群密度	身体组成(或者肉的组成)
身体情况	动物或者肉的颜色	存活率
			每日的摄食	摄食活力	游泳速度
饲料水中稳定性	期望的保质期	具体增长率
			肉产量(例如，肉片、尾部肉等)	嘴的宽度	每单位增重的成本

FCR	到上市的天数	基因型
			色素淀积	饲料消耗	收获的生物量
到“X”动物大小所需的天数	成本$/增加的单位重量	目标产品产量的％(虾尾、肉片等)
			利润$/生产的单位生物量	投资回报	每年的周期数
饲料的$/产品的单位重量	饲料的$/生物量的$	总共收获的生物量
			在目标大小范围内的动物的％	死亡率	产品保质期
平均的动物大小	利润的$/单位养殖面积或者数量	每星期增加的平均体重
			生产的重量/通风单元	物种	养殖天数(放养时间)

水产环境的特点

系统类型和大小	氨、PH、融解的氧、碱性、温度、硬度等	水的流速
			换水率	营养负荷	自然生产率的生物量(物种的具体饲料基)
种群健康	环境的病原体负载	温度、氧气等的变化性
			系统底层	水的过滤速度	进料盘上的饲料
总的过滤能力(机械和化学)	光周期	饲料的加工形式
			药物应用	通风速率	氮的水平
通风模式	饲料盘#以及定位	饲料分发模式
			读透明度板	免疫状况	微生物分布或者水平
磷的水平

现在返回系统100的部件，如下面进一步参照图2所述，管理器200可以是配置为管理系统100内的数据处理功能以产生优化信息的任何类型的系统。如下面进一步参照图3所述，模拟器300可以是配置为接收动物信息或者动物配方数据、对所接收的信息应用一种或者多种模型并产生诸如动物需求、动物性能预测、环境性能预测和/或经济性能预测等性能预测的任何类型的系统。配料引擎400可以是配置为接收配料列表并产生针对包括营养和其它信息的配料中的每一种的配料分布信息的任何种类的系统。如下面进一步参照图4所述，配方设计器500可以是配置为接收动物需求预测和配料分布信息并产生动物配方数据的任何类型的系统。

现在参照图2，所示出的是说明根据示例性实施例的动物生产优化系统100的企业管理器200的总体框图。企业管理器200包括用户界面210和优化引擎230。可以将企业管理器200配置为具有下述功能的任何类型的系统：通过用户界面210接收动物信息输入；将该信息提交给模拟器300以生成至少一个动物需求；将所述至少一个动物需求提交给配方设计器500以生成给定动物需求的最小成本的动物喂养配方；将所优化的配方提交给模拟器300以生成性能预测并利用优化引擎230生成一个或者多个可变输入的优化值。

根据可选实施例，可以通过系统100的不同部件执行优化或者优化的一部分。例如，或者可以由模拟器300执行本文所述的关于管理器200的优化。此外，可以由配方设计器500执行动物饲料配方的优化。

企业管理器200可以包括或者连接到一个或者多个数据库，该数据库配置为自动提供动物信息输入或者提供基于动物信息输入的附加信息。例如，在用户已经请求牛奶生产操作的优化信息的情况下，企业管理器200可以配置为自动检索关于用户牛奶操作的存储信息并且还从外部数据库或源下载所有相关市场价格或者其它相关信息，其中所存储的信息事先记录在内部数据库中。

用户界面210可以是配置为使用户能够提供输入并从系统100接收输出的任何类型的界面。根据示例性实施例，用户界面210可以实现为网络浏览应用程序内的基于网络的应用程序。例如，用户界面210可以实现为网页，该网页包括多个配置为接收来自用户的动物信息输入的多个输入字段。输入字段可以使用多种标准输入字段类型来实现，例如下拉式菜单、文本输入字段、可选择链接等。用户界面210可以实现为单个界面或者多个界面，其基于用户提供的输入是可以导航的。或者，用户界面210可以使用基于电子数据表的界面、定制的图形用户界面等来实现。

用户界面210可以基于动物信息输入和数据库信息进行定制。例如，在用户限定动物的具体物种的情况下，企业管理器200可以配置为如此定制用户界面210，使得只显示与该具体的动物物种相关的输入字段。此外，企业管理器200可以配置为以从数据库检索的信息自动填充一些输入字段。该信息可以包括内部信息或者外部信息，内部信息例如是所存储的针对特定用户的种群信息，而外面信息例如是关于如上所述的特定物种的当前市场价格。

优化引擎230可以是企业管理器200内的进程或者系统，配置为接收数据输入并基于该数据输入和至少一个优化标准来生成优化信息。根据示例性实施例，优化引擎230可以配置为结合模拟器300操作以解决一个或多个性能预测并计算性能预测的灵敏度。计算性能预测的灵敏度可以包括确定对总的生产率或者优化标准的其它满足产生最大影响的动物信息输入或者可变输入。优化引擎230还可以配置为基于灵敏度分析来提供动物信息输入或者可变输入的优化值。优化可以包括对生产率或者根据优化标准的一些其它测量标准的任何改进。下面将参照图5进一步讨论产生优化值的过程和步骤。

优化标准可以包括任何标准、目标或者当前用户期望的目标或者平稳目的的组合。在优选实施例中，优化标准使生产率最大化。生产率最大化可以包括使诸如总产量、产品质量、生产速度、动物存活率等与生长率有关的单个或者多个因素最大化。最大化生产率还可以包括使诸如成本、有害废物等与生产率有关的负面值最小化。可选的优化标准可以包括利益率、产品质量、产品特点、饲料转化率、存活率、生长率、生物量/单位空间、生物量/饲料成本、成本/生产日、周期/年等。或者，优化标准可以包括根据优化标准进行最小化。例如，期望使动物排泄物的氮或者磷的含量最小化。

在使用优化标准来优化目标输出特性的情况下，目标值可以是动物生产系统产生的一些输出的特性的期望值。例如，奶制品生产者可以期望具有增加的牛奶蛋白质的牛奶输出产品。具有增加的蛋白质浓度的牛奶输出产品可以增加奶酪产量，使输出产品对于奶酪生产者更有价值。为了捕获该值，动物生产者可以例如利用系统100以获得一个或多个可变输入的改进的推荐以产生使用氨基酸新陈代谢概念的食物，这导致食用该食物的动物的牛奶蛋白质增加0.3％。另一个生产者可能追求脂肪含量特别低的牛奶产品以制造酸奶酪。类似于具有增加的蛋白质含量的牛奶，该食物可以适合产生具有低脂肪特性的输出。另一个期望的特性可以是高水平的多不饱和脂肪，其由牛奶或者动物肉中的亚麻酸C18∶3的量来表示以使输出产品对最终用户更加健康。还可以改变其它动物信息输入以产生具有期望特性的输出。

还可以使用目标输出特性来产生建议，从而将动物生产系统配置为产生具有减小或者最小化特性的输出。最小化特性可以有利于减小输出的有害或者损害性特性。例如，奶制品产生的废物一般具有高水平的氮和磷，它们由严格的环境标准来控制。为了确保符合这些标准，动物生产者经常面对高成本。因此，系统100可以如此配置，使得总的输出产品、废物量或者输出产品的特性、废物中的氮和磷的水平降低。产生优化的废物可以包括分析喂给动物的养分，以避免喂太多易于消化的磷并且平衡瘤胃和奶牛的新陈代谢以使氮保持最大化。尽管该分析可以产生清晰的建议，但是产生优化废物可能要求分析或者提出相反的建议和它们的预计影响以有助于平衡动物性能增加和废物管理成本降低之间的互斥优势。

管理输出中的磷特性可以额外提供水产养殖生产系统中的优势。磷对于鱼类物种的骨骼发育来说是重要的常量元素并且对于所有水产物种的生长和正常的新陈代谢来说是关键的新陈代谢养分。水产饲料中的不足的食用磷可能导致水产物种的生长和骨骼形成的减缓。然而，磷还是淡水水产养殖系统中的关键限制养分，并且过量的食用磷可以快速引起海藻的过度生长，这使该系统的健康不稳定。过量的磷也是不符合要求的，这是因为其是不必要的成本。

配方设计系统可以结合系统100生成的动物饲料配方中的磷养分来使用水产环境中可得到的磷养分以通过高度利用的资源来满足必要的动物需求并优化进入水产环境的过量磷。可以使用来自动物消化率或者环境样本的经验数据来增加精度，通过其可以管理配方设计过程中的该养分。

根据另一个示例性实施例，目标特性可以是水产肉产品的营养构成。例如，目标特性可以是肉产品的脂肪酸分布。水产肉产品已经得到了相当多的承认：对于人类饮食来讲，其一般含有比许多陆生肉来源更加健康的脂肪酸分布。这些水产肉中的脂肪酸的构成在很大程度上是基于从天然食品或者人工饲料的消耗所产生的正常沉淀，这些天然食品或者人工饲料经常含有这些脂肪酸以满足动物的需要。因此，可以将系统100配置为生成具有脂肪酸排列的动物饲料配方，当将其喂给目标养殖物种时，这将引起改善的脂肪酸分布，即更加有益于人的健康。类似的实例将包括使用更高水平的维生素E和硒来使肉片具有增长的保质期。

目标特性也可以是与营养无关的。例如，改变肉中的游离脂肪酸含量来改变其味道，限制营养浓度或者选择改善的营养的生物利用率，当所述营养在软水交换系统中积累时将变得有毒，将β胡萝卜素、虾青素或者可以在新陈代谢上用作抗氧化剂的其它色素、维生素A前体的具体水平作为目标，或者对肉或者皮肤进行着色。

目标输出特性可以包括但不限于最终产品构成或者特性(包括肉产量占体重的百分比)、适于销售的产品产量、特定身体部分的产量、脂肪酸分布、氨基酸含量、维生素含量、肥瘦相间的肉、碘值、持水量、细嫩度、身体或者产品颜色、色素水平、身体或者产品的保质期等。目标输出特性还可以包括但不限于废物构成或者环境的影响(包括未食用的食品量，滤去或者损失诸如氮、氨、磷、维生素、诱引剂等营养)、粪便硬度、粪便/尿的输出(包括总的输出、系统中的氨或氮负载、系统中的磷负载、过有机物质(organic matter bypass)等)、生物需氧量、过能量(bypass energy)、气体排放、废水的C/N比等。尽管提供了上述实例，但是本领域普通技术人员可以看出目标输出特性可以是在生产系统中产生的任何输出。

有利地，系统100可以在所有可变动物信息输入的范围内进行优化以生成用于以最低成本产生具有特定目标特性的输出的建议。该建议可以包括单个优化建议或者产生等效利益的多个建议。

优化引擎230可以配置为执行其自身的用于应用程序的优化代码，其中来自配方设计器500的饲料配料信息与在模拟器300中计算的其它信息和/或预测结合。可以使用基于梯度的方法或者更优选使用诸如Nelder-Mead或者Torczon算法等单纯形法来解决协调几个独立计算引擎的优化问题(称为多种学科的优化)。优选地，优化引擎230可以配置为执行基于梯度的方法和单纯形法的定制组合，其中所述基于梯度的方法用于优化标准平稳地于其相关的变量(提供给模拟器300的决策变量)，所述单纯形法用于目标函数对于其具有干扰或不连续的相关性的变量(提供给配方设计器500的饮食需求)。或者，可以应用其它优化方法，包括但不限于基于伪梯度的方法、随机方法等。

可以还将企业管理器200配置为安排优化结果并且通过用户界面210提供该结果作为输出。可以提供该结果作为可变输入的推荐优化值。该结果还可以包括附加的动物信息输入的推荐值，这与该信息是否被指定为可变输入无关。该结果还可以包括实现可变输入的优化值的影响的预测。

可以将企业管理器200配置为执行Monte Carlo法，其中从一组模型参数的分布中提取特定组的值以解出可变输入的优化值。可以多次重复该过程，建立优化解的分布。基于优化的类型，可以使用企业管理器200来选择最可能提供优化解的值或者给出足以满足目标的置信度的值。例如，可以选择简单的优化，其提供使特定动物的平均日增重最大化的净能量水平。Monte Carlo模拟可以提供包括各种净能量水平的需求分布并且生产者可以选择最可能使平均日增重最大化的净能量水平。

还可以将企业管理器200配置为基于可变输入优化值的应用接收实际世界的经验反馈。经验反馈可以用于调节可变输入，从而进一步优化动物生长系统。经验反馈还可以与性能预测相比以跟踪预测的准确度。可以使用诸如自动监控、数据的手动输入等多种方法中的任意方法来提供经验反馈。

经验反馈可以是基于观察所收集或者生成的任意类型的数据。该数据可以通过自动化系统收集或者基于用户的观察或者测试手动输入。可以实时或者在任意周期的基础上来收集数据，这取决于正在收集的数据的类型。该数据还可以已经显示在动物信息输入中并且可以基于任意改变的值进行更新。将被监控的经验反馈一般包括日常影响动物生产系统的产品、牧群健康等的动物信息输入。经验反馈可以包括但不限于环境信息、动物舒适信息、动物饲料信息、生产系统管理信息、动物信息、市场情况或者其它经济信息等。例如，在牛肉生产系统中，经验反馈可以包括畜体数据、线性测量值、超声波测量值、日饲料摄入量等。

环境信息可以包括关于可能影响动物生产率的动物环境的信息。例如，热中性带以上的温度可以减少动物的饲料摄入量。温度还可以影响行走的速率，这可以反过来影响营养消化率、过蛋白质/氨基酸、排泄物中的养分等。温度还可以增加动物的饲料摄入量。例如，低温的风将增加用于暖和(颤抖)的保持能量。

环境信息还可以包括非温度信息。例如，在温暖的温度中，风可以有助于冷却使干物质摄入量的损耗较少、使在试图冷却(晃动)时所浪费的能量较少。类似地，增加相对湿度可以降低奶牛的舒适度，这基于当温度变暖/热时所增加的热负荷。

经验反馈还可以取决于奶牛的环境。例如，天气事件(太阳、雪、雨、泥浆等)对于住在外面的奶牛是重要的。天气事件可以影响奶牛的体温和动物所需要的颤抖或者晃动而进一步影响摄入量、消化率等。如果奶牛从牧场走到挤奶车间(parlor)，泥浆或者暴风雨/下雪天气可能影响到达挤奶车间并且返回所需要的能量，从而提高了喂养需要。

其它环境信息可能涉及动物环境的总体质量和对动物施加的压力水平。例如，动物拥挤对动物的生产率具有强大的影响。在过度拥挤的情况下，占优势的奶牛将首先得到饲料而其余奶牛将得到所含养分不同于配方饲料的被拣选过的饲料。此外，奶牛还需要花费一定量的时间躺下以便使生产最大化。此外，过度拥挤可以导致母牛躺在小路上，这造成踩在乳头的可能性和乳腺炎的可能性增加或者站得太久。其它示例性的环境信息可以包括照明量、接近水和饲料、促使奶牛躺下的适当草垫和畜栏、使得奶牛每次呆在围栏的时间不超过1小时的挤奶规定等。

尽管提供了关于奶牛的上述实例，但是应该理解的是所述系统和方法可以类似地应用于其它动物。例如，家禽动物可能类似地面对压力和/或小于优化生长，这取决于所增加的温度。例如，通过增加用于引起直吹风的风扇、使用间断的喷雾等可以减少这种额外的压力。

其它经验反馈可以包括动物所消耗的实际动物饲料的分析。例如，可以从正在喂给动物的动物饲料中提取样本，以分析营养含量并确保正食用的食物是按配方制造以优化生产的食物。该分析可以包括对如到达动物生产系统的配料的分析。为了减少过分偏离按配方制造的动物饲料，可以以较低的包含率使用更易变的配料。类似地，经验测试可以包括对容易在动物生产设施处找到的配料进行分析，例如动物所摄取水的质量。水可以释放一些各种含量的矿物质或者具有特定的PH水平，其应当在食物配方中考虑。

经验测试还可以包括监控动物生产系统的管理业务。管理业务可以包括喂养时间、员工、产品收集业务等。例如，动物生产系统的员工通过影响奶牛的舒适度水平可以影响产量。人的数量、他们的经验水平、完成工作所需的时间等都可以影响奶牛的舒适度。

还可以监控动物管理业务。动物管理业务可以包括影响动物的任何业务。例如，喂养时间业务可以影响动物产量。喂养时间可以影响所提供饲料的质量，特别是在热的天气中。该系统还可以配置为监控向动物提供饲料使得动物能够食用的时间的频率和持续时间。

动物产品收集业务也具有影响。动物产品收集可以包括获得动物产品结果的任何过程，例如每天挤奶的次数、收集蛋的频率等，这将影响生产潜力。更多的挤奶可以增加管理良好的牧群的产量。同样，其对于增加仅从它们的哺乳期开始的奶牛的挤奶量以促进生产也是有利的。

经验测试还可以包括监控动物生产系统内的动物。例如，为了新陈代谢指标监控动物。新陈代谢指标可以表示诸如产乳热、酮血病、食用蛋白质的不均衡、过热等新陈代谢问题。其它被监控的特性可以包括必须在实验室测试的特性，例如游离脂肪酸(NEFA)、β羟丁酸(BHBA)、尿的PH、乳尿素氮(MUN)、血尿素氮(BUN)、体温、血AA、粪便特性、二氧化碳水平、矿物质、用于农药残留测试的脂垫探针等。通过观察可以监控其它特性，例如发情的动物、跛的动物、生病的动物、怀孕等，它们可能不吃也不正常生产。其它特性可以是这些种类的组合。其它生理测量值可以包括微生物分布或者棚舍组织学测量值(hut histological measurement)。

经验测试提供验证模拟器300所生成的预测模型的准确度的优点。未完善的模型所产生的优化结果可能不同于通过经验测试所得到的实际世界的结果。系统100可以配置为基于经验测试反馈提供动态控制以调节动物信息输入，或者产生诸如动物饲料信息的值，以基于模型结果和试验测试反馈之间的差异实现特定目标。此外，可以将模拟器300配置为调节如何基于通过经验测试所获得的数据来生成模型，从而增加未来模型的准确度。

此外，可以将企业管理器200配置为能够对模型进行动态控制。如下面参照图5所述，在设定例如饲料配方的初始控制动作后，可以监控动物反映并将其与预测比较。如果动物反映远远偏离预测，则可以提供新的控制动作，例如饲料配方。例如，如果该性能开始超过预测，则可以通过切换到较低成本的饲料配方、不同的水流速等来恢复一些值。如果性能落后于预测，则切换到较高值的饲料配方，这可以有助于确保满足最终的产品目标。尽管以上参照饲料配方对控制操作进行了说明，但是控制操作可以针对任何控制变量，例如水的流速、进食率。类似地，例如可以通过增加或者降低流速等来调节该控制变量。

现在参照图3，所示出的是说明根据示例性实施例的模拟器300的总体框图。模拟器300包括需求引擎310、动物性能模拟器320、环境性能模拟器330、以及经济性能模拟器340。通常，模拟器300可以是配置为对输入数据应用一个或多个模型以产生输出数据的任何进程或者系统。数据输出可以包括任何类型的预测或者确定值，例如动物需求和/或性能预测，包括动物性能预测、经济性能预测、环境性能预测等。

具体地，将模拟器300配置为从企业管理器200接收动物信息输入，使用需求引擎310和动物需求模型对该信息进行处理以产生一组动物需求。此外，模拟器300可以配置为从企业管理器200接收饲料配方数据并使用动物性能模拟器320、环境性能模拟器330、经济性能模拟器340的任意组合对该饲料配方数据进行处理以产生至少一个性能预测。

模拟器300使用动物需求模型将输入值转换成一个或者多个输出，该动物需求模型可以包括方程系统，当解该方程时，使诸如动物大小等输入与诸如蛋白质需求等动物需求或者诸如空间分配、饲料分配等系统需求相关联。不需要用于该模型的具体数学形式，选择针对每一个应用类型最恰当的模型。一个实例是国家研究委员会(NRC)开发的模型，其包括提供基于经验关系的营养需求的代数方程。另一个实例是MOLLY，其是由加州大学戴维斯分校的R.L.Baldwin教授开发的哺乳期奶牛性能的基于可变新陈代谢的模型。模型可以包括一组明确的常微分方程和一组取决于该微分变量的代数方程。非常普通的模型可以包括完全隐式、成对的偏微分、常微分和代数方程组，这将在混合离散-连续模拟中解出。

可以将模型配置为与模拟器300有关的功能性不相关。不相关使模型和数解算法能够单独地并且通过不同的组来进行改进。

优选地，模拟器300可以实现为基于方程的进程模拟程序包，以便对系统100内的多种模型进行求解。基于方程的模拟器从模型中提取数解算法。该提取使模型开发能够独立于数值算法开发。该提取还使单个模型能够应用在各种不同的计算(稳态模拟、动态模拟、优化、参数估计等)中。可以将模拟器配置为利用用于诸如灵敏度计算等任务的方程的形式和结构。与将模型开发为定制计算机代码的单元时的可能配置相比，该配置使一些计算能够更加健壮和/或有效地进行。基于方程的进程模拟程序包是配置为直接与构成模型的方程相互作用的软件。这种模拟器一般解析模型方程并在存储器中建立方程系统的表示。该模拟器使用该表示有效地执行所要求的计算，无论其是稳态模拟、动态模拟、优化等。基于方程的进程模拟程序包还允许包括更容易写作程序和数学方程的组合的计算。实例可以包括大数据表中的插值，调用以编译代码发布的专有计算程序等，方程对于该编译代码是不可用的。当开发出更新、更好的求解算法时，在不需要对模型进行任何改变的情况下，可以将这些算法并入到模拟器300中，该模型由模拟器300配置求解。

根据示例性实施例，模拟器300可以是进程模拟器。进程模拟器一般包括多种求解算法，例如反向模式自动微分、用于可变灵敏度的交错校正法、自动模型指数减少、健壮的牛顿迭代法(用于通过数量不够的初始值求解非线性系统)、可变系统的无误差缩放以及用于定位状态事件的区间算术方法。进程模拟器利用用于线性系统的直接求解的稀疏线性代数程序。该稀疏线性代数程序可以在没有迭代的情况下有效地求解非常大的系统(几十万个方程)。进程模拟器还提供特别强的一组优化能力，包括非凸混合整数非线性问题(MINLP)和全局变量优化。这些能力使模拟器300能够直接使用模型求解优化问题。特别地，交错校正算法对于灵敏度计算是特别有效的方法，这经常是全局优化计算中的瓶颈。

模拟器300所求解的用于优化的可变输入可以包括固定和时变参数。时变参数一般表示为使用特定插值方法在特定时间的一组值所给定的分布，例如分段常数、分段线性、贝塞尔样条等。

模拟器300和相关模型可以配置并构建为便于周期更新。根据示例性实施例，模拟器300和相关模型可以实施为动态链接库(DLL)。有利地，可以容易地输出DLL但不能以任何结构方式来观察或者修正它。

可以将需求引擎310配置为如下的任何系统或者进程：接收动物信息输入并通过将一个或多个需求模型应用到一组动物信息输入来生成所述动物需求。需求模型可以是基于多种输入组中的任意一种的潜在输出的任何预测。该方法可以与使牛奶产量与动物饲料中的净能量相关联的相关性一样简单或者与计算营养需求以使虾水产养殖池塘生态系统的生产率最大化的可变模型一样复杂。需求引擎310可以配置为基于动物信息输入从多个模型中进行选择。例如，需求引擎310可以包括用于猪需求、奶制品需求、成对动物需求、马需求、牛肉需求、普通需求、家禽需求、水产动物需求等的模型。此外，每个模型可以基于诸如发育阶段、压力水平等附加分类与多个模型有关。

需求引擎310所产生的动物需求可以包括用于特定动物或者动物群体的营养要求列表。动物需求可以是将被提供给动物或者动物群体的全面饮食的说明。还可以以一组营养参数(“养分”)来定义动物需求。养分和/或营养参数可以包括那些一般被称为养分以及配料组、微生物测量值、健康指数、多种配料之间的关系等的术语。取决于系统100的复杂程度，动物需求可以包括相对小或者较大的养分集合。此外，动物需求的集合可以包括任何特定养分、养分的组合和/或具体配料的量的约束或限制。有利地，在例如已经确定更高水平的特定养分或者养分的组合可能对所喂养的动物的健康造成风险的情况下，约束或者限制是有益的。此外，可以基于诸如湿度含量、适口性等附加标准来实行约束。约束可以是最小值或者最大值并且可以施加到作为整体的动物需求、任何单个配料或者任何组合配料上。尽管已经在养分的范围内对此进行了说明，但是动物需求可以包括任何与动物有关的需求，例如空间需求、取暖需求等。

另外，可以产生限定可接受营养水平的范围的动物需求。有利地，如下面参照图3进行的进一步说明，利用营养范围允许在动物饲料配方设计期间具有更大的灵活性。

需求引擎310还可以配置为说明变化的营养消化率。例如，一些营养的消化率取决于摄取量。消化率还可以取决于是否存在其它营养、微生物和/或酶、加工效果(例如胶凝、用于延迟消化的覆盖等)、动物生产或者生命阶段、先前的营养水平等。模拟器300可以配置为说明这些效果。例如，可以将模拟器300配置为基于另一种特定营养添加剂来调节特定营养的需求。

需求引擎310还可以配置为说明动物的变化消化。当其影响动物的摄食和消化时，动物信息输入可以包括表示动物的健康、动物的压力水平、动物的生殖状态、喂养动物的方法等的信息。例如，动物的压力水平可以降低动物的总饲料摄入量，同时内脏健康可以增加或者降低排泄速率。

下面的表2包括营养的示例性列表，该营养可以包括在动物需求中。根据示例性实施例，在动物需求中，每一所列的营养可以与值、百分比、范围或者其它量的测量有关。可以基于诸如动物类型、动物健康、营养利用率等多种因素中的任意一种来定制该营养列表，以便包括更多、更少或者不同的营养。

表2

适于生成动物需求的养分

ADF	动物脂肪	抗坏血酸
			精氨酸(总的和/或可消化的)	Ash	维生素H
钙	钙/磷比	氯化物
			胆碱	铬	钴
铜	胱氨酸(总的和/或可消化的)	干物
			脂肪	纤维	叶酸
半纤维素	碘	铁
			异亮氨酸(总的和/或可消化的)	乳糖	拉沙里菌素
亮氨酸(总的和/或可	赖氨酸(总的和/	镁

消化的)	或可消化的)
			锰	边缘	甲硫氨酸(总的和/或可消化的)
水分	莫能菌素	NDF
			NEg(用于增重的净能量)	NEL(净能量乳酸)	NEm(用于维持的净能量)
NFC(非纤维碳水化合物)	烟酸	苯丙氨酸(总的和/或可消化的)
			磷	磷酸盐	钾
蛋白质	吡哆醇	Rh指数(瘤胃健康指数)
			核黄素	粗NDF	Rum Solsug(瘤胃可降解的糖)
反刍的NFC(反刍所剩余的非纤维炭水化合物)	RUP(瘤胃未降解的蛋白质)	盐
			硒	单糖	钠
Sol RDP(可溶的瘤胃可降解蛋白质)	硫	ME(代谢能)
			硫胺	苏氨酸(总的和/或可消化的)	总的RDP
色氨酸(总的和/或可消化的)	缬氨酸(总的和/或可消化的)	维生素A
			维生素B12	维生素B6	维生素D
维生素E	维生素K	锌
			内脏健康指数	脂肪酸(EPA、DHA、亚麻酸等)	胆固醇
磷脂	UFC

可以将需求引擎310配置为基于一个或者多个需求标准来生成动物需求。需求标准可以用于限定目标，所产生的需求应该用于该目标。例如，示例性的需求标准可以包括经济约束，例如使产量最大化、减慢增长以适应市场、或者以较低的投入成本生产动物。动物需求可以用于产生针对动物的动物饲料配方。因此，动物需求可以用作动物饲料配方输入。

可以将需求引擎310配置为基于一个或多个动态营养利用模型来生成动物需求。动态营养利用可以包括动物饲料所摄取营养量的模型，基于在动物信息输入中所接收的诸如动物健康、喂养方法、饲料形式(饲料浆、压缩饲料、挤压物、颗粒大小)、饲料的水稳定性、未吃的食物、水温和其对酶水平的影响等信息由动物来利用所述营养。

动物性能模拟器320可以是包括多个模型的进程或者系统，其中所述模型类似于上面关于需求引擎310所述的模型。在动物性能模拟器320中所利用的模型通过企业管理器200从配方设计器300接收动物饲料配方和动物信息输入，并将该模型应用到饲料配方以产生一个或多个动物性能预测。该动物性能预测可以是给定动物饲料配方输入和其它输入变量所产生的动物生产率的任何预测值。

环境性能模拟器330可以是包括多个模型的进程或者系统，其中所述模型类似于上面关于需求引擎310所述的模型。在环境性能模拟器330中所利用的模型通过企业管理器200从配方设计器300接收动物饲料配方，并将该模型应用到饲料配方和动物信息输入以产生基于环境因素的性能预测。环境性能预测可以是对给定动物饲料配方输入、动物信息输入和环境因素所产生的性能的任何预测。

经济性能模拟器340可以是包括多个模型的进程或者系统，其中所书模型类似于上面关于需求引擎310所述的模型。在经济性能模拟器340中所利用的模型通过企业管理器200从配方设计器300接收动物饲料配方，并将该模型应用到饲料配方和动物信息输入以产生基于经济因素的性能预测。经济性能预测可以是对给定动物饲料配方输入、动物信息输入和经济因素所产生的性能的任何预测。

性能预测可以包括与基于所提供的设定输入产生的输出有关的各种信息。例如，性能预测可以包括与具体动物的性能(例如动物所产生的输出)有关的信息。输出可以包括例如动物所产蛋的营养含量、关于动物所产肉的质量、动物产生的废物含量、动物对环境的影响等。

根据示例性实施例，模拟器320、330和340可以并行或者串行运行以产生多个性能预测。可以将多个动物性能预测保持分开或者合并到单个综合性能预测中。或者，可以基于单个模拟器或者少于所有模拟器的组合来产生性能预测。

需求引擎310还可以包括附加模拟器，如需要产生被定制成满足具体用户标准的性能预测。例如，需求引擎310可以包括体积构成模拟器、蛋构成模拟器、肉脂肪构成、废物输出模拟器、维持能量计算器等。

现在参照图4，所示出的是说明根据示例性实施例的配料引擎400和配方设计器500的总体框图。配料引擎400配置为与配方设计器500交换信息。配料引擎400和配方设计器500一般配置为基于可利用的配料和所接收的动物需求来生成动物饲料配方。

配料引擎400包括在一个或多个位置可得到的配料的一个或多个列表。该列表还包括与配料有关的附加信息，例如配料的位置、与该配料有关的营养、与该配料有关的成本等。

配料引擎400可以包括第一位置列表410、第二配料位置列表420和第三配料位置列表430。第一配料列表410可以包括在第一位置可以得到的配料的列表，例如在用户的农场的配料。第二配料列表420可以包括从配料生产者购买可得到的配料的列表。第三配料列表430可以包括在目标动物的环境中所找到的配料的列表，例如牧场中的草料、水产养殖池塘中的浮游生物(浮游动物、浮游植物等)或者小鱼等。配料列表还可以包括环境营养输入。环境营养输入可以是不喂给动物的由动物所接收和/或利用的任何营养或者养分。

现在参照第三配料列表430，目标动物的环境中所找到的配料的列表的实例可以包括水中的矿物质含量列表。可以基于诸如所消耗的水与干饲料物质的比例等已知消耗比来估计动物的总耗水量。配料或者营养的消耗可以包括实际消耗以及动物通过吸收所接收的、通过身体处理所产生的等等。该比例可以是所指定的平均值或者更优选的是从已知的饲料和动物属性所计算的值。生产者所提供的水中的矿物质含量可以现场测量。这种具有所测矿物质含量和所计算的摄入水平的水可以包括在第三配料列表430中。

或者，第三配料列表430可以包括水产生态系统的总营养含量。可以以多种方式包括对总营养的生态系统贡献。例如，可以提取样本并且针对总营养含量对该样本进行分析并将其包括作为第三列表430。优选地，在模拟器300中所求解的模型可以扩展为不仅包括所生产的物种而且还包括生活在生态系统中的其它物种。该模型可以包括下列影响中的一个或者多个：其它物种竞争饲料、生态系统中的其它物种的所产生的物种消耗、以及其它物种响应于营养或者毒素排泄、温度、日光等而随时间的增长。

第三配料列表430还可以包括模拟器300所生成的性能预测。例如，针对个别生产者的特定动物，可以对牛奶中的营养含量进行建模。该牛奶的营养含量模型可以用作第三配料列表430，其用于哺育动物的消耗。

每个配料列表还可以包括与配料有关的附加信息。例如，配料列表可以包括与该配料有关的成本列表。或者，第一位置处的配料可以包括与生产配料、存储配料、分配配料等有关的成本，而第二位置处的配料可以包括与购买配料有关的成本，以及第三位置处的配料可以包括与增加微生物、改变营养分布、改变营养利用率等有关的成本。附加信息可以包括与后续处理步骤与关的任何类型的信息。

下面的表3包括示例性的配料列表，其可以用于生成动物饲料配方。该配料列表可以包括更多、更少或者不同的配料，这取决于诸如配料可用性、入帐价格、动物类型等多种因素。

表3

适于应用在配置定制饲料混合料的示例性配料

带酸味的皂脚	活性干酵母	苜蓿粉
			脱水苜蓿	Alimet	Alka culture

Alkaten	杏仁壳	氯化铵
			铵木质素	聚磷酸铵	硫酸铵
安保乐	Amprol Ethopaba	无水氨
			血浆蛋白粉	安普霉素	对氨苯基胂酸
抗坏血酸	白杨木木屑
			Avizyme	杆菌肽锌	焙烤食品
大麦	压碎的大麦	磨碎大麦
			Barley-Hulless	大麦壳	初大麦
Barley-Needle	压麦
			全麦	具有酶的大麦	Baymag
		甜菜
			甜菜浆	生物素	饼干副产品
黑豆	Blood-flash Dry
			骨粉	酿造啤酒用大米	Brix Cane
荞麦粉		Cage Calcium
			钙饼	氯酸钙	甲酸钙
碘酸钙	硫酸钙	Calcium Prop
				加拿大豌豆	Cane-Whey
芥花饼	芥花细粉	芥花粉
			芥花油	芥花油掺合物	芥花油混合物
芥花筛渣	全芥花	卡巴多司
			角豆	角豆粉	腰果副产品
鲶鱼碎屑粉	氯化胆碱	甲基吡啶铬
			citrus pulp	氯吡多	钴
碳酸钴	硫酸钴	可可饼
			可可壳	氧化铜	硫酸铜
玉米饼	玉米碎渣	破碎的粗玉米
			粗磨玉米	磨碎玉米棒	玉米酒渣
Corn flint	玉米粉	玉米胚糠麸

玉米胚糠粉	玉米面筋	高油玉米
			Corn Kiblet	脱壳的玉米粉	玉米油
玉米渣滓	玉米淀粉	玉米/糖混合物
			破碎的玉米	压碎的玉米	玉米精粉
焙烤的磨碎玉米	Corn-steam Flaked	蒸汽玉米
			全玉米	淘汰棉籽	棉籽壳
棉籽粉	棉籽油	全棉籽
			香豆磷	淘汰豆	丹麦鱼粉
地可喹酯	葡萄糖	Diamond V酵母
			磷酸二钠	酒糟	干苹果酱
干啤酒酵母	Dried Distillers Milo	Dried Porcine
			全脂奶粉	Duralass	酶改善剂
泻盐		挤压碎谷物
			挤压的大豆粉	脂肪	羽毛粉
喂饲燕麦片	芬苯达唑	曲霉菌
			氯化铁	碳酸亚铁	碳酸亚铁
硫酸亚铁	Fine Job’s Tear Bran	鱼粉
			鱼	调味品	叶酸
	Fresh Arome	油炸的小麦面条
			金色染料	Gold flavor	Grain Dust
谷物筛渣	granite grit	葡萄皮渣
			绿色染料	绿色香料	果阿胶
硬壳	半纤维素提取物
			鲱鱼粉	Duralass	潮霉素
印度大豆粉	氧化铁红	氧化铁黄
			Job’s Tear Broken seed		海藻粉
kem wet	乳糖	larvadex
			拉沙里菌素	levams hcl	石灰石
linco	Lincomix	林肯霉素

亚麻仁粉	liquid fish soluble	羽扇豆
			赖氨酸	镁	硫酸镁
麦芽副产品	manganous Ox	槭香精
			Masonex	肉和骨粉	肉粉
Mepron	蛋氨酸	谷子筛渣
			millet white	磨碎谷子	蜀黍混合物
粗磨蜀黍	破碎的蜀黍	全蜀黍
			矿物质调味品	矿物油	混合的血粉
糖蜜	糖蜜混合物	干的糖蜜
			糖蜜标准甜菜	糖蜜标准甘蔗	糖蜜球
霉菌	莫能菌素	monoamonum phos
			谷氨酸一钠	磷酸二氢钠	绿豆壳
高脂肪的芥末粉	芥子油	Mustard shorts
			甲基盐霉素	Natuphos	烟酸
尼卡巴嗪	硝苯胂酸	oat cullet
			燕麦粉	去壳燕麦粒	燕麦壳
碾磨的燕麦副产品	燕麦筛渣	全燕麦谷物
			碾磨的燕麦饲料	燕麦片	磨碎燕麦
带壳的燕麦	oat premium	碾压的燕麦
			全燕麦	牡砺壳	水稻
棕榈仁	木瓜蛋白酶	木瓜蛋白酶
			辣椒脱脂粉	parboiled broken rice	豌豆副产品
豌豆粉	花生粉	花生皮
			pelcote dusting	磷酸盐	磷酸
磷	脱氟磷	pig nectar
				泊洛沙林	爆米花
爆米花筛渣	猪血浆；干的	猪血粉
			保胺生	posistac	碳酸氢钾
碳酸钾	硫酸钾镁	硫酸钾

土豆片	家禽血/羽毛粉	家禽血粉
			家禽副产品	预分散粘土	probios
普鲁卡因青霉素	丙酸	丙二醇
			pyran tart	吡哆醇	quest anise
杀虫畏	油菜籽粉	红的香料
			红黍	核黄素	米糠
米副产品部分	Rice dust	米渣
			米壳	Rice mill by-product	Rice reject ground
罗沙胂	rumen paunch	瘤胃素
			黑麦	黑麦酒糟	具有酶的黑麦
红花粉	红花油	红花籽
			西米粉	盐霉素	盐
扇贝粉	海藻粉	硒
			shell acid	虾副产品	蚕
Sipernate	乙酸钠	苯甲酸钠
			碳酸氢钠	钼酸钠	碳酸氢三钠
硫酸钠	Solulac
			大豆粉	soy pass	大豆蛋白浓缩
豆饼	豆腐副产品	脱壳的大豆豆浆副产品
			大豆壳	粗大豆	大豆油
大豆渣滓	挤压碎大豆	焙烤的大豆
			Soycorn extruded	Spray dried egg	Standard micro premix
淀粉糖蜜	蒸汽压片玉米	蒸汽压片小麦
			糖(甘蔗)	sulfamex ormeto	硫
向日葵粉	向日葵籽	tallow fancy
			tallow-die	tallow-mixer	木薯粉
tapioca promeance	牛磺酸	土霉素
			thiabenzol	硝酸硫胺	苏氨酸

tiamulin	tilmicosin	番茄渣
			trace min	磷酸三钙	黑小麦
色氨酸	tryptosine	tuna offal meal
			泰乐菌素	泰乐菌素	尿素
植物油混合物	维及霉素	维生素A
			复合维生素B	维生素B12	维生素D3
维生素E	核桃粉	麦麸
			粗磨小麦	麦胚粉	面筋
切碎的小麦粉	wheat millrun	小麦混合物
			低脂肪的小麦面条	低等小麦粉	小麦淀粉
麦杆	具有酶的小麦	磨碎小麦
			Wheat-rolled	全小麦	干的乳清
乳清渗透物	乳清蛋白质浓缩	干的乳清产品
			干啤酒酵母	yeast sugar cane	锌
氧化锌	3，5-二硝基邻甲苯酰胺

配料引擎400还可以包括配料信息数据库440。配料信息数据库440可以包括涉及用于生成饲料配方的饲料的任何种类的信息，例如营养信息、成本信息、用户信息等。存储在数据库440中的信息可以包括多种类型信息中的任意一种，例如一般信息、特别涉及用户的信息、实时信息、历史信息、基于地理的信息等。结合用户所提供的信息，配料引擎400可以利用配料信息数据库440以提供用于生成优化饲料配方所需的信息。

配料信息数据库440还可以配置为访问外部数据库以获取附加的相关信息，例如饲料市场信息。饲料市场信息可以类似地包括饲料的当前价格、输出的历史价格、配料生产者信息、配料信息的营养含量、市场时机信息、地理市场信息、交付成本信息等。配料信息数据库440还可以与Monte Carlo型模拟器有关，将该Monte Carlo型模拟器配置为提供配料价格的历史分布和其它信息，这些其它信息可以用作系统100的其它部件的输入。

配料引擎400还可以包括可变营养引擎450，将其配置为针对可以影响配料的营养含量的因素提供跟踪和预测的功能。例如，可变营养引擎450可以配置为预测配料随时间的营养含量。一些配料的营养含量可以随时间改变，这取决于存储方法、运输方法、自然浸出、处理方法等。此外，可变营养引擎450可以配置为跟踪从具体的配料生产者所接收的配料的营养成分的变化，以预测从那些具体配料生产者接收的配料的可能营养含量。

可变营养引擎450还可以配置为说明配料中的营养含量的变化。可以基于与特定配料、配料的供应商、配料样本测试等有关的信息计算配料变化的估计。根据示例性实施例，记录和/或估计的变化和协方差可以用于建立在Monte Carlo方法中所采样的分布。在该方法中，从这些分布中反复采样优化饲料配方中的配料的实际营养含量，以产生营养含量的分布。然后，可以对于营养含量不足的任意养分修改营养需求。重复该过程，直到获得对于所有养分的期望置信度。

现在参照配方设计器500，配方设计器500配置为通过企业管理器200从模拟器300动物需求和基于可得到的配料从配料引擎400接收营养信息并产生动物饲料配方。配方设计器500计算满足在动物需求中所定义的营养水平集合的最小成本的饲料配方。

可以使用线性规划优化来生成最小成本的动物饲料配方，这一点在工业中是众所周知的。最小成本的配方一般配置为与购买的配料相结合来利用用户可得到的配料以建立优化的饲料配方。更具体地，线性规划将包括用户所提供的营养源，例如谷物、草料、青贮饲料、脂肪、油、微量营养素或者蛋白质补充饲料，作为对总饲料配方有固定贡献的配料。然后，将这些贡献从优化的配方中扣除；总配方和这些用户提供的配料之间的差异构成将被产生并卖给消费者的配料组合物。

或者，配方设计过程可以执行为包括配料定价的变化作为所创建分布的历史或者预测范围的Monte Carlo模拟，其中随后如上所述对上述范围进行优化。

现在参照图5，所示的是说明根据示例性实施例的动物生产优化的方法600的流程图。方法600一般包括根据至少一个优化标准来确定一个或多个动物信息输入的优化值。尽管方法600的说明包括具体的步骤和具体的步骤次序，但是重要的是注意：可以执行更多、更少和/或不同的步骤次序以实现本文所述的功能。此外，步骤的实现可能需要重新执行先前的步骤。因此，尽管为了清楚起见以线性方式示出了这些步骤，但是也可以存在几个返回条件。

在步骤605中，企业管理器200配置为接收动物信息输入。可以通过用户界面210接收来自用户的动物信息输入，基于相关数据自动填充该动物信息输入，基于涉及用户的存储数据填充该动物信息输入，或者从来自用户的批量上传中接收动物信息输入。所接收的动物信息输入包括作为可变输入的一个或者多个动物信息输入的名称。可以为单个、多个或者所有的动物信息输入接收作为可变输入的名称。

在步骤610中，企业管理器200配置为通过用户界面接收优化标准，或者可选地接收预先编程的优化标准。优化标准可以包括最大化生产率、减少支出、最大化输出量、实现生产率目标等。在示例性实施例中，优化标准可以是要求最小化或者最大化的目标函数。目标函数可以具有合并在其中的约束或者可以对其进行独立约束。目标函数可以是动物生产系统中的变量的任意组合的函数。

在步骤615中，企业管理器200配置为将动物信息输入和优化标准传送到模拟器300。在接收到动物信息输入和优化标准后，将模拟器300配置为在步骤620中生成一组动物需求。

在步骤625中，该组动物需求通过企业管理器200从模拟器300传送到配方设计器500。配方设计器500配置为基于在步骤630中从营养引擎450所接收的动物需求和营养信息来生成最小成本的动物饲料配方。

如上面参照图2所进行的具体讨论，在步骤635中，企业管理器200配置为生成在步骤605中所接收的一个或者多个可变输入的优化值。

尽管本文所述的特定功能与系统100的特定部件有关，但是功能可以可选地与系统100的任何其它部件有关。例如，用户界面210可以可选地与根据可选实施例的模拟器300有关。

根据示例性实施例，用于生成动物生产系统的可变输入的优化值的系统包括模拟器引擎，该模拟器引擎配置为接收多个动物信息输入并生成性能预测。将动物信息输入中的至少一个指定为可变输入。该系统还包括企业管理器引擎，该企业管理器引擎配置为基于用于至少一个目标输出特性的优化标准生成所述至少一个可变输入的优化值。生成所述至少一个可变输入的优化值可以包括基于对所述至少一个可变输入的修改来提供目标输出特性的预测效果。

根据可选实施例，系统还包括配方设计器引擎，该配方设计器引擎配置为接收动物饲料配料信息并基于性能预测生成由动物饲料配料构成的动物饲料配方。可变输入可以是动物因素、环境因素、动物饲料配方以及经济因素中的一个。

模拟器引擎可以包括动物性能模拟器，该动物性能模拟器配置为基于目标输出特性和包括至少一个可变输入的动物信息输入来生成动物性能分布。然后，将企业管理器引擎配置为基于可变输入的变化启动模拟器引擎以生成多个动物性能分布。企业管理器还可以配置为基于应用至少一个优化标准到多个动物性能分布来选择所述至少一个可变输入的优化值。

根据另一个示例性实施例，用于生成动物生产系统的可变输入的优化值的系统包括模拟器引擎，该模拟器引擎配置为接收多个动物信息输入并生成性能预测。将动物信息输入中的至少一个指定为可变输入。该系统还包括企业管理器引擎，该企业管理器引擎配置为生成用于所述至少一个可变输入的第一和第二优化值。第一优化值可以基于优化标准产生，而第二优化值可以基于应用第一可变输入后的经验反馈来生成。生成第二优化值可以包括将利用第一优化值的预测效果与利用第一优化值的经验反馈相比较。可变输入可以是动物因素、环境因素、动物饲料配方以及经济因素中的一个。

该系统还包括配方设计器引擎，该配方设计器引擎配置为接收动物饲料配料信息并基于性能预测生成由动物饲料配料构成的动物饲料配方。模拟器引擎可以配置为修改一个或者多个性能模型，其用于基于第一优化值的预测效果与经验反馈的比较来生成性能预测。企业管理器引擎可以配置为基于可变输入的变化启动模拟器引擎以生成多个动物性能分布。企业管理器还可以配置为基于经验反馈的结果和多个动物性能分布的比较来选择所述至少一个可变输入的优化值。

在不脱离本发明精神的情况下，可以对其进行许多其它的改变和修改。这些和其它改变的范围通过所附权利要求书将变得显而易见。

Claims (72)

1、一种用于生成动物生产系统的可变输入的优化值的系统，包括：

模拟器引擎，配置为接收多个动物信息输入并生成性能预测，其中将所述动物信息输入中的至少一个指定为可变输入；以及

企业管理器引擎，配置为基于至少一个优化标准和动物饲料配方来生成所述至少一个可变输入的优化值。

2、根据权利要求1所述的系统，其中所述企业引擎配置为基于用于至少一个目标输出特性的优化标准来生成所述至少一个可变输入的优化值。

3、根据权利要求1所述的系统，其中所述企业引擎配置为生成所述至少一个可变输入的第一和第二优化值。所述第一优化值可以基于所述优化标准来生成，而所述第二优化值可以基于应用所述第一可变输入后的经验反馈来生成。

4、根据权利要求1所述的系统，还包括配方设计器引擎，该配方设计器引擎配置为接收动物饲料配料信息并基于所述性能预测生成由所述动物饲料配料构成的所述动物饲料配方。

5、根据权利要求1所述的系统，其中生成所述至少一个可变输入的优化值包括提供修改所述至少一个可变输入的预测效果。

6、根据权利要求1所述的系统，其中所述可变输入是动物因素、环境因素和经济因素中的一个。

7、根据权利要求6所述的系统，其中所述可变输入是环境因素并且包括热环境、动物种群环境、光周期环境、喂养环境、动物舒适环境、动物结构环境以及动物微生物环境中的至少一个。

8、根据权利要求6所述的系统，其中所述可变输入是动物因素并且包括动物物种类型、动物工作、动物基因型以及动物构成中的至少一个。

9、根据权利要求6所述的系统，其中所述可变输入是经济因素并且包括市场时机、动物饲料价格、动物产品定价以及市场定位中的至少一个。

10、根据权利要求1所述的系统，其中所述模拟器引擎包括动物性能模拟器，将该动物性能模拟器配置为基于所述动物饲料配方信息和包括至少一个可变输入的所述动物信息输入来生成动物性能分布。

11、根据权利要求10所述的系统，其中所述企业管理器引擎还配置为基于所述可变输入的变化来启动所述模拟器引擎以生成多个动物性能分布。

12、根据权利要求11所述的系统，其中所述企业管理器还配置为选择所述至少一个可变输入的优化值，这基于应用到所述多个动物性能分布的至少一个优化标准。

13、根据权利要求12所述的系统，其中所述优化标准包括日增重、每周的重量、单位饲料成本的产品值、每单位空间的产品值、存活率、环境影响、每年的周期数、动物大小、种群密度、水交换率、生产的总生物量以及产品形式中的至少一个。

14、根据权利要求1所述的系统，其中所述模拟器引擎还包括动物环境性能模拟器，配置为基于与至少一个动物的所述环境有关的可变输入的变化来生成动物性能分布。

15、根据权利要求14所述的系统，其中所述企业管理器引擎配置为基于所述可变输入的变化来启动所述模拟器引擎以生成多个动物性能分布。

16、根据权利要求15所述的系统，其中所述企业管理器还配置为选择所述至少一个可变输入的优选值，这基于应用到所述多个动物性能分布的至少一个优化标准。

17、根据权利要求16所述的系统，其中所述优化标准包括每排放一单位含氮废物的生产率、每排放一单位磷的生产率、过营养的平衡、水交换率以及通风率中的至少一个。

18、根据权利要求1所述的系统，其中所述模拟器引擎还包括动物经济性能模拟器，配置为基于与至少一个动物的经济因素有关的可变输入的变化来生成动物性能分布。

19、根据权利要求18所述的系统，其中所述企业管理器引擎配置为基于所述可变输入的变化来启动所述模拟器引擎以生成多个动物性能分布。

20、根据权利要求19所述的系统，其中所述企业管理器还配置为选择所述至少一个可变输入的优选值，这基于应用到所述多个动物性能分布的所述至少一个优化标准。

21、根据权利要求20所述的系统，其中所述优化标准包括单位饲料成本的生物量的价值、每单位空间的产品值、每小时劳动的产品值、投资回报、营运资本的回报以及每生产1千克产品的价值中的至少一个。

22、根据权利要求1所述的系统，其中所述模拟器引擎还包括配置为基于所述动物饲料配方信息和所述包括至少一个可变输入的所述动物信息输入来生成综合动物性能分布的动物性能模拟器、动物环境性能模拟器以及动物经济性能模拟器。

23、根据权利要求22所述的系统，其中所述企业管理器引擎配置为基于所述可变输入的变化来启动所述模拟器引擎以生成多个动物性能分布。

24、根据权利要求23所述的系统，其中所述企业管理器还配置为选择所述至少一个可变输入的优选值，这基于应用到所述多个动物性能分布的至少一个优化标准。

25、根据权利要求24所述的系统，所述优化标准包括日增重量、每周的增重量、单位饲料成本的产品值、每单位空间的产品值、存活率、环境影响、每年的周期数、动物大小、种群密度、水交换率、产品形式、每排放一单位氨的生产率、每排放一单位磷的生产率、水交换率、通风率、单位饲料成本所产生的生物量、单位饲料成本所产生的生物量的价值、每单位空间的产品值、每小时劳动的产品值、投资回报、营运资本的回报以及每生产1千克产品的价值中的至少一个。

26、根据权利要求22所述的系统，其中基于动物性能、动物环境和动物经济中的至少两个来生成所述动物性能分布。

27、一种确定动物生产系统的输入的优化值的方法，包括：

接收多个动物信息输入，其中将所述动物信息输入中的至少一个指定为可变输入；

基于所述动物信息输入生成至少一个性能预测；以及

基于所述至少一个性能预测和动物饲料配方以及至少一个优化标准生成所述至少一个可变输入的优化值。

28、根据权利要求27所述的方法，还包括基于所述至少一个性能预测来生成至少一个由所述动物饲料配料构成的动物饲料配方。

29、根据权利要求28所述的方法，还包括根据至少一个优化标准来优化所述至少一个动物饲料配方。

30、根据权利要求27所述的方法，其中生成所述至少一个可变输入的优化值包括提供修改所述至少一个可变输入的效果。

31、根据权利要求27所述的方法，其中所述可变输入是动物因素、环境因素以及经济因素中的一个。

32、根据权利要求31所述的方法，其中所述可变输入是环境因素并且包括热环境、动物种群环境、光周期环境、喂养环境、动物舒适环境、动物结构环境以及动物微生物环境中的至少一个。

33、根据权利要求31所述的方法，其中所述可变输入是动物因素并且包括动物物种类型、动物工作、动物基因型以及动物构成中的至少一个。

34、根据权利要求31所述的方法，其中所述可变输入是经济因素并且包括市场时机、市场定价以及市场定位中的至少一个。

35、根据权利要求28所述的方法，还包括基于所述动物饲料配方信息和包括至少一个可变输入的所述动物信息输入来生成多个动物性能分布。

36、根据权利要求35所述的方法，还包括基于所述至少一个可变输入的变化来生成多个动物性能分布。

37、根据权利要求36所述的方法，还包括选择所述至少一个可变输入的优化值，这基于应用到所述多个动物性能分布的所述至少一个优化标准。

38、根据权利要求37所述的方法，其中所述优化标准包括日增重量、每周的重量、单位饲料成本的产品价值、每单位空间的产品值、存活率、环境影响、每年的周期数、动物大小、种群密度、水交换率以及产品形式中的至少一个。

39、根据权利要求27所述的方法，还包括基于与至少一个动物的所述环境有关的可变输入的变化来生成动物性能分布。

40、根据权利要求39所述的方法，还包括基于所述至少一个可变输入的变化来迭代生成多个动物性能分布。

41、根据权利要求40所述的方法，还包括选择所述至少一个可变输入的优选值，这基于应用到所述多个动物性能分布的所述至少一个优化标准。

42、根据权利要求41所述的方法，其中所述优化标准包括每排放一单位氨的生产率、每排放一单位磷的生产率、水交换率以及通风率中的至少一个。

43、根据权利要求27所述的方法，还包括基于与至少一个动物的经济因素有关的可变输入的变化来生成动物性能分布。

44、根据权利要求43所述的方法，还包括基于所述至少一个可变输入的变化来生成多个动物性能分布。

45、根据权利要求44所述的方法，还包括生成所述至少一个可变输入的优化值，这基于应用到所述多个动物性能分布的所述至少一个优化标准。

46、根据权利要求45所述的方法，其中所述优化标准包括单位饲料成本的生物量的价值、每单位空间的产品值、每小时劳动的产品值、投资回报、营运资本的回报以及每生产1千克产品的价值中的至少一个。

47、根据权利要求27所述的方法，还包括基于包括至少一个可变输入和动物性能分布、动物环境性能分布以及动物经济性能分布中的至少两个的所述动物信息输入来生成综合的动物性能分布。

48、根据权利要求47所述的方法，还包括基于所述至少一个可变输入的变化来生成多个动物性能分布。

49、根据权利要求48所述的方法，还包括生成所述至少一个可变输入的优化值，这基于应用到所述多个动物性能分布的所述至少一个优化标准。

50、根据权利要求49所述的方法，其中所述优化标准包括日增重量、每周的重量、单位饲料成本的产品值、每单位空间的产品值、存活率、环境影响、每年的周期数、动物大小、种群密度、水交换率、产品形式、每排放一单位氨的生产率、每排放一单位磷的生产率、水交换率、通风率、单位饲料成本的生物量的价值、每单位空间的产品值、每小时劳动的产品值、投资回报、营运资本的回报以及每生产1千克产品的价值中的至少一个。

51、一种用于生成动物饲料配方的系统，包括：

模拟器引擎，配置为接收多个动物信息输入并基于所述动物信息输入来生成动物需求；

配方设计器引擎，该配方设计器配置为接收多个动物饲料配料输入并基于所述动物需求来生成至少一个由所述动物饲料配料构成的动物饲料配方，其中将所述动物饲料配料输入中的至少一个指定为可变输入；以及

企业管理器引擎，配置为根据至少一个优化标准来优化所述至少一个动物饲料配方，并且还配置为基于所述至少一个优化标准来生成所述至少一个可变输入的优化值。

52、根据权利要求51所述的系统，其中建议修改所述至少一个可变输入包括提供修改所述至少一个可变输入的效果。

53、根据权利要求51所述的系统，其中所述可变输入是配料中的营养含量。

54、根据权利要求51所述的系统，其中所述模拟器引擎还包括动物性能模拟器，将该动物性能模拟器配置为基于所述动物饲料配方信息和包括至少一个可变输入的所述动物信息输入来生成动物性能分布。

55、根据权利要求54所述的系统，其中所述企业管理器引擎配置为基于所述可变输入的变化来启动所述模拟器引擎以生成多个动物性能分布。

56、根据权利要求55所述的系统，其中所述企业管理器还配置为选择所述至少一个可变输入的优化值，这基于应用到所述多个动物性能分布的所述至少一个优化标准。

57、根据权利要求56所述的系统，其中所述优化标准包括日增重量、每周的重量、单位饲料成本的产品值、每单位空间的产品值、存活率、环境影响、每年的周期数、动物大小、种群密度、水交换率以及产品形式中的至少一个。

58、一种动物生产优化系统，包括：

优化引擎，其中具有目标函数程序，配置为接收饲料配方输入；以及

动物生产建模系统，配置为

接收包括至少一个可变输入的动物信息输入，

接收饲料配方输入，以及

提供建模输出到所述优化引擎，

其中所述优化引擎优化所述目标函数以基于所述建模输出来提供所述至少一个可变输入的优化解。

59、根据权利要求58所述的动物生产优化系统，还包括配置为使用户能够选择一个或者多个可变输入的用户界面。

60、根据权利要求58所述的动物生产优化系统，还包括配置为生成所述饲料配方输入的配方设计器引擎。

61、根据权利要求58所述的动物生产优化系统，其中优化所述目标函数包括基于所述一个或者多个可变输入的变化来迭代生成建模输出。

62、根据权利要求58所述的动物生产优化系统，其中所述可变输入是动物因素、环境因素以及经济因素中的一个。

63、根据权利要求62所述的动物生产优化系统，其中所述可变输入是环境因素并且包括热环境、动物种群环境、光周期环境、喂养环境、动物舒适环境、动物结构环境以及动物微生物环境中的至少一个。

64、根据权利要求62所述的动物生产优化系统，其中所述可变输入是动物因素并且包括动物物种类型、动物工作、动物基因型以及动物构成中的至少一个。

65、根据权利要求62所述的动物生产优化系统，其中所述可变输入是经济因素并且包括市场时机、动物产品定价以及市场定位中的至少一个。

66、一种生成动物生产优化系统的可变输入的优化值的方法，包括：

接收包括至少一个可变输入的动物信息输入；

基于所述动物信息输入来生成建模输出；

接收所述目标函数的饲料配方输入；

基于所述建模输出和所述饲料配方输入来生成目标函数；以及

优化所述目标函数以提供所述至少一个可变输入的优化值。

67、根据权利要求66所述的方法，还包括接收用户选择的一个或者多个可变输入。

68、根据权利要求66所述的方法，其中优化所述目标函数包括基于所述一个或者多个可变输入的变化来迭代生成建模输出。

69、根据权利要求66所述的方法，其中所述可变输入是动物因素、环境因素以及经济因素中的一个。

70、根据权利要求69所述的方法，其中所述可变输入是环境因素并且包括热环境、动物种群环境、光周期环境、喂养环境、动物舒适环境、动物结构环境以及动物微生物环境中的至少一个。

71、根据权利要求69所述的方法，其中所述可变输入是动物因素并且包括动物物种类型、动物工作、动物基因型以及动物构成中的至少一个。

72、根据权利要求69所述的方法，其中所述可变输入是经济因素并且包括市场时机、动物产品定价以及市场定位中的至少一个。

Images