L'apprentissage automatique avancé rationalise les décisions de market-timing
Décider quand amener un porc sur le marché n’a jamais été une tâche facile.
Pour maximiser leurs profits, les agriculteurs doivent évaluer l'évolution du poids des animaux, des prix du porc, des coûts d'alimentation et de l'espace des enclos, tout en conservant un inventaire de porcs prêts à être commercialisés afin de respecter les obligations contractuelles à long terme avec les transformateurs de viande. Avec autant de variables en évolution, les agriculteurs sont confrontés à ce que les chercheurs appellent la « malédiction de la dimensionnalité » : disposer de trop de données pour résoudre au mieux un problème de manière analytique. Il est donc pratiquement impossible d’obtenir des politiques optimales pour résoudre de tels problèmes.
Cependant, une recherche co-écrite par un professeur de la Riverside School of Business de l’UC exploite l’intelligence artificielle (IA) pour briser cette malédiction. À l’aide des données sur les prix et les stocks d’une grande exploitation porcine de l’Illinois, les chercheurs ont développé un modèle d’apprentissage automatique pour déterminer quand, à qui et combien de porcs vendre afin d’optimiser les profits à long terme. Le modèle a récupéré environ 22 % des bénéfices que les agriculteurs perdent généralement avec la prise de décision traditionnelle.
L'article est publié dans le Journal électronique du SSRN.
« Les méthodes agricoles traditionnelles ont tendance à se concentrer sur les profits immédiats, négligeant la façon dont les choix d'aujourd'hui affectent les revenus futurs. Cette myopie peut signifier des opportunités manquées et une baisse des bénéfices globaux à long terme », a déclaré Danko Turcic, professeur agrégé d'opérations et de chaîne d'approvisionnement à l'UCR. direction et co-auteur de l’article.
Turcic a expliqué que les agriculteurs sont confrontés à des décisions critiques une fois que les porcs atteignent le « stade de finition », un âge d'environ six mois lorsque les porcs atteignent un poids prêt à être commercialisé d'environ 200 livres. C'est une époque où les agriculteurs doivent décider combien de porcs vendre et combien de porcs continuer à nourrir pour répondre à leurs obligations contractuelles futures ou peut-être tirer des profits plus élevés de porcs plus gros sur le marché libre s'ils anticipent une hausse des prix de la viande.
Pour aider les agriculteurs à prendre de telles décisions, Turcic et ses co-auteurs ont commencé avec un modèle d'IA couramment utilisé dans les jeux informatiques et l'ont adapté au monde de l'élevage porcin. Cela impliquait d'ajouter des contraintes réalistes, comme des limites sur le nombre de porcs pouvant être vendus à la fois en raison de contrats avec les abattoirs de viande, et de garantir que l'IA n'essaierait pas de vendre plus de porcs que ce que l'agriculteur avait réellement.
Surtout, ils ont veillé à ce que le processus décisionnel de l’IA soit transparent et compréhensible. Cette « interprétabilité » est cruciale dans des domaines comme l’agriculture et la médecine, où les utilisateurs doivent faire confiance aux recommandations de l’IA.
En comprenant comment fonctionnait l’IA, les chercheurs ont découvert pourquoi elle était bien meilleure que les pratiques actuelles pour vendre du porc. L’IA pouvait identifier les meilleurs moments pour vendre, par exemple lorsque les prix du marché étaient suffisamment élevés pour compenser les pénalités en cas de rupture de contrat. Il a également stratégiquement retenu certains porcs, anticipant soit des prix plus élevés plus tard, soit des périodes où il pourrait y avoir moins de porcs disponibles à vendre.
Bien que l’étude se concentre sur l’élevage porcin, ses implications s’étendent à tous les secteurs impliquant des produits périssables et une gestion dynamique des stocks. Turcic suggère que des systèmes similaires pourraient optimiser les décisions dans les domaines de l'agriculture, de la vente au détail et même du calendrier de lancement de produits de consommation tels que les smartphones.
« Notre travail souligne le potentiel de l'IA non seulement pour automatiser mais aussi pour augmenter la prise de décision humaine avec des outils puissants qui étaient auparavant inimaginables », a déclaré Turcic.
L'étude, intitulée « Une approche analytique empirique de la gestion de la phase de finition des fermes porcines », est disponible en ligne et a été acceptée pour publication dans le Journal de gestion des opérations. Ses co-auteurs sont Panos Kouvelis de l'Olin Business School de l'Université Washington de St. Louis et Ye Liu de la Martin J. Whitman School of Management, Syracuse University, Syracuse, NY.
