Développement de modèles prédictifs de la demande en aliments – moulée chez les producteurs du secteur laitiers et porcins

Dans le contexte agricole dynamique d’aujourd’hui, l’intégration de l’intelligence artificielle (IA) offre une
opportunité significative de révolutionner et d’optimiser les chaînes d’approvisionnement. L’industrie agricole est
confrontée à des défis pour maintenir des chaînes d’approvisionnement efficaces et durables, en particulier dans
le contexte de la production d’intrants agricoles tels que la moulée pour différents types de production animale.
L’objectif principal de ce projet sera de développer des méthodes de prévision avancées pour déterminer le niveau
des silos de moulée des éleveurs porcins et laitiers pour ainsi prévoir la production et la livraison de la moulée
personnalisée pour chaque exploitation. Le projet prend en compte plusieurs variables influençant le taux de
croissance des porcs et la production laitière des vaches. En termes techniques, nous sommes confrontés à une
situation de prévision dynamique multifactorielle. Notre objectif principal est de développer des méthodes robustes
pour prédire les besoins en alimentation des animaux.

Faculty Supervisor:

Maryam Darvish;Jacques Renaud

Student:

Partner:

Sollio Agriculture

Discipline:

Business

Sector:

Agriculture; Wholesale trade

University:

Université Laval

Program: