39
0
0
Скопировать ссылку
Telegram
WhatsApp
Vkontakte
Одноклассники
Назад

Как обеспечить достоверность и качество данных при учете животных

Время чтения 2 минуты
Нет времени читать?
Скопировать ссылку
Telegram
WhatsApp
Vkontakte
Одноклассники
39
0
0
Нет времени читать?
Скопировать ссылку
Telegram
WhatsApp
Vkontakte
Одноклассники

Основное правило эффективной работы с массивами Big Data: вся поступающая информация должна быть достоверной. Программное обеспечение для ветеринарии и агропромышленного комплекса (АПК) устроено так, чтобы пользователи не могли случайно или намеренно ввести приблизительные, неточные данные, подтасовать или подменить их. Защита от недобросовестных пользователей обеспечивает высокую достоверность первичной информации. В конечном счете эта информация влияет на важные решения в области продовольственной политики страны. 

Меня зовут Роман Андреев, я подключился к проекту в 2018 году в качестве технического писателя и копирайтера, обладающего знаниями в области ветеринарии, кинологии и ИТ-технологий. В этой статье расскажу о защите от ошибочных данных в ветеринарном ПО.

Как обеспечить достоверность и качество данных при учете животных

Категоризация доступов — основа формирования объективных данных

Автоматизированная система учета и регистрации животных с самого начала строилась на принципе строгой иерархии доступов. Программные модули создавались  для конкретной группы пользователей, которая затем получала доступ к своему веб-интерфейсу на ПК или в мобильном приложении.

В 2022 году был создан «Паспорт RegAgro» — система администрирования доступов.

Единая учетная запись паспорта позволяла не вводить персональные данные каждый раз при входе в разные компоненты системы. Например, врач-эпизоотолог регионального Управления ветеринарии использовал свой логин и пароль для входа в компоненты «Регистрация», «Эпизоотология», «Аналитика». При этом его полномочия определял и закреплял приказом по организации непосредственный начальник. Никакой самодеятельности в доступах к ПО не допускалось.

Защита от незаконного использования чипов

Однако всё же случались ситуации, когда недобросовестные специалисты государственной ветслужбы или представители бизнес-структур, сотрудничавшие с ветслужбой, пытались манипулировать данными в корыстных целях. Подобное поведение заставило разработчиков ПО применить решения, которые не допускали «попадание» недостоверной информации в систему учета и  массивы аналитических или статистических данных.

Например, в 2019 году два алтайских колхоза приобрели полторы тысячи микрочипов для маркирования скота, снабженных уникальными номерами, и промаркировали ими животных. Производителем и продавцом  средств маркирования выступило некое ООО. Когда в хозяйствах началась работа по регистрации зачипированного поголовья в системе RegAgro, выяснилось, что взять животных на государственный учет невозможно — уникальные номера микрочипов оказались вовсе не уникальными! При попытке ввести отсканированный номер программа выдавала сообщение, что животное под таким номером уже зарегистрировано, а при проверке уникального кода идентифицировала совершенно другое животное, принадлежащее другому владельцу. 

Это позволило установить, что микрочипы были закодированы дубликатами ранее выданных и уже использованных эмиссионных номеров средств маркирования. То есть производитель повторно использовал одни и те же номера при изготовлении микрочипов. Недостоверную информацию обнаружили благодаря тому, что в ветеринарную систему учета скота была встроена проверка оригинальности 15-значных идентификаторов. Без нее ни владелец, ни ветеринарный врач не узнали бы, что буренка, зарегистрированная с дубликатом уникального номера, фактически осталась бесхозной. 

Защита от подлога результатов лабораторных исследований

Другой пример фальсификации данных — попытка скрыть положительные результаты анализов на различные заболевания. Например, корова из-за опасной болезни подлежала утилизации, но, если результаты анализов сфальсифицировали, ее можно было легально отправить на убой, а мясо продать на рынке. Не допускается и приемка молока от зараженного животного, но сокрытие позитивного результата анализа на болезнетворные бактерии позволяло сдавать надои без ограничений. 

Разработчики мобильного ПО для участковых ветеринарных врачей создали  алгоритм, который гарантировал анонимность лабораторных исследований образцов крови, взятых у потенциально больных животных. Такой подход исключал риск сговора между владельцем больного животного и лаборантом. Кроме того, для разных уровней доступа программно ограничили получение полной информации о животном. 

Так, ветеринар помещал отобранный образец крови или ткани в пробирку с уникальным штрихкодом, сканировал код и оформлял отправку пробы в лабораторию. Программа автоматически связывала идентификатор пробирки и UIN животного в системе учета. Лаборант проводил исследование и получал отрицательный (животное здорово), сомнительный (необходим повторный забор проб) или положительный (животное болеет) результат. Во втором случае ветврач автоматически получал соответствующее уведомление о необходимости еще раз взять кровь конкретного животного на анализ. 

Если заболевание подтверждалось, программа автоматически посылала уведомление в систему оповещения Управления ветеринарии. Его видел конкретный ответственный специалист, который и запускал карантинный механизм. Только этот работник мог получить полную информацию о животном, его владельце и объекте содержания. Лаборант видел положительный результат, но не мог установить, какому животному он соответствует: он не имел доступа к регистрационным данным животного. Участковый ветврач получал только информацию о карантине, а не о результатах анализа. При этом все три ветеринарных специалиста работали в одной и той же системе учета, которая использовала одни и те же регистрационные данные, но выдавала пользователю информацию только в границах его полномочий. 

Интерфейс системы и фильтрация данных по уровню доступа

Big Data животного пополнялась результатами исследований, и эта информация также привязывалась к UIN. Так, идентификатор животного служил основой для «подтягивания» необходимых данных в мобильное приложение «Молочная ферма». Эта программа позволила удаленно управлять всеми рабочими процессами на предприятии. Теперь фермеру не нужно было каждый день лично контролировать работу специалистов, вручную планировать зоотехнические мероприятия или заботиться о своевременной стельности коров. При этом интерфейс приложения руководителя фермы отличался от интерфейса приложения зоотехника или приемщика молока — это достигалось разным уровнем доступа к программе и, соответственно, разным объемом выдаваемой рабочей информации.  

Во всех программах эффективное использование данных обеспечивает использование продвинутой фильтрации. Веб-интерфейс и API мобильных приложений предлагает пользователям выбрать отображаемую на экране информацию по 10–30 параметрам. Такое решение «подтягивает» с сервера только нужные данные, экономит трафик и позволяет работать с медленным интернетом. Фильтрация устроена таким образом, что параметры выдачи соответствуют полномочиям пользователя. Например, младший специалист не может использовать фильтры, которые выполняют сортировку аналитической или статистической информации для руководителя.  Для работы с базой данных ПО используется язык запросов SQL в рамках стандарта ANSI SQL-92, а сами программные компоненты веб-приложений написаны на языках Python, EcmaScript 6+,  VUE. Js и Node.js. 

Исключение злоупотреблений при работе с бездомными животными

В начале 2020 года вступил в силу Федеральный закон №498-ФЗ «Об ответственном обращении с животными», требующий нового подхода к регулированию численности безнадзорных животных. Предусмотренные законом мероприятия привели к дополнительным расходам местного бюджета и показали, что нужно налаживать механизм обращения с «бродяжками».

Например, нужно было организовать выполнение программы гуманного сокращения численности безнадзорных животных по принципам ОСВВ — отлов, стерилизация, вакцинация, выпуск. На практике во многих случаях в отчетах указывали больше отловленных животных, проведенных операций и вакцинаций, чем их было на самом деле. 

Чтобы не допустить подтасовку цифр и исключить возможность приписок, компания «АГРОСЕРВИС» (Сколково) разработала программный продукт «Учет и регистрация животных без владельцев (ЖБВ)». В основе веб-интерфейса и мобильного приложения программы учета бродячих собак и кошек использовались те же решения АС RegAgro, что и для учета сельхоз поголовья: маркировка, регистрация и идентификация.  Программа «ЖБВ» снизила затраты времени и обеспечила контроль проведения всех мероприятий, предусмотренных законодательством при обращении с безнадзорными животными.

Например, система не допускала ситуацию, когда животное выпускали на место прежнего обитания без обязательного содержания на карантине, вакцинации, стерилизации или кастрации. Программный таймер отмечал время и дату помещения животного на карантин. Зафиксировать какие-либо действия с ним до истечения нормативного времени содержания в изоляции было невозможно — программа выдавала сообщение о нарушении. 

Дополнительной гарантией выполнения мероприятий служила обязательная фото- и видеосъемка. Файлы прикреплялись к карточке животного и сохранялись в защищенной базе данных на сервере госветслужбы. 

В карточку животного заносился штрихкод с этикетки вакцины — без этого система не считала вакцинацию проведенной. Штрихкод невозможно было использовать дважды — это тоже автоматически проверялось, чтобы не возникало соблазна присвоить недешевый препарат. 

Взаимодействие пользователей с системой «ЖБВ»

«ЖБВ» обеспечивала координацию между заявителем, организацией отлова, специалистами органов местного самоуправления и ветеринарной службой.  Алгоритм представлял собой цепочку действий, которые совершались при помощи системы в виде двух API —  веб-интерфейса и мобильного приложения.  

Бесплатное мобильное приложение «Поиск животного» мог установить на свой смартфон любой человек. Оно позволяло получить информацию о зарегистрированном сельскохозяйственном или домашнем животном, если ввести номер микрочипа или ушной бирки. Кроме этого, в приложении можно было подать заявку на отлов бродячего животного, прикрепить фото и видео, а в дальнейшем отслеживать судьбу  собаки. 

Полученные заявки поступали в соответствующий отдел муниципалитета и передавались на исполнение ловцам уличных животных. Ловцы выполняли отлов, оформляли его фото- или видеоматериалами, фиксировали место выполнения заявки и передавали животное в приют. Для этого они также могли использовать мобильное приложение ловца или веб-интерфейс программы «ЖБВ». Приют подавал заявку на проведение мероприятий ветеринарному врачу госветслужбы или частной клиники. 

После карантина, вакцинации и стерилизации животного заявка возвращалась ловцу, который отвозил его на место прежнего обитания. Программа допускала, что приют передаст собаку или кошку новым хозяевам, и после оформления договора позволяла закрыть заявку. Закрытые заявки поступали в муниципалитет, который на основании объема выполненных мероприятий оплачивал работу ловцов и ветеринаров. Человек, который отправил заявку на отлов, получал на электронную почту автоматически сформированные системой сообщения обо всех этапах работы. 

Все участники процесса ОСВВ работали со своим собственным компонентом системы и имели доступ только к тем ее функциям, которые относятся к выполнению их служебных обязанностей. При этом оформление мероприятий максимально автоматизировано — достаточно ввести идентификационный номер животного, чтобы получить готовый документ: акт отлова, акт клинического осмотра, акты о вакцинации, стерилизации, маркировании, выпуске, сдачи-приемки услуг, отчеты. 

Муниципалитет получал статистические данные за выбранный период и мог видеть документы, фото, видео и проведенные мероприятия по каждому животному. Такое прослеживание судьбы отловленного животного можно было использовать при разрешении спорных ситуаций между ловцами, владельцами собак и кошек, зоозащитными организациями, обвиняющими ловцов в выпуске больных или нестерилизованных животных. Государственная ветеринарная служба получала статистические данные из системы «ЖБВ», видела ситуацию по отлову, вакцинации, регистрации и могла контролировать местную эпидемическую ситуацию.

Достоверность Big Data — гарантия эффективности управленческих решений

Достоверность первичной информации гарантирует, что сведения, собранные в базу данных, можно будет эффективно использовать для достижения стратегических отраслевых целей. Для ветеринарии и АПК такой целью является прослеживаемость сельхозживотных от рождения до поступления продукции на прилавок. Прослеживаемость, помноженная на достоверность, обеспечивает продовольственную безопасность страны. Именно поэтому разработчикам ПО и аналитикам данных приходится предусматривать механизмы, которые бы автоматизировали процессы сбора и консолидации информации в единой базе данных и сводили до минимума влияние человеческого фактора. Такая категоризация доступов и специализированные API способствуют формированию правдивой и актуальной картины дел в отрасли, которая помогает высшему менеджменту отрасли принимать эффективные управленческие решения.  

Комментарии0
Тоже интересно
Комментировать
Поделиться
Скопировать ссылку
Telegram
WhatsApp
Vkontakte
Одноклассники