Using Stochastic Programming to Evaluate Biomass Estimation Methods in Salmon Farming

Abstract

I denne oppgaven analyserer vi verdien av økt presisjon fra nyere teknologiske fremskritt innen biomasseestimering i lakseoppdrett. Analysen gjennomføres gjennom en komparativ studie, hvor vi løser et salgsplanleggingsproblem. Ved å sammenligne løsninger som bruker tradisjonelle biomasseestimeringsmetoder med løsninger som bruker sanntids biomasseestimeringsteknologi, kvantifiserer studien den økte fortjenesten og finner verdien av informasjon oppnådd fra mer presise biomasseestimasjoner. Instansene som utnytter sanntids biomasseestimering er basert på teknologi levert av selskapet OptoScale.

Vi finner den optimale løsningen for lakseoppdretternes salgsplanleggingsproblem ved å definere en flertrinns stokastisk programmeringsmodell over en planleggingshorisont på fire måneder. Modellen optimerer salgsbeslutninger for å maksimere fortjenesten samtidig som den tar hensyn til produksjonskostnader. Den inkorporerer usikkerhet i både pris- og biomasseutvikling. I tillegg imøtekommes risikopreferansene til lakseoppdrettere, fra risikonøytral til risikoavers, ved å veie forventet fortjeneste opp mot Conditional Value at Risk.

Resultatene viser en økning i fortjeneste på 4\% for en risikonøytral lakseoppdretter som benytter Optoscales estimater sammenlignet med tradisjonelle estimater. Forskjellen øker til 11\% for risikoaverse lakseoppdrettere, ettersom de gjør en høyere andel av salget gjennom terminkontrakter. Resultatene viser hvordan økt presisjon i biomasseestimering hjelper lakseoppdrettere til å ta bedre salgsbeslutninger og generere høyere fortjeneste. Denne oppgaven bidrar til den eksisterende litteraturen ved å evaluere potensialet for økt lønnsomhet i lakseoppdrettsnæringen gjennom å ta i bruk teknologiske fremskritt.

In this thesis, we analyze the value of increased precision from recent technological advancements in biomass estimation in salmon farming. The analysis is conducted through a comparative study, where we solve a sales planning problem. By comparing solutions from instances utilizing traditional biomass estimation methods with instances that utilize real-time biomass estimation technology, the study quantifies the increased profits and determines the value of information gained from more precise biomass estimations. The instances leveraging real-time biomass estimation rely on the technological solutions provided by the company Optoscale.

We determine the optimal solution for salmon farmers' sales planning problem by defining a multi-stage stochastic programming model over a four-month planning horizon. The model optimizes sales decisions to maximize profits while accounting for production costs. It incorporates uncertainty in both price and biomass estimation development. Furthermore, the model considers the risk preference of salmon farmers, ranging from risk-neutral to risk-averse, by weighing expected profits against Conditional Value at Risk.

Results reveal an increase in profits of 4\% for a risk-neutral salmon farmer utilizing Optoscale's estimations compared to traditional estimations. The difference increases to 11\% for risk-averse salmon farmers, as they make a higher portion of their sales through forward contracts. The results show how increasing precision in biomass estimates helps salmon farmers make better sales decisions and generate higher profits. This thesis contributes to the existing literature by evaluating the potential for enhanced profitability in the salmon farming industry by adopting technological advancements.