Klassifisering i endring
En klassifisørs oppgave er å vurdere et slakt så objektivt som mulig. Men menneskefaktoren vil alltid gjøre resultatet subjektivt. Fotograf: Animalia/ Caroline Roka
Måten vi klassifiserer slakt på i Norge er i utvikling. Med våre relativt små volum, svarer det seg ikke å investere i de mest høyteknologiske løsningene. Men enkle måleverktøy kan gi mer nøyaktige og objektive målinger, og automasjon vil kunne gjøre klassifiseringsarbeidet enda mer rasjonelt.
Kjernespørsmålene alle klassifisører i slakteriene står overfor hver dag er: Hva er den sanne og riktige klassifiseringen for dette slaktet (objektivt), og hvilken klassifisering synes jeg slaktet fortjener (subjektivt)?
Det er alltid ønskelig med så presis bedømming av slaktene som mulig – med minst mulig variasjon fra dag til dag mellom ulike klassifisører og slakterier. Objektiv klassifisering betyr at vi tar i bruk måleinstrumenter for å redusere variasjonen. Slaktevektene er den viktigste objektive målemetoden. Men to slakt med samme vekt kan ha veldig forskjellig sammensetning av kjøtt, fett og bein – og dermed verdi. Klassifiseringen skal gi bonden og slakteriet informasjon om disse forskjellene.
Mange feilmuligheter
Selv med måleinstrumenter kan resultatet bli litt feil. Systematiske feil kan skyldes at instrumentet er skadet eller dårlig kalibrert, eller det kan skyldes at operatøren bruker instrumentet på litt feil måte, men nokså likt hver gang. Operatøren er gjerne ubevisst sine systematiske feilmålinger. Systematiske feil i klassifiseringen er svært problematisk fordi det gir tilsvarende skjevheter i resultatene og statistikkene.
Tilfeldige feil oppstår eksempelvis når en klassifisør forårsaker avvik ubevisst og tilfeldig. Vi ønsker minst mulig tilfeldige feil i klassifiseringen fordi det gir feil i enkeltmålinger. I statistikkene derimot blir effekten av tilfeldige feil gjerne mindre jo flere målinger som gjøres. Selv om vi kunne dokumentere at vi gjorde alle målingene perfekt, ville det bli variasjon i målingene. Denne variasjonen skyldes tilfeldige målefeil i instrumentet.
I virkeligheten er alle disse kildene til feil og variasjon alltid til stede. Derfor kan vi si at objektive målinger handler om å redusere feil til et «passe feilnivå». «Passe feilnivå» har vi når verdien av økt presisjon overgår det vi må betale for å få en bedre måling.
Automatiske klassifiseringsløsninger
For slakteriene er kostnadseffektive objektive klassifiseringsinstrumenter som er gode nok ønskelig. Objektive og automatiske systemer er derfor interessante. De siste ti årene har det kommet flere gode automatiske klassifiseringssystemer på markedet. Men fellesnevneren for disse systemene er at investeringskostnadene har vært for høye for norsk skala. I Animalia har vi derfor arbeidet med å utvikle og dokumentere gode objektive målemetoder med ulik grad av automasjon som kan være regningsvarende under våre forhold.