Midden jaren zeventig telde de gemiddelde Amerikaanse melkveehouderij ongeveer 25 koeien. Tegenwoordig hebben veel operaties meer dan 3.000 - een aantal dat 25 jaar geleden bijna ongehoord was.
Grote kuddes efficiënt beheren zou moeilijk, misschien zelfs onmogelijk zijn, zonder de nieuwste ontwikkelingen op het gebied van informatica en automatisering. De meeste zuivelfabrieken hebben nu melkstallen en bijbehorende stalhuizen, die de productie verdubbelen of verdrievoudigen per manuur. Melkeenheden worden automatisch losgekoppeld om uiergezondheidsproblemen te verminderen en de melkkwaliteit te verbeteren, terwijl koe-ID transponders boeren automatisch productiegegevens laten registreren.
De meest recente belangrijke technologische vooruitgang die de Amerikaanse zuivelindustrie beïnvloedt, is de ontwikkeling van automatische melksystemen - of "robotachtige" melkers.
In het Kellogg Dairy Center van de Universiteit van Connecticut gebruiken we robotmelkers en andere sensoren om 100 koeien en hun fysieke omgeving te controleren. Met dit werk, dat dit voorjaar is gelanceerd, hopen we het gedrag en de gezondheid van individuele koeien in realtime te volgen om de productie-efficiëntie en het welzijn van dieren te verbeteren.
Big data en koeien
Robotic melkers kunnen melk oogsten zonder menselijke betrokkenheid. In feite beslissen de koeien wanneer ze worden gemolken en gaan ze de machine in zonder direct menselijk toezicht. Het robotsysteem identificeert automatisch de koe en past een ontsmettingsspeen toe voordat een robotarm de melkbeker bevestigt voor het melken.
Dat is heel anders dan in melkstal, waar managers beslissen wanneer ze koeien melken, meestal drie keer per dag. Elke robotmelkende eenheid bedient 50 tot 55 koeien.
Gezien de hoge prijs van vroege versies van de robotmelkers en de grote omvang van de Amerikaanse kuddes, hadden Amerikaanse zuivelfabrieken vóór 2010 een minimale interesse in robotmelkers. Het aantal automatische melksystemen in het land steeg echter tot meer dan 2500 eenheden in 2013, voornamelijk vanwege verbeteringen in ontwerp in de nieuwere modellen. Wereldwijd zijn er momenteel meer dan 35.000 automatische melksystemen in bedrijf.
Een rij koeien die worden gemolken (Toa55 / sluitermateriaal) Deze nieuwe machines zijn niet alleen verbeterd in het efficiënt oogsten van melk, ze hebben ook de mogelijkheid om meer informatie te verzamelen over productie, melksamenstelling en koeiengedrag. Dat stelt producenten in staat om beter geïnformeerde managementbeslissingen te nemen.
Met robotmelksystemen runnen de koeien de show. Ze beslissen wanneer ze eten, herkauwen, rusten of worden gemolken. Ze moeten ook minder dan een uur per dag besteden om daadwerkelijk te worden gemolken; vóór robotmelkers duurde het melken vaak drie tot vijf uur per dag.
We wilden weten: wat doen ze de rest van hun dag? Hoe beïnvloedt dat gedrag de productie of dient het om de gezondheidstoestand aan te geven? Op zichzelf kunnen de melkeenheden dat soort informatie niet verzamelen, wat erg handig zou zijn om vroegtijdig te weten te komen of een bepaalde koe een gezondheidsprobleem ontwikkelt.
Onze "koe-CPS" - een cyber-fysiek systeem dat de koeien, robotmelkers, videocamera's en andere sensoren omvat - zal te allen tijde gegevens over onze koeien volgen. Dat zal ons onder andere vertellen waar de koeien naartoe gaan als ze niet worden gemolken; wanneer ze besluiten om te eten, rusten of andere activiteiten te doen; en de samenstelling van hun melk. Sensoren in het lichaam vertellen ons zelfs de pH in een van hun magen, wat een belangrijke indicator voor eventuele spijsverteringsproblemen kan zijn.
Zuivelfabrieken optimaliseren
We hopen dat al deze gegevens ons in staat zullen stellen om tijdig beslissingen te nemen op het niveau van de individuele koe, iets dat niet gemakkelijk is om te doen in grote kuddes. Deze "precisievervoer" kan ons helpen begrijpen hoe de activiteiten van een individuele koe - eten, staan, rusten, melken - haar melkproductie, melkkwaliteit en gezondheid beïnvloeden.
We zijn van plan de gegevens te analyseren met behulp van machine learning, een soort kunstmatige intelligentie die patronen in grote hoeveelheden informatie kan vinden. De computer vergelijkt de gegevens met een model van hoe de zuivelonderneming onder ideale omstandigheden zou moeten werken. Ons model legt kritieke prestatiekenmerken vast - melkkwaliteit en productiviteit - evenals relevante beperkingen, zoals individuele gezondheid en reproductieve status.
Terwijl de melkfabriek werkt, kunnen we met de realtime gegevens beoordelen hoe ver onze echte boerderij ver verwijderd is van de ideale boerderij. We kunnen deze informatie vervolgens combineren met een wiskundig optimalisatie-algoritme om te bepalen hoe we het proces precies moeten aanpassen of aanpassen. Het algoritme kan bijvoorbeeld voorstellen om het type speendruppel, de voedingswaarde van het voer of de hoeveelheid tijd die elke koe besteedt aan het voeden aan te passen.
We hopen dat ons werk melkveehouders in de VS in staat zal stellen om individuele koeien beter te beheren in groepsverband - niet alleen om de melkproductie te verbeteren, maar ook om de gezondheid van de koe te verbeteren.
Dit artikel is oorspronkelijk gepubliceerd op The Conversation.
Matthew Stuber, universitair docent Chemical & Biomolecular Engineering, University of Connecticut
Gary Kazmer, universitair hoofddocent Lactatiefysiologie, Universiteit van Connecticut
Shalabh Gupta, universitair docent engineering, Universiteit van Connecticut
Steven Zinn, hoogleraar Dierwetenschappen, Universiteit van Connecticut
