1970. aastate keskel oli keskmises Ameerika piimatootmisettevõttes umbes 25 lehma. Tänapäeval on paljudel operatsioonidel üle 3000 - see arv oli 25 aastat tagasi peaaegu ennekuulmatu.
Suurte karjade efektiivne haldamine oleks keeruline, võib-olla isegi võimatu, kui viimased edusammud andmetöötluses ja automatiseerimises puuduvad. Enamikul meiereidel on nüüd lüpsiplatsid ja nendega seotud vabakutselised korpused, mis toodavad inimtunnis topelt- või kolmekordseks. Udara terviseprobleemide vähendamiseks ja piima kvaliteedi parandamiseks eralduvad lüpsiseadmed automaatselt, lehma ID-transponderid võimaldavad talupidajatel automaatselt tootmisandmeid registreerida.
Viimane suurem USA piimatööstust mõjutav tehnoloogiline edusamm on automaatsete lüpsisüsteemide ehk robotlüpsjate väljatöötamine.
Connecticuti ülikooli Kelloggi piimakeskuses kasutame 100 lehma ja nende füüsilise keskkonna jälgimiseks nii robotlüpte kui ka muid andureid. Sellel kevadel alustatud töö kaudu loodame jälgida lehma individuaalset käitumist ja tervist reaalajas, et parandada tootmise efektiivsust ja loomade heaolu.
Suured andmed ja lehmad
Robotlüpsjad saavad piima koristada ilma inimeste kaasamiseta. Tegelikult otsustavad lehmad, millal neid lüpsta, sisenedes masinasse ilma inimese otsese järelevalveta. Robotsüsteem tuvastab lehma automaatselt ja laseb puhastusvahendiga pihusti pihustile enne, kui robotkäsi lüpsmiseks nisa tassi kinnitab.
See erineb väga palju tavalisest lüpsmisest, kus juhid otsustavad, millal lehmi lüpsta, tavaliselt kolm korda päevas. Igas robotlüpsis on 50 kuni 55 lehma.
Arvestades robotlüpsjate varasemate versioonide kõrget hinda ja USA karjade suurt suurust, olid Ameerika meiereid meie jaoks enne 2010. aastat roboti lüpsjate vastu minimaalsed. Kuid automaatsete lüpsisüsteemide arv kasvas riigis 2013. aastal enam kui 2500 ühikuni tänu uuemate mudelite disaini täiustustele. Kogu maailmas on praegu töös üle 35 000 automaatse lüpsisüsteemi.
Rida lehmi lüpsta (Toa55 / tõkkepuu) Need uuemad masinad pole piima tõhusat koristamist täiustanud, lisaks on neil lisaks võime koguda suuremat hulka teavet tootmise, piima koostise ja lehma käitumise kohta. See võimaldab tootjatel teha teadlikumaid juhtimisotsuseid.
Robotlüpsisüsteemidega juhivad lehmad näitust. Nad otsustavad, millal süüa, mäletseda, puhata või lüpsta. Samuti peavad nad tegelikult lüpsma kulutama vähem kui tund päevas; enne robotlüpsteid võttis lüpsmine sageli aega kolm kuni viis tundi päevas.
Tahtsime teada: mida nad ülejäänud päevaga teevad? Kuidas mõjutab selline käitumine tootmist või näitab tervislikku seisundit? Lüpsiseadmed ise ei suuda sellist teavet koguda, mis oleks väga kasulik varakult teada saada, kas konkreetsel lehmal on terviseprobleeme.
Meie lehma-CPS - küberfüüsiline süsteem, mis sisaldab lehmi, robotlüpsjaid, videokaameraid ja muid andureid - jälgib meie lehmadel olevaid andmeid igal ajal. See ütleb meile muu hulgas, kuhu lehmad lähevad, kui neid ei lüpsta; kui nad otsustavad süüa, puhata või teha muid tegevusi; ja nende piima koostis. Keha sisse paigutatud andurid annavad meile teada isegi mao pH-taseme, mis võib olla kõigi seedeprobleemide peamine näitaja.
Meiereide optimeerimine
Loodame, et kõik need andmed võimaldavad meil iga lehma tasandil õigeaegselt otsuseid vastu võtta - seda pole suurtes karjades lihtne teha. See täpne piimandus aitab meil mõista, kuidas üksikute lehma tegevused - söömine, seismine, puhkamine, lüpsmine - mõjutavad tema piimatoodangut, piima kvaliteeti ja tervist.
Plaanime andmeid analüüsida masinõppe abil, mis on tehisintellekti tüüp, mis suudab leida mustreid suure hulga teabes. Arvuti võrdleb andmeid mudeliga, kuidas meierei peaks ideaalsetes tingimustes töötama. Meie mudel hõlmab kriitilisi jõudlusnäitajaid - piima kvaliteeti ja tootlikkust - ning ka asjakohaseid piiranguid, näiteks individuaalset tervist ja reproduktiivset seisundit.
Kuna meierei tegutseb, võimaldavad reaalajas olevad andmed hinnata, kui kaugel on meie pärisfarm ideaalsest. Seejärel saame selle teabe kombineerida matemaatilise optimeerimise algoritmiga, et teha kindlaks, kuidas täpselt peaksime protsessi muutma või kohandama. Näiteks võib algoritm soovitada reguleerida nisade tilkumise tüüpi, sööda toitesisaldust või aega, mida iga lehm söödab.
Loodame, et meie töö võimaldab piimatootjatel kogu USA-s paremini rühmas hallata üksikuid lehmi - mitte ainult piimatootmise parandamiseks, vaid lehma tervise tugevdamiseks.
See artikkel avaldati algselt lehel The Conversation.
Matthew Stuber, Connecticuti ülikooli keemia- ja biomolekulaarse tehnika abiprofessor
Gary Kazmer, Connecticuti ülikooli imetamisfüsioloogia dotsent
Shalabh Gupta, Connecticuti ülikooli inseneriprofessor
Steven Zinn, Connecticuti ülikooli loomateaduse professor
