Rola robotyki w przemyśle
mleczarskim

Dziesiątki tysięcy zrobotyzowanych systemów udojowych działa każdego dnia na farmach mlecznych całego świata, ale podkreślić trzeba, że roboty, sztuczna inteligencja i uczenie maszynowe nie ograniczają się tylko do obór i dojarni. Do ich zadań należą między innymi karmienie, przygotowywanie dawek żywieniowych, obchodzenie się z obornikiem, monitorowanie zachowania, ruchów zwierząt, a także wykonywanie testów genomicznych. Zagadnieniu temu przyjrzeli się amerykańscy naukowcy.

tekst: Mateusz Uciński, na podstawie Dairy Global

– Jeśli producenci mleka nie używają jeszcze tego typu technologii, ważne jest, aby przynajmniej zbadali jej możliwości, aby widzieć, jak może ona pomóc w pracy, wydajności, gromadzeniu danych i ogólnym zrównoważonym rozwoju branży! – podkreślił profesor Brad Heims z katedry zarządzania mleczarstwem na Uniwersytecie Minesoty, wyjaśniając jednocześnie, że ​​istnieje wiele opcji technicznych zarówno dla nowych, jak i doświadczonych rolników. Czujniki przeżuwania i monitorowanie kolczyków w uszach zyskały na popularności wraz ze wzrostem ich możliwości. Zachowania żywieniowe, pobór suchej masy i wydajność są przewidywane z większą dokładnością, gdy powszechnie dostępne stają się indywidualne dane hodowanych zwierząt.

Naukowiec zaznacza, że podgarniacze paszy są coraz bardziej popularne, zwłaszcza w zrobotyzowanych operacjach udojowych. Zgarniacze obornika, chociaż nadal dość drogie, również są użytkowane, a gospodarstwa mogą wymagać dostosowania, aby te urządzenia były opłacalne.
– Jednym z urządzeń zyskujących na popularności jest automatyczny podajnik TMR – komentuje Brad Heins. – Jest to rodzaj popychacza i podajnika w tej samej maszynie, dzięki czemu krowy mogą być karmione tyle razy dziennie, ile potrzeba. W przypadku gospodarstw z niedoborem siły roboczej programowalny robot TMR może poradzić sobie z tym zadaniem.

Profesor nie kryje także swojego uznania dla genomiki. Podkreśla, że pomaga ona znaleźć dodatkowe informacje i dane niezwykle istotne i precyzyjne nie tylko z punktu widzenia produkcji i jakości mleka, ale także w odniesieniu do zdrowia i płodności. Wykorzystując dane z pobierania próbek genomowych i informacje z testów, producenci mogą identyfikować zwierzęta wydajne w pobieraniu paszy i ostatecznie powodować większy spadek emisji metanu.
– Posiadamy już systemy żywienia mierzące indywidualne poziomy metanu. Prawdopodobnie nie są one jeszcze stosowane w komercyjnych gospodarstwach mleczarskich, ale w przyszłości, szczególnie dla hodowców korzystających z robotów udojowych, na pewno zaoferowany zostanie jakiś rodzaj detektora metanu – zapewnił.
Stephanie Ward, adiunkt na Wydziale Nauk o Zwierzętach na Uniwersytecie Stanowym Karoliny Północnej, mówi, że stale rozwija się robotyka i możliwości uczenia maszynowego (MCL), choć to ostatnie nie jest jeszcze dostępne komercyjnie.

– Jest to obszar badań, któremu firmy takie jak John Deere i DigiStar bardzo się przyglądają – potwierdza Ward. – Inne start-upy, takie jak iYOTAH, pracują nad zebraniem danych, które można wykorzystać w modelach MCL, aby pomóc w podejmowaniu decyzji i strategii zarządzania.

Zaznaczyć trzeba, że odnotowano powolny wzrost zainteresowania zautomatyzowanymi (zrobotyzowanymi) stacjami żywienia cieląt, ponieważ większość z nich wymaga powrotu do chowu grupowego, co – jak pokazują badania – jest społecznie korzystne, jednak stanowi wyzwanie z perspektywy leczenia chorób. Firma DeLaval opracowała ostatnio podwieszony zrobotyzowany system do dostarczania mleka cielętom w poszczególnych boksach.

Stephanie Ward twierdzi, że zrobotyzowane systemy dojenia już zmniejszyły zapotrzebowanie na siłę roboczą w dojarniach, umożliwiając wykorzystanie pracowników w innych obszarach lub w bardziej wydajny i wykwalifikowany sposób.
– O dziwo, ludzie nie ustawiają się w kolejce do dojenia krów o trzeciej nad ranem – śmieje się uczona. – Tak więc wyłącznie z punktu widzenia siły roboczej technologia pomoże utrzymać gospodarstwa w dobrej kondycji finansowej.

Mówi także – mając na uwadze ochronę środowiska – że wszystko, co zostanie zrobione, aby zmniejszyć marnotrawstwo składników odżywczych i zamknąć cykl (tj. pozostawi mniej odpadów paszowych), poprawi zrównoważony rozwój. Na przykład HarvestLab 3000 firmy John Deere wykrywa stężenie azotu i fosforu w rozsianym oborniku, a także surowe białko i fosfor w posiekanej kiszonce.

– Jeżeli uda nam się połączyć pole ze stołem paszowym, możemy mieć poważny wpływ na obieg składników odżywczych – stwierdza Ward. A rozważając znaczenie przesuwania systemów paszowych w kierunku bardziej zaawansowanym technologicznie, odpowiada zarówno „tak”, jak i „nie”.

– Nie możemy całkowicie usunąć ludzi z tego procesu – podkreśla. – Możemy wyeliminować wiele z ich błędów, takich jak zbyt długie lub krótkie czasy mieszania, niedokładne mieszanie lub złe obliczenia matematyczne, zwiększając w ten sposób wydajność i zrównoważony rozwój, ale nie ma prawdziwego zamiennika ludzkiego patrzenia na krowy i wnikliwej obserwacji.
Jednocześnie Stephanie Ward uważa, że jeśli chodzi o samo karmienie, to ​​jest miejsce na poprawę, i w tej kwestii technologia istotnie pomoże. Zbieranie danych dotyczących spożycia w czasie rzeczywistym, na przykład za pomocą oprogramowania do zarządzania paszą, i porównywanie ich z wydajnością mleka i czasem karmienia dziennie zapewni rolnikom i ich doradcom żywieniowym dostęp do pełniejszych informacji, na podstawie których będą mogli podejmować właściwe decyzje.

W rozmowach z rolnikami uczona z Karoliny Północnej podkreśla dwie podstawowe korzyści płynące z zaawansowanych technologii. Po pierwsze, gromadzenie danych „systemowych” w celu lepszego śledzenia zapasów pasz i punktów odpadów. Bardziej zaawansowany program robotyki, obejmujący mieszanie i dostarczanie, ostatecznie da rolnikom możliwość działania i reagowania bez fizycznej obecności, gdy pojawią się problemy. Po drugie, krowy uwielbiają spójność i systematyczność. Kiedy personel spóźnia się o godzinę do pracy, krowy są karmione z godzinnym opóźnieniem, lub gdy pracownik przygotowujący paszę odbiera telefon podczas mieszania, wielkość cząstek zmienia się w dawce pokarmowej, co prowadzi do problemów zdrowotnych w żwaczu. Kwestie te można rozwiązać za pomocą robotyki, która gromadzi MCL i inne dane, ostrzegając rolników, gdy powodują problemy. 