Köhler, Stefan Daniel: Nutzung von Prozessparametern automatischer Melksysteme für die Verwendung von Eutererkrankungen unter Verwendung der Fuzzy Logic

1

Kapitel 1. Einleitung und Problemstellung

Die ersten Verfahren automatischen Melkens wurden Anfang der neunziger Jahre praxisreif und sind seitdem erheblich verbessert worden. Elf verschiedene Modelle von sieben Herstellern waren Ende 2000 in Deutschland am Markt vertreten (Eckl 2001). Weltweit mehr als 500 Melkroboter befinden sich derzeit im Einsatz (Brade 2001), über 1 000 sind allein in Europa projektiert (Lind et al. 2000). Auffallend an dieser Entwicklung ist, dass sowohl die Tiergesundheit als auch die Milchqualität unter den Kaufgründen für Melkautomaten meist die letzten Ränge belegen (Kowalewsky et al. 1999).

Das steht im Widerspruch zu der zunächst verbreiteten Auffassung, durch das häufigere Melken wäre die Tiergesundheit mit dem Melkroboter quasi automatisch zu verbessern. Eutergesundheit und Milchqualität erlangen bei automatischen Melksystemen (AMS) wegen der gesetzlichen Anforderungen zur Milchhygiene jedoch besondere Bedeutung, weil die visuelle Kontrolle durch den Melker entfällt (Schön et al. 2001). In AMS ist es daher mehr noch als in konventionellen Melkanlagen notwendig, erkrankte Tiere möglichst frühzeitig zu erkennen. In der Praxis gestaltet sich die Erfüllung dieser Aufgabe schwierig. Der Melkroboter löst zwar bei Tieren, die anhand eines einfachen Modells als „krank“ einstuft werden, einen Alarm aus. Die Sicherheit dieser Alarmmeldung ist jedoch unzureichend (Pallas and Wendt 2001). Zudem wird der Landwirt bei der Bewertung alarmauslösender Parameter und bei der betriebsspezifischen Anpassung der Grenzwerte oftmals allein gelassen. Eine mögliche Lösung für dieses Problem ist es, das Erkennungsmodell spürbar zu verbessern. Dafür wäre ein intelligentes System zu entwickeln, welches den Landwirt bei seiner Entscheidung wirklich unterstützt. Hierbei sind die Feststellung und die Beurteilung von Prozessparametern für die Kontrolle des Melkroboters von großem Belang. Die Interpretation dieser Daten erlaubt unter anderem Rückschlüsse auf die Gesundheit der Kühe.

Solange bei Eutererkrankungen keine äußerlich erkennbaren Krankheitssymptome auftreten, ist eine Diagnose neben der Abweichung von Milchinhaltsstoffen und physikalischen Milcheigenschaften auch über die Veränderung einzelner Kennwerte des Melkprozesses möglich. Im Allgemeinen lässt sich jedoch sagen, dass die Symptome einer Erkrankung um so vieldeutiger


2

sind, je eher wir versuchen, sie zu diagnostizieren (Terano et al. 1993, S. 148). Das heißt, Diagnose und Alarmmeldung erfolgen unter Umständen, bei denen mehrdeutige Informationen verarbeitet werden müssen. Zudem ist das Wissen über die komplexen Beziehungen zwischen einzelnen Prozessparametern, den Eigenschaften der Milch und der Gesundheit des Euters durch Unschärfe gekennzeichnet. Diese Unschärfe wird verstärkt durch die naturgemäß nur begrenzte Genauigkeit der ermittelten Messwerte.

Komplizierte Prozesse lassen sich bisweilen kürzer und doch für praktische Bedürfnisse ausreichend genau durch angemessene qualitative Beschreibungen statt durch präzise mathematische Modelle darstellen. Mehr noch, mit steigender Komplexität von Systemen werden unscharfe Begriffe zu deren Beherrschung immer wichtiger (Bandemer und Gottwald 1993, S. 13f.). Für die Analyse einiger Prozessdaten des Melkroboters soll deshalb eine in der Nutztierhaltung bislang wenig genutzte Methode Anwendung finden: die Fuzzy Logic. Dieses Erkennungsmodell liefert die Möglichkeit, mit unscharfen Parametern und vagen Zusammenhängen umzugehen und diese Daten zu verarbeiten. Fuzzy Logic könnte dadurch die Grundlage eines intelligenten Systems zur Unterstützung des Milchproduzenten bilden.

Die Früherkennung von Euterkrankheiten stellt eine entscheidende Herausforderung an die weitere Nutzung automatischer Melkverfahren dar (Worstorff 1999; Brade 2001). Die bestehenden AMS müssen daher im Hinblick auf Milchqualität und Tiergesundheit rasch weiter entwickelt werden (Schwarzer 2001, S. 107). Das Interesse daran wird belegt durch die Bedeutung der Eutergesundheit für eine rentable Milcherzeugung und die daraus resultierende Bereitschaft der Milchviehhalter, in entsprechende Technik zu investieren. Zugleich ist die Sicherstellung hoher Produktqualität eine unerlässliche Forderung vorbeugenden Verbraucherschutzes.

Die vorliegende Arbeit befasst sich vor diesem Hintergrund mit der Erarbeitung eines ergänzenden Analysesystems für Verfahren automatischer Milchgewinnung, welches durch die fuzzy-logische Verarbeitung von Parametern des Melkprozesses die Eutergesundheit zuverlässig überwachen und damit die Milchqualität dauerhaft sichern hilft. Eine Verbesserung der Situation an AMS auf der Basis dieses neuartigen Herangehens böte überdies einen Ansatz für entsprechende Lösungen in konventionellen Melksystemen.


© Die inhaltliche Zusammenstellung und Aufmachung dieser Publikation sowie die elektronische Verarbeitung sind urheberrechtlich geschützt. Jede Verwertung, die nicht ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung. Das gilt insbesondere für die Vervielfältigung, die Bearbeitung und Einspeicherung und Verarbeitung in elektronische Systeme.

DiML DTD Version 2.0
Zertifizierter Dokumentenserver
der Humboldt-Universität zu Berlin
HTML - Version erstellt am:
Fri Feb 7 16:31:20 2003