101

Kapitel 6. Zusammenfassung

Eine entscheidende Herausforderung an die weitere Nutzung automatischer Melkverfahren stellt die Früherkennung von Euterkrankheiten dar. Im Hinblick auf Tiergesundheit und Milchqualität müssen die bestehenden AMS zügig weiterentwickelt werden. Bereits bestehende Erkennungsmodelle für Eutererkrankungen sind durch intelligente Systeme zu ergänzen, mit denen sich mehrere Prozessparameter für frühzeitige und dennoch zuverlässige Rückschlüsse auf den Gesundheitsstatus verknüpfen lassen. Fuzzy Logic liefert die Möglichkeit, mit unscharfen Parametern und vagen Zusammenhängen umzugehen sowie entsprechende Daten zu verarbeiten.

Das Ziel der Arbeit bestand darin zu untersuchen, inwieweit durch Kombination von einfach zu erhebenden Daten des Melkprozesses mittels Fuzzy Logic die Bewertung der Eutergesundheit an AMS verbessert werden kann. Eigene Forschungen richteten sich daher auf die Evaluierung unterschiedlicher Milch- bzw. Melkparameter hinsichtlich ihrer Eignung als Inputvariable verfeinerter Erkennungsmodelle für Euterkrankheiten am Melkroboter sowie auf die Entwicklung und Optimierung von Fuzzy Logic Modellen.

Im Rahmen eines Vorversuches ist geprüft worden, welche Variablen Eingang in das Erkennungsmodell finden sollten. Zu diesem Zweck wurden neben der Erhebung von Prozessdaten eines AMS „Astronaut^®“ (Lely) am 26. und 27. Juli 2001 mit Geräten des Typs „LactoCorder^® low flow“ (WMB) insgesamt 754 Einzelmessungen an Eutervierteln durchgeführt und verarbeitet. Die Auswertung dieses Datenmaterials ergab, dass zwischen „unauffälligen“, d.h. mehr oder weniger gesunden, und „auffälligen“, d.h. mehr oder minder kranken Eutervierteln gewisse Unterschiede hinsichtlich der viertelbezogenen Parameter normierte Milchbildungsrate und normierter Milchfluss sowie der normierten Zwischenmelkzeit bestehen, welche für eine Modellierung nutzbar sind. Auch die elektrische Leitfähigkeit sollte in das weitere Vorgehen einbezogen werden. Das Kriterium relativer Futterrest wurde demgegenüber aus den folgenden Untersuchungen ausgeschlossen. Die Funktionalität einfacher Fuzzy Logic Modelle ist anhand von 74 erstellten Datensätzen erfolgreich getestet worden.

102

Die statistische Aufbereitung der absoluten Parameterwerte ergab hoch signifikante Differenzen zwischen „unauffälligen“ und „auffälligen“ Vierteln für die untersuchten Eingangsvariablen Milchbildungsrate, Milchfluss, Zwischenmelkzeit und Leitfähigkeit. Mit Ausnahme des Milchflusses lagen diese Abweichungen im angenommenen Trend. Zur weiteren Modellierung wurden jedoch 527 aus den Rohdaten berechnete, normierte Datensätze verwendet, weil diese weitgehend unbeeinflusst von störenden individuellen und Umwelteinflüssen sind. Hinsichtlich der Zuordnung der Leitfähigkeitsmesswerte und bezüglich der Schaffung von Vertrauensintervallen sind bei der Normierung der Daten zwei neue Ansätze erfolgreich eingesetzt worden. Auch die normierten Werte „unauffälliger“ und „auffälliger“ Viertel unterschieden sich deutlich voneinander.

Es sind drei verschiedene Ansätze zur Modellierung der normierten Parameter verfolgt, eingehend analysiert und untereinander sowie mit den Alarmmeldungen der AMS verglichen worden:

1. Ein-Parameter-Modelle (Grenzwertmodelle)
2. Indexmodelle
3. Fuzzy Logic

Während die Ein-Parameter-Modelle die höchsten Spezifitätswerte aufzeigten, konnten für die Verknüpfung der vier Eingangsvariablen durch Indexmodelle die besten Sensitivitätswerte ermittelt werden. Das optimale Ergebnis erzielte jedoch die Modellierung mit Hilfe von Fuzzy Logic. Sie ergab

103

In einer abschließenden vergleichenden Diskussion mit aktuellen Forschungsergebnissen bestätigte sich die Richtigkeit beider Grundannahmen der vorgelegten Dissertation:

1. Aus Daten des Melkprozesses zu ermittelnde, viertelbezogene Parameter eignen sich zur Ergänzung von Leitfähigkeitsmessungen für die Erkennung von Euterkrankheiten.
2. Fuzzy Logic ist eine handliche und wirkungsvolle Methodik zur Modellierung der Zusammenhänge zwischen Melk- und Milchparametern einerseits und der Eutergesundheit andererseits.

© 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.