Vliv robotického dojení na užitkovost krav
Z dalších prací, které se zabývají efektem AMS (robotické dojení krav) na užitkovost a chování krav je možné zmínit ještě studii Deminga a kol. (2013), kteří potvrdili negativní vztah mezi počtem krav na jeden robot a průměrnou četností jeho návštěv. To podle autorů souvisí i s pozitivním vztahem mezi šířkou krmného místa u žlabu připadajícímu na jednu krávu v kotci s délkou každého zalehnutí a četností návštěv dojícího robota. Protože je šířka krmného místa určena především počtem řad lehacích boxů, jeví se větší počet řad na danou délku žlabu z tohoto hlediska jako nežádoucí. Castro a kol. (2012) ve studii z 34 stád ve Španělsku zjistili průměrný počet krav na 1 robot 52,7 ks (+9,0 ks) při dojivosti 28 kg a počtu dojení 2,69 (+0,28) na krávu. Celkový denní nádoj mléka na jeden robot byl v tomto případě 1476 kg. Vyhodnocení údajů z většího počtu chovů publikovali Tremblay a kol. (2016), kteří na základě údajů z 635 farem v Severní Americe zjistili průměrný počet krav na 1 robot 50,5 ks (+9,54 ks) při dojivosti 31,98 kg (+4,91 kg) a průměrném počtu dojení 2,91 na krávu a den. Průměrná doba 1 dojení byla 6,84 min. při celkovém počtu 147 podojení za den. To představuje celkový denní nádoj na jeden robot 1615 kg mléka. Výsledky většiny vědeckých studií tedy zatím nepotvrdily dosažení cílových parametrů, které výrobci a prodejci AMS deklarují, tj. dosažitelný denní nádoj na 1 robotické stání 2000 kg při dojivosti 33 kg u 60 dojených krav (Rodenburg, 2017).
Siewert a kol. (2018) zase prokázali významně pozitivní vliv pravidelného přihrnování krmiva pomocí robotů na celkový nádoj na jednotku AMS nebo krávu a den. Obdobně pozitivní vliv měla také hodnota Cow Comfort Indexu (podíl ležících krav, ze všech krav v lehacích boxech), což potvrzuje význam prostorných a pohodlných boxových loží.
Efektivnost AMS ovlivňují podmínky chovu
Z řady vědeckých prací, které se hodnocením efektivnosti AMS zabývají, je ale také patrné, že mezi jednotlivými chovy existují velké rozdíly a značná variabilita zjištěných ukazatelů je dána konkrétními podmínkami chovu. Publikované výsledky lze přesto shrnout v několika bodech:
- Zvýšení dojivosti se projevilo pouze při zvýšení počtu dojení z 2x za den na alespoň 2,3 až 2,4x za den. Průměrný počet dojení pomocí robotů byl v rozmezí 2,2 až 3,2x za den.
- Dojivost krav se zvyšovala také s četností navážení nebo přihrnování krmiva a s průměrnou šířkou krmného místa u žlabu.
- Počet návštěv souvisel s počtem krav na 1 robot, počtem robotů v 1 kotci (velikostí skupiny) a složením skupiny krav. Krávy s vyšší dojivostí nebo prvotelky navštěvují robot častěji.
- Počet návštěv dojících robotů je nižší u krav s onemocněním paznehtů.
- Úspěšnost podojení, resp. nasazení strukových násadců byla cca 95 %.
- Reálné využití denní kapacity dojícího robota je 90 % při celkovém čase dojení 22 až 23 hod.
Optimální počet krav na 1 robot je funkcí dojivosti krav, počtu návštěv, času prodlevy, přípravy a nasazení, doby dojení, doby proplachu a servisu.
Z hlediska efektivnosti využití AMS je zajímavá také práce Kinga a DeVriese (2018), která se zabývá využitím údajů z AMS a souvisejících tzv. chytrých technologií detekujících změny zdravotního stavu dojnic. Jedná se o změny v dojivosti, době přežvykování, pohybové aktivity a živé hmotnosti, resp. tělesné kondice zvířat. Podle autorů jsou již rutinně zjišťované údaje vyhodnocované většinou jen samostatně a chybí sofistikované algoritmy, potažmo SW ke komplexnímu vyhodnocení velkého rozsahu dat a vzájemných souvislostí mezi zjištěnými ukazateli, které by zefektivnili rozhodování při řízení stáda.
Nejdůležitější literární zdroje:
Deming, J. A., Bergeron, R., Leslie, K. E. and DeVries, T. J. (2013). Associations of cow-level factors, frequency of feed delivery, and standing and lying behaviour of dairy cows milked in an automatic system. Can. J. Anim. Sci. 93:427–433.
King, M. T. M. and DeVries, T. J. (2018) Graduate Student Literature Review: Detecting health disorders using data from automatic milking systems and associated technologies. J. Dairy Sci. 101:8605–8614.
Salfer, J.A., Minegishi, K., Lazarus, W. , Berning, E. and Endres, M.I. (2017). Finances and returns for robotic dairies. J. Dairy Sci. 100:7739–7749.
Salfer, J.A., Endres, M.I., Lazarus, W. , Minegishi, K. and Berning, E. (2019). Dairy Robotic Milking Systems – What are the Economics? DAIReXNET (extension.org), August 16, 2019 BY DAIRY-CATTLE.
Siewert, j.M., Salfer, J.A. and Endres, M.I. (2018). Factors associated with productivity on automatic milking system dairy farms in the Upper Midwest United States. J. Dairy Sci. 101:8327–8334.
Steeneveld , W., Tauer, L. W., Hogeveen , H. and Oude Lansink, A. G. J. M. (2012). Comparing technical efficiency of farms with an automatic milking system and a conventional milking system. J. Dairy Sci. 95:7391–7398.
Tremblay M., Hess J.P., Christenson B.M., McIntyre K.K., Simink B., van der Kemp A.J., de Jong L.G., Döprer D. (2016). Factors associated with increased milk production for automatic milking systems. J. Dairy Sci. 99:3824-3837.
Ostatní zdroje jsou k dispozici u autorů článku.
Článek vznikl za podpory řešení projektu č. FV40316 – Vývoj komplexu modulárního systému robotizovaného dojení za současného hodnocení parametrů chovu aplikací metod umělé inteligence.
Autoři:
doc. Ing. Mojmír Vacek, CSc. a Ing. Luboš Smutný, Ph.D.,
Zemědělská fakulta, Jihočeská univerzita v Č. Budějovicích
foto: https://www.progressivedairy.com/topics/barns-equipment/10-considerations-when-planning-a-large-robotic-dairy
www.agropress.cz
