Контроль и управление в сложной биотехнической системе молочной фермы

Целью исследования данной работы является углубленное изучение влияния «машинного» фактора (М) в системе «человек-машина-животное» («Ч-М-Ж») с детализацией функций, выполняемых «М», с учетом передачи «М» функций контроля и управления от подсистем «человек-оператор» (ЧО) и «животное» (Ж). Представлены: схема трансформации и расширения машинного функционала в биотехнической системе; математическое моделирование зависимости технологических сигналов, контролируемых функционалами локальных биотехнологических систем (ЛБТС); математическая модель диагностических сигналов о соответствующих параметрах технических блоков ЛБТС. Алгоритмизация и цифровизация процессов на молочной ферме включает расширенный перечень контролирующих показателей: технологические сигналы, диагностические сигналы и «тревожные» сигналы, представленные в статье в матричной форме. Контроль параметров важнейшей подсистемы «М» сложной биотехнической системы «Ч-М-Ж» молочной фермы позволяет повысить уровень автоматизации, цифровизации и интеллектуализации соответствующих процессов доения, кормления, навозоудаления и других, что создает предпосылки для улучшения их работы и обслуживания животных, а также повышения уровня автономности их функционирования. Развитие «машинного» фактора системы целесообразно на основе машиноцентрической модели ЛБТС, которая будет постепенно расширять свои функции за счет передаваемых функций контроля и управления от соответствующих подсистем «ЧО» и «Ж». Определены параметры управления в характерных реперных точках почетвертных кривых молокоотдачи для разработки уточнённых алгоритмов управления процессами доения отдельных долей вымени в автоматизированных и роботизированных доильных аппаратах нового поколения. Показана графически-числовая модель колесного робота-пододвигателя корма в среде Matlab/Simulink. Созданная математическая модель управления движением колесным роботом-пододвигателем корма обеспечивает эффективное взаимодействие системы позиционирования и привода колесного робота при цифровом управлении автономным движением.

функционал, «машинный» фактор, локальные подсистемы обслуживания животных, диагностические сигналы, технологические сигналы

1. Карташов Л. П., Зубкова Т. М. Параметрический и структурный синтез технологических объектов на основе системного подхода и математического моделирования. Екатеринбург: УрО РАН, 2009. 225 с.

2. Черноиванов В. И., Судаков С. К., Толоконников Г. К. Биомашсистемы, функциональные системы, категорная теория систем. М.: НИИ нормальной физиологии им. П. К. Анохина РАН, ФНАЦ ВИМ РАН, 2018. 446 с.

3. Meena Hans, Chaudhary Shalini, Meena Brajendra, Kadain K. S. Farmers' perception towards dairy farm automation in north India. Indian Journal of Dairy Science. 2020;73(2):167-174. DOI: https://doi.org/10.33785/IJDS.2020.v73i02.012

4. Food and Agriculture Organization of the United Nations, 2019. The World of Organic Agriculture Statistics and Emerging Trends. Available at: https://shop.fibl.org/CHen/mwdownloads/download/link/id/1202/?ref=1 (accessed: 20.03.2020).

5. Prabhakar Maurya, Angom Binita, Dharmendra Kumar. Animal Husbandry Sector and Global Climate Change. Conference: International Conference on "Role of Agri-Science, Forestry, Food Technology & Participatory Natural Resource Management for Mitigation of Climate Change (AF-Nature 2015)". At: New Delhi, Jawahar Lal University. 2015;2(1):40-44. URL: https://www.researchgate.net/publication/314151949_Animal_Husbandry_Sector_and_Global_Climate_Change

6. Biotechnology in animal husbandry. Journal for the Improvement of Animal Husbandry. 2016;32(2). Available at: https://istocar.bg.ac.rs/wp-content/uploads/2016/07/BNT-2-za-sajt.pdf (accessed: 15.04.2020).

7. Измайлов А. Ю., Цой Ю. А., Кирсанов В. В. Технологические основы алгоритмизации и цифрового управления процессами молочных ферм. М.: Научная мысль, 2019. С. 84-93.

8. Van De Gucht T., Saeys W., Van Nuffel A., Pluym L., Piccart K., Lauwers L., Vangeyte J., Van Weyenberg S. Farmers' preferences for automatic lameness-detection systems in dairy cattle. Journal of Dairy Science. 2017;100(7):5746-5757. DOI: https://doi.org/10.3168/jds.2016-12285

9. Schütz Christoph G., Schausberge Simon, Schrefl Michael. Building an active semantic data warehouse for precision dairy farming. Journal of Organizational Computing and Electronic Commerce. 2018;28(2):122-141. DOI: https://doi.org/10.1080/10919392.2018.1444344

10. Sundarraj A. A., Rajathi A. A., Vishaal S. C., Prakash M. S., Sam A. A., Seihenbalg S. S. Food Biotechnological Applications in Dairy and Dairy Products. Journal of Pharmacy Research. 2018;12(4):1-6. URL: https://www.researchgate.net/publication/324167849_FOOD_BIOTECHNOLOGICAL_APPLICATIONS_IN_DAIRY_AND_DAIRY_PRODUCTS

11. Alphonse Chapanis, William K. Holstein. Human-factors engineering. BioEngineering. Available at: https://www.britannica.com/topic/human-factors-engineering (accessed: 25.06.2020).

12. Цой Ю. А., Баишева Р. А. Технологические аспекты создания «умной» молочной фермы. Аграрная наука Евро-Северо-Востока. 2019;20(2):192-199. DOI: https://doi.org/10.30766/2072-9081.2019.20.2.192-199

13. Ron Berger, Anat Hovav. Using a Dairy Management Information System to Facilitate Precision Agriculture: The Case of the AfiMilk® System. Information Systems Management. 2013;30(1):21-34. DOI: https://doi.org/10.1080/10580530.2013.739885

14. Sorensen C. G., Fountas S., Nash E., Personen L., Bochtis D., Pedersen S. M., Basso B., Blackmore S. B. Conceptual model of a future farm management information system. Computers and Electronics in Agriculture. 2010;72(1):37-47. DOI: https://doi.org/10.1016/j.compag.2010.02.003

15. Schönfeld M., Heil R., Bittner L. Big Data on a Farm − Smart Farming. In: Hoeren T., Kolany-Raiser B. (eds) Big Data in Context. SpringerBriefs in Law. Springer, Cham. 2018. DOI: https://doi.org/10.1007/978-3-319-62461-7_12

16. Nikitin E., Pavkin D. Modeling the motion processes of a multifunctional robot for animal units. E3S Web Conf. 2020;164:06023. DOI: https://doi.org/10.1051/e3sconf/202016406023