Система кормления крупного рогатого скота на базе колесного роботизированного кормораздатчика

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. Анализ современного состояния производства продукции молочного скотоводства показывает, что эффективное развитие этой отрасли может быть обеспечено только на качественно новом технологическом уровне. На рынке существует большое многообразие автоматических систем кормления (АСК), отличающихся уровнем автоматизации, технической сложностью и другими параметрами. Они активно применяются на зарубежных фермах, однако, не получили широкого распространения в России преимущественно из-за высокой стоимости.

Цель работы – разработка концептуальной модели автоматической системы кормления крупного рогатого скота (КРС) на базе колесного роботизированного кормораздатчика для обслуживания животных на отечественных фермах и комплексах.

Материалы и методы. В основу разработки легли следующие исследования: анализ продукции, выпускаемой производителями систем для приготовления и раздачи кормосмесей на фермах КРС; изучение работ зарубежных ученых, посвященных исследованию автоматических систем кормления; моделирование работы роботизированного кормораздатчика и мобильного смесителя-раздатчика кормов с помощью разработанного математического аппарата на основе теории графов; экспериментальные опыты, проведенные в российских хозяйствах с функционирующими автоматическими системами кормления и в хозяйствах, являющихся потенциальными потребителями таких технологий.

Результаты. В работе приведены результаты статистической обработки информации, полученной в ходе обзора роботизированных кормораздатчиков, выпускаемых ведущими мировыми производителями. Отмечено, что существующие АСК подходят для относительно небольших европейских ферм. Для российских хозяйств, в которых может содержаться 800 и более коров, предложен состав АСК, имеющей два основных исполнения. Дано описание каждого из исполнений. Для одного из них приведен схематичный план реализации.

Заключение. Предложенная АСК позволяет эффективно применять роботизированные кормораздатчики при относительно небольшом количестве требуемого технологического оборудования. Ее эффективность возрастает с увеличением численности обслуживаемого поголовья, особенно в хозяйствах с комбинированным содержанием животных, поскольку удельные расходы на технологическое оборудование в расчете на одну голову снижаются.

Об авторах

Станислав Михайлович Михайличенко

Федеральный научный агроинженерный центр ВИМ

Автор, ответственный за переписку.
Email: S.M.Mikhailichenko@yandex.ru
ORCID iD: 0000-0002-2305-2909
SPIN-код: 3367-9348

канд. техн. наук, с.н.с. лаборатории цифровых систем и роботизированных технических средств в молочном животноводстве

Россия, Москва

Список литературы

  1. Острецов В.Н., Жильцов В.В. Эффективность механизации животноводства // Экономические и социальные перемены: факты, тенденции, прогноз. 2012. № 2(20). С. 115–119.
  2. Grothmann A., Nydegger F., Häußermann A., et al. Automatic feeding system (AFS) – potential for optimisation in dairy farming // Landtechnik. 2010. Vol. 65, N 2. P. 129–131. doi: 10.15150/lt.2010.610
  3. Pezzuolo A., Chiumenti A., Sartori L., et al. Automatic feeding systems: evaluation of energy consumption and labour requirement in north-east Italy dairy farm // Engineering for Rural Development. 2016. Vol. 15. Pp. 882–887.
  4. Купреенко А.И., Исаев Х.М., Полянская А.И. К определению эксплуатационных показателей кормовых вагонов // Вестник Брянской ГСХА. 2014. № 3. С. 3–6.
  5. Купреенко А.И., Исаев Х.М., Михайличенко С.М. Автоматические системы кормления на молочных фермах КРС // Вестник Брянской ГСХА. 2018. №3(67). С. 32–37.
  6. Oberschätzl-kopp R., Haidn B., Peis R., et al. Effects of an Automatic Feeding System with Dynamic Feed Delivery Times on the Behaviour of Dairy Cows // Proc. of CIGR-AgEng Conference, Aarhus, Denmark. Aarhus: Aarhus University, 2016. P. 1–8.
  7. Купреенко А.И., Исаев Х.М., Михайличенко С.М. Автоматизация приготовления и раздачи кормов на примере ООО «Родниковое поле» // Новые информационные технологии в образовании и аграрном секторе экономики: сборник материалов II Международной научно-практической конференции. Брянск, 2019. С. 49–54.
  8. Купреенко А.И., Исаев Х.М., Михайличенко С.М. Эксплуатация автоматического кормовагона на молочной ферме // Сельский механизатор. 2018. № 6. С. 32–33.
  9. Михайличенко С.М. Сравнительный анализ хронометражных замеров и моделирования работы мобильного кормоцеха // Конструирование, использование и надежность машин сельскохозяйственного назначения: сборник научных работ. Брянск, 2019. С. 315–321.
  10. Kupreenko A.I., Isaev Kh.M., Kuznetsov Yu.A., et al. Modeling of mobile TMR mixer operation // INMATEH – Agricultural Engineering. 2020. Vol. 61, N 2. P. 193–198. doi: 10.35633/inmateh-61-21
  11. Oberschätzl R., Haidn B., Neiber J., et al. Automatic Feeding Systems for Cattle – A Study of the Energy Consumption of the Techniques // Proc. of XXXVI CIOSTA CIGR V Conference. Saint Petersburg, 2015. P. 1–9.
  12. Благов Д.А., Миронова И.В., Митрофанов С.В., и др. Роботизированные технологии в кормлении крупного рогатого скота // Все о мясе. 2021. № 4. С. 21–25. doi: 10.21323/2071-2499-2021-4-21-25
  13. Федоренко В.Ф., Мишуров Н.П., Буклагин Д.С., и др. Цифровое сельское хозяйство: состояние и перспективы развития: науч. издание. М.: ФГБНУ «Росинформагротех», 2019.
  14. Купреенко А.И., Исаев Х.М., Михайличенко С.М. Влияние кратности кормления на производительность автоматического кормового вагона // Инновации в сельском хозяйстве. 2019. № 2(31). С. 76–83.
  15. Иванов Ю.А. Результаты научных исследований по механизации и автоматизации животноводства // Техника и технологии в животноводстве. 2021. № 1(41). С. 4–11. doi: 10.51794/27132064-2021-1-4
  16. Ерохин М.Н., Дорохов А.С., Кирсанов В.В., и др. Концепция построения регионального многофункционального сервисного центра по молочному животноводству // Агроинженерия. 2021. № 1(101). С. 4–10. doi: 10.26897/2687-1149-2021-1-4-10
  17. Купреенко А.И., Исаев Х.М., Михайличенко С.М. Повышение эффективности использования автоматических систем кормления КРС на примере КФХ «Лопотов А.Н.» // Вестник ВНИИМЖ. 2018. № 2(30). С. 138–142.
  18. Кирсанов В.В., Павкин Д.Ю., Никитин Е.А., Довлатов И.М. Методика оптимизации параметров машинного кормления крупного рогатого скота // Агроинженерия. 2021. № 1(101). С. 10–14. doi: 10.26897/2687-1149-2021-1-10-14

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Типы выпускаемых роботизированных кормораздатчиков, %.

Скачать (162KB)
Метаданные
3. Рис. 2. План коровника с автоматической системой кормления GEA Mix & Carry: 1 – оборудование для подготовки соломы; 2, 3 – бункеры-накопители для основных кормов; 4, 5 – бункеры для концентратов; 6 – стационарный смеситель; 7 – подвесной роботизированный кормораздатчик; 8 – поворотный рельс; 9 – подвесной путь; 10 – зарядное устройство.

Скачать (158KB)
Метаданные
4. Рис. 3. План коровника с роботизированным кормораздатчиком GEA Free Stall Feeder: 1 – стационарный смеситель; 2 – подвесной роботизированный кормораздатчик; 3, 4 – бункеры для концентратов; 5 – подвесной путь.

Скачать (157KB)
Метаданные
5. Рис. 4. Схематичный план реализации Системы (Конфигурация 1).

Скачать (207KB)
Метаданные

© Эко-Вектор, 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».