agriProKnow 

Prozessbezogenes Informationsmanagement in Precision Dairy Farming

 

Synopsis:

Das Projekt agriProKnow entwickelt eine neue Methodik zum prozessbezogenen Informationsmanagement, die die Effizienz der Milchproduktion (Precision Dairy Farming) entscheidend verbessern soll. In einem komplexen cyber-physischen Produktionssystem, das Menschen, Tiere und Technik vereint, stehen Gesundheit und Wohlbefinden der Tiere im Mittelpunkt, und sollen modelliert, überwacht und verwaltet werden. Das innovative Produkt ist eine Plattform für die Generierung von neuem Prozesswissen mittels einer Kombination von Data Mining und semantischer Data-Warehouse-gestützter Analyse von Prozessdaten. Weiters wird durch den innovativen Einsatz von semantischer Web-Service Technologie ein offenes und flexibles System geschaffen, welches das neue Wissen ständig integriert und allen Akteuren einen gesicherten Zugriff bietet, und dadurch neue und verbesserte Farmmanagementdienstleistungen, mit einem Markteinführungshorizont von 3 Jahren, ermöglicht. Die technische Lösung wird als Prototyp implementiert und mittels realer Daten aus experimentellen Betrieben erprobt und verifiziert.

Kurzfassung/Abstract:

Problematik und Ausgangssituation: Moderne Milchwirtschaft zeichnet sich aus durch die Anwendung von Präzisionstechnik wie Roboter, Sensor- und Tracking-Systeme, die eine stetig komplexer werdende Produktionsumgebung bilden. Im Vordergrund stehen Gesundheit der Tiere, Qualitätssicherung der Milch, Ressourceneffizienz, z.B. in Bezug auf Fütterung, und Reduzierung von Umweltauswirkungen. Obwohl neue Technik viele Daten erfassen kann, bleibt das Potenzial dieser Daten als Grundlage einer Überwachung, automatischen Schlussfolgerung und Automatisierung noch ungenutzt. Um neue Prozesssteuerungsansätze als Grundlage neuer Farmmanagementdienstleistungen realisieren zu können, sind einige Herausforderungen zu bewältigen. Erstens ist der innerbetriebliche maschinelle Zugriff auf Daten aller Geräte noch nicht vollständig gelöst, zweitens ist das Prozesswissen noch sehr lückenhaft, und drittens ist die überbetriebliche Datenverwertung noch sehr problematisch. Das erste Problem bezieht sich auf die mangelnde Interoperabilität der Geräte. In diesem Bereich haben die semantisch-basierten Ansätze zur Modellierung, Verknüpfung und prozessbezogenen Verwertung von Prozessdaten eine große Relevanz, sind jedoch noch nicht mit der entsprechenden Produktreife demonstriert. In Bezug auf das zweite Problem zeigen wissenschaftliche Studien, dass der Einfluss vieler Faktoren (Gesundheits-, Umweltfaktoren, usw.) in der Milchproduktion nicht vollständig untersucht wurde. Manche dieser Faktoren können erst mit neuen Sensoren quantitativ erfasst werden. So muss das Prozesswissen erst generiert werden, was Daten aus vielen Betrieben mit unterschiedlicher Betriebsgröße bedarf. Vor diesem Hintergrund bedarf die überbetriebliche Nutzung von Daten dringend einer Lösung, die sich mit der Zugriffskontrolle, Sicherheit und Interoperabilität an den Schnittstellen zwischen Landwirten, Forschern, Beratern und anderen Wissens- und Interessensträgern in der Milchwirtschaft abzeichnen soll.

Ziele und Methode: Das Ziel von agriProKnow ist die Entwicklung und Erprobung einer Methodik zur Generierung und Nutzung von neuem Prozesswissen in Dairy Farming, welche die Grundlage eines innovativen Produkts mit einem Markteinführungshorizont von 3 Jahren bilden soll. Datenbeschaffung, statistische, stochastische und semantische Datenanalyse sind der Kern dieser Methodik. In der Realisierung kommen zum Einsatz: Informationsmanagement-Methoden für große Datenmengen, Entwicklung von Data-Mining Algorithmen, semantische Modellierung, Data-Warehouse Technologie, regel-basierte Schlussfolgerung, semantische Web-Services, ontologie-basiertes Schnittstellendesign sowie Einbeziehung von experimentellen Betrieben und veterinärmedizinische Bewertung von Tieren.

Angestrebte Ergebnisse und Erkenntnisse: (1) Cloud-basierte Plattform mit sicheren und interoperablen Schnittstellen zur Datenerfassung und Zugriff auf Daten vieler Betriebe und Akteure (2) Prozessmodell – Identifikation relevanter Überwachungszustände (3) Zustandsvorhersagemodelle / Mustererkennungsalgorithmen zur Prozessdatenanalyse (4) Semantisches Data-Warehouse zur Modellierung und Erkundung von neuem Prozesswissen (5) Prozedur zur Wissensgenerierung als Kombination statistischer, stochastischer und semantischer Methoden (6) Bereitstellung von Steuerungswissen in Form von Regeln und semantischen Web-Services (7) Integration und Erprobung des Prototyps, der eine komplexe Prozessumgebung aus mehreren instrumentierten experimentellen Betrieben bedienen soll. 

Projektleiter:

Frau Dr. Dana Tomic, Smartbow GmbH

Projektpartner:

Josephinum Research (http://www.josephinum.at/blt/die-blt/josephinum-research.html)

Institut für Stochastik, Johannes Kepler Universität, Linz (http://www.jku.at/stochastik/content)

Institut für Wirtschaftsinformatik - Data & Knowledge Engineering, Johannes Kepler Universität, Linz (http://www.dke.jku.at/index.html)

Department für Nutztiermedizin und öffentliches Gesundheitswesen in der Veterinärmedizin, Veterinärmedizinische Universität Wien (http://www.vetmeduni.ac.at/universitaet/departments/department3/)

Smartbow GmbH (www.smartbow.at)

Wasserbauer GmbH, Fütterungssysteme (http://www.wasserbauer.at/)

 

 

ZURÜCK

Ich stimme zu, dass diese Seite Cookies für Analysen, personalisiertem Inhalt und Werbung verwendet. Weiterlesen