Robotviewer zet gegevens uit melkrobots eenduidig om in praktische informatie
Een melkrobot is een bron van data. Maar welke data zijn relevant voor een melkveehouder? Hoe kunnen bedrijfsadviseurs deze gegevens gebruiken in hun begeleiding? En hoe doe je dat als elke robotleverancier de data op een andere manier weergeeft? Dit waren vragen waar veevoerleverancier Fransen Gerrits mee zat. Het antwoord hebben ze gevonden. In de Robotviewer in het klantportaal staan per robotklant de data uit de robot overzichtelijk op een rij. “De perfecte voorbereiding op een bedrijfsbezoek. Nu hebben we meer tijd om met de veehouder in de stal te kijken.”
Ruim een derde van de melkveeklanten van Fransen Gerrits in Nederland en Vlaanderen melkt met een melkrobot. De verwachting is dat binnen enkele jaren de helft van de klanten automatisch melkt. De markt blijft verschuiven dus. Robotmelken geeft niet alleen een ander arbeidsplaatje, maar levert ook een verscheidenheid aan gegevens op. “Dit kan andere inzichten geven. Als je robotdata goed gebruikt, krijg je een beter beeld van wat er speelt op het bedrijf. Je ziet of dingen wel of niet goed gaan en waar verbetermogelijkheden liggen”, vertelt specialist rundveehouderij Giel van den Brand.
Data in alle soorten en maten
Voor bedrijfsadviseurs van Fransen Gerrits zijn robotdata in potentie dan ook een belangrijke bron van informatie in de begeleiding. Maar om ze goed te gebruiken, ervoeren de adviseurs twee hindernissen. De eerste was de hoeveelheid gegevens. Uit een robot komt enorm veel informatie. Welke informatie is nou precies relevant voor het advies? De tweede was het gebrek aan uniformiteit in de data. Iedere melkrobotfabrikant geeft de informatie namelijk op zijn eigen manier weer. Dit verschilt niet alleen per merk, maar vaak ook nog per type. Een bedrijfsadviseur zou daarom verschillende systemen moeten kennen om te kijken wat er op het bedrijf gebeurt en aan de hand daarvan de juiste adviezen te geven.Om de eerste hindernis te overwinnen, ging Giel van den Brand zo’n tweeënhalf jaar geleden aan de slag. Toen nog als stagiaire, tegenwoordig is hij één van de bedrijfsadviseurs bij Fransen Gerrits. Van den Brand kreeg als opdracht mee in kaart te brengen welke robotgegevens een klant graag wil zien en wat ze aan terugkoppeling van de adviseur zouden willen ontvangen als het gaat om robotdata. Robotgegevens waar een melkveehouder onder andere graag inzicht in wil hebben zijn melkproductie, aantal melkingen, BSK, hoeveelheid krachtvoer per honderd kilogram melk, restvoer totaal en restvoer per koe, zo bleek uit het onderzoek van Van den Brand. Ook het aantal lactatiedagen wordt belangrijk gevonden. Melkveehouders willen bovenstaande gegevens graag uitgesplitst zien in vaarzen, tweedekalfskoeien en oudere koeien, maar ook in lactatiedagen.
Overzichtelijke weergave
De bevindingen van Van den Brand vormden de basis voor de volgende stap die Fransen Gerrits zette: ontwikkeling van een digitaal platform voor bedrijfsadviseurs. Dit platform trekt de belangrijkste koe- en bedrijfsgegevens uit diverse automatische melksystemen en geeft deze overzichtelijk weer. Het maakt niet uit om welk merk en type robot het gaat.
Na toestemming van de melkveehouder wordt er een koppeling gemaakt tussen de melkrobot en het platform. Iedere nacht wordt de informatie uit de melkrobot automatisch door het platform ingelezen en weergegeven. Dit klinkt simpel, maar de veevoerleverancier heeft er hard aan moeten trekken om het voor elkaar te krijgen. Maar het is gelukt. “We hebben met bijna elke melkrobotfabrikant een koppeling."
Het platform is nu ruim een jaar beschikbaar voor de adviseurs van Fransen Gerrits en de bedrijfsadviseurs hebben er veel gemak van. De veehouder is uiteindelijk degene die profiteert. “Je ziet in één oogopslag wat er speelt. Dat scheelt een boel uitzoekwerk, waardoor er veel meer tijd is om samen met de veehouder in de stal te kijken. Want data zijn belangrijk, maar in de stal gebeurt het”, stelt Van den Brand.
Vooraf op de hoogte
Giel van den Brand vertelt dat hij voorafgaand aan het bezoek aan een veehouder de robotdata bekijkt. Om te laten zien welke dingen hij bekijkt en wat er zoal opvalt, pakt hij er de gegevens van een willekeurige klant bij. “Hier zie je bijvoorbeeld een vaars die maar twee keer per dag naar de robot komt. Omdat ik haar nu al in het vizier heb, kan ik meteen met de veehouder kijken wat de oorzaak kan zijn. In zijn algemeenheid zie ik regelmatig dat verse dieren te weinig melkingen hebben. Het is belangrijk direct uit te zoeken wat erachter zit.”
Het komt voor dat de bedrijfsadviseur dankzij de gemakkelijk toegankelijke data nog eerder dan de melkveehouder ziet dat er iets aan de hand is. Giel van den Brand merkt dit in zijn dagelijkse werkzaamheden. “Zie ik bijvoorbeeld een onverwachte verandering in de melkproductie, dan neem ik contact op met de veehouder. Vaak is er niets bijzonders aan de hand. De veehouder is bijvoorbeeld iets eerder aan een nieuwe kuil begonnen dan verwacht. Maar er kan ook werkelijk iets loos zijn. Zo zag ik bij een melkveehouder in de robotinformatie dat er koeien veel te veel brok kregen. Wat bleek: kort ervoor waren de koeien overgegaan van opstart- naar eiwitbrok. Dit betekende een kilo minder brok per dag. Maar de robot stond ingesteld op een afbouw van maximaal honderd gram per dag. Daardoor klopte de krachtvoergift niet meer. Dit zijn dingen die je nu meteen ziet, terwijl je die anders pas een paar dagen later ziet. Een ander voorbeeld is hittestress. Dankzij de robotgegevens kan ik een veehouder pro-actief bellen en overleggen of er misschien een buffer nodig is.”
Alleen uitlezen
Van den Brand vertelt dat het systeem alleen gegevens uit kan lezen. Je kunt er de instellingen van de robot niet mee veranderen. Dat zal in de robot zelf moeten worden gedaan. Moet een adviseur dan alsnog verstand hebben van al die verschillende merken en typen melkrobot? “Maar tot op zekere hoogte”, vertelt Van den Brand. “De basiskennis van de verschillende merken en types hebben we allemaal wel. Daarbij heeft iedere adviseur bij ons zijn eigen specialiteit. Loop ik zelf vast bij een bepaald type robot, dan bel ik een collega die gespecialiseerd is in dat merk."
Blijven innoveren
Fransen Gerrits wil blijven innoveren met data. Zo is het de ambitie om eind dit jaar de robotdata van alle deelnemende bedrijven naast elkaar te zetten en terug te kijken. Bijvoorbeeld om te kijken naar verschillen in hittestressdip (zie voorbeeld verderop in het artikel). Verder leven er ideeën om de informatie uit de robot te koppelen aan rantsoenen, zodat er nog gerichter kan worden gestuurd. Op dit moment is de Robotviewer alleen nog beschikbaar voor de adviseur. Het plan is om de belangrijkste robotdata in de toekomst ook te gaan tonen in het klantportaal. “Zo krijgt een melkveehouder alle belangrijke stuurinformatie in één platform”, besluit Van den Brand.
Tekst en beeld: Gerben Hofman, Melkveebedrijf
Lees ook: De verborgen kansen in jouw melkrobotdata
Bekijk de video en lees méér over onze robotaanpakVoorbeeld: terugkijken naar het effect van hittestress
Dankzij de Robotviewer kunnen adviseurs van Fransen Gerrits eenvoudig terugkijken in de tijd. Dit geeft veel inzichten in de effecten van bijvoorbeeld kuilwisselingen, managementveranderingen óf in dit geval de temperatuur. Iedere bedrijf ervaart hittestress onder de koeien. Echter, op het ene bedrijf kost dit meer melk dan op het andere bedrijf. Dat kan vele oorzaken hebben: van ventilatie tot productieniveau tot het rantsoen en het gebruik van buffers. Doordat met het robotprogramma bedrijven te vergelijken komen de adviseurs van Fransen Gerrits de succesfactoren zijn om het effect van hittestress te beperken op het spoor. “Met deze informatie kunnen we het volgende jaar méér bedrijven helpen met dit terugkerend probleem”, stelt Giel van den Brand. Aan de hand van onderstaande grafieken laat hij zien hoe dit in de praktijk werkt.
Voorbeelden uit de praktijk
Grafiek 1: Het temperatuursverloop in 2025. Er zijn drie extreem warme periodes.
Grafiek 2: Het verloop van de melkproductie op bedrijf A. Op de hittemomenten in juni en juli is de dip klein. De grootste dip zit bij het hittemoment in augustus. Daarbij heeft de luchtvochtigheid waarschijnlijk een rol gespeeld.
Grafiek 3: Op bedrijf B is bij het tweede hittemoment al een veel diepere dip te zien in de melkproductie. Herstel volgt binnen enkele dagen, waarna in augustus een nieuwe dip komt. Dit bedrijf heeft meer productieverlies dan bedrijf A.
