所需的农场系统的适应程度将挤奶机器人非常有影响的人物,例如改进机器人通过批挤奶杯牛在现有扶轮店会更美味的农民,相比之下,一个全新的客厅需要更改整个农场系统(例如,自愿挤奶)。移动机器人挤奶系统的使用也试着在放牧系统( Oudshoorn 2008)。链接农场,与其他技术如虚拟栅栏,也可以利用新的机会为生产力gains-such自主运行多个群在一个农场利用机器人挤奶。适应挤奶的时间间隔(例如,一种挤奶)也可以用来增加奶牛/机器人能力。pasture-grazed系统中的一个重要组成部分也需要限制时间群围场挤奶,这减少了潜在的消费和奶牛牧场躺的时间。机器人系统也必须使用长牛行走距离,以及地形多变的天气对奶牛的影响客厅的运动。许多新西兰农场运行杂交牛群导致动物大小和范围,和机器人需要在这种情况下工作。此外,可能会有一个需要管理牛不符合系统( 撰写et al ., 2021)。

劳动力成本和功能源人,将是一个持续的特征像新西兰这样的国家的农业劳动力市场。员工的高流动率,因此机器人技术必须给新员工容易学习。一般来说新西兰农场集中在农场工作的成本低,这影响技术投资决策。主要考虑与机器人是否会全自动(例如,像当前AMS)或只关注拔火罐牛,因此需要一个人在客厅来完成其他任务。这将影响(即所需的技术投资。,the latter option would need to be lower cost), but also will limit farmer’s ability to save on labor to offset investment costs. Having a robot that just attaches cups to cows would still have benefits such as: reduced injuries and physical demands on milking staff, increased job flexibility, ability for a wider range of people (e.g., age, height, strength) to be involved in milking, and creating an innovative image of dairy farming. There may be negative workplace impacts, such as changes to the self-identity of farmers if robotics replaces the role of milking completely.

由于投资成本,机器人可能会影响不同的小型和大型农场获得资本和技术投资。此外,采用智能技术,如高吞吐量挤奶机器人可能增加农业集约化和扩张( Klerkx et al ., 2019)。在新西兰系统中,我们确定了考虑相关决定谁支付服务,支持和维护新西兰部门涉及农场主和他们不同的获得资金的能力。挤奶技术投资给他们带来挑战那些不进行固定资本投资和移动农场每2、3年平均因此需要具有高度的可移植性的资产。

机器人需要适用于早期的职业生涯和职业生涯末期农民不同的ICT技能水平和动机( Christiaensen et al ., 2021)。例如,职业生涯早期农民可能有高技术的兴趣但有限的融资渠道,而在职业生涯末期的农民可能融资动机更少的长期投资。Multi-farm所有权结构的采用程度可能会影响整个奶制品行业。一个额外的考虑是一个评估和技术providers-e.g浓度影响的权力。,“修复”合同,访问数据和可互操作的系统( 2020年,卡罗兰)。

金融方面的一个主要限制采用现有技术在新西兰AMS。新型机器人,将是一个巨大的障碍相关的不确定性,银行提供融资。这将不仅与整体投资成本,折旧和投资回报,而且评估和转售价值。农民和银行寻找短(2 - 4年)的投资回报,特别是在技术不确定性很高( Rutten et al ., 2018),这样的时间似乎无法实现与当前机器人投资的初始成本较高。一些技术提供商提供订阅模式,减少进入成本,沉没成本,为农民。投资回报率也将与类型(成本)的劳动技术取代。高吞吐量的机器人可能使用高成本技术低成本工作,好处:这需要考虑成本的影响。意想不到的金融后果也必须考虑,如减少农场业务灵活性的需要利用机器人投资锁农场继续与他们当前的企业组合。

为了确保广泛的可持续发展成果与挤奶机器人,一个重要的考虑因素是动物福利的影响通过使用机器人。这将涉及到等方面积极或消极的牛:机器人交互( Holloway et al ., 2014)。使用机器人和相关的传感器设备可以使机会改善检测动物的健康问题。例如,大多数新西兰农民确定乳腺炎问题最初通过散装罐体细胞数,其次是奶头剥离( Kamphuis et al ., 2016)。使用内联乳腺炎传感器在新西兰农场目前低( 菲律宾人质街et al ., 2020)和更广泛地使用自动机传感器系统可以降低所需的时间和技术水平来确定这样的疾病。

主要市场考虑与有限的市场规模在pasture-grazed挤奶机器人系统。这个市场规模进一步降低了因为一个挤奶厅的置换周期为20 - 30年基础设施将限制农民的数量安装新的机器人技术。这将对成本效益有很大影响,农民可能只看机器人时需要更换老化的基础设施。此外,广泛的挤奶机器人专利可能禁止挤奶机器人技术领域的创新。当前供应链设置(农场全脂牛奶直接卖给处理器)可能限制农民创造价值通过机器人技术添加功能。

机器人的主要目的是代替劳动力,因此挤奶机器人能够有积极的和消极的对社会福利的影响。自动挤奶在大型农场可以使农民有更多的时间与他们的社区和家庭,减少物理工作负载使年长的农民仍然与挤奶的任务。低身体,通过机器人挤奶技能需求也可能使人们来自社区的一部分时间在农场工作。在农场劳动的减少可能导致更大的农民隔离,和农场可能支持更少的工作在更广泛的社区。相反,采用机器人技术在农场可能导致新的就业机会在当地社区对高技能的技术服务和支持。

新西兰是一个宽松监管经济一些补贴,但采用挤奶机器人可能需要某种形式的投资激励。潜在的监管障碍还需要在机器人开发评估;诸如食品安全法规相关的牛奶收集和冷却( 伊斯特伍德和Renwick, 2020年动物保护条例(下),和影响 曼宁et al ., 2021; Tzachor et al ., 2022)。更广泛的考虑是自动化的农业的长期认知在消费者和公众( Romera et al ., 2020; 普费弗et al ., 2021)。

机器人技术的支持是至关重要的。挤奶时间是至关重要的,因此服务和支持网络必须能够在短时间内做出反应。故障对农民和奶牛挤奶设备有很大的影响。应提供初步支持远程农村旅行时间可以很大。本地服务代理需要专业技能,和备件,维护机器人和ICT系统( 2020年,卡罗兰)。新西兰乳品技术支持网络在这方面需要upskilling。更一般的会有变化需要关于农民咨询网络的技能(例如,农场系统咨询师、营养师、兽医)( 英格拉姆和多,2020)。这将涉及发展中技能帮助农民解释,和做出决策,数据收集的机器人系统( 伊斯特伍德et al ., 2019 a)。

有一些具体的工程考虑高吞吐量挤奶机器人的设计。挤奶杯附件速度是很重要的,因为农民会手动匹配他们可以实现,但是这是一个权衡成本与技术。现代成像系统应该被用来改善杯附件。农民可能接受拔火罐速度慢的挤奶时间延长机器人旋转店如果他们能完成其他任务,监督挤奶过程。机器人必须健壮的处理又湿又脏的操作环境。持续的维护成本可以为机器人是一个问题,一个成功的系统必须减少这些成本。维护成本结构也必须在购买之前对农民是透明的。网络连接是一个问题在许多新西兰农场,机器人必须能够工作在这个约束。组件技术解决方案变得烦人的农民经营多种设备,软件系统和应用程序(例如,动物和饲料管理、合规和时间表)没有共同的登录或与数据重复。机器人系统必须从其他平台根据需要方便地交换数据,如群管理系统或动物卫生传感器。

框架中本文提出了一系列的设计考虑需要一个创新满足市场需要充分认识到socio-ethical和金融因素。例如,尽管生产率提高农业技术将变得越来越重要( Christiaensen et al ., 2021),在系统视图可以鼓励开发人员、行业组织和政策制定者不应忽视的潜在影响员工的满意度和幸福感从长远来看。在技术发展的重点是经常替换当前的手动任务通过改造机器人到现有系统( 2021年完工,),在一个更广泛的方法来理解痛点可以引领我们重新设计系统未来机器人的机会。

后设计指导因素使我们能够识别特定的特点考虑小说挤奶机器人。他们的整体自然也可以打破传统思维的技术手段。一个考虑是,在pasture-grazed系统中,挤奶机器人可能不会完全取代劳动与挤奶,找到支持 普瑞斯(2021)。例如,客厅可以由一个挤奶的经理,谁不积极把杯子和挤奶期间可以进行其他工作,例如数据分析。这对农民投资回报率计算的动态变化,为更少的劳动力会得救,但也在改变机器人本身的设计规范,100%精度可能不是必要的,因为存在挤奶经理参加机器人拔火罐尝试失败或其他一些小问题。使用设计指南相关的另一个结果可能重新想像pasture-grazed农场系统通过集成挤奶机器人“mission-led”的方法,例如提高了员工的工作效率25%。这可能包括不仅使用新颖的机器人,而且系统变化如大个挤奶,和虚拟栅栏,“堆栈”不同的方法,使农场用更少的人来操作。向导提示我们问后续问题这样的系统性变化的影响在其他socio-ethical农民身份等问题,员工的满意度、农村社区影响消费者的认知和农业( Holloway et al ., 2014; Romera et al ., 2020; 普费弗et al ., 2021)。