Slimme voorspelling van melkaanvoer in de zuivelketen

Inleiding

In de moderne zuivelverwerkingsindustrie draait alles om schaal en precisie. Met een netwerk van ongeveer 5.500 Belgische melkveehouders die gezamenlijk verantwoordelijk zijn voor een jaarlijkse productie van 4,6 miljard liter melk, vervullen verwerkers een cruciale rol als de spil in onze voedselketen. Van internationale marktleiders tot gespecialiseerde regionale spelers: zij vormen de essentiële schakel die de primaire productie vertaalt naar een stabiel aanbod voor de consument.

Hier ontstaat echter een opvallende paradox. Terwijl zuivelverwerkers hun output, de planning van eindproducten voor klanten, vaak weken van tevoren tot in detail hebben vastgelegd, blijft de aansturing van de input een blinde vlek. Er is momenteel weinig tot geen structurele verbinding tussen de real-time productiegegevens op het landbouwbedrijf en de logistieke planning van de zuivelverwerkingsfabriek.

Binnen dit enorme volume aan melk schuilt een fundamentele operationele uitdaging: de voorspelbaarheid van de aanvoer. Waar andere industriële sectoren kunnen rekenen op een constante stroom aan grondstoffen, wordt de zuivelverwerker net zoals vele andere voedselverwerkers geconfronteerd met een biologisch systeem dat allesbehalve statisch is. Om grip te krijgen op de keten moeten we daarom eerst kijken naar de bron van deze variabiliteit, in dit geval de koe en de kudde.

Deze kloof tussen de planning en het biologisch geven van melkproductie wordt momenteel onweerlegbaar duidelijk door de naweeën van de blauwtong-epidemie die in de zomer van 2024 door België raasde. Het initiële effect van blauwtong werd in de leveringen niet direct gevoeld.  Figuur 1 toont echter dat de nasleep hiervan nu zeer duidelijk is met een verstoring van het verwachte productiepatroon met onverwachte nationale productiepieken en onzekerheden over het productieverloop in de korte en middellange termijn. 

De dynamiek van de lactatiecurve: Waarom de melkstroom geen echte lijn is

In tegenstelling tot een ideaal industrieel proces waarbij een druk op de knop een constante stroom aan grondstoffen zou opleveren, is de melkproductie van een koe een dynamisch en niet-lineair proces. Binnen elke lactatie volgt elke koe een algemeen biologisch en cyclisch patroon. Dit start met het kalven, dat de opstart van de melkproductie kenmerkt. Na het kalven stijgt de productie snel naar een piek rond de 50ste dag, om vervolgens gedurende de rest van de lactatieperiode geleidelijk af te nemen (Figuur 2).

Echter zijn geen twee curves identiek. Factoren zoals het genetische productiepotentieel, de pariteit (het aantal keren dat een koe gekalfd heeft) en het afkalfseizoen zorgen voor aanzienlijke verschillen in zowel de hoogte van de piek als de snelheid van de melkproductiedaling in het tweede deel van de lactatie. De vorm van de lactatiecurve van een vaars (een koe die voor het eerst kalft) is bijgevolg heel anders dan bij een melkkoe in haar 3de lactatie. Naast de standaard verwachte verloop van een lactatiecurve kunnen deze nog is beïnvloed worden door koegebonden perturbaties gelinkt aan ziektes (uiergezondheidsproblemen, transitieproblemen) en/of omgevingsgeassocieerde stress (groeperen). 

Wanneer we deze individuele curves opschalen naar het niveau van een volledige kudde wordt het beeld nog complexer. Een gemiddeld melkveebedrijf is een optelsom van een honderdtal individuele curves die allemaal in een verschillende fase zitten. Bij een gespreid afkalfpatroon zijn deze fases goed verdeeld over het hele jaar en is er een spreiding van verschillende lactatiestadia binnen de kudde, wat ervoor zorgt dat de productie op kuddeniveau redelijk stabiel is (Figuur 3A). Maar bij een seizoensgebonden afkalfpatroon lopen de verschillende lactatiecurves veel meer gelijk. De totale melkproductie van een bedrijf op een specifiek moment wordt bepaald door de populatiedynamiek: de leeftijdsverdeling van de dieren en de spreiding in het kalverpatroon over het jaar heen. Als een groot deel van de kudde gelijktijdig in een piek, of juist in een dalfase terechtkomt, heeft dit directe ingrijpende gevolgen voor de hoeveelheid melk die opgehaald kan worden (Figuur 3B).

Naast de interne dynamiek van de kudde zijn er de externe variabelen. Zelfs de meest ervaren planner kan de natuur niet dwingen in een wekelijks schema. De productie op het erf wordt continu beïnvloed door omgevingsfactoren die vaak buiten de directe controle van de boer liggen, en kunnen zorgen voor gesynchroniseerde perturbaties over de hele kudde (Figuur 3C):

• Klimatologische stress: Extreme weersomstandigheden zoals hittestress, maar ook aanhoudende regen of sterke wind, hebben een direct meetbaar effect op het welzijn van de koe en daarmee op de melkgift.
• Voermanagement: De beschikbaarheid en, belangrijker nog, de nutritionele kwaliteit van het ruwvoer variëren per seizoen en per oogst, wat de melkproductie onmiddellijk kan beïnvloeden.
• Gezondheidsrisico's: Plotse uitbraken van ziektes, zoals het blauwtongvirus, kunnen enerzijds op korte termijn de verwachte opbrengst binnen een bedrijf of regio in korte tijd drastisch doen kelderen. Anderzijds kunnen deze ziektes ook invloed hebben op de voortplanting, wat leidt tot een verstoring van de toekomstige afkalfpatronen. Dit kan een vertraagd effect creëren in de melkaanvoer dat pas maanden later volledig zichtbaar wordt.

Het samenspel van deze factoren zorgt ervoor dat een voorspelling gebaseerd op het voortschrijdend gemiddelde niet langer volstaat. Om de stap naar de zuivelverwerking van de toekomst te zetten, is een model nodig dat deze biologische realiteit niet alleen erkent, maar ook nauwkeurig kan kwantificeren en omzetten naar betrouwbare voorspellingen.

SmartMilkSupply als technologische brug

Het SmartMilkSupply project geeft een concrete invulling aan deze behoefte. Het vormt de schakel tussen de ruwe data op het melkveebedrijf en de strategische planning door de melkverwerker. Om de biologische variabiliteit om te zetten in een berekenbare factor, hanteert het project een sequentiële aanpak.

Deze aanpak rust op tien jaar expertise van de onderzoeksgroep Livestock Technology (KU Leuven). Hun jarenlange ervaring maakt het mogelijk om de melkstroom op drie verschillende niveaus te ontleden en te verfijnen, waarbij we starten vanuit state-of-the-art kennis die de groep al tien jaar op melkveebedrijven heeft toegepast.

Niveau 1: De individuele lactatiecurve 

Het project vertrekt vanuit de expertise die we het afgelopen decennium hebben opgebouwd rond de lactatiefysiologie van de individuele koe. De huidige modellen integreren factoren zoals pariteit, lactatiestadium, afkalfseizoen, melkinterval en verdeling van melk over de uierkwartieren om voor elk dier een gezonde melkproductie-referentiecurve te bepalen (Adriaens et al., 2018). Dit levert een bewezen nauwkeurigheid op van ruim 90% voor kortetermijnvoorspellingen. Zo detecteren we afwijkingen, zoals mastitis, nog voor ze klinisch zichtbaar zijn (Adriaens et al., 2021). Dit gevalideerde fundament vormt de start van een voorspelbare keten.

Binnen SmartMilkSupply ligt de focus op de ontwikkeling van een productieklare pijplijn die de volledige stroom van dataverwerking tot voorspelling naadloos integreert. Dit transformeert onze wetenschappelijke modellen naar een schaalbaar systeem dat direct inzetbaar is voor de volgende niveaus. 

Niveau 2: De operationele kuddedynamiek

In de tweede fase schalen we deze individuele precisie op naar de realiteit van het volledige bedrijf. Door de verschillende individuele lactatiecurves op te tellen, wordt een nieuw predictiemodel gecorrigeerd voor de specifieke populatiedynamiek van het melkveebedrijf. Hierbij wordt er gekeken naar de leeftijdsverdeling en verwachte afkalfmomenten. Concreet tilt dit Niveau 2 de bewezen biologische potentie uit Niveau 1 naar een concreet logistiek volume op de korte en middellange termijn.

Niveau 3: De contextuele verfijning

In de laatste fase van het project exploreren we hoe externe variabelen van de zuivelsector de voorspellingen nog kunnen verbeteren. Zelfs een perfect gemodelleerde kudde (output Niveau 2) kan immers uit koers worden gebracht door factoren binnen of buiten de directe invloedssfeer van de veehouder. SmartMilkSupply innoveert door de volgende externe datastromen te corrigeren: beschikbare voeders, prijzen van voedercomponenten en melk, meteorologische gegevens en regionale epidemiologische gegevens. Dit zorgt voor een dynamische bijsturing waarbij het model regelmatig de verwachte aanvoer op basis van de meest actuele omgevingsparameters herrekent. Hierdoor verschuift de planning van een reactieve (i.e., reageren op incidenten) naar een proactieve benadering (i.e., anticiperen op trends) en wordt een sterke basis gelegd voor een werkelijk veerkrachtige zuivelketen.

Van biologische data naar voorspelbare aanvoer

De technologische gelaagdheid van SmartMilkSupply is het fundament, maar de werkelijke waarde ligt in de optimalisatie van de volledige keten. Voor een zuivelverwerker wordt de stap van "onderbouwd gokken" naar "voorspellende analyses" vertaald. In een markt met krappe marges en toenemende volatiliteit is voorspelbaarheid de weg richting de melkverwerking van de toekomst. Zodoende brengt SmartMilkSupply de tools om niet langer te reageren op de grillen van de biologie, maar deze te integreren in een data-gestuurde bedrijfsstrategie.

Bent u als zuivelverwerker, technologiepartner of logistieke speler geïnteresseerd in de kennis en expertise die binnen SmartMilkSupply wordt opgebouwd? 

We nodigen bedrijven uit om hun interesse én motivatie kenbaar te maken om mee te denken, use-cases aan te brengen of (data/operationele) inzichten te delen. Door samen te werken versnellen we de vertaalslag van wetenschappelijke modellen naar een robuuste, productieklare oplossing die de melkaanvoer voorspelbaarder maakt en de hele keten veerkrachtiger. Laat ons weten welke uitdagingen u wilt aanpakken en welke rol u ziet voor uw organisatie binnen dit traject. 

Graag uw reactie via Marie.Demarcke@flandersfood.com