Currently, many farmers are transitioning to Automated Milking Systems (AMS), recognizing the ability to reduce labor demands and improve animal welfare. However, this shift is also driven by external economic pressures, such as labor shortages and the need for cost-efficient milk production. By developing a simulation model of the milking system, farmers and engineers can evaluate different barn layouts, cow traffic patterns, and resource allocations without disrupting live operations. Recognizing the potential of simulation, DeLaval has shown interest in using it to improve barn layouts and milking processes. However, there is a notable gap in existing models; few combine agent-based modeling with discrete event simulation, a hybrid approach well-suited to capturing both cow behavior and system dynamics. In collaboration with DeLaval, this master’s thesis investigated the modeling of two milking systems: AMS, using a batch milking cow traffic design, and Rotary Milking Parlors (RMP). The objective was to create simulation models that closely emulate real farm conditions to explore improvements in production efficiency. It focused on developing realistic agent-based simulation models grounded in actual farm layouts, cow behavior, and empirical input data using AnyLogic as a simulation tool. The study outlined a systematic approach for model development, demonstrating how the simulation tool, together with real-world data, can be used to replicate a farm’s milking systems. To assess the accuracy of the models, validation was performed using both statistical and face validation methods, comparing simulation outputs to data from the real farms. The results demonstrated the potential of a hybrid modeling approach for evaluating and optimizing farm designs. The models were successfully validated with an average relative error of less than 2% and shown to reflect the real-world behavior of the system. However, certain simplifications, such as the use of circular hitboxes, limited input and output data, and the omission of behavioral traits like dominance and stress, introduced some limitations. Nevertheless, the models identified key decision parameters and their influence on productivity, providing a foundation for further refinement of models with more complex logic and behavior for more realistic replication, allowing for optimization opportunities.

För närvarande övergår många lantbrukare till automatiska mjölkningssystem (AMS), eftersom de inser att dessa kan minska arbetsbördan och förbättra djurvälfärden. Denna förändring drivs dock också av yttre ekonomiska faktorer, såsom brist på arbetskraft och behovet av kostnadseffektiv mjölkproduktion. Genom att utveckla en simuleringsmodell av mjölkningssystemet kan lantbrukare och ingenjörer utvärdera olika ladugårdsutformningar, kotrafikmönster och resursfördelningar utan att störa den faktiska driften. Med insikt om simuleringens potential har DeLaval visat intresse för att använda den för att förbättra ladugårdsdesign och mjölkningsprocesser. Det finns dock en tydlig brist i befintliga modeller: få kombinerar agentbaserad modellering med diskret händelsesimulering, en hybridmetod som är särskilt lämpad för att fånga både kobeteende och systemdynamik. I samarbete med DeLaval undersökte detta masterexamensarbete modelleringen av två mjölkningssystem: AMS med ett batch-mjölkningssystem för kotrafik, samt roterande mjölkningskaruseller (RMP). Syftet var att skapa simuleringsmodeller som efterliknar verkliga gårdsförhållanden för att undersöka förbättringar i produktionseffektivitet. Arbetet fokuserade på att utveckla realistiska agentbaserade simuleringsmodeller baserade på verkliga ladugårdslayouter, kobeteende och empiriska indata, med hjälp av AnyLogic som simuleringsverktyg. Studien beskrev ett systematiskt angreppssätt för modellutveckling och visade hur simuleringsverktyget, i kombination med verkliga data, kan användas för att återskapa en gårds mjölkningssystem. För att bedöma modellernas noggrannhet genomfördes validering med både statistiska metoder och ansiktsvalidering, där simuleringsresultaten jämfördes med data från de verkliga gårdarna. Resultaten visade potentialen i det hybrida modelleringsangreppssättet för att utvärdera och optimera ladugårdsutformningar. Modellerna validerades framgångsrikt, med ett genomsnittligt relativt fel på mindre än 2%, och visade sig spegla systemets verkliga beteende. Vissa förenklingar såsom användning av cirkulära hitboxar, begränsad in- och utdata, samt uteslutande av beteendefaktorer som dominans och stress introducerade vissa begränsningar. Trots detta identifierade modellerna viktiga beslutparametrar och deras påverkan på produktivitet, vilket utgör en grund för fortsatt utveckling med mer komplex logik och beteende för mer realistisk återgivning och optimeringsmöjligheter.