用于基于动态营养信息优化动物生产的系统和方法

专利名称：用于基于动态营养信息优化动物生产的系统和方法
相关申请的交叉引用该申请是2004年7月29日提交的美国专利申请No.10/902,504的部分延续案，其全部内容通过引用并入此处。
背景技术：
本发明一般涉及用于动物生产的系统和方法的领域。更具体地，本发明涉及基于动物所接收的营养的利用对动物生产进行优化的系统和方法。
动物生产系统可以包括在生产动物或基于动物的产品中所利用的任何类型的系统或者操作。例如可以包括农场、牧场、水产养殖场、动物饲养厂等。动物生产设施在规模、动物种类、位置、生产目的等方面有很大的差异。然而，几乎所有的动物生产设施可以从确定并且实现生产效率的改进来获益。改进生产效率可以包括导致产出效果增加、所需要的产品与较不合需要的产品的比例输出的改进(例如，瘦肉对肥肉)和/或生产成本的降低的任何手段。
生产者(即农场主、牧场主、水产业专家等)一般通过动物产生的产品的数量或者质量(例如，牛奶的加仑数、肉的磅数、肉的质量、蛋的数量、所产蛋的营养含量、工作量、毛/皮毛的外观/健康状况等)的最大化同时减少与该生产有关的投入成本来受益。示例性的投入可以包括动物饲料、动物设施、动物生产设备、工人、药等。
动物饲料由很多种原料或者配料构成。可以选择配料以优化动物饲料产品中的任何给定营养或者养分组合，这基于所使用的配料的营养构成。
任何一种饲料配料的营养构成可以用来与饲料中的每种其它配料的营养构成相结合，以便产生使评估标准最大化或者最小化的动物饲料。评估标准的一个实例是在最短的时间量中动物的生长和生产率。评估标准的其它实例可以包括但不限于动物的投入度、动物的外观、动物的健康状况等。动物饲料生产者已经认识到特定的营养构成比其它营养构成更有助于动物满足或者超过评估标准。例如，可以制得特定的奶牛饲料构成，其将改进反刍后的基本氨基酸的平衡。这也显示出具有增加奶牛的产奶量的效果。
然而，动物生产者设计的营养成分可能与动物所摄取的营养成分不一致。基于诸如营养的储备方法、到耗尽的时间等多种营养改变因素，动物饲料中的营养可能降解或者改变。
此外，动物所摄取的营养未必完全被动物利用。动物摄取的营养成分中的营养利用可能受到多种营养利用因素的影响，例如动物健康、营养消耗的总量、其它营养的消耗等。
鉴于营养改变和营养利用因素，所需要的是用于使营养标准满足最大化的方法和系统。此外，需要一种配置为产生按配方制造成鉴于营养改变和营养利用因素而满足需求的定制动物饲料的系统和方法。

发明内容
本发明的一个实施例涉及用于基于动物特性和动物所接收和/或利用的营养的预测来定制动物饲料配方的系统。该系统包括模拟器引擎，配置为基于动物特性生成一组动物需求并生成动物饲料配方输入；配方设计器引擎，配置为接收动物饲料配方输入并生成优化的动物饲料配方。
本发明的另一个实施例涉及用于基于动物所接收的营养的利用来生成动物饲料配方的系统。该系统包括模拟器引擎，配置为基于动物特性生成一组动物需求并至少部分基于动物的预测营养利用和该组动物需求来生成动物饲料配方输入。该系统还包括配方设计器引擎，配置为接收动物饲料配方输入并基于该动物饲料配方输入生成优化的动物饲料配方。
本发明的另一个实施例涉及用于基于动物所接收的营养的利用来生成动物饲料配方的方法。该方法包括接收至少一个动物信息输入；至少部分基于所述至少一个动物信息输入来确定一组动物需求；基于所述动物需求生成由动物饲料配料构成的优化动物饲料配方；基于所述至少一个动物信息输入来确定动物的营养利用；以及基于对于动物饲料配料的动物的营养利用，生成由动物饲料配料构成的改进动物饲料配方。
本发明的另一个实施例涉及用于基于动物所接收的营养的利用来生成动物饲料配方的系统。该系统包括模拟器引擎，配置为基于动物特性生成一组动物需求并基于用于满足动物需求的动物饲料配料的预测营养含量来生成动物饲料配方输入。该系统还包括配方设计器引擎，配置为接收动物饲料配方输入并基于该动物饲料配方输入生成优化的动物饲料配方。
通过下面的具体描述和附图，本发明的其它特征和优点对于本领域技术人员将变得显而易见。然而，应该理解的是，该具体描述和特定实例尽管指出了本发明的优选实施例，但是它们是以示例性的方式而不是以限制性的方式给出的。在不脱离其精神的情况下，可以在本发明的范围内进行多种改进和改变，并且本发明包括所有这些改进。


下面将参照附图对示例性实施例进行说明，其中相同的标记表示相同的元件，并且图1是示出根据示例性实施例的动物生产优化系统的总体方框图；图2是示出用于根据示例性实施例的动物生产优化系统的企业管理器的总体方框图；图3是示出根据示例性实施例的用于动物生产系统的模拟器的总体方框图；图4是示出根据示例性实施例的用于动物生产系统的配料引擎和配方设计器的总体方框图；图5是示出根据示例性实施例的用于动物生产优化的方法的流程图。
具体实施例方式
在下面的说明中，出于说明的目的，阐明了许多具体细节以便全面理解本发明。然而，对本领域技术人员来说显而易见的是可以在没有这些具体细节的情况下实施示例性实施例。在其它情况下，为了便于说明示例性实施例，以图的形式示出结构和器件。
在下面说明的至少一个示例性实施例中，描述了一种具有中央处理单元(CPU)的计算机系统，该中央处理单元(CPU)执行包含在存储器中的指令序列。更具体地，执行指令序列以使CPU执行下面描述的步骤。可以将指令从只读存储器(ROM)、大容量存贮器件或者一些其它永久存储设备加载到随机存取存储器(RAM)中以便由CPU执行。在其它实施例中，可以利用多个工作站、数据库、进程或者计算机。在其它实施例中，可以使用硬件电路代替软件指令或者与其结合以实现所述功能。因此，本文中所述的实施例并不限于任何由计算机系统执行的特定指令源。
现在参照图1，所示的总体方框图示出了根据示例性实施例的动物生产优化系统100。系统100包括企业管理器200、模拟器300、配料引擎400以及配方设计器500。
系统100可以利用单个或多个计算系统来实现。例如，在系统100使用单个计算系统来实现的情况下，企业管理器200、模拟器300、配料引擎400以及配方设计器500中的每一个可以在该计算系统中实现为计算机程序、分立处理器、子系统等。或者，在系统100使用多个计算机实现的情况下，企业管理器200、模拟器300、配料引擎400以及配方设计器500中的每一个可以用单独的计算系统来实现。每个单独的计算系统还可以包括配置为通过网络与系统100的其它部件进行通信的硬件。根据另一个实施例，系统100可以实现为实现多个进程和分布系统的单个计算机系统的组合。
系统100配置为接收包括至少一个可变输入的动物信息输入并且对所接收的信息进行分析以确定一个或多个可变输入的变化是否会增加动物的生产率或者满足一些其它优化标准。动物生产率可以是输出动物产品的数量、种类或者质量相对于与该生产有关的支出的相对测量标准。动物信息输入可以包括与动物生产系统有关的任何类型的信息。例如，动物信息输入可以与具体的动物或者动物的群体或者动物的种类、动物的环境、与动物生产有关的经济等相关联。动物生产率还可以配置为包括与生产有关的正和负输出。例如，动物生产率可以配置为表示作为支出(基于与清理有关的资金成本或者对环境的负面影响)的有害气体排放，其使总体的生产率降低。
与具体的动物或者动物的群体或者类型有关的信息可以包括但不限于物种、状态、年龄、生产水平、工作、大小(例如，趋势、指标、周围的变化等)、形态生物学(例如，肠)、体重构成、外观、基因型、产量构成、微生物信息的采集、健康状况、颜色等。与特定动物有关的信息可以是与确定动物生产率相关的任何类型的信息。
物种信息可以包括指明动物的任何类型或者种类，诸如家畜、野生动物、宠物、水生物种、人或者任何其他类型的生物有机体等。家畜可以包括但不限于猪、奶牛、牛、马、绵羊、山羊以及家禽。野生动物可以包括但不限于诸如鹿、麋鹿、野牛等反刍动物、猎鸟、动物园的动物等。宠物可以包括但不限于狗、猫、鸟、啮齿动物、鱼、蜥蜴等。水生物种可以包括但不限于虾、鱼(生产)、青蛙、鳄鱼、海龟、螃蟹、鳗、小龙虾等，并且可以包括用于生产目的(例如食品)而培育的物种。
动物状况可以包括影响动物的投入需求或者产量输出的任何动物的参考或者分类。例如，可以包括但不限于繁殖状况(包括怀孕和产卵)、哺乳期状况、健康状况或者压力水平、抚养状况、肥胖状况、营养不良或者限制喂养状况、蜕皮状况、基于季节的状况、补偿性生长、恢复或者复原状况、营养状况、工作或者运动或者竞争状况等。动物健康状况或者压力水平还可以包括多种子状况，例如正常、受损、创伤后(例如，断奶、与新的围栏的配偶混养、出售、损伤、过渡到哺乳期等)、慢性病、急性病、免疫反应以及环境压力等。
动物年龄可以包括实际年龄或者与年龄有关的生理状况。生理状况的实例可以包括发育状况、包括周期的繁殖状况(例如怀孕的阶段和数量)、哺乳期状况、生长状况、抚养状况、青春期状况、老年期状况等。
动物工作(animal job)可以包括如上所述的生理状况，例如怀孕、哺乳期、生长、产蛋等。动物工作还可以包括动物的日常工作或者实际工作，特别是关于犬科动物和马科动物。动物工作也可以包括动物的活动允许，例如是否一般限制动物在牧场自由运动相对于允许动物在牧场中自由运动，或者水产动物经受的不同水流(对于水产动物)。
动物大小可以包括动物的实际体重、高度、长度、周长、体重指数、嘴的宽度等。动物大小还可以包括动物大小的近期变化，例如动物是否经历体重减轻、体重增加、高度或者长度增加、周长变化等。
动物形态学包括动物展示的体形。例如，体形可以包括长的身体、短的身体、圆的身体等。动物形态学还可以包括内部器官组织变化的独特测量(例如肠绒毛的长度、肠隐窝的深度)和/或其它器官的大小或者形状。
动物体重构成可以包括多种构成信息，例如脂肪酸分布、维生素E状况、色素沉淀度、预测的体重构成等。体重构成一般是体重的任何特定成分(例如瘦的肌肉、水、脂肪等)的百分比或数量的表示。体重构成还可以包括单个身体部位/部分的单独表示构成。例如，体重构成可以包括可食用部分的构成，例如腰部肉产量、胸部肉产量、尾部肉产量等。
动物外观可以包括动物外观的任何测量标准或者表示。例如，可以包括动物皮毛的光泽度、动物的色素沉淀、肌肉紧张、羽毛质量等。
动物基因型可以包括单个或者群体的基因组成的所有或者部分的任何表示。例如，动物基因型可以包括与特定特征有关的DNA标记、对DNA特定段的排序等。例如，基因型可以将基因能力分别限定为以特定速率生长瘦的组织或者限定为沉淀肌肉脂肪以增强瘦肉或者肥瘦相间的肉。另外，可以通过与基因型能力，例如牛奶生产、蛋白质生长、工作等的先天能力，相联系的特征的表型表现来限定基因型。
产量构成可以包括动物产生的产品的构成。例如，产量构成可以包括在家禽生产的蛋或者奶牛生产的牛奶中发现的营养水平、肉产品中的脂肪的数量、分布和/或构成、肉产品的味道和感特征、构成部分的比例之间的相互关系。
微生物和/或酶信息可以包括动物内或动物的环境内的当前微生物种群。微生物和/或酶信息可以包括革兰氏阳性或阴性菌或诸如需氧菌、厌氧微生物、沙门氏菌、大肠杆菌等其它分类的数量或比例的测量标准。酶信息可以包括在胃肠道内产生的、胰腺产生的任何酶子类型或者激活状态(例如蛋白酶、淀粉酶和/或脂肪酶)的当前含量、数量和/或组成，例如胃肠道内产生、胰腺产生的蛋白酶、淀粉酶和/或脂肪酶、微生物种群产生的酶、各个年龄的微生物群落的关系等。微生物和/或酶信息还可以包括关于当前和/或建议的微生物群落表示的潜在营养生物量的信息，这些微生物群落可以用作一些物种(例如反刍动物、水产物种等)的饲料来源。可以使用本领域公知的多种技术中的任意一种(例如cpn60)或者其它分子微生物方法和动物系统或子系统的试管内模拟来监控微生物和/或酶环境。
关于动物或者动物群体的环境的动物信息可以包括但不限于特别涉及环境的因素、涉及动物生产设施的因素等。动物环境可以包括不与动物有关的任何因素，这些因素对动物或者动物群体的生产率具有影响。
涉及环境的动物信息输入的实例可以包括周围温度、风速或通风、日光曝光的光周期或数量、光强度、光波长、光循环、适应气候、季节影响、湿度、空气质量、水的质量、水的流速、水的盐度、水的硬度、水的碱度、水的酸度、通风速率、系统基础(system substrate)、过滤器表面面积、过滤负载性能、氨的水平、地理位置、泥浆评价等。环境信息还可以包括关于含有动物或者多个动物的系统的具体信息，例如系统大小(以平方米表示的大小，以平方厘米、公顷、英亩、体积等表示的大小)、系统类型(围栏、笼子等)、例如通过撒石灰、耙地等进行的系统准备、通风率、系统类型等。尽管一些环境因素超出了生产者的控制范围之外，但是生产者通常可以修正或者调节这些因素。例如，生产者可以通过关闭通风孔减少通风、通过包括加热器或者甚至将特定动物的生产操作重新布置或者移动到到更好的气候来升高周围温度以增加生产率。根据另一个实例，水产生产者可以通过改变对环境中的动物的饲料设计或者喂养计划来改进水产环境的营养输入。根据示例性实施例，可以使用环境评估系统(EAS)计算对动物的热影响估计并提供对动物当前环境的测量结果来自动生成涉及环境的动物信息输入。
涉及生产设施的动物信息输入的实例可以包括动物密度、动物种群的相互作用、饲喂器类型、饲喂器系统、饲喂器定时和分配、病原体负荷、养殖类型、限制类型、羽毛、照明强度、照明时间模式等。生产设施的动物信息输入可以由生产者修改以增加生产率或者致力于其它生产目标。例如，生产者可以建造额外的设施来减小种群密度、获得额外或者不同类型的喂养系统、修改限制类型等。
关于经济因素的动物信息输入可以包括但不限于动物市场信息。动物市场信息可以包括但不限于产品的历史、当前和/或预测价格、市场时机信息、地域性市场信息、产品市场类型(例如，活的或者已屠宰的)等。
动物信息输入还可以包括不容易分类为单独组的多种输入的任意一种。实例可以包括动物的期望产量(例如，牛奶产量、产品构成、身体构成等)、用户定义的需求、风险容忍度、动物混养(例如混养不同的动物)、动物分组的变化等、买方或者市场需求(例如安格斯牛肉、帕尔马火腿、用于特定奶酪的牛奶、用于金枪鱼的等级等)、期望和/或目标生长曲线、存活率、期望的收获日期等。
如下面参照图2所述，上述动物信息输入可以包括通过用户界面直接从用户或者操作人员接收的信息。或者，可以从数据库或者其它信息源检索动物信息输入或者输入的一部分。
此外，一些输入可以是基于一个或者多个其它输入或者值计算的相关输入。例如，动物的压力水平可以基于种群密度、近期体重减轻、周围温度、诸如葡萄糖或者皮质醇水平的新陈代谢指标等进行确定或者估计。每个计算值可以包括使用户能够手工替换计算值的选项。类似地，免疫状况可以根据年龄、营养类型和输入水平、微生物挑战攻击、提供母体被动免疫等。
此外，每个动物信息输入可以包括与该输入有关的多种信息。例如，每个动物信息输入可以包括一个或多个基于该动物信息输入的内容的子字段。例如，在提供动物所处压力状态的指示的情况下，可以接收指示压力的本质和严重性的子字段。
根据示例性实施例，动物信息输入包括将任何动物信息输入指定为可变输入的能力。可变输入可以是用户具有修改或者控制能力的任何输入。例如，用户可以基于通过诸如加热、冷却、通风等多种方法来改变周围温度的能力将周围温度指定为可变输入。根据可选实施例，如下面参照图2进行的进一步讨论那样，可以将系统100配置为自动推荐特定的动物信息输入作为可变输入，这基于它们对生产率的影响或者满足优化标准。
指定可变输入可以要求提交附加信息，例如改变可变输入的成本和/或利益、用于优化测试的推荐的变化程度等。或者，附加信息可以存储在系统100或者相关数据库内并且可以从系统100或者相关数据库内检索。
动物信息输入还可以包括目标值以及当前值。目标值可以包括动物生产率的期望水平或者动物生产率的一些方面。例如，生产者可能希望将家禽产蛋的特定营养水平作为目标。因此，生产者可以输入当前所产蛋的当前营养水平以及该蛋的目标营养值。根据另一个实例，池塘中的虾的当前大小分配对潜在大小分配。如下所述，系统100可以利用目标值和当前值来改变动物饲料配方或者改变可变输入。此外，可以将目标值看作是优化问题的等式约束条件和/或不等式约束条件。
下面的表1列出了可以作为输入提供给动物生产优化系统100的示例性动物信息输入。该潜在动物信息输入列表是示例性的而非排他性的。根据示例性实施例，可以将所列动物信息输入的任何一个或者多个指定为可变输入。
表1一般特点

猪的特点

成年公猪

整理工

环境的评估标准


外观的评估标准

肉/肥肉质量的评估标准

健康的评估标准


牛奶的特点母牛的生殖能力

哺乳期

环境的评估标准


外观的评估标准

牛奶质量的评估标准

健康的评估标准


宠物和马的特性

牛肉特点

家禽的特点


水产动物的特点


水产环境的特点

现在返回系统100的部件，如下面进一步参照图2所述，管理器200可以是配置为管理系统100内的数据处理功能以产生优化信息的任何类型的系统。如下面进一步参照图3所述，模拟器300可以是配置为接收动物信息或者动物配方数据、对所接收的信息应用一种或者多种模型并产生诸如动物需求、动物性能预测、环境性能预测和/或经济性能预测等性能预测的任何类型的系统。配料引擎400可以是配置为接收配料列表并产生针对包括营养和其它信息的配料中的每一种的配料分布信息的任何种类的系统。如下面进一步参照图4所述，配方设计器500可以是配置为接收动物需求预测和配料分布信息并产生动物配方数据的任何类型的系统。
现在参照图2，所示出的是说明根据示例性实施例的动物生产优化系统100的企业管理器200的总体框图。企业管理器200包括用户界面210和优化引擎230。可以将企业管理器200配置为具有下述功能的任何类型的系统通过用户界面210接收动物信息输入；将该信息提交给模拟器300以生成至少一个动物需求；将所述至少一个动物需求提交给配方设计器500以生成给定动物需求的最小成本的动物喂养配方；将所优化的配方提交给模拟器300以生成性能预测并利用优化引擎230生成一个或者多个可变输入的优化值。
根据可选实施例，可以通过系统100的不同部件执行优化或者优化的一部分。例如，或者可以由模拟器300执行本文所述的关于管理器200的优化。此外，可以由配方设计器500执行动物饲料配方的优化。
企业管理器200可以包括或者连接到一个或者多个数据库，该数据库配置为自动提供动物信息输入或者提供基于动物信息输入的附加信息。例如，在用户已经请求牛奶生产操作的优化信息的情况下，企业管理器200可以配置为自动检索关于用户牛奶操作的存储信息并且还从外部数据库或源下载所有相关市场价格或者其它相关信息，其中所存储的信息事先记录在内部数据库中。
用户界面210可以是配置为使用户能够提供输入并从系统100接收输出的任何类型的界面。根据示例性实施例，用户界面210可以实现为网络浏览应用程序内的基于网络的应用程序。例如，用户界面210可以实现为网页，该网页包括多个配置为接收来自用户的动物信息输入的多个输入字段。输入字段可以使用多种标准输入字段类型来实现，例如下拉式菜单、文本输入字段、可选择链接等。用户界面210可以实现为单个界面或者多个界面，其基于用户提供的输入是可以导航的。或者，用户界面210可以使用基于电子数据表的界面、定制的图形用户界面等来实现。
用户界面210可以基于动物信息输入和数据库信息进行定制。例如，在用户限定动物的具体物种的情况下，企业管理器200可以配置为如此定制用户界面210，使得只显示与该具体的动物物种相关的输入字段。此外，企业管理器200可以配置为以从数据库检索的信息自动填充一些输入字段。该信息可以包括内部信息或者外部信息，内部信息例如是所存储的针对特定用户的种群信息，而外面信息例如是关于如上所述的特定物种的当前市场价格。
优化引擎230可以是企业管理器200内的进程或者系统，配置为接收数据输入并基于该数据输入和至少一个优化标准来生成优化信息。根据示例性实施例，优化引擎230可以配置为结合模拟器300操作以解决一个或多个性能预测并计算性能预测的灵敏度。计算性能预测的灵敏度可以包括确定对总的生产率或者优化标准的其它满足产生最大影响的动物信息输入或者可变输入。优化引擎230还可以配置为基于灵敏度分析来提供动物信息输入或者可变输入的优化值。优化可以包括对生产率或者根据优化标准的一些其它测量标准的任何改进。下面将参照图5进一步讨论产生优化值的过程和步骤。
优化标准可以包括任何标准、目标或者当前用户期望的目标或者平稳目的的组合。在优选实施例中，优化标准使生产率最大化。生产率最大化可以包括使诸如总产量、产品质量、生产速度、动物存活率等与生长率有关的单个或者多个因素最大化。最大化生产率还可以包括使诸如成本、有害废物等与生产率有关的负面值最小化。可选的优化标准可以包括利益率、产品质量、产品特点、饲料转化率、存活率、生长率、生物量/单位空间、生物量/饲料成本、成本/生产日、周期/年等。或者，优化标准可以包括根据优化标准进行最小化。例如，期望使动物排泄物的氮或者磷的含量最小化。
优化引擎230可以配置为执行其自身的用于应用程序的优化代码，其中来自配方设计器500的饲料配料信息与在模拟器300中计算的其它信息和/或预测结合。可以使用基于梯度的方法或者更优选使用诸如Nelder-Mead或者Torczon算法等单纯形法来解决协调几个独立计算引擎的优化问题(称为多种学科的优化)。优选地，优化引擎230可以配置为执行基于梯度的方法和单纯形法的定制组合，其中所述基于梯度的方法用于优化标准平稳地于其相关的变量(提供给模拟器300的决策变量)，所述单纯形法用于目标函数对于其具有干扰或不连续的相关性的变量(提供给配方设计器500的饮食需求)。或者，可以应用其它优化方法，包括但不限于基于伪梯度的方法、随机方法等。
可以还将企业管理器200配置为安排优化结果并且通过用户界面210提供该结果作为输出。可以提供该结果作为可变输入的推荐优化值。该结果还可以包括附加的动物信息输入的推荐值，这与该信息是否被指定为可变输入无关。该结果还可以包括实现可变输入的优化值的影响的预测。
可以将企业管理器200配置为执行Monte Carlo法，其中从一组模型参数的分布中提取特定组的值以解出可变输入的优化值。可以多次重复该过程，建立优化解的分布。基于优化的类型，可以使用企业管理器200来选择最可能提供优化解的值或者给出足以满足目标的置信度的值。例如，可以选择简单的优化，其提供使特定动物的平均日增重最大化的净能量水平。Monte Carlo模拟可以提供包括各种净能量水平的需求分布并且生产者可以选择最可能使平均日增重最大化的净能量水平。
还可以将企业管理器200配置为基于应用的可变输入的最优化值的应用接收实际世界的经验反馈。经验反馈可以用于调节可变输入，从而进一步优化动物生长系统。经验反馈还可以比作与性能预测相比以跟踪该预测的精度准确度。可以使用诸如自动监控、数据的手动输入等多种方法中的任意方法来提供经验反馈。
此外，可以将企业管理器200配置为能够对模型进行动态控制。如下面参照图5所述，在设定例如饲料配方的初始控制动作后，可以监控动物反映并将其与预测比较。如果动物反映远远偏离预测，则可以提供新的控制动作，例如饲料配方。例如，如果该性能开始超过预测，则可以通过切换到较低成本的饲料配方、不同的水流速等来恢复一些值。如果性能落后于预测，则切换到较高值的饲料配方，这可以有助于确保满足最终的产品目标。尽管以上参照饲料配方对控制操作进行了说明，但是控制操作可以针对任何控制变量，例如水的流速、进食率。类似地，例如可以通过增加或者降低流速等来调节该控制变量。
现在参照图3，所示出的是说明根据示例性实施例的模拟器300的总体框图。模拟器300包括需求引擎310、动物性能模拟器320、环境性能模拟器330、以及经济性能模拟器340。通常，模拟器300可以是配置为对输入数据应用一个或多个模型以产生输出数据的任何进程或者系统。数据输出可以包括任何类型的预测或者确定值，例如动物需求和/或性能预测，包括动物性能预测、经济性能预测、环境性能预测等。
具体地，将模拟器300配置为从企业管理器200接收动物信息输入，使用需求引擎310和动物需求模型对该信息进行处理以产生一组动物需求。此外，模拟器300可以配置为从企业管理器200接收饲料配方数据并使用动物性能模拟器320、环境性能模拟器330、经济性能模拟器340的任意组合对该饲料配方数据进行处理以产生至少一个性能预测。
模拟器300使用动物需求模型将输入值转换成一个或者多个输出，该动物需求模型可以包括方程系统，当解该方程时，使诸如动物大小等输入与诸如蛋白质需求等动物需求或者诸如空间分配、饲料分配等系统需求相关联。不需要用于该模型的具体数学形式，选择针对每一个应用类型最恰当的模型。一个实例是国家研究委员会(NRC)开发的模型，其包括提供基于经验关系的营养需求的代数方程。另一个实例是MOLLY，其是由加州大学戴维斯分校的R.L.Baldwin教授开发的哺乳期奶牛性能的基于可变新陈代谢的模型。模型可以包括一组明确的常微分方程和一组取决于该微分变量的代数方程。非常普通的模型可以包括完全隐式、成对的偏微分、常微分和代数方程组，这将在混合离散-连续模拟中解出。
可以将模型配置为与模拟器300有关的功能性不相关。不相关使模型和数解算法能够单独地并且通过不同的组来进行改进。
优选地，模拟器300可以实现为基于方程的进程模拟程序包，以便对系统100内的多种模型进行求解。基于方程的模拟器从模型中提取数解算法。该提取使模型开发能够独立于数值算法开发。该提取还使单个模型能够应用在各种不同的计算(稳态模拟、动态模拟、优化、参数估计等)中。可以将模拟器配置为利用用于诸如灵敏度计算等任务的方程的形式和结构。与将模型开发为定制计算机代码的单元时的可能配置相比，该配置使一些计算能够更加健壮和/或有效地进行。基于方程的进程模拟程序包是配置为直接与构成模型的方程相互作用的软件。这种模拟器一般解析模型方程并在存储器中建立方程系统的表示。该模拟器使用该表示有效地执行所要求的计算，无论其是稳态模拟、动态模拟、优化等。基于方程的进程模拟程序包还允许包括更容易写作程序和数学方程的组合的计算。实例可以包括大数据表中的插值，调用以编译代码发布的专有计算程序等，方程对于该编译代码是不可用的。当开发出更新、更好的求解算法时，在不需要对模型进行任何改变的情况下，可以将这些算法并入到模拟器300中，该模型由模拟器300配置求解。
根据示例性实施例，模拟器300可以是进程模拟器。进程模拟器一般包括多种求解算法，例如反向模式自动微分、用于可变灵敏度的交错校正法、自动模型指数减少、健壮的牛顿迭代法(用于通过数量不够的初始值求解非线性系统)、可变系统的无误差缩放以及用于定位状态事件的区间算术方法。进程模拟器利用用于线性系统的直接求解的稀疏线性代数程序。该稀疏线性代数程序可以在没有迭代的情况下有效地求解非常大的系统(几十万个方程)。进程模拟器还提供特别强的一组优化能力，包括非凸混合整数非线性问题(MINLP)和全局变量优化。这些能力使模拟器300能够直接使用模型求解优化问题。特别地，交错校正算法对于灵敏度计算是特别有效的方法，这经常是全局优化计算中的瓶颈。
模拟器300所求解的用于优化的可变输入可以包括固定和时变参数。时变参数一般表示为使用特定插值方法在特定时间的一组值所给定的分布，例如分段常数、分段线性、贝塞尔样条等。
模拟器300和相关模型可以配置并构建为便于周期更新。根据示例性实施例，模拟器300和相关模型可以实施为动态链接库(DLL)。有利地，可以容易地输出DLL但不能以任何结构方式来观察或者修正它。
可以将需求引擎310配置为如下的任何系统或者进程接收动物信息输入并通过将一个或多个需求模型应用到一组动物信息输入来生成所述动物需求。需求模型可以是基于多种输入组中的任意一种的潜在输出的任何预测。该方法可以与使牛奶产量与动物饲料中的净能量相关联的相关性一样简单或者与计算营养需求以使虾水产养殖池塘生态系统的生产率最大化的可变模型一样复杂。需求引擎310可以配置为基于动物信息输入从多个模型中进行选择。例如，需求引擎310可以包括用于猪需求、奶制品需求、成对动物需求、马需求、牛肉需求、普通需求、家禽需求、水产动物需求等的模型。此外，每个模型可以基于诸如发育阶段、压力水平等附加分类与多个模型有关。
需求引擎310所产生的动物需求可以包括用于特定动物或者动物群体的营养要求列表。动物需求可以是将被提供给动物或者动物群体的全面饮食的说明。还可以以一组营养参数(“养分”)来定义动物需求。养分和/或营养参数可以包括那些一般被称为养分以及配料组、微生物测量值、健康指数、多种配料之间的关系等的术语。取决于系统100的复杂程度，动物需求可以包括相对小或者较大的养分集合。此外，动物需求的集合可以包括任何特定养分、养分的组合和/或具体配料的量的约束或限制。有利地，在例如已经确定更高水平的特定养分或者养分的组合可能对所喂养的动物的健康造成风险的情况下，约束或者限制是有益的。此外，可以基于诸如湿度含量、适口性等附加标准来实行约束。约束可以是最小值或者最大值并且可以施加到作为整体的动物需求、任何单个配料或者任何组合配料上。尽管已经在养分的范围内对此进行了说明，但是动物需求可以包括任何与动物有关的需求，例如空间需求、取暖需求等。
另外，可以产生限定可接受营养水平的范围的动物需求。有利地，如下面参照图3进行的进一步说明，利用营养范围允许在动物饲料配方设计期间具有更大的灵活性。
需求引擎310还可以配置为说明变化的营养消化率。例如，一些营养的消化率取决于摄取量。例如，其中动物摄取食物中的一定数量的磷，动物所利用的百分比可能关于所摄取的数量降低。动物的消化道可能只能利用特定量的磷而剩余部分将通过动物而排出。因此，在达到特定水平后，磷利用率可以与动物饲料中的磷的数量成反比关系。消化率还可以取决于是否存在其它营养、微生物和/或酶、加工效果(例如胶凝、用于延迟消化的覆盖等)、动物生产或者生命阶段、先前的营养水平等。模拟器300可以配置为说明这些效果。例如，可以将模拟器300配置为基于另一种特定营养添加剂来调节特定营养的需求。
需求引擎310还可以配置为说明动物的变化消化。动物信息输入可以包括指示动物的健康、动物的压力水平、动物的生殖状态、喂养动物的方法等的信息，因为其影响动物的摄取和消化。基于免疫状况的改变可能引起由于启用保护系统而增加喂养成本，同时减少主动的营养摄入。例如，动物的压力水平可以降低动物的总饲料摄入量，同时内脏健康可以增加或者降低排泄率。根据另一个实例，动物的微生物分布的改变可以表示营养消化从酶消化到细菌发酵的的转变。
下面的表2包括营养的示例性列表，该营养可以包括在动物需求中。根据示例性实施例，在动物需求中，每一所列的营养可以与值、百分比、范围或者其它量的测量有关。可以基于诸如动物类型、动物健康、营养利用率等多种因素中的任意一种来定制该营养列表，以便包括更多、更少或者不同的营养。
表2适于生成动物需求的养分


可以将需求引擎310配置为基于一个或者多个需求标准来生成动物需求。需求标准可以用于限定目标，所产生的需求应该用于该目标。例如，示例性的需求标准可以包括经济约束，例如使产量最大化、减慢增长以适应市场、或者以较低的投入成本生产动物。动物需求可以用于产生针对动物的动物饲料配方。因此，动物需求可以用作动物饲料配方输入。
可以将需求引擎310配置为基于一个或多个动态营养利用模型来生成动物需求。动态营养利用可以包括动物饲料所摄取营养量的模型，基于在动物信息输入中所接收的诸如动物健康、喂养方法、饲料形式(饲料浆、压缩饲料、挤压物、颗粒大小)、饲料的水稳定性、未吃的食物、水温和其对酶水平的影响等信息由动物来利用所述营养。营养利用可以还取决于是否存在其它营养添加剂、微生物和/或酶、处理效果(例如，胶凝、用于延迟吸收的涂层等)、动物生长或者生命阶段、先前的营养水平等。
模拟器300可以配置为说明这些效果。例如，模拟器300可以配置为将限定在动物饲料配方输入中的特定营养的水平从基于动物需求而确定的水平调节到基于另一种特定营养是否存在的另一水平。将上面的实例用于磷，动物所利用的磷的数量可能还受到动物食物中的其它营养的影响。例如，动物的消化道中存在的特定微生物(自然存在或者作为营养添加的)可以实际上将磷利用增加到超出正常发生的水平并且降低进入动物的废液中的量。
因此，动物饲料配方输入可以基于营养利用模型来修改。然而，该动物饲料配方的变化可能影响包括刚才修改的动物饲料配方的动物料配配方。因此，补偿营养利用模型可能需要不断地更新值的迭代计算以达到预定容限内的最终值。
需求引擎310还可以配置为说明动物消化和利用营养的变化。动物信息输入可以包括表示动物的健康、动物的压力水平、动物的生殖状况、喂养动物的方法等信息，因为其影响动物的摄取和消化。例如，动物的压力水平可以减少动物的总饲料摄入量，而内脏健康可以增加或者降低排便率。或者，压力水平可以改变动物的实际新陈代谢。例如，动物的新陈代谢可以被引起压力的可的松释放而改变。其它示例性新陈代谢调节剂可以包括前列腺素和其他促炎性细胞因子的免疫系统级联放大(cascades)、白细胞、抗体和其它免疫细胞和物质、增长促进移植物入以及肾上腺素的饲料添加剂。这些反应改变了消化的部位和程度、改变了营养摄取并且将消化的营养推向更加分解代谢的状况。
动物性能模拟器320可以是包括多个模型的进程或者系统，其中所述模型类似于上面关于需求引擎310所述的模型。在动物性能模拟器320中所利用的模型通过企业管理器200从配方设计器300接收动物饲料配方和动物信息输入，并将该模型应用到饲料配方以产生一个或多个动物性能预测。该动物性能预测可以是给定动物饲料配方输入和其它输入变量所产生的动物生产率的任何预测值。
环境性能模拟器330可以是包括多个模型的进程或者系统，其中所述模型类似于上面关于需求引擎310所述的模型。在环境性能模拟器330中所利用的模型通过企业管理器200从配方设计器300接收动物饲料配方，并将该模型应用到饲料配方和动物信息输入以产生基于环境因素的性能预测。环境性能预测可以是对给定动物饲料配方输入、动物信息输入和环境因素所产生的性能的任何预测。
经济性能模拟器340可以是包括多个模型的进程或者系统，其中所书模型类似于上面关于需求引擎310所述的模型。在经济性能模拟器340中所利用的模型通过企业管理器200从配方设计器300接收动物饲料配方，并将该模型应用到饲料配方和动物信息输入以产生基于经济因素的性能预测。经济性能预测可以是对给定动物饲料配方输入、动物信息输入和经济因素所产生的性能的任何预测。
性能预测可以包括与基于所提供的设定输入产生的输出有关的各种信息。例如，性能预测可以包括与具体动物的性能(例如动物所产生的输出)有关的信息。输出可以包括例如动物所产蛋的营养含量、关于动物所产肉的质量、动物产生的废物含量、动物对环境的影响等。
根据示例性实施例，模拟器320、330和340可以并行或者串行运行以产生多个性能预测。可以将多个动物性能预测保持分开或者合并到单个综合性能预测中。或者，可以基于单个模拟器或者少于所有模拟器的组合来产生性能预测。
需求引擎310还可以包括附加模拟器，如需要产生被定制成满足具体用户标准的性能预测。例如，需求引擎310可以包括体积构成模拟器、蛋构成模拟器、肉脂肪构成、废物输出模拟器、维持能计算器等。
现在参照图4，所示出的是说明根据示例性实施例的配料引擎400和配方设计器500的总体框图。配料引擎400配置为与配方设计器500交换信息。配料引擎400和配方设计器500一般配置为基于可利用的配料和所接收的动物需求来生成动物饲料配方。
配料引擎400包括在一个或多个位置可得到的配料的一个或多个列表。该列表还包括与配料有关的附加信息，例如配料的位置、与该配料有关的营养、与该配料有关的成本等。
配料引擎400可以包括第一位置列表410、第二配料位置列表420和第三配料位置列表430。第一配料列表410可以包括在第一位置可以得到的配料的列表，例如在用户的农场的配料。第二配料列表420可以包括从配料生产者购买可得到的配料的列表。第三配料列表430可以包括在目标动物的环境中所找到的配料的列表，例如牧场中的草料、水产养殖池塘中的浮游生物(浮游动物、浮游植物等)或者小鱼等。
现在参照第三配料列表430，目标动物的环境中所找到的配料的列表的实例可以包括水中的矿物质含量列表。可以基于诸如所消耗的水与干饲料物质的比例等已知消耗比来估计动物的总耗水量。配料或者营养的消耗可以包括实际消耗以及动物通过吸收所接收的、通过身体处理所产生的等等。该比例可以是所指定的平均值或者更优选的是从已知的饲料和动物属性所计算的值。生产者所提供的水中的矿物质含量可以现场测量。这种具有所测矿物质含量和所计算的摄入水平的水可以包括在第三配料列表430中。
或者，第三配料列表430可以包括水产生态系统的总营养含量。可以以多种方式包括对总营养的生态系统贡献。例如，可以提取样本并且针对总营养含量对该样本进行分析并将其包括作为第三列表430。优选地，在模拟器300中所求解的模型可以扩展为不仅包括所生产的物种而且还包括生活在生态系统中的其它物种。该模型可以包括下列影响中的一个或者多个其它物种竞争饲料、生态系统中的其它物种的所产生的物种消耗、以及其它物种响应于营养或者毒素排泄、温度、日光等而随时间的增长。
第三配料列表430还可以包括模拟器300所生成的性能预测。例如，针对个别生产者的特定动物，可以对牛奶中的营养含量进行建模。该牛奶的营养含量模型可以用作第三配料列表430，其用于哺育动物的消耗。
每个配料列表还可以包括与配料有关的附加信息。例如，配料列表可以包括与该配料有关的成本列表。或者，第一位置处的配料可以包括与生产配料、存储配料、分配配料等有关的成本，而第二位置处的配料可以包括与购买配料有关的成本，以及第三位置处的配料可以包括与增加微生物、改变营养分布、改变营养利用率等有关的成本。附加信息可以包括与后续处理步骤与关的任何类型的信息。
下面的表3包括示例性的配料列表，其可以用于生成动物饲料配方。该配料列表可以包括更多、更少或者不同的配料，这取决于诸如配料可用性、入帐价格、动物类型等多种因素。
表3适于应用在配置定制饲料混合料的示例性配料





配料引擎400还可以包括配料信息数据库440。配料信息数据库440可以包括涉及用于生成饲料配方的饲料的任何种类的信息，例如营养信息、成本信息、用户信息等。存储在数据库440中的信息可以包括多种类型信息中的任意一种，例如一般信息、特别涉及用户的信息、实时信息、历史信息、基于地理的信息等。结合用户所提供的信息，配料引擎400可以利用配料信息数据库440以提供用于生成优化饲料配方所需的信息。
配料信息数据库440还可以配置为访问外部数据库以获取附加的相关信息，例如饲料市场信息。饲料市场信息可以类似地包括饲料的当前价格、输出的历史价格、配料生产者信息、配料信息的营养含量、市场时机信息、地理市场信息、交付成本信息等。配料信息数据库440还可以与Monte Carlo型模拟器有关，将该Monte Carlo型模拟器配置为提供配料价格的历史分布和其它信息，这些其它信息可以用作系统100的其它部件的输入。
配料引擎400还可以包括可变营养引擎450，将其配置为针对可以影响配料的营养含量的因素提供跟踪和预测的功能。例如，可变营养引擎450可以配置为预测配料随时间的营养含量。一些配料的营养含量可以随时间改变，这取决于存储方法、运输方法、自然浸出、处理方法等。此外，可变营养引擎450可以配置为跟踪从具体的配料生产者所接收的配料的营养成分的变化，以预测从那些具体配料生产者接收的配料的可能营养含量。
可变营养引擎450还可以配置为说明配料中的营养含量的变化。可以基于与特定配料、配料的供应商、配料样本测试等有关的信息计算配料变化的估计。根据示例性实施例，记录和/或估计的变化和协方差可以用于建立在Monte Carlo方法中所采样的分布。在该方法中，从这些分布中反复采样优化饲料配方中的配料的实际营养含量，以产生营养含量的分布。然后，可以对于营养含量不足的任意养分修改营养需求。重复该过程，直到获得对于所有养分的期望置信度。配料的实际营养含量可以用于生成用于动物的动物饲料配方。因此，配料的营养含量可以用作动物饲料配方输入。
现在参照配方设计器500，配方设计器500配置为通过企业管理器200从模拟器300接收动物需求和基于可得到的配料从配料引擎400接收营养信息并产生动物饲料配方。配方设计器500计算满足在动物需求中所定义的营养水平集合的最小成本的饲料配方。
可以使用线性规划优化来生成最小成本的动物饲料配方，这一点在工业中是众所周知的。最小成本的配方一般配置为与购买的配料相结合来利用用户可得到的配料以建立优化的饲料配方。更具体地，线性规划将包括用户所提供的营养源，例如谷物、草料、青贮饲料、脂肪、油、微量营养素或者蛋白质补充饲料，作为对总饲料配方有固定贡献的配料。然后，将这些贡献从优化的配方中扣除；总配方和这些用户提供的配料之间的差异构成将被产生并卖给消费者的配料组合物。
或者，配方设计过程可以执行为包括配料定价的变化作为所创建分布的历史或者预测范围的Monte Carlo模拟，其中随后如上所述对上述范围进行优化。
现在参照图5，所示的是说明根据示例性实施例的动物生产优化的方法600的流程图。方法600一般包括根据至少一个优化标准来确定一个或多个动物信息输入的优化值。尽管方法600的说明包括具体的步骤和具体的步骤次序，但是重要的是注意可以执行更多、更少和/或不同的步骤次序以实现本文所述的功能。此外，步骤的实现可能需要重新执行先前的步骤。因此，尽管为了清楚起见以线性方式示出了这些步骤，但是也可以存在几个返回条件。
在步骤605中，企业管理器200配置为接收动物信息输入。可以通过用户界面210接收来自用户的动物信息输入，基于相关数据自动填充该动物信息输入，基于涉及用户的存储数据填充该动物信息输入，或者从来自用户的批量上传中接收动物信息输入。所接收的动物信息输入包括作为可变输入的一个或者多个动物信息输入的名称。可以为单个、多个或者所有的动物信息输入接收作为可变输入的名称。
在步骤610中，企业管理器200配置为通过用户界面接收优化标准，或者可选地接收预先编程的优化标准。优化标准可以包括最大化生产率、减少支出、最大化输出量、实现生产率目标等。在示例性实施例中，优化标准可以是要求最小化或者最大化的目标函数。目标函数可以具有合并在其中的约束或者可以对其进行独立约束。目标函数可以是动物生产系统中的变量的任意组合的函数。
在步骤615中，企业管理器200配置为将动物信息输入和优化标准传送到模拟器300。在接收到动物信息输入和优化标准后，将模拟器300配置为在步骤620中生成一组动物需求。
在步骤625中，该组动物需求通过企业管理器200从模拟器300传送到配方设计器500。配方设计器500配置为基于在步骤630中从营养引擎450所接收的动物需求和营养信息来生成最小成本的动物饲料配方。
如上面参照图2所进行的具体讨论，在步骤635中，企业管理器200配置为生成在步骤605中所接收的一个或者多个可变输入的优化值。
尽管本文所述的特定功能与系统100的特定部件有关，但是功能可以可选地与系统100的任何其它部件有关。例如，用户界面210可以可选地与根据可选实施例的模拟器300有关。
在不脱离本发明精神的情况下，可以对其进行许多其它的改变和修改。这些和其它改变的范围通过所附权利要求书将变得显而易见。
权利要求
1.一种用于基于动物所接收的营养的利用来生成动物饲料配方的系统，包括模拟器引擎，配置为基于动物特性生成一组动物需求并且至少部分基于动物的预测营养利用和该组动物需求来生成动物饲料配方输入；以及配方设计器引擎，配置为接收所述动物饲料配方输入并基于该动物饲料配方输入来生成优化的动物饲料配方。
2.根据权利要求1所述的系统，还包括配置为生成至少一个可变输入的优化值的企业管理器引擎，该可变输入影响动物的营养利用。
3.根据权利要求2所述的系统，其中生成所述至少一个可变输入的优化值包括提供修改所述至少一个可变输入的预测效果。
4.根据权利要求3所述的系统，其中所述预测效果是动物所利用的动物摄取营养的百分比。
5.根据权利要求2所述的系统，还包括配置为生成所述动物饲料配方输入的优化值的企业管理器引擎，如此配置所述优化值，使得动物的营养利用接近该动物的初始动物需求。
6.根据权利要求1所述的系统，还包括配置为基于一个或者多个动物信息输入生成营养利用模型的营养利用模拟器。
7.根据权利要求6所述的系统，其中所述营养利用模拟器配置为基于动物健康、动物饲料配方营养、动物环境和动物特性中的至少一个来生成所述营养利用模型。
8.一种用于基于动物所接收的营养的利用来生成动物饲料配方的方法，包括接收至少一个动物信息输入；至少部分基于所述至少一个动物信息输入来确定一组动物需求；基于所述动物需求生成由动物饲料配料构成的优化动物饲料配方；基于所述至少一个动物信息输入来确定动物的营养利用；以及基于对所述动物饲料配料的动物营养利用来生成由动物饲料配料构成的改进动物饲料配方。
9.根据权利要求8所述的方法，还包括生成至少一个可变输入的优化值，该可变输入影响动物的营养利用。
10.根据权利要求9所述的方法，其中生成所述至少一个可变输入的优化值包括提供修改所述至少一个可变输入的预测效果。
11.根据权利要求8所述的方法，其中确定动物的营养利用包括确定动物的废液中的营养含量。
12.根据权利要求8所述的方法，其中确定动物的营养利用包括基于动物健康、动物饲料配方营养、动物环境和动物特性中的至少一个来生成预测营养利用模型。
13.根据权利要求8所述的方法，还包括基于至少一个动物信息输入来确定所述动物饲料配料的营养含量。
14.根据权利要求8所述的方法，还包括基于存储方法、运输方法、溶出方法以及处理方法中的至少一个来生成营养含量分布。
15.一种用于基于动物所接收的营养的利用来生成动物饲料配方的系统，包括模拟器引擎，配置为基于动物特性生成一组动物需求并且基于用于满足所述动物需求的动物饲料配料的预测营养含量来生成动物饲料配方输入；以及配方设计器引擎，配置为接收所述动物饲料配方输入并基于该动物饲料配方输入来生成优化的动物饲料配方。
16.根据权利要求15所述的系统，还包括配置为生成至少一个可变输入的优化值的企业管理器引擎，该可变输入影响动所述物饲料配料的营养含量。
17.根据权利要求16所述的系统，其中生成所述至少一个可变输入的优化值包括提供修改所述至少一个可变输入的预测效果。
18.根据权利要求15所述的系统，还包括配置为基于一个或者多个动物信息输入生成营养含量模型的营养含量引擎。
19.根据权利要求18所述的系统，其中基于存储方法、运输方法、溶出方法以及处理方法中的至少一个来生成所述营养含量模型。
20.根据权利要求15所述的系统，还包括配置为生成所述动物饲料配方输入的优化值的企业管理器引擎，如此配置所述优化值，使得动物饲料配方的营养含量接近该动物的初始动物需求。
全文摘要
一种基于动物所接收的营养的利用生成动物饲料配方的系统，该系统包括模拟器引擎，配置为基于动物特性生成一组动物需求并至少部分基于动物的预测营养利用和该组动物需求来生成动物饲料配方输入。该系统还包括配方设计器引擎，配置为接收动物饲料配方输入并基于该动物饲料配方输入生成优化的动物饲料配方。
文档编号A01K5/02GK101023442SQ200580025413
公开日2007年8月22日 申请日期2005年7月27日 优先权日2004年7月29日
发明者戴维·A·库克, 史蒂夫·R·布尔加蒂, 格雷戈里·L·恩格尔克, 唐纳德·W·盖斯金, 布鲁斯·布里姆·麦克古甘, 迈克尔·A·梅斯曼, 马克·D·纽科姆, 珍妮弗·L·G·范德里特 申请人:Can科技公司