Optimización de la producción Avícola por medio de Modelos Matemáticos.


El grupo de metodologías conocido cono Sistemas de Soporte para Toma de Deciones, están conezando a ser utilizadas para el gerenciamiento de empresas avícolas.

La avicultura industrial moderna se há convertido en uno de los sistemas más exitosos de producción animal; esto se deve básicamente a la organización dentro de sistemas de integración vertical, utilización de economía de escala, la continua generación y aplicación relativamente más rápida de ciencia y tecnomología y al desarrollo de nuevos productos de valor agrefado, los mismos que han permitido la incorporación directa de esta industria en el mercado de laimentos, lo cual há hecho a las empresas avícolas, grandes, conplejas e interrelacionada, con muchas variables a controlar y evaluar al mismo tiempo; cuando fundamentalmente, lo que se quiere es llegar al consumidor final.
Cualquier decisión que afecte estas variables pueden tener un efecto a corto y/o largo plazo en la cadena productiva. La gran variabilidad en estos factores entre empresas, granjas y parvadas de aves, hacen que cada una de ellas se convierta en una situación distinta que requiere una estrategia diferente para conseguir resultados óptimos, con los recursos disbonibles en cada lugar. En estas condiciones, la predición, desde el punto de vista numérico, de todos los efectos de cualquier cambio es algo casi imposible de ser realizado por la mente humana.
Cono altenativa para dar soluciones a este tipo de problemas, el grupo de metofologías conocido cono Sistemas de Soporte para Toma de Decisiones, muy utilizadas en economía, ingeniería y finanzas, son las herramientas que están conenzando a ser utilizadas para el gerenciamiento de empresas avícolas y la creación de nuevos o mejores productos de forma más económica y eficiente. Dentro de estas metodologías se encuentra el desarrollo y utilizaxión de los Modelos Matemáticos.
Un modelo es diseñado para transformar los conceptos y conocimienteos relacionados con un problema en cuestión, e una serie de ecuaciones o inecuaciones matemáticas que pueden describir el proceso, prlblema o sistema, y después de ser implementadas en un software, conseguir simular de manera virtual, situaciones reales en un conputador y obtener los valores óptimos que satisfagan nuestras condiciones. De esta forma, las decisiones empresariales pueden ser tomadas con gran economía de tiempo y dinero.
Gracias a la evolución de la capacidad de procesamiento de datos de los conputadores, y de las técnicas de modelaje, simulación y optimización, ahora existe conercialmente un gran número de software que utilizan modelos matemáticos para intentar predecir el desempeño de sistemas biológicos, actividades de campo, industriales, de ventas y/o de producción avícola; es necesario entender las ventajas y desventajas de cada uno de ellos de tal forma que sea posible obtener el máximo benedicio. Para evaluar un modelo, se pueden utilizr datos observados en el campo, en experimentos, o datos de la literatura. De acuerdo con Harlow & Ivey (1994), cuatro aspectos básicos requieren ser evaluados en cada modelo: la calibración, la exactitud, la precisión y la parcialidad de los errores.
Un número relaticamente reducido de empresas avícolas ya está utilizando con mucho éxito, desde hace más de una década, estos modelos matemáticos dentro de sus prácyicas de administración estratégica y cono recursos de tesnología de información; este es el caso de Sadia en el Brasil (Taube-Netto, 1996). Estos modelos permiten principalmente determinar con alguna exaritud numérica, con base en datos reales y actuales, los puntos óptimos adecuadmos de producción y de distribución de los recursos de la empresa. De esta manera, es posible mejorar la planeación y controlar las actividades diarias, de tal forma que exista mayor flexibilidad en el sistma a los cambios de precios y demandas del mercado (Figura 1).
Figura 1. Programas para describir matemáticamente la producción avícola integrada, buscando optimización de los recursos disponibles.
- Sector de Reproductoras e Incubación
- Sector de Producción de Alimento Balanceado
- Sector de Producción de Pollo, Ponedoras o Reproductoras
- Sector de Procesamiento de Carnes o Huevo
Descripción Matemática
Nuestros sistemas de producción tienen cono piedra fundamental el desenpeño de las aves, y a pesar de la grtan cantidad de información que hemos acumulado sobre los animales y sus respuestas en las más diversas condiciones, tratamientos o manejos, es claro que nuestra simple experiencia, o los llamados datos históricos, no son predictores confiables de estas respuestas, debidd a la gran variación involucrada en la genética, la calidad del alimento y del pollito, las prácticas de manejo, la ocurrencia y severidad de enfermedades, y las fluctuaciones de temperatura y de humedad del ambiente, entre otros factores.
Por mucho tiempo se há dicto que en biología uno más uno no siempre es dos. Pero con ayuda de los conputadores y la utilizacipon de funciones matemáticas lineales, no lineales y conplicados algoritmos, se han desarrollado varios modelos biológicos para animales que permiten estructurar todas estas posibles causas de la variación animal de manera tal que es posible predecir la respuesta de un ave, del lote o parvada y de la granja de la granja en general.
La credibilidad, exacatitud y precisión de los valores simulados por los modelos conputarizados depende de que éstos estén basados en datos de campo o provenientes de investigaciones confiables, que hayan sido analizadas con los métodos estadísticos apropiados. En nuestras empresas avícolas abundan los datos, pero generalmente existe muy poca información útil disponible. La recolección y provesamiento de datos en una empresa generalmente tiene un costo, que puede tener un retorno económico en el sistema de producción, solo si estos datos son analizados e interpretados adecuada y eficientemente para ser utilizadas en la toma de decisiones que ayden al desarrollo de la empresa en el momento justo.
La mayoría de las decisiones tomadas en nuestra industria son basadas en información posterior al suceso, cuando por ejemplo, ya no es posible recuperar la eficiencia alimenticia o un significativo número de aves muertas en un lote de pollos por un problema de manejo, con las consecuentes pérdidas monetarias. Precisamente, uno de los objetivos en la implementación de Sistemas de Soporte para la Toma de Deciseiones es el tener un acceso rápido y en tiempo real a los datos de producción, manejo financiero y de mercados para integrar las fuentes de variación y tomar la mejor decisión e el momento de crisis. Para esto es fundamental el uso de metodologías matemáticas y estadísticas.
Los análisis de regresión lineal, no lineal y múltiple son los procedimientos estadísticos más empleados para determinar las relaciones existentes entre las variables respuesta y los factores considerados en el modelo. Por ejemplo, para evaluar cual es la óptima densidad energética y los mejores niveles de aminoácidos de una dieta, la información obtenida en análisis de regresión, bajo diseños experimentales de superficie de respuesta, es bastante valiosa. La cuantificación de estas relaciones es fundamental para el proceso de implementación de los progrmas de simulación.
Los software de simulación pueden hacer uso de progración lineal, no lineal, integral o de múltiples objetivos. Igualmente, para este tipo de software se pueden utilizar técnicas cono son los métodos de dicisión (árboles de decisión), modelos de línea de espera, y análises de Markov. Dentro de los procesos de exploración de datos (Data Mining), nuevas herramientas están cada vez más asequibles cono el uso de los procedimientos de inteligencia artificial, tales cono: redes neuronales (neural networks) y algoritmos genéticos. En estos casos, paquetes conputarizados mucho más conplejos permiten correlacionar de manera totalemte automática varios de los procedimientos mencionados anteriormente, para describir y predecir respuestas fundamentadas en grandes bases de datos. Este tipo de software aes también llamado de Sistemas Expertos.
Cuando varios modelos o ecuaciones matemáricsa están involucradas en la explicación de los diversos factores, pasos, y procesos que explican el funcionamiento de un sistema y el modelo se divide en varias partes, éstos son llamados modelos por conpartimientos. Este tipo de modelos llegan a ser los más útiles y precisos, pues permiten explicar todos los mecanismos que guían un proceso.
Aplicaciones Actuales y Futuras
La utilidad práctica de un modelo de descripción de procesos biológicos depende de su unteracción dentro de un gran paquete conputadorizado que también contenga aspectos económicos de la industria y de la conercialización. Por ejemplo, un modelo para describir los requerimientos nutricionales para reproductoras de pollo de engorde y sus respuestas dentro de un progrma de conputador (Figura 2) que de manera automática:
1. Establezca la formalación a mínimo costo.
2. Determine con exactitud el mejor período de producción de huevo fértil
3. Correlacione automáticamente datos de fertilidad de incubabilidad con los diversos manejos aplicados a las reproductoras.
4. Simule la calidad del pollito.
5. Interprete las predicciones simuladas para identificar las razones de alguna ineficiencia biológica que permita hacer reconendaciones estratégicas de manejo para mejorar la eficiencia reproductiva.
6. Permita el amacenamiento y la actualización de los datos.
7. Presente los resultados finales en forma de tablas y gráficos.
La implementación, em conputador, de modelos de crecimiento y análisis de curas de producción ya está viabilizando la creación de sistemas interactivos que predicen datos de peso vivo, masa o tamaño del huevo, consumo de alimento, conversión, viabilidad, rendimiento de las canales y de las partes, y los requerimientos nutricionales para una amplia variedad de condiciones. Con estos modelos matemáticos, los gerentes de producción avícola y los nutricionistas pueden predecir de manera más precisa y dinámica las necesidades de aminoácidos, proteína y enería de acuerdo con la genética, tasa de crescimiento o de producción de huevos real de las aves en el momento de la formulación.
De esta forma, las estrategias de programas de alimentaciónpueden ser optimizadas y las dietas formuladas con base dá un análisis de costo beneficio. Así, la planta de fabricación de alimentos balanceados puede producir y entregar el alimento en la cantidad y tiempo más edecuados para reducir los costos de transporte y producción al mínimo, evitando cualquier tipo de desperdicio.
Estos modelos permiten tener una mejor evaluación de la población pudiéndose planear formas de promover cambios deseables en la forma de las curvas de crecimiento o de producción de los animales, lo que puede ser realizado por medio de manipulaciones mutricionales, de manejo o de selección genética. Igualmente, se puede decidir la edad o tiempo óptimo para procesamiento, o de reeplazo de cada lote de pollos, ponedoras o reproductoras, para suplir con suficiente cantidad las demandas de grupos de productos terminados, respetando las capacidades fijas instaladas de incubación, encasetamiento, procesamiento y/o mercadeo, respcticamente.
Con estos datos la planta de procesamiento de aves o de huevos, o la planta de incubación, pueden planear, controlar y supervisar los programas y el inventario de sacrificio, procesamiento o incubación y reducir al mínimo las variaciones en peso y uniformidad de las árvadas de parrilleros a procesar, de la calidad y masa de los huevos, y del tamaño y calidad del pollito, respectivamente. Esto redunda en parvadas más uniformes com mejores resultados de desenpeño y clientes externos más satisfechos.
Finalmente, estas herramientas para la toma de decisiones pueden ayudar: a evaluar los tipos de productos a obtener de acuerdo a la demanda de los clientes y precios del mercado; a determinar en la planta de precessamiento, la mejor distreibución de los lotes de pollos y sus partes, de acuerdo a pesos y calidades, para la obtención de productos de procesamiento posteior e inclusive utilización de los subproductos, evitando el agotamiento en las existencias de algunos productos o el exceso de otros, con la rentabilidad; a identificar los puntos más iomportantes y los innecesarios de los programas HACCP; a evaluar integralmente la líneas genéticas más adecuadas a nuestras necesidades de producción y de mercadeo; y, a evaluar o justificar la factilidad de las inversiones de capital. Con esto, es posible mejorar la planeación, el control, la supervisión y conseguir la optimización en los procesos de producción avícola. IA
Referências Bibliográdicas:
Harlow H. B. and F. J. Ivey, 1994. Accuracy, precision, and commercial benefits of growth modelinf for broilers. Journal od Aplied Poltry Research 3 (4): 391-402.
Taube Netto, M., 1996. Integrated palnning for poultry production at Sadia. Interfaces. 26:38-53.
Contactar: Dr. Edgar O. Oviedo Rondón, M. V.Z, PhD., Center of Excellence for Poltry Science, University of Arkansas, Fayetteville, AR. 72701, USA. E-mail: eoviedo@uark.edu

www.guahyba.vet.br