Reducción del desperdicio de ingredientes en la producción de piensos para ganado

Por qué se sobreformula el pienso

Las raciones para vacuno de leche y de carne se formulan en función de los nutrientes: los sistemas de necesidades de las National Academies expresan lo que necesita el animal como proteína bruta, fracciones de fibra, almidón y energía, y las materias primas se eligen para aportar esos nutrientes al menor coste [1][2]. En la industria de piensos, los componentes declarados de un pienso compuesto están además sujetos a control oficial, con los procedimientos de referencia — secado en estufa para la humedad y Kjeldahl para la proteína bruta, entre otros — establecidos en el anexo III del Reglamento (CE) n.º 152/2009 de la Comisión [3].

Sin embargo, las materias primas no son lo que dice la tabla de formulación. Buckmaster y Muller aplicaron un análisis de incertidumbre a raciones totales mezcladas y comprobaron que la incertidumbre de las concentraciones de nutrientes de las materias primas era la principal contribución a la incertidumbre global de la dieta suministrada, y que la materia seca del forraje y las cantidades de ingredientes ricos en nutrientes también contribuían de forma sustancial [4]. Un formulador que no puede quedar por debajo de un mínimo declarado y que desconoce el contenido proteico actual de la harina de soja del silo añade un margen de seguridad del ingrediente caro. Ese margen es el «giveaway»: proteína, grasa o energía que se pagan pero no se necesitan, y es precisamente la magnitud que la medición en planta pretende reducir.

De dónde procede la variabilidad

St-Pierre y Weiss descompusieron la varianza de los datos de composición nutritiva de explotaciones lecheras comerciales en componentes de explotación, de día a día, de muestreo y analíticos, y encontraron que el muestreo por sí solo explicaba entre el 30 y el 81 % de la varianza intraexplotación de los ensilados, según el nutriente y el tipo de ensilado, y que la varianza de muestreo más la analítica suponía aproximadamente entre el 40 y el 70 % de la varianza intraexplotación de las raciones totales mezcladas [5]. Su conclusión fue que los datos de una sola muestra no son muy fiables [5]. Para una fábrica, esto significa que un resultado de laboratorio por lote de materia prima es una base débil para una decisión de formulación: parte de lo que parece un cambio en la materia prima es ruido de muestreo. Reducir el giveaway exige, por tanto, más mediciones en lugar de una sola más precisa, y resultados que lleguen antes de dosificar la materia prima y no después de expedir el lote.

Qué mide el NIR en materias primas y piensos mezclados

La espectroscopía de infrarrojo cercano se aplica a la composición de los piensos desde hace medio siglo. Norris et al. registraron espectros de reflectancia de 87 muestras de forraje molido y, utilizando hasta nueve longitudes de onda, obtuvieron un coeficiente de correlación de 0,99 para la proteína bruta y predijeron una mitad independiente del conjunto de muestras con un error estándar de ±0,95 % para la proteína bruta [6]. Givens y Deaville revisaron las dos décadas siguientes de NIRS en nutrición animal, abarcando forrajes y alimentos no forrajeros [7], y la norma ISO 12099 ofrece hoy directrices para aplicar el NIR a piensos y cereales, incluida la validación frente a los métodos de referencia [8].

Simmler et al. construyeron 30 modelos PLS con 1.437 muestras de referencia de pienso para aves, maíz, trigo, soja y DDGS y comprobaron que la mayoría de los modelos de proteína, grasa y humedad alcanzaban un RPD superior a 3 en datos independientes, mientras que la mayoría de los de fibra, carbohidratos hidrosolubles y cenizas superaban 2, con la heterogeneidad del material como codeterminante del resultado [9]. El estudio se refería a piensos para aves, pero las materias primas coinciden con las de los concentrados para rumiantes, y la clasificación concuerda con la física: la proteína, la grasa y el agua absorben intensamente en el infrarrojo cercano, mientras que la fibra y las cenizas se predicen de forma indirecta y menos precisa.

NIR en la recepción y en la mezcladora

Dos puntos de medición atacan directamente el giveaway. En la recepción, cada entrega de harina proteica, cereal o coproducto se analiza antes de entrar en el silo, de modo que la formulación trabaja con la composición medida del lote y no con un valor de tablas. En la mezcladora, el pienso descargado se contrasta con el objetivo de formulación. Fernández-Ahumada et al. aplicaron ecuaciones NIR desarrolladas para piensos compuestos terminados intactos a muestras tomadas en la fase de mezcla y obtuvieron predicciones muy similares a las del producto final (proteína bruta 15,65 % en la mezcladora frente a 15,87 % en el producto final; fibra bruta 7,69 % frente a 8,02 %), y concluyeron que el NIR es viable en esta fase porque aún pueden hacerse correcciones antes de terminar el lote [10]. Trasladar una calibración a un instrumento de proceso es una tarea aparte: el mismo grupo mostró que la estandarización espectral entre un instrumento de laboratorio y un instrumento de proceso de red de diodos reducía considerablemente el error estándar de predicción, pero que una exactitud aceptable exigía que el modelo final incluyera espectros de ambos instrumentos [11].

Conviene no perder de vista un matiz. La uniformidad de la mezcla se evalúa convencionalmente con un trazador y se expresa como coeficiente de variación entre muestras de un mismo lote; Clark et al. observaron que la proteína bruta es un mal trazador porque muchos ingredientes aportan proteína, y en sus ensayos solo los marcadores de aminoácidos sintéticos alcanzaron un coeficiente de variación inferior al 10 % [12]. Rubio et al. compararon el NIR en línea con métodos de trazador en pienso para pollos de engorde y encontraron que el coeficiente de variación dependía tanto del tiempo de mezcla como del método [13]. Una lectura de proteína por NIR a la salida de la mezcladora es, por tanto, un control de la macrocomposición y de la dosificación, no un sustituto de una prueba con trazador de la distribución de microingredientes. De ello se derivan tres prácticas:

• Medir cada lote de materia prima, no cada materia prima. El muestreo es un componente importante de la varianza [5]; varias submuestras por entrega, con la formulación basada en su media, permiten estrechar el margen de seguridad con cifras que lo justifiquen.
• Mantener los métodos de referencia en el circuito. Las calibraciones NIR se construyen a partir de los procedimientos del Reglamento 152/2009 [3], y se verifican periódicamente frente a ellos, tal como describe la norma ISO 12099 [8].
• Validar la calibración de proceso en el instrumento de proceso. Los modelos de laboratorio no se transfieren sin cambios a un sensor en línea [11].

Dónde encaja USTECH

En la recepción y en el control final se utiliza el analizador at-line USTECH MasterLine17EC para materias primas, piensos y forrajes. En la descarga de la mezcladora, los analizadores NIR en línea ProLine17EC y ProLine17ECS se montan en tolvas y transportadores, y ProChem transmite sus resultados al sistema PLC o SCADA para paneles, alarmas y ajuste de consignas. Las calibraciones se desarrollan y mantienen en la suite quimiométrica caliX, con la validación frente a análisis de referencia que exige la norma ISO 12099 [8]. Hasta qué punto puede estrecharse el margen de seguridad de una ración concreta depende de las materias primas, los datos de referencia y el esquema de muestreo de cada planta, y se determina en un estudio de viabilidad con sus propias muestras.