Yem neden fazla formüle edilir
Süt ve besi sığırı rasyonları besin maddesi temelinde formüle edilir: National Academies gereksinim sistemleri, hayvanın ihtiyacını ham protein, lif fraksiyonları, nişasta ve enerji olarak ifade eder ve hammaddeler bu besin maddelerini en düşük maliyetle sağlayacak biçimde seçilir [1][2]. Yem endüstrisinde bir karma yemin beyan edilen bileşenleri ayrıca resmî kontrole tabidir; referans prosedürler — diğerlerinin yanı sıra nem için etüvde kurutma, ham protein için Kjeldahl — (AT) No 152/2009 sayılı Komisyon Tüzüğü'nün Ek III'ünde belirlenmiştir [3].
Ne var ki hammaddeler formülasyon tablosunda yazdığı gibi değildir. Buckmaster ve Muller, toplam karma rasyonlara belirsizlik analizi uygulamış ve hammaddelerin besin maddesi derişimlerindeki belirsizliğin, teslim edilen rasyonun toplam belirsizliğine en büyük katkıyı yaptığını, kaba yem kuru maddesinin ve besin maddesince yoğun hammaddelerin miktarlarının da önemli ölçüde katkıda bulunduğunu bulmuştur [4]. Beyan edilen bir minimumun altına düşmemesi gereken ve silodaki soya küspesinin bugünkü protein içeriğini bilmeyen bir formülatör, pahalı hammaddeden bir güvenlik payı ekler. Bu pay “fazladan verilen” kısımdır: parası ödenmiş ama gerekmeyen protein, yağ ya da enerji; fabrikadaki ölçümün küçültmeyi amaçladığı büyüklük de budur.
Değişkenlik nereden gelir
St-Pierre ve Weiss, ticari süt sığırı işletmelerinden elde edilen besin maddesi bileşimi verilerinin varyansını işletme, günden güne, örnekleme ve analitik bileşenlere ayırmış; yalnızca örneklemenin, besin maddesine ve silaj tipine bağlı olarak silajların işletme içi varyansının 30 ila %81 kadarını açıkladığını, örnekleme ile analitik varyansın birlikte toplam karma rasyonların işletme içi varyansının kabaca 40 ila %70 kadarını oluşturduğunu bulmuştur [5]. Vardıkları sonuç, tek bir numuneden elde edilen verilerin pek güvenilir olmadığıdır [5]. Bir fabrika için bu, hammadde partisi başına tek bir laboratuvar sonucunun formülasyon kararı için zayıf bir temel olduğu anlamına gelir: hammaddedeki değişim gibi görünen şeyin bir kısmı örnekleme gürültüsüdür. Dolayısıyla fazladan verilen payı azaltmak, daha kesin tek bir ölçümden çok daha fazla sayıda ölçüm ve parti sevk edildikten sonra değil, hammadde dozlanmadan önce elde edilen sonuçlar gerektirir.
NIR yem hammaddelerinde ve karma yemde neyi ölçer
Yakın kızılötesi spektroskopi yarım asırdır yem bileşimine uygulanmaktadır. Norris ve ark., öğütülmüş 87 kaba yem numunesinin yansıma spektrumlarını kaydetmiş, en çok dokuz dalga boyu kullanarak ham protein için 0,99 korelasyon katsayısı elde etmiş ve numune setinin bağımsız yarısını ham protein için ±%0,95 standart hata içinde tahmin etmiştir [6]. Givens ve Deaville, hayvan beslemede NIRS'in izleyen yirmi yılını kaba yemler ve kaba yem dışı yemler açısından derlemiştir [7]; ISO 12099 ise bugün, referans yöntemlere karşı doğrulama dâhil, NIR'in hayvan yemleri ve tahıllara uygulanmasına ilişkin kılavuz ilkeleri verir [8].
Simmler ve ark., kanatlı yemi, mısır, buğday, soya ve DDGS'den oluşan 1.437 referans numune üzerinde 30 PLS modeli kurmuş; protein, yağ ve nem modellerinin çoğunun ayrılmış test verisinde 3 üzerinde RPD'ye ulaştığını, lif, suda çözünür karbonhidrat ve kül modellerinin çoğunun ise 2 değerini aştığını ve malzemenin heterojenliğinin sonucu birlikte belirlediğini bulmuştur [9]. Çalışma kanatlı yemiyle ilgilidir, ancak hammaddeler ruminant konsantreleriyle örtüşür ve sıralama fizikle tutarlıdır: protein, yağ ve su güçlü yakın kızılötesi soğurmalara sahiptir; lif ve kül ise dolaylı olarak ve daha düşük kesinlikle tahmin edilir.
Kabulde ve mikserde NIR
Fazladan verilen payı iki ölçüm noktası doğrudan hedefler. Kabulde, her protein küspesi, tahıl veya yan ürün teslimatı siloya girmeden önce taranır; böylece formülasyon tablo değeriyle değil, partinin ölçülen bileşimiyle çalışır. Mikserde ise boşaltılan yem formüle edilen hedefe göre kontrol edilir. Fernández-Ahumada ve ark., bütün hâldeki bitmiş karma yemler için geliştirilen NIR denklemlerini karıştırma aşamasında alınan numunelere uygulamış ve son ürününkilere çok yakın tahminler bulmuştur (ham protein: mikserde %15,65, son üründe %15,87; ham lif: mikserde %7,69, son üründe %8,02); parti tamamlanmadan önce düzeltme yapılabildiği için NIR'in bu aşamada uygulanabilir olduğu sonucuna varmışlardır [10]. Bir kalibrasyonu proses cihazına taşımak ayrı bir iştir: aynı grup, bir laboratuvar cihazı ile diyot dizili bir proses cihazı arasında spektral standardizasyonun tahmin standart hatasını önemli ölçüde azalttığını, ancak kabul edilebilir doğruluk için nihai modelin her iki cihazdan da spektrum içermesi gerektiğini göstermiştir [11].
Bir inceliği göz önünde tutmak gerekir. Mikser homojenliği geleneksel olarak bir iz madde ile test edilir ve bir partiden alınan numuneler arasındaki varyasyon katsayısı olarak ifade edilir; Clark ve ark., pek çok hammadde protein sağladığından ham proteinin zayıf bir iz madde olduğunu ve denemelerinde yalnızca sentetik amino asit işaretleyicilerinin %10 değerinin altında bir varyasyon katsayısına ulaştığını bulmuştur [12]. Rubio ve ark., etlik piliç yeminde hat içi NIR'i iz madde yöntemleriyle karşılaştırmış ve varyasyon katsayısının hem karıştırma süresine hem de yönteme bağlı olduğunu bulmuştur [13]. Bu nedenle mikser çıkışındaki bir NIR protein okuması, makro bileşimin ve dozajın bir kontrolüdür; mikro bileşen dağılımına yönelik bir iz madde testinin yerini tutmaz. Buradan üç uygulama çıkar:
- Yalnızca her hammaddeyi değil, her hammadde partisini ölçün. Örnekleme başlıca varyans bileşenlerinden biridir [5]; teslimat başına birkaç alt numune alıp formülasyonu bunların ortalamasıyla yapmak, güvenlik payının sayılarla gerekçelendirilerek daraltılmasını sağlar.
- Referans yöntemleri döngüde tutun. NIR kalibrasyonları 152/2009 sayılı Tüzük prosedürleri [3] üzerine kurulur ve ISO 12099'un tarif ettiği gibi [8] düzenli aralıklarla bunlara karşı kontrol edilir.
- Proses kalibrasyonunu proses cihazında doğrulayın. Laboratuvar modelleri hat içi bir sensöre değişmeden aktarılamaz [11].
USTECH'in yeri
Kabulde ve son kontrolde, hammaddeler, hayvan yemi ve kaba yem için USTECH MasterLine17EC hat yanı analizörü kullanılır. Mikser çıkışında ProLine17EC ve ProLine17ECS hat içi NIR analizörleri oluklara ve konveyörlere monte edilir; ProChem ise sonuçlarını gösterge panelleri, alarmlar ve set değeri ayarı için PLC veya SCADA sistemine aktarır. Kalibrasyonlar, ISO 12099'un öngördüğü referans analizlere karşı doğrulamayla birlikte [8], caliX kemometri paketinde geliştirilir ve sürdürülür. Belirli bir rasyondaki güvenlik payının ne kadar daraltılabileceği o tesisteki hammaddelere, referans verilere ve örnekleme planına bağlıdır ve kendi numunelerinizle yapılan bir fizibilite çalışmasında belirlenir.
Kaynaklar
- [1] National Academies of Sciences, Engineering, and Medicine (2021). Nutrient Requirements of Dairy Cattle: Eighth Revised Edition. The National Academies Press, Washington, DC. doi:10.17226/25806
- [2] National Academies of Sciences, Engineering, and Medicine (2016). Nutrient Requirements of Beef Cattle: Eighth Revised Edition. The National Academies Press, Washington, DC. doi:10.17226/19014
- [3] Commission Regulation (EC) No 152/2009 of 27 January 2009 laying down the methods of sampling and analysis for the official control of feed, Annex III (methods of analysis to control the composition of feed materials and compound feed). Official Journal of the European Union, L 54, 26.2.2009 (as amended). eur-lex.europa.eu/eli/reg/2009/152/oj
- [4] Buckmaster, D.R., Muller, L.D. (1994). Uncertainty in nutritive measures of mixed livestock rations. Journal of Dairy Science, 77(12), 3716–3724. doi:10.3168/jds.S0022-0302(94)77316-1
- [5] St-Pierre, N.R., Weiss, W.P. (2015). Partitioning variation in nutrient composition data of common feeds and mixed diets on commercial dairy farms. Journal of Dairy Science, 98(7), 5004–5015. doi:10.3168/jds.2015-9431
- [6] Norris, K.H., Barnes, R.F., Moore, J.E., Shenk, J.S. (1976). Predicting forage quality by infrared reflectance spectroscopy. Journal of Animal Science, 43(4), 889–897. doi:10.2527/jas1976.434889x
- [7] Givens, D.I., Deaville, E.R. (1999). The current and future role of near infrared reflectance spectroscopy in animal nutrition: a review. Australian Journal of Agricultural Research, 50(7), 1131–1145. doi:10.1071/AR98014
- [8] ISO 12099:2017. Animal feeding stuffs, cereals and milled cereal products — Guidelines for the application of near infrared spectrometry. ISO, Geneva. iso.org/standard/67352.html
- [9] Simmler, M., Ishizaki, K., Mulloni, A., Abbate, R., Juste, A., Sroka, A. (2025). Enabling precision feeding: A novel micro-NIRS system for rapid on-site analysis of the nutritional composition of poultry feed and feed ingredients. Smart Agricultural Technology, 12, 101220. doi:10.1016/j.atech.2025.101220
- [10] Fernández-Ahumada, E., Guerrero-Ginel, J.E., Pérez-Marín, D., Garrido-Varo, A. (2008). Near infrared spectroscopy for control of the compound-feed manufacturing process: mixing stage. Journal of Near Infrared Spectroscopy, 16(3), 285–290. doi:10.1255/jnirs.789
- [11] Fernández-Ahumada, E., Garrido-Varo, A., Guerrero, J.E., Pérez-Marín, D., Fearn, T. (2008). Taking NIR calibrations of feed compounds from the laboratory to the process: calibration transfer between predispersive and postdispersive instruments. Journal of Agricultural and Food Chemistry, 56(21), 10135–10141. doi:10.1021/jf801881n
- [12] Clark, P.M., Behnke, K.C., Poole, D.R. (2007). Effects of marker selection and mix time on the coefficient of variation (mix uniformity) of broiler feed. Journal of Applied Poultry Research, 16(3), 464–470. doi:10.1093/japr/16.3.464
- [13] Rubio, A.A., Conrad, S., Juzaitis-Boelter, C., Wishon, C.R., Fahrenholz, A.C. (2023). The impact of marker selection, in-line near-infrared spectroscopy (NIR), and feed mix time on the coefficient of variation (mix uniformity), body weight uniformity and broiler growth performance during the starter, grower, and finisher periods. Poultry Science, 102(12), 103109. doi:10.1016/j.psj.2023.103109