Juan Hilário de Araújo Ruiz 1
1 Médico Veterinário , Especialista em Produção e Nutrição de Suínos e Aves.
juanharuiz2006@hotmail.com
Observamos nos últimos meses de 2007 aumentos significativos nos preços mundiais de ingredientes utilizados nas dietas dos suínos. Os novos patamares de preços mundiais de fontes energéticas como o milho, fontes protéicas como o farelo de soja, fontes de fósforo, aminoácidos, vitaminas e minerais são uma tendência mundial. A utilização de novas tecnologias para avaliar e otimizar o uso destes ingredientes e que possam colaborar na tomada de decisão de uma melhor estratégia nutricional terá impacto significativo no sistema de criação de suínos.
A modelagem aplicada aos seres vivos é estudada há várias décadas. Os primeiros estudos realizados por MONOD (1942) estabeleceu o primeiro modelo do metabolismo bacteriano. A representação de modelagem mais empregada em animais domésticos são as formulações de dietas do modelo linear de mínimo custo que consideram as exigências nutricionais dos animais e as unidades de alimentação. Este modelo possui uma baixa flexibilidade e não considera o efeito animal que pressupõe a mesma resposta para todos os animais (LOVATTO, 2001). SAUVANT (1992) propôs uma formulação de dietas em função das respostas múltiplas esperadas dos animais. Essas respostas não se limitam unicamente a eficácia de transformação dos alimentos, mas igualmente à qualidade dos produtos, ao bem-estar animal e as influências da sanidade e do meio ambiente. Este modelo permite a integração quantitativa dos fenômenos digestivos e metabólicos passiveis de influenciar as respostas dos animais às variações alimentares. Esse objetivo pode ser alcançado devido às pesquisas direcionadas a compreender os mecanismos biológicos, a construção de modelos matemáticos capazes de traduzir as variações desses fenômenos digestivos e metabólicos (SAUVANT, 1992).
O conceito de modelagem é estreitamente ligado a noção do sistema. A definição de sistema estabelecido por diversos autores identificou a presença comum de termos como conjunto de elementos, relações, totalidade, organização, finalidade e não aditividade (SAUVANT, 1999). O conceito de SPEDDING (1998) é o que melhor integra estes termos: “modelagem é a abstração e simplificação da realidade capaz de integrar as principais interações e comportamentos do sistema estudado, apta a ser manipulada com o objetivo de prever as conseqüências da modificação de um ou de vários parâmetros sobre o comportamento do sistema”. A modelagem é uma tentativa de interação de diferentes fenômenos, sendo limitada pelos recursos humanos e materiais disponíveis e utilizados na sua construção. O uso de modelos no sistema de criação de suínos permite a integração dos aspectos econômicos, nutricionais, ambientais, sanitários, genéticos e de manejo. A modelagem aplicada na suinocultura pode ser utilizada como ferramenta para melhor compreender e otimizar a performance e a veracidade dos sistemas fazendo simulações e chegando a resultados muito próximos da realidade (LOVATTO, 2001).
O desenvolvimento de um modelo segue etapas sucessivas e lógicas:
1. Formulação dos objetivos que irão descrever os limites dentro dos quais se desenvolverá o trabalho.
2. Escolha do sistema com informações de parâmetros que se relacionam e interajam e possam modificar o resultado final.
3. Formulação de hipóteses quantitativas que permite a interação no tempo e no espaço com o modelador.
4. Formulação de hipóteses qualitativas, que representam a maneira como são definidas as relações matemáticas dentro do modelo.
5. Determinação dos parâmetros. Um parâmetro pode ser definido dentro da modelagem como um elemento numérico que multiplicado pela variável do estado produz um fluxo de troca.
6. A fase final corresponde à avaliação do modelo. A avaliação interna testa a coerência do modelo, isto é se os princípios levados em conta na escolha das hipóteses qualitativas e quantitativas se expressam na forma esperada no momento da simulação. A avaliação externa tenta estabelecer se o modelo se reproduz de forma coerente em situações diferentes.
Uma clássica interação entre resposta imune/inflamatória e o metabolismo protéico provocando alterações nas exigências de aminoácidos é descrita por WILLIANS et al. (1997) onde suínos dos 6 kg aos 112 kg de peso vivo mantidos em ambiente com condições sanitárias baixas encontraram menores exigências de lisina.
Outra clássica interação entre temperatura ambiente, consumo voluntário, crescimento e as necessidades de lisina de suínos em crescimento entre 22 a 105 kg de peso vivo é descrita por MASSABIE et al. (1996).
Suinocultores confrontam-se rotineiramente com muitas decisões relativas à nutrição e à produção. Estas decisões incluem que tipo de ingrediente adquirir, qual o nível de nutrientes necessário, quais os melhores objetivos de desempenho e quanto se lucra. Um modelo de sistema provê a precisão, a velocidade e a confiança para decisões mais acertadas porque o modelo interliga biologia, produção e economia. Abordagens tradicionais têm considerado a nutrição como sendo estática, embasada em tabelas publicadas de requerimentos dietéticos e conteúdos nutricionais de ingredientes. O novo sistema considera demanda nutricional, suprimento dos nutrientes e seu valor de negócios. Isso requer matemática para traduzir a biologia suína numa plataforma digital que permite os usuários tomar melhores e mais rápidas decisões. Isto inclui as diferentes fases de produção, fisiologia, pool de nutrientes e valor para o suinocultor.
Modelos de entrada de informações no sistema de suínos:
Suprimento de nutrientes
Os ingredientes disponíveis e seus respectivos preços ao produtor são uma das maiores entradas de informações ao sistema ou modelo. Através de umas poucas medidas analíticas e uma série de cálculos formatados por fornecedor, esses ingredientes são traduzidos digitalmente aos suprimentos de nutrientes disponíveis, para encontrar a demanda de nutrientes dos suínos. Esta ferramenta permite aos nutricionistas e gerentes de compras decidir de maneira mais eficiente com relação às compras de ingredientes.
Ingestão de ração
Os sistemas podem prever a ingestão de ração de suínos de acordo com as fases de produção (leitão, cevado, porca, cachaço), fisiologia (crescimento, lactação, gestação) e linhagem ou genética do animal. Entretanto, estas previsões servem meramente como um ponto de partida, sendo preferível que medidas mais acuradas sejam coletadas e atualizadas nas fases específicas de produção.
Genética
Embora existam muitos cruzamentos, linhagens e genéticas de suínos, sua manutenção básica e crescimento biológico são similares. As entradas desse tipo de informação, requeridas pelo modelo diferem por fase de produção. Informações sobre o genótipo de suínos em crescimento e terminação requerem dados de desempenho de crescimento e medida do conteúdo de carne magra, medidas por um de vários sistemas reconhecidos mundialmente. O modelo provê uma aproximação prática à caracterização da entrada de informações sobre genética, reconhecendo as grandes influências do genótipo e o do fenótipo. Estas informações ajudam a direcionar demanda de nutrientes para os suínos. Seguem abaixo alguns parâmetros sobre genótipo:
• Peso vivo inicial e final (abate) (kg).
• Duração da fase (dias).
• Período para retirada completa do lote (dias).
• Espessura média de toucinho (cm).
• Profundidade média de lombo (cm).
• Peso de carcaça quente (padrão sem cabeça) (kg).
Instalações e ambiência
O modelo requer entrada de informações sobre temperatura, umidade, qualidade do ar e alojamento, como tamanho de baia ou número de animais por baia, tipo de piso, sistemas de escoamento de dejetos dentro e fora das instalações, espaço disponível e densidade dos suínos (m2 por cabeça). Essas informações ajudam a caracterizar a demanda de nutrientes requerida pelo animal, influenciadas pelas práticas da criação. Isto pode ajudar na análise do sistema atual ou na proposta de uma mudança no sistema e o impacto econômico disto. A matemática do sistema ajusta o modelo de crescimento, durante uma situação de stress pelo frio ou indicando especificações de nutrientes, durante período de stress pelo calor.
Sanidade e biossegurança
A caracterização do estado de saúde dos animais é difícil. Enquanto se aprende mais, o modelo requer uma entrada de informações práticas sobre o estado sanitário. Os melhores modelos do sistema imune ou de saúde são oportunidades notáveis para o atual sistema de produção de suínos.
Manejo
O modelo pode ser facilmente ajustado para apoiar os requerimentos locais de manejo. Isto pode variar desde o fluxo de animais, até quantas dietas são oferecidas e até em qual nível um único nutriente é necessário. A força do modelo reside em apoiar o que é importante, durante o processo de produção dos suínos.
Programa alimentar na entrada de dados
Dados sobre o atual programa alimentar são importantes e podem ser utilizados para uma analise externa do modelo:
• Lotes mistos ou separados por sexo.
• Número de fases de dietas e respectivas formulações.
• Pesos iniciais e finais nas trocas das fases (kg de pv).
• Consumo de ração por fase (kg/cabeça).
• Duração das fases (dias).
Modelos de saída de informações no sistema de suínos:
Programa de alimentação na saída de dados
As dietas são um modelo de saída do sistema. Entretanto, elas não são dietas baseadas em publicações de valores nutricionais de matérias primas e requerimentos de nutrientes. Essas dietas são baseadas em um modelo de simulação que utiliza o suprimento de nutrientes, ingestão de rações, genética, saúde e manejo. Um programa de alimentação adequado é determinado semanalmente, se não diariamente. Predizendo o consumo diário dos animais numa determinada fase. A medida do sucesso é realizada pela ajuda que o modelo provê aos suinocultores, em termos de tomada de decisões nutricionais melhores e ágeis.
Prognóstico de desempenho
Um ponto chave do sistema é a capacidade de prognosticar o desempenho com base nas informações recebidas. Através da entrada de dados reais e exatos da granja podemos simular e prever resultados de desempenho, inclusive econômicos.
Ex a. Muitos podem escolher o fornecedor como por exemplo de farelo de soja que ofereça o menor custo por tonelada ou unidade de proteína. O sistema pode ir além desta análise tradicional provendo o desempenho econômico e de produção do suíno para cada fonte de farelo de soja. Isso resulta numa melhor estratégia de compra.
Ex a. Os sistemas são capazes de prognosticar resultados de desempenho de um leitão e seu impacto econômico na utilização comparativa de duas dietas contra três dietas nas fases de crescimento e terminação.
Conclusões
Num sistema de modelagem biológica para suínos as análises podem ser infinitas. Os gestores de negócios, gerentes de produção, consultores técnicos confrontam-se com diferentes decisões para o negócio, as quais requerem que um grande número de informações seja simplificado rapidamente em um formato lógico. Sistemas ou modelos foram desenvolvidos para prover esse processo disciplinado, através do qual as decisões relativas aos nutrientes são desenvolvidas, revistas e melhoradas. Através de dados reais e exatos do processo de produção específico de cada granja imputados no sistema é possível identificar diferenças nos modelos de produção e simular propostas de alterações com grande margem de acerto dos resultados simulados. Estas informações de resultados são importantes ferramentas para tomadas de decisões e agregação de valor ao negócio.
Referências bibliográficas
BROSSARD, L., DOURMAD, J., VAN MILGEN, J. et al. 2007. Analyse par modélisation de la variation des performances d`un groupe de porcs en croissance en foction de l`apport de lisien et du nombre de phases Dans le programme d`alimentation. Journées de laRecherche Porcine en France, v. 39, p.95-102.
DOURMAD, J.Y., ÉTIENNE, M., VALANCOGNE, A. et al. 2005. InraPorc: a model and decision support tool for the nutricion of sows Animal Feed Science and technology, v. 143, p.372-386.
DUTRA, J.R., W.M., FERREIRA, S., DONZELE, J.L. et al. 2001. Produção de curvas de crescimento de tecidos de fêmeas suínas por intermédio da função alométrica estendida. Ver Bras Zootec, v. 30, n.3, p.1007-1014, (suplemento 1).
FREITAS, A.R., COSTA, C.N. 1983. Ajustamento de modelos não lineares e dados de crescimento de suínos. Pesq Agropec Bras, v.18, n. 10, p.1147-1154.
FIALHO, F.B. 1999. Sistemas de apoio à decisão de produção de suínos e aves. In: Reunião Anual da Sociedade Brasileira de Zootecnia, 36, Anais SBZ, p.307-317, Porto Alegre.
IRGANG, R., GUIDONI, A.L., BERLITZ, D. et al. 1998. Medidas de espessura de toucinho e de profundidade de músculo para estimar rendimento de carne magra em carcaças de suínos. Rev Bras Zootec, v.27, n.5, p.928-935.
KLOAREG, M., NOBLET, J., VAN MILGEN, J. 2006. Estimation of whole body lipid mass in finishing pigs. Animal Science, v.82, p.241-251.
KLOAREG, M., NOBLET, J., VAN MILGEN, J. 2007. Deposition of dietary fatty acids, de novo synthesis and anathomical partitioning of fat acids in finishing pigs. British J Nutrition, v. 97, p.34-44.
LOVATTO, P.A., SAUVANT, D. 2001. Modelagem aplicada aos processos digestivos e metabólicos do suíno. Ciência Rural, v.31, p.663-670.
MONOD, J. 1942. Recherche sur la croissance dês cultures bactériennes. Paris: Herman, 210p.
MOUGHAN, P.J., SMITH, W.C., PEARSON, G. 1987. Description and validation of a model simulating growth in the pig (20-90Kg live weight). N Z J Agric Res, v.30, p.481-489.
MOUGHAN, P.J., VERSTEGEN, M.W.A. 1988. The modeling of growth in the pig. N Z J Agric Res, v.36, p.145-166.
NOBLET, J., TRAN, G. 2004. Estimation of energy values of feeds for pigs. Feed Mix, v.12, p.16-19.
NRC, Nutrient Requirements of Swine. 1988. 10th ed. Washington: National Academy.
PETTIGREW, J.E., GILL, M., FRANCE, J., et al. 1992. A mathematical model integration of energy and amino acid metabolism of lactating sows. J Anim Sci, v.70, p.3742-3761.
QUINIOU, N., BROSSARD, L., VAN MILGEN, J. et al. 2007. Nivel económico óptimo de inclusión de aminoácidos em piensos para cerdos de engorde. Suis, v.43, p.18-31.
RODRIGUES, P.B., MUNIZ, J.A., PEREIRA, F.A. 1992. Estudo comparativo de curvas de crescimento em suínos. Ciênc Pratic, v. 16, n.1, p.151-157.
SAUVANT, D. 1992. La modélisation systémique en nutrition. Repr Nutr Dev, v.32, p.217-230.
SAUVANT, D. 1999. Analyse systémique et modélisation et modélisation: introduction. Cours Supérieur d’Alimentation des Animaux Domestiques. Paris: INAPG-DSA, 9p.
SAUVANT, D. 1994. Modelling homeostatic and homeorhetic regulation in lactating animals. Livestock Production Science, v.39, p.105-113.
SPEDDING, C.R.W. 1998. General aspects of modeling and its application in livestock production. In: KORVER, S., VAN ARENDOK, J.A.M. (Eds) Modelling of livestock production systems. London: Kluwer Academic.
VAN MILGEN, J., VALANCOGNE, A., DUBOIS, S. 2008. InraPorc: a model and decision support tool for the nutrition of growing pigs. Animal Feed Science and technology, v.143, p.387-4005.
VAN MILGEN, J. 2006. Nutrient flow models, energy transactions and energy feed systems. In: Mechanistic modeling in pig and poultry production, pp. 143-162 [R. M. Gous, T. R. Morris, and C. Fisher, editors]. Wallingford, UK: CAB International.
WILLIANS, N.H. et al. 1997b. Effect of chronic immune system activation on body nitrogen retention, partial efficiency of lysine utilization, and lysine needs of pigs. Journal of Animal Science, v.75, p.2472-2480.
