La calidad de los ingredientes de los piensos puede cambiar a lo largo del proceso (debido a las condiciones climáticas, la cosecha, el almacenamiento, el procesado y el transporte) y esto puede afectar al nivel de energía y proteína de las materias primas. Dado que la energía y las proteínas son fundamentales para los animales de alta producción, debemos ser siempre conscientes de ello y, por tanto, comprobar todas las materias primas cuando llegan al lugar de producción.

Los valores nutricionales de los materiales adquiridos pueden resultar superiores o inferiores a lo esperado. Si no volvemos a comprobar los valores nutricionales antes de la formulación, perdemos la oportunidad de ajustar la fórmula en consecuencia y corremos el riesgo de subalimentar o sobrealimentar con nutrientes. Y, especialmente en el caso de las proteínas, esto puede dar lugar a graves problemas. También vemos que a veces los nutricionistas formulan por el «lado seguro» y aumentan la inclusión de fuentes de proteínas. Las suposiciones y/o la adición de más proteína (o cualquier otro nutriente) de la necesaria deben evitarse por razones económicas y de rendimiento.

Acceso más fácil a los datos correctos

Raquel Ramião, responsable de productos digitales de Trouw Nutrition, explica: «Se trata de nutrición de precisión y de encontrar el equilibrio adecuado. Por ejemplo, niveles demasiado bajos de proteína en la dieta conducen a niveles de crecimiento reducidos, menor producción de huevos, menor producción de leche/carne y mayor riesgo de problemas de salud. Cuando incluimos demasiada proteína en la dieta, puede provocar un aumento de los costes de alimentación, una reducción de los niveles de eficiencia alimentaria, problemas de salud y/o reproducción y un aumento de los niveles de amoníaco. Por lo tanto, es muy importante conocer los valores reales, y para ello es necesario realizar análisis periódicos de los piensos y utilizar métodos precisos para medirlos».

En los últimos años, la disponibilidad de datos precisos sobre piensos se ha hecho mucho más fácil y rápida gracias a las aplicaciones NIR móviles. Esto significa que ya no es necesario enviar cada muestra de pienso a un laboratorio». Ramião explica: «Se trata de un avance muy positivo en el mundo de los análisis de piensos, porque las aplicaciones móviles nos permiten disponer de datos precisos en la granja y en la fábrica de piensos en menos de 10 minutos. Si solo trabajamos con valores nutricionales precisos en la matriz de piensos, los nutricionistas pueden decidir mejor si es necesario intervenir. Por ejemplo, ajustar las proporciones de los ingredientes del pienso, o añadir más aminoácidos, por ejemplo. Así nos aseguramos de formular dietas que satisfagan mejor las necesidades nutricionales de los animales, sean rentables y cumplan lo que prometen en el campo».

Estudios de casos demuestran el valor económico

El NutriOpt On-site Adviser, desarrollado por Trouw Nutrition, es una solución NIR móvil, respaldada por muchos años de experiencia y conocimientos sobre NIR y formulación. Contiene líneas de calibración de alta calidad para más de 50 materias primas, 10 ensilados y más de 5 piensos acabados. A lo largo de los años, se han analizado miles de muestras de todo el mundo con este método, lo que ha dado lugar a una base de datos sólida que proporciona valores nutricionales precisos.

Ramião explica: «Disponer de estos datos ayuda a los nutricionistas a tomar mejores decisiones, y esto es importante en tiempos en que los márgenes son ajustados y los precios de los piensos son altos».

Trouw Nutrition ha demostrado los beneficios económicos, destacando que cuando el asesor in situ NutriOpt medía un CP más alto, las dietas podían reformularse de tal manera que suponían un enorme ahorro de costes de alimentación al mes. Esto se debió a la menor inclusión del ingrediente proteico (por ejemplo, harina de soja o de girasol).
Ramião: «En un ejemplo (una granja de pollos de engorde de 50.000 cabezas), el NutriOpt On-site Adviser mostró que el nivel de PC en la harina de soja (SBM) era en realidad un 3% superior a los niveles de PC asumidos. Esto nos permitió utilizar 17 kg menos de SBM/t de alimento completo, lo que supuso un ahorro de 12,16 euros por tonelada. Al mes, hay un ahorro potencial de 42.567 euros en costes de alimentación. En otro estudio de caso (una granja de vacuno de 5.000 cabezas), descubrimos que el ahorro potencial en alimentación mediante reformulación con los datos de nuestra solución NIR móvil es de más de 17.600 euros para todo el periodo de engorde (90 días). Son cifras muy serias».

Cada imprecisión marca la diferencia

Ramião señala que el uso del NIR móvil también puede, por supuesto, medir un valor nutricional inferior al esperado: «También en este caso, debería llevarse a cabo una reformulación para asegurarnos de que creamos dietas sanas y equilibradas y no perdemos en rendimiento por subalimentar con nutrientes cruciales. Al final, se trata de concienciarnos de que utilizar los valores nutricionales más precisos merece la pena, tanto si se utiliza la química húmeda como el NIR de sobremesa o el NIR móvil. Queremos fomentar el análisis regular de los piensos, porque las fábricas de piensos de todo el mundo aún pueden dar pasos de gigante en la alimentación de precisión, como demuestran los cálculos/estudios de casos que hemos realizado.»

«Utilizando los valores nutricionales adecuados -combinados con los servicios de formulación que ofrecemos como Trouw Nutrition- podemos marcar realmente la diferencia para nuestros clientes. Teniendo en cuenta los grandes volúmenes de pienso que se consumen en las granjas y los elevados precios de los piensos a los que nos enfrentamos, podemos crear grandes impactos con pequeños ajustes. Si podemos formular dietas más equilibradas, no sólo es bueno desde el punto de vista económico, sino que también conduce a un mejor rendimiento de los animales y a un menor desperdicio de nutrientes, apoyando dietas más sostenibles», concluye Ramião.

Si desea más información sobre los servicios NIR de Trouw Nutrition, póngase en contacto con nosotros.