En octubre empezó a llegar el maíz de nueva cosecha. En la matriz nutricional de la fábrica, el maíz lleva años con los mismos valores: 8,0 % de proteína bruta, 14 % de humedad y un valor energético sacado de un libro de texto. Nadie ha tocado esas cifras, porque las fórmulas parecen funcionar bien. Unas semanas después llama un cliente integrado: el peso vivo en la fase de crecimiento va un poco por debajo del objetivo. No hay nada raro en el aspecto del pienso ni en los registros de producción. El problema está en la matriz.
OptiFormula encuentra la mejor respuesta para las cifras que se le dan. Si las cifras no reflejan la realidad, la respuesta es correcta en el papel y errónea en la nave. Por eso la matriz nutricional no es una tabla que se rellena una vez y se olvida. Es un conjunto de datos que necesita cuidado constante.
Una diferencia pequeña con un efecto grande
Veamos un ejemplo, con cifras ilustrativas. En nuestra dieta de crecimiento para pollos de engorde, el maíz entra al 58 % y la fórmula se resuelve para un 21,0 % de proteína bruta. Sin embargo, la media de las muestras de maíz de nueva cosecha da un 7,3 % de proteína bruta, no un 8,0 %. La diferencia es de 0,7 puntos. Multiplicada por la participación del maíz en la fórmula, la proteína bruta real del pienso queda 0,58 × 0,7, unos 0,4 puntos, por debajo. El pienso etiquetado al 21,0 % está en realidad en torno al 20,6 %. Los aminoácidos digestibles bajan en una proporción parecida.
Cuando actualizamos la matriz y volvemos a resolver, el programa pasa de maíz a harina de soja para cerrar la diferencia. Cada punto de harina de soja 46 % que sustituye al maíz aporta unos 0,39 puntos de proteína al pienso, así que la diferencia necesita un cambio de aproximadamente un punto. Con la harina de soja a 18.000 TRY por tonelada y el maíz a 9.500, ese cambio sube el costo del pienso unos 90 TRY por tonelada.
A primera vista parece una mala noticia. Pero esos 90 TRY son un costo que ya se debía. Si no se actualiza la matriz, el costo no desaparece. Aparece en el rendimiento de los animales y en la satisfacción del cliente. También ocurre lo contrario. Cuando los análisis salen por encima de la tabla, la fábrica que no actualiza su matriz paga por una proteína que no necesita.
No olvide la humedad
Los valores nutricionales suelen manejarse sobre materia fresca, pero la humedad cambia de un lote a otro. Cuando un maíz definido con un 14 % de humedad llega con un 15,5 %, su materia seca baja del 86 al 84,5 %. No solo la proteína, también la energía, la grasa y el almidón se diluyen en la misma proporción. Si su NIR mide humedad, corregir los demás valores por materia seca es la forma más limpia. Mantener la matriz sobre materia seca y calcular los valores sobre materia fresca a partir de la humedad de cada lote reduce el error de forma considerable.
El NIR es rápido, pero no basta por sí solo
El NIR permite muestrear un camión antes de que llegue a la báscula y ver en pocos minutos estimaciones de proteína, humedad, grasa, fibra y almidón. Pero el NIR es una estimación, no una medición. El equipo se basa en una calibración construida a partir de resultados de laboratorio de referencia. Si esa calibración no representa bien sus materias primas, su región y la cosecha de este año, los resultados pueden desviarse de forma sistemática.
Un método que funciona bien en la práctica es este. Cada mes, unas cuantas muestras de cada materia prima principal se leen en el NIR y además se envían al laboratorio para química húmeda. Se sigue la diferencia media entre ambos. Si la diferencia se mantiene en el mismo sentido durante varios meses, es un sesgo y hay que corregir la calibración. La dispersión entre muestras sueltas es normal y no es motivo de alarma.
La muestra importa más que el análisis
Ni el mejor laboratorio puede arreglar una muestra mal tomada. Un puñado de maíz de la parte de arriba de un camión no representa la carga. Hacen falta submuestras tomadas con sonda en distintos puntos del camión, mezcladas entre sí, y de ahí se saca la muestra para análisis. También hay que registrar el lote, el proveedor y el silo de cada muestra. Si no, se tiene una cifra, pero no se sabe qué representa.
¿Qué valor va a la matriz?
Es tentador escribir el análisis del último lote directamente en la matriz, pero lo que hay en el silo suele ser una mezcla de varios lotes. En la práctica destacan dos enfoques. El primero es usar una media de los últimos lotes ponderada por cantidad. El segundo es definir la materia prima por silo y llevar una media para cada silo. El segundo da más trabajo, pero ofrece una respuesta mucho más precisa para materias primas de distintos proveedores con calidades claramente diferentes.
También hay que tener en cuenta la variabilidad. Si de dos harinas de soja con la misma media, una da resultados mucho más dispersos de un lote a otro, es prudente dejar un margen de seguridad en las fórmulas que la usan. En lugar de añadir el mismo margen a todos los nutrientes, fíjelo según la materia prima más variable y los nutrientes críticos.
Llevar los resultados a la fórmula
La parte del análisis que más tiempo hace perder es copiar resultados a mano de un sitio a otro. Un valor escrito en la fila equivocada puede tardar semanas en detectarse. En OptiFormula, los resultados de NIR y de laboratorio pueden importarse directamente a los análisis de las materias primas, y los nuevos valores pueden revisarse antes de volver a resolver las fórmulas. Ver la diferencia entre los valores antiguos y los nuevos también ayuda a distinguir un cambio real de calidad de un error de datos.
La matriz nutricional es la forma más concreta de lo que sabe una fábrica. Alimentarla con regularidad con análisis reales es el camino más corto para que las fórmulas funcionen en la nave como funcionan en el papel.
