[{"data":1,"prerenderedAt":42},["ShallowReactive",2],{"blog-besin-matrisi-nir-laboratuvar-zh":3},[4,6,8,10,12,14,16,18,20,22,24,26,28,30,32,34,36,38,40],{"p":5},"十月开始，新季玉米陆续到货。在饲料厂的营养矩阵里，玉米的数值多年来一直没变：粗蛋白8.0%，水分14%，能值取自教科书。没人动过这些数字，因为配方看起来运转良好。几周后，一家一体化客户打来电话：生长期的活重略低于目标。饲料外观和生产记录都没有问题。问题出在矩阵上。",{"p":7},"OptiFormula 会根据你给它的数字找出成本最低的配方。如果数字不能反映实际，答案在纸面上是对的，在养殖现场却是错的。因此，营养矩阵不是填一次就放着不管的表格，而是一个需要持续维护的数据集。",{"h2":9},"小差距，大影响",{"p":11},"举个例子，以下数字仅作示例。在我们的肉鸡生长期日粮中，玉米添加比例为58%，配方按粗蛋白21.0%求解。然而新季玉米样品的平均粗蛋白为7.3%，而不是8.0%。差距为0.7个百分点。乘以玉米在配方中的占比，饲料的实际粗蛋白低了0.58 × 0.7，约0.4个百分点。标示为21.0%的饲料，实际约为20.6%。可消化氨基酸也按相近的比例下降。",{"p":13},"更新矩阵并重新求解后，配方会用豆粕替换部分玉米来弥补差距。每用1个百分点的46%豆粕替换玉米，饲料蛋白约提高0.39个百分点，因此弥补这个差距大约需要替换1个百分点。豆粕每吨18,000 TRY、玉米每吨9,500 TRY时，这一调整使饲料成本每吨增加约90 TRY。",{"p":15},"乍一看这像是坏消息。但这90 TRY本来就是该付的成本。如果不更新矩阵，这笔成本并不会消失，而是体现在动物生产性能和客户满意度上。反过来的情况也会发生。当分析结果高于表格值时，不更新矩阵的饲料厂就在为不需要的蛋白买单。",{"h2":17},"别忘了水分",{"p":19},"营养成分通常按原样基础保存，但水分每批都不同。按14%水分定义的玉米到货时水分为15.5%，其干物质就从86%降到84.5%。被稀释的不只是蛋白，能量、脂肪和淀粉也按同样比例被稀释。如果你的NIR能测水分，按干物质校正其他数值是最干净的做法。矩阵按干物质基础保存，再根据每批的水分换算出原样基础数值，可以大大减少误差。",{"h2":21},"NIR很快，但单靠它还不够",{"p":23},"有了NIR，卡车还没到地磅就能取样，几分钟内看到蛋白、水分、脂肪、纤维和淀粉的估测值。但NIR是估测，不是测定。仪器依赖的是用实验室参考结果建立的定标模型。如果这个定标不能很好地代表你的原料、你所在的地区和今年的收成，结果就可能出现系统性偏移。",{"p":25},"实践中行之有效的方法是这样的。每个月，每种主要原料取几个样品，既在NIR上读数，也送实验室做湿化学分析。跟踪两者之间的平均差值。如果连续几个月差值都朝同一方向，那就是偏差，需要校正定标。单个样品之间的离散是正常的，不必惊慌。",{"h2":27},"取样比分析更重要",{"p":29},"再好的实验室也无法弥补取样不当。从卡车顶部抓一把玉米，并不能代表整车货。需要用取样器在车上不同位置取分样，混合后再从中取出分析样品。每个样品对应的批次、供应商和料仓也要记录下来。否则你手里有一个数字，却不知道它代表什么。",{"h2":31},"矩阵里该填哪个值？",{"p":33},"把最近一批的分析结果直接写进矩阵很有诱惑力，但料仓里的通常是几批原料的混合。实践中有两种做法较为突出。第一种是按数量对最近几批取加权平均。第二种是按料仓定义原料，为每个料仓保持一个平均值。第二种更费工夫，但对来自不同供应商、质量明显不同的原料，得到的答案要准确得多。",{"p":35},"变异性也需要考虑。如果两种平均值相同的豆粕中，有一种批次间的结果离散得多，那么在使用它的配方中留出安全余量是明智的。不要给每种营养成分都加同样的余量，而应根据变异较大的原料和关键营养成分来设定。",{"h2":37},"把结果带进配方",{"p":39},"分析工作中最浪费时间的环节，是把结果从一个地方手工抄到另一个地方。输错一行的数值，可能要几周后才被发现。在OptiFormula中，NIR和实验室结果可以直接导入原料分析数据，并可在重新求解配方前核对新数值。看到新旧数值之间的差异，也更容易分辨是质量真的变了，还是数据出了错。",{"p":41},"营养矩阵是一家饲料厂所掌握知识最具体的体现。定期用实测分析数据为它补充更新，是让配方在养殖现场的表现与纸面一致的最短路径。",1794234587954]