Kandungan boleh didapati di: English Indonesia (Indonesian) ไทย (Thai)
Seperti perniagaan lain, pengeluaran ayam juga menghadapi cabaran, termasuk aliran tunai, inflasi, ekonomi kemerosotan, dan turun naik pasaran. Walaupun semua cabaran berterusan dan bervariasi, perniagaan ayam itik kekal untung. Walau bagaimanapun, ia sentiasa perlu untuk menerima pakai metodologi untuk mengoptimumkan produktiviti dan keuntungan.
Nasihat biasa untuk memaksimumkan produktiviti, keuntungan, dan kemampanan ekonomi adalah untuk meningkatkan kecekapan, mengurangkan pembaziran, mengurus kos, menyemak harga dan menambah baik infrastruktur dalam jangka masa panjang.
- Meningkatkan kelestarian alam sekitar juga berkaitan dengan mengurangkan sisa, pelepasan, dan penggunaan tenaga.
Makanan adalah faktor terpenting yang mempengaruhi kos pengeluaran dan kemampanan struktur di seluruh dunia.
- Kaedah paling berkesan untuk mengurangkan kos makanan adalah melalui formulasi makanan.
- Formulasi makanan kos termurah berdasarkan pengaturcaraan linear mengurangkan kos tetapi tidak memaksimumkan keuntungan perniagaan.
ISU DENGAN FORMULASI MAKANAN KOS RENDAH
Formulasi makanan kos termurah juga ada menyatukan idea bahawa nutrien tahap adalah tetap, diperoleh daripada Jadual atau Panduan Penternak, menjadikan mereka sebagai keperluan mutlak.
- “Keperluan nutrien” tersebut untuk ayam adalah nilai yang ditentukan untuk prestasi biologi maksimum dalam pelbagai eksperimen bebas. Ini bermakna bahawa maksimum tiga nutrien telah ditentukan dalam keadaan yang serupa.
- Namun, tenaga memaksimumkan keuntungan dan tahap nutrien hanya diketahui sekali an analisis ekonometrik dibuat untuk setiap satu pasaran dan tapak pengeluaran.
Nutrien yang paling menguntungkan tahap boleh berubah-ubah, bergantung kepada perubahan dalam kos bahan makanan dan harga bagi produk ayam untuk dijual (ayam hidup, bangkai, bahagian yang dipotong, telur dalam kulit atau jisim telur).
Isu biasa dengan suapan kos paling murah rumusan ialah apabila harga bagi sumber protein seperti kenaikan makanan kacang soya, penyelesaian matematik cenderung kepada
mengurangkan ketumpatan asid amino diet kepada mendapatkan makanan yang lebih murah.
- Walau bagaimanapun, ayam pedaging sensitif terhadap pengambilan asid amino.
- Pada tahap asid amino yang lebih rendah, mereka boleh menentukan kadar pertumbuhan yang lebih rendah, hasil, penukaran makanan yang lebih tinggi nisbah, dan pendapatan yang lebih rendah, mengurangkan keuntungan.
Sebaliknya, keuntungan boleh dikurangkan jika pemakanan yang sama ketumpatan nutrien dikekalkan apabila harga produk akhir ayam berkurangan. Kepadatan stok ayam dan pasaran akhir berat badan juga boleh menjejaskan optimum kepadatan nutrien diet untuk memaksimumkan keuntungan.
ALTERNATIF KEPADA FORMULASI MAKANAN KOS MINIMUM
Sebaliknya hanya melihat pada kos paling rendah, pendekatan yang lebih sesuai adalah menerapkan formulasi makanan untuk memaksimumkan keuntungan. Formulasi makanan untuk memaksimumkan margin atau keuntungan boleh menggunakan pengaturcaraan tidak linear, model komputer yang dikaitkan dengan pengoptimum, atau gabungan kedua-dua sistem tersebut.
- Pengaturcaraan tidak linear membolehkan penyertaan persamaan keuntungan bukannya ketumpatan nutrien yang dikehendaki tetap.
- Ini bermakna tahap nutrien yang dikehendaki ditentukan pada masa formulasi makanan bukannya menggunakan “keperluan nutrien” yang telah ditetapkan.
Persamaan keuntungan boleh diperolehi dengan memasang lengkung kuadratik antara kos makanan setiap unit keuntungan atau pendapatan berbanding kos makanan berbanding tenaga, nutrien, dan tahap bahan. Lengkung ini dipasang untuk mendapatkan fungsi yang akan menghasilkan optimum ekonomi sebagai tahap tenaga atau tahap nutrien berbeza. Persamaan kuadratik boleh digunakan, tetapi fungsi matematik lain mungkin lebih sesuai atau tepat untuk menyesuaikan data eksperimen dan ekonometrik ini.
- Metodologi ini memerlukan mendapatkan data mengenai tindak balas haiwan kepada setiap tenaga, nutrien utama, dan juga tahap bahan makanan utama.
- Walau bagaimanapun, tindak balas ini berbeza dengan keadaan persekitaran dan, dari masa ke masa, dengan evolusi yang disebabkan oleh pemilihan genetik yang berterusan.
- Kemudian, mendapatkan maklumat daripada eksperimen tindak balas dos klasik tidak mampan.
Dadalt et al. (2015) membandingkan formulasi linear dan tidak linear untuk memberi makan ayam pedaging yang disimpan pada dua ketumpatan. Ketumpatan stok yang tinggi (HDH) dengan 14 ekor ayam/m2 dan ketumpatan rendah (LDH) dengan 10 ekor ayam/m2 telah dinilai. Kedua-dua sistem formulasi menggalakkan prestasi ayam pedaging yang serupa. Walau bagaimanapun, makanan ketumpatan tinggi menggunakan formulasi linear mengurangkan berat badan pada ayam jantan berusia 42 hari, tetapi tidak apabila formulasi tidak linear digunakan.
- Formulasi makanan tidak linear pada LDH menghasilkan nilai nisbah penukaran makanan tertinggi dan kos/kg ayam pedaging terendah untuk kedua-dua jantina.
- Keputusan menunjukkan bahawa sistem formulasi makanan yang menghasilkan prestasi terbaik atau nisbah penukaran makanan terendah adalah hanya kadang-kadang paling menguntungkan.
Almeida et al. (2019) juga menilai nilai pengaturcaraan tidak linear untuk ayam penelur di bawah
tiga senario pasaran. Mereka membandingkannya dengan diet yang dirumuskan dengan pengaturcaraan linear mengikut cadangan keperluan nutrien daripada Jadual Brazil, garis panduan strain genetik, atau model matematik untuk memaksimumkan prestasi.
- Sistem formulasi makanan ini tidak mempengaruhi unit Haugh, ketinggian albumen, atau parameter kualiti telur luaran.
- Walau bagaimanapun, formulasi makanan mempengaruhi berat kuning telur, berat albumen, warna kuning telur, peratusan kuning telur, peratusan albumen, dan parameter prestasi.
Hasil kesan ini tidak akan dibincangkan di sini kerana ruang yang tersedia, tetapi secara umum, makanan yang dirumuskan menggunakan pengaturcaraan linear berdasarkan keperluan nutrisi yang diperolehi melalui model matematik dan manual strain genetik menggalakkan hasil prestasi yang lebih baik kerana makanan ini lebih padat dari segi nutrisi.
Walau bagaimanapun, rawatan atau makanan formulasi yang memaksimumkan hidup
prestasi tidak menghasilkan lebih tinggi keuntungan. Keuntungan maksimum adalah diperolehi dengan diet yang dirumuskan untuk sinario pasaran yang menguntungkan menggunakan tidak linear pengaturcaraan, yang secara umumnya mengekalkan keuntungan maksimum di bawah setiap keadaan.
Sebagai kesimpulan, tidak linear pengaturcaraan adalah alat untuk memaksimumkan keuntungan.
- Walau bagaimanapun, data diperlukan untuk menghitung tindak balas burung kepada tahap tenaga dan nutrien di bawah pelbagai keadaan, menjadikannya sukar untuk diperolehi kebanyakan masa melalui pemerhatian empirikal atau eksperimen. Ini anggaran boleh diperolehi dengan model matematik.
PEMODELAN NUTRISI DALAM NUTRISI AYAM UNTUK MEMAKSIMUMKAN
KEUNTUNGAN
Beberapa kumpulan penyelidikan akademik dan beberapa syarikat swasta, seperti NOVUS International, Cargill, Aviagen, dan Trouw Nutrition, telah mencadangkan pelbagai model. Banyak daripada model ini tidak lagi tersedia disebabkan oleh penggunaan industri yang rendah atau kerana ia tidak dikemaskini.
Jadual 1 menunjukkan komprehensif tetapi bukan senarai lengkap model matematik yang diterbitkan yang telah atau boleh diakses secara terbuka dan mempunyai implikasi untuk pengoptimuman pemakanan unggas.
- Sesetengah model menggunakan siri persamaan berdasarkan empirikal penyelidikan yang diperoleh dengan besar set data.
- Sebaliknya, model lain adalah mekanistik berdasarkan teori dan
penyelidikan yang direka untuk menganggarkan penggunaan nutrien dan pemendapan parameter bukan hanya mencerap prestasi haiwan. - Sesetengah model ini termasuk komponen atau modul ekonometrik
yang cuba untuk mengoptimumkan keuntungan dan mengurangkan impak alam sekitar bukannya hanya memaksimumkan prestasi haiwan.
Salah satu isu utama yang telah menhadkan pelaksanaannya, pengesahan, penilaian, dan pembangunan selanjutnya telah menjadi keperluan untuk lebih banyak pendidikan mengenai model pembangunan dan penggunaan untuk pemakanan praktikal.
Pemahaman yang terhad tentang prinsip-prinsip model ini dan asas saintifik yang kukuh berasal dari sempit visualisasi pelbagai disagregat penerbitan saintifik sepanjang beberapa dekad tanpa rujukan untuk mengaitkannya dengan model tertentu pembangunan.
- Model berdasarkan penyelidikan empirikal atau pengumpulan pemerhatian tanpa mencari faktor penjelasan telah menjadi ketinggalan zaman dan kurang digunakan.
- Model mekanistik yang menerangkan utama faktor yang menyebabkan tindak balas terus dibangunkan dan boleh digunakan dengan baru genotip sambil meningkatkan ramalan ketepatan.
Kebanyakan model mekanistik semasa adalah tetap atau menggunakan satu nilai purata tunggal, mewakili ayam purata dalam kumpulan. Stokastik atau kemungkinan berubah-ubah adalah dilaksanakan dengan mensimulasikan berbilang kali taburan potensi populasi atau dengan mengubah faktor yang paling ketara menyebabkan variasi.
- Perisian EFG dan AVINESP model adalah dua daripada yang paling baik dibangunkan
model. - Model ini berkongsi aspek teori atau konsep yang serupa tetapi berbeza dalam beberapa metodologi anggaran dan terminologi.
Gerry Emmans, Colin Fisher, dan Rob Gous dari Afrika Selatan membangunkan model EFG untuk ayam pedaging, induk ayam pedaging, ayam belanda, dan babi. Pada masa ini, hanya model pertumbuhan ayam pedaging dan babi EFG yang tersedia. Dr. Nilva K. Sakomura mengarahkan pembangunan model AVINESP di Universiti Negeri São Paulo di Jaboticabal, Brazil.
Model AVINESP telah dibangunkan untuk beberapa spesies: ayam pedaging, induk ayam pedaging, pullet, ayam penelur, dan burung puyuh. AVINESP mempunyai model ayam pedaging dan lapisan yang tersedia untuk umum.
Kedua-dua model mekanistik ini berdasarkan teori yang dibangunkan oleh Gerry Emmans dan rakan sekerjanya di Scotland.
- Teori ini mencadangkan bahawa penerangan matematik yang tepat mengenai genotip haiwan dan potensi pertumbuhan genetik adalah kritikal untuk menentukan keperluan tenaga dan nutrien dalam mana-mana spesies haiwan.
- Penerangan matematik yang tepat mengenai pengeluaran telur juga penting untuk menentukan nutrien mengikut peringkat pengeluaran telur dan jisim telur.
Model mekanistik EFG dan AVINESP telah dibangunkan dengan siri modul logik untuk meramalkan tenaga metabolik (ME), tenaga bersih (NE), asid amino (AA), keperluan kalsium dan fosforus untuk memenuhi sasaran pertumbuhan dan pengeluaran telur.
- Persamaan yang menerangkan penggunaan tenaga dan nutrien telah diterbitkan dan diterangkan. Contoh keupayaan mereka untuk meramalkan tahap asid amino optimum untuk memaksimumkan keuntungan bergantung pada objektif pasaran telah diterbitkan.
- Dalam Rajah 1 dan 2, pembaca boleh memerhatikan perbezaan dalam pengiraan untuk menganggarkan tahap protein seimbang yang diperlukan untuk memaksimumkan keuntungan.
- Kita masih memerlukan pemahaman yang lebih baik mengenai proses metabolik dan kecekapan penggunaan nutrien atau kesan faktor persekitaran, nutrisi, dan anti-nutrien lain serta aditif makanan.
- Semasa menggunakan model-model ini, adalah penting untuk diingati bahawa hanya burung purata yang disimulasikan. Taburan populasi kawanan mesti dimasukkan untuk menjadikan hasilnya sesuai untuk keadaan komersial.
- Teknologi sensor elektronik, analisis data yang luas, dan pembelajaran mesin boleh meningkatkan ketepatan model mekanistik.
Terdapat konsensus bahawa pemodelan lebih mampan untuk menjalankan penyelidikan pemakanan unggas. Ia telah menjadi alat yang berkuasa untuk mengoptimumkan perkumuhan nutrien dan memaksimumkan keuntungan untuk pengeluaran unggas yang lebih mampan.
Laporan NASEM 2024 mengenai “Keperluan Nutrisi” Ayam (edisi ke-10 disemak semula) mengesyorkan agar ahli akademik membangunkan model matematik. Walau bagaimanapun, laporan jawatankuasa NASEM tidak menangani aspek ekonometrik kritikal yang perlu dimasukkan dalam pemakanan unggas.
- Namun begitu, model ayam yang boleh dinilai oleh industri sudah tersedia, seperti yang boleh diperhatikan oleh pembaca dalam maklumat yang dibentangkan di sini.
- Maklum balas yang diperoleh dalam pengesahan model ini boleh membantu meningkatkan ketepatan dan kejituannya.
- Walau bagaimanapun, mengguna pakai metodologi baharu ini untuk formulasi makanan dalam industri unggas adalah sama pentingnya dengan membangunkan model.
- Akibatnya, seperti yang ditunjukkan sebelum ini, lebih banyak maklumat dan pendidikan diperlukan mengenai topik ini, dan kami berharap artikel ini menyumbang kepada pengetahuan ini.