Matlamat utama pakar pemakanan ayam dan pengilang makanan adalah untuk memastikan setiap ayam menerima nutrien yang diperlukan setiap hari. Untuk mencapai matlamat tersebut, makanan perlu seragam dan mengandungi jumlah yang mencukupi bagi setiap nutrien yang diperlukan.
Keuntungan dalam pengeluaran ayam sangat dipengaruhi oleh variasi nutrien dan tenaga dalam bahan makanan mereka.
Prestasi kawanan hidup, keseragaman kawanan, dan konsistensi hasil zooteknik boleh terjejas oleh variasi protein dalam bahan makanan.
Amy Moss dan rakan-rakannya di Universiti New England di Australia (2021) menunjukkan bahawa jika anda melebihkan anggaran jumlah nutrien dalam makanan ternakan, anda boleh kehilangan 63% keuntungan atau USD 635,100 bagi setiap sejuta ayam pedaging.
Variasi kecil dalam tenaga, ketumpatan nutrien, dan penghadaman asid amino juga boleh memberi kesan kepada pengeluaran telur, berat dan jumlah telur, kecekapan makanan, pengambilan tenaga, berat badan (BW), dan keuntungan pengeluaran telur.
Variasi dalam bahan makanan disebabkan oleh bahan mentah, persampelan, dan analisis, menurut Moss et al. (2021).
VARIASI MAKANAN TERNAKAN
Komposisi bahan mentah untuk makanan ayam akan berubah disebabkan oleh genetik, faktor persekitaran, dan syarat-syarat pemprosesan selepas penuaian atau semasa pengeluaran.
Untuk bahan dari produk tumbuhan, pelbagai batch akan berasal dari pelbagai kultivar yang ditanam di bawah keadaan iklim dan pemupukan yang berbeza, kemudian diproses dan disimpan dengan cara yang berbeza.
Batch berbeza bagi bahan dari hasil sampingan haiwan juga akan berbeza, terutamanya disebabkan oleh variasi dalam bahan mentah dan cara ia diproses
Sebaik sahaja bahan-bahan ini dicampur, sampel dengan secukupnya mesti diambil untuk memastikan kesemua batch mengandungi unsur-unsur yang dijangkakan. Oleh kerana variasi wujud secara semula jadi dalam batch yang berbeza walaupun dengan formula bahan yang sama, pelbagai sampel dari setiap batch diperlukan untuk menganggarkan purata yang benar.
Bila pelbagai perkadaran bahan makanan dicampurkan, semua batch sampel sepatutnya mempunyai ciri-ciri yang sama dari semua bahan yang telah digabungkan.
Variasi campuran dikira seperti berikut berdasarkan varians bahan-bahan.
Mengikuti taburan Normal dengan minμ dan varians σ², N(μ, σ²), di mana:
Bersambung selepas pengiklanan.
Sejauh manakah variabiliti nutrien dalam makanan?
Buku kerja Microsoft Excel yang dipanggil “FeedVariation.xlsx” telah ditulis oleh Dr. Pesti untuk menggunakan pelbagai formula begini. Ia boleh didapati di halaman web Poultry Hub Australia di bawah “Sumber Penyelidikan.”
Rajah 1 menunjukkan sebahagian daripada lembaran kerja “Contoh Protein”.
Bahan-bahan, bersama tahap protein purata dan sisihan piawainya, adalah daripada sampel yang dikumpul daripada pengeluar Australia dan disusun dalam Pangkalan Data Bahan Makanan Ternakan Australia (AFiD).
Rajah 1 menunjukkan sebahagian daripada lembaran kerja “Contoh Protein”. Bahan-bahan, bersama tahap protein purata dan sisihan piawainya, adalah daripada sampel yang dikumpul daripada pengeluar Australia dan disusun dalam Pangkalan Data Bahan Makanan Ternakan Australia (AFiD).
Di bahagian tengah kanan Rajah 2 terdapat beberapa formula untuk makanan bagi pelbagai kelas ayam dan ayam belanda, dan pelbagai lagi data yang relevan.
Di bahagian bawah kertas kerja ini terdapat purata dan sisihan piawai yang dikira bagi setiap tahap protein kasar yang diharapkan, ditunjukkan dalam warna kuning.
Anda boleh memuat turun buku kerja dan mengklik pada setiap sel untuk melihat bagaimana pengiraan itu konsisten dengan Persamaan [3] di atas.
Jika banyak batch Makanan Permulaan Ayam Pedaging yang diberi dari 0 hingga 10 hari, dicampurkan sampel rawak bahan-bahan mentah Australia, purata tahap protein kasar makanan tersebut dijangka adalah 230 g/kg CP. Separuh daripada batch ini dijangka mengandungi lebih dan separuh lagi kurang daripada 230 g/kg CP.
Rajah 2. Sebahagian daripada buku kerja Microsoft Excel, “FeedVariation.xlsx” menunjukkan variasi dalam protein kasar makanan campuran berdasarkan variasi yang dilaporkan dalam bahan-bahan mentah dari Australia.
Taburan normal (Rajah 3), yang ditakrifkan oleh min dan sisihan piawai, boleh digunakan untuk menganggarkan taburan batch makanan.
Tiga puluh empat persen daripada batch makanan ini akan mengandungi antara 230 dan 230 – 4.48 = 225.52 g/kg CP; 13.5% daripada batch makanan akan mengandungi antara 225.52 dan 225.52 – 4.48 = 221.04; dan 2.5% daripada batch makanan akan mengandungi kurang daripada 221.04 g/kg CP.
Pengeluar ayam sering membeli bahan daripada pembekal yang sama, jadi variasi dalam beberapa bahan mungkin kurang daripada yang dijangkakan daripada pangkalan data AFiD.
Namun, analisis ini menekankan kepentingan memantau bahan untuk mengurangkan variasi sebanyak mungkin.
Pembatasan variasi dalam makanan campuran adalah penting apabila pengeluar memberi makan kepada ayam mereka sendiri, tetapi lebih penting lagi apabila pengeluar menjual makanan, dan pelanggan mengharapkan setiap batch mempunyai jumlah minimum tertentu bagi setiap nutrien.
Menggunakan nilai purata mungkin tidak dapat diterima oleh pelanggan.
Rajah 3. Taburan Normal
Variabiliti analitik dan NIRS
Memantau variasi bahan menunjukkan lebih banyak analisis dan lebih banyak penggunaan makmal.
Namun, variabiliti analitik di kalangan makmal telah menjadi signifikan, atau dalam beberapa kes, bahkan lebih ketara, daripada variasi dalam variabiliti nutrien yang dikaitkan dengan sumber jagung atau meal soya.
Oleh itu, pensampelan bahan mentah makanan yang betul dan analisis komprehensif serta tepat mengenai kandungan nutrien seharusnya mendapat lebih banyak perhatian.
Kandungan tenaga, protein kasar (CP), dan penghadaman asid amino (AA) jarang ditentukan untuk batch makanan yang berbeza di kilang makanan.
Nilai tenaga adalah masalah yang lebih besar kerana ia sentiasa dianggarkan menggunakan persamaan ramalan yang bergantung terutamanya pada hasil analisis yang paling hampir dan mungkin meremehkan tenaga metabolis (ME).
Terdapat variabiliti yang tinggi antara ME nyata dan ME nyata yang diperbetulkan dengan nitrogen.
NIRS
Selama lebih daripada tiga puluh tahun, industri makanan haiwan telah mempunyai alternatif untuk mengesan komposisi nutrien dalam bahan makanan. Ini menggunakan spektroskopi reflektansi infra-merah dekat (NIRS), tetapi tidak semua orang bersetuju dengan penggunaan data daripada NIRS. Hasil kimia basah masih dianggap sebagai yang paling boleh dipercayai.
Analisis NIRS menawarkan beberapa kelebihan termasuk:
Pemeriksaan sampel yang cepat dan hasil boleh didapati dalam beberapa minit.
Jumlah kecil satu sampel diperlukan untuk mendapatkan beberapa analit nutrien, kandungan tenaga, dan koefisien kebolehcernaan secara serentak.
Kos rendah.
Hasil yang boleh diulang tanpa mengira lokasi geografi di mana sampel diambil.
Persediaan sampel yang minimum atau tidak diperlukan.
Peralatan boleh diletakkan secara langsung di kilang makanan atau dalam talian semasa pemprosesan bahan makanan.
NIRS boleh dipindahkan (mobile).
Faktor-faktor ini menjadikan analisis NIRS lebih mampan berbanding analisis kimia basah.
Terdapat dua cara untuk membuat lengkung kalibrasi NIRS: secara langsung dan tidak langsung.
Kaedah kalibrasi tidak langsung menghubungkan hasil analisis kimia atau fizikal dengan spektra NIRS untuk menganggarkan nilai analisis yang hampir, jumlah asid amino (AA), kanji, dan nutrien serta anti-nutrien lain.
Sebaliknya, kalibrasi NIRS secara langsung menggunakan sampel makanan dan najis yang diperolehi daripada eksperimen haiwan. Kalibrasi langsung menggabungkan data in-vivo yang berkaitan dengan pelbagai interaksi antara makanan dan haiwan yang mempengaruhi pemanfaatan nutrien akhir, AME, AMEn, dan kebolehcernaan AA.
Pelbagai kumpulan penyelidikan telah menilai ketelitian dan ketepatan model kalibrasi NIRS untuk meramalkan nilai nutrisi bahan makanan, menghasilkan keputusan yang setanding dengan yang diperoleh melalui kimia basah makmal dan pendekatan in-vivo.
KESIMPULAN
Industri makanan haiwan disyorkan untuk mula menggunakan maklumat yang diperoleh dengan pelbagai model NIRS yang tersedia di pasaran untuk memahami dengan lebih baik variasi dalam makronutrien, tenaga, serta komponen kanji dan serat.
Pemahaman dan kawalan yang lebih baik terhadap variasi bahan makanan dapat membantu kita menjadi lebih tepat dalam formulasi makanan dan pengeluaran ayam.
