Ang pangunahing layunin ng mga poultry nutritionist at tagagawa ng pakain ay matiyak na ang bawat manok ay nakatatanggap ng sustansya na kailangan nito araw-araw . Para magawa ito, ang pakain ay dapat maging pantay at naglalaman ng sapat na dami ng bawat kinakailangang sustansya.
Ang kita sa pag-aalaga ng manok ay naaapektuhan nang malaki ng pagkakaiba-iba ng sangkap at enerhiya ng mga sangkap ng pakain.
Ang performance ng mga alaga, pagkakapare-pareho ng mga alaga at ng mga mga resultang zootechnical ay maaaring maapektuhan ng pagkakaiba-iba sa mga sangkap ng pakain.
Ipinakita ni Amy Moss at ng kaniyang team (2021) sa University of New England sa Australia na kung masosobrahan ka sa pagtantya ng sustansya sa sangkap ng pagkain, maari kang mawalan 63% sa iyong kita o $635,100 sa kada 1 milyong broiler.
Ang maliliit na pagkakaiba sa enerhiya, pagkasiksik ng sustansiya, at digestibility ng amino acid ay maaari ding makaapekto sa produksyon ng itlog, timbang at sukat ng itlog, feed efficiency, pagproseso ng enerhiya, timbang ng katawan, at kita sa produksyon ng itlog.
Ang pagkakaiba-iba ng mga sangkap ng pakain ay dulot ng mga purong sangkap, pagsa-sample, at pagsusuri, ayon kay Moss et al. (2021).
PAGKAKAIBA-IBA NG SANGKAP NG PAKAIN
Ang komposisyon ng mga sangkap ng pakain ay nag-iiba dahil sa genetics, mga dahilang pangkapaligiran, at kondisyon sa pagpo-proseso matapos ang pag-ani or habang isinasagawa ang produksyon.
Para sa mga produktong halaman, ang iba’t ibag batch ay nagmumula sa iba’t ibang uri ng cultivar, na pinalaki sa ilalim ng magkakaibang kondisyon ng klima at pataba, at saka pinroseso at inimbak nang magkaka-iba.
Ang mga iba’t ibag batch ng mga by-product ng mga hayop ay nag-iiba din, pangunahing dahil sa pag-kakaiba iba ng mga purong materyales at kung paano naproseso ang mga ito.
Kapag nahalo na ang mga pakain, ang mga ito ay kailangang ma-sample nang maayos upang matiyak na ang mga batch ay naglalaman ng kung ano ang inaasahan. Dahil ang pagkaka-iba ay likas sa iba’t ibang batch na may parehong formula ng sangkap, maraming sample ang kinakailangan sa bawat batch para matantya ang average.
Kapag ang iba’t ibag proportion ng mga sangkap ng pakain ay hinalo, ang mga sample ay may mga katangian na pinagsama mula sa lahat ng magkakahalong sangkap.
Ang pagkakaiba ng mga halo ay kinakalkula mula sa pagkakaiba ng sangkap sa mga sumusunod.
Sumusunod sa Normal distribution na may mean na μ at variance na σ 2 , N(μ, σ 2 ), kung saan:
Magpapatuloy pagkatapos ng patalastas.
Gaano kamagkaiba ang mga sustansya sa isang pakain?
The Microsoft Excel workbook in the tinatawag in “FeedVariation.xlsx” ay dinisenyo ni Dr. Pestl para gamitin ang mga formula na ito . Ito ay makikita mula sa Poultry Hub Australia web page sa ilalim ng ” Research Resources “.
Ipinapakita ng Figure 1 ang bahagi ng “Protein Example” worksheet. Ang mga sangkap, na may average na dami ng protina at standard deviation, ay mula sa mga sample na nalikom mula sa mga producer sa Australia at pinagsama-sama sa Australian Feed Ingredient Database (AFiD).
Figure 1 . Ipinapakita ng bahagi ng Microsoft Excel workbook na tinatawag na “FeedVariation.xlsx” ang mga formula upang makalkula ang pagkakaiba-iba ng isang halong pakain mula sa naiulat na pagkakaiba sa mga sangkap.
Sa kanang gitnang bahagi ng Figure 2 ay ilang mga formula para sa pakain ng iba’t ibag uri ng mga manok at pabo, at mayroon pang iba sa mismong worksheet.
Sa ibabang bahagi ng worksheet ay ang mga nakalkulang average at standard deviation ng inaasahang dami ng crude protein sa bawat pakain, na naka-highlight sa dilaw.
Maaari mong i-download ang workbook at i-click ang bawal cell upang makita kung gaano katugma ang mga kalkulasyon sa Equation [3] sa itaas.
Kung ang maraming batch ng Broiler Starter, na karaniwang pinapakain mula 0 hanggang 10 araw, ay ihahalo sa mga random sample ng sangkap mula sa Australia, ang average na dami ng crude protein ng mga pakain ay inaasahan na magiging 230 g/kg CP. Ang kalahati ng mga batch ay inaasahan na maglalaman ng humigit sa at ang kalahati ay mas kaunti sa 230 g/kg CP.
Figure 2. Ang isang bahagi ng Microsoft Excel workbook, “FeedVariation.xlsx”, ay ipinapakita ang pagkakaiba-iba sa crude protein ng mga halong pakain base sa naiulat na pagkakaiba-iba ng mga sangkap mula sa Australia.
Ang normal distribution (Figure 3), natutukoy ng mean at standard deviation, ay maaaring magamit upang matantya ang distribution ng mga batch ng pakain.
Tatlumpu’t apat na porsyento ng mga batch ng pakain na ito ay magkakaroon ng nilalaman sa pagitan ng 230 at 230 – 4.48 = 225.52 g/kg CP; 13.5% ng mga batch ng pakain ay magkakaroon ng nilalaman sa pagitan ng 225.52 at 225.52 – 4.48 = 221.04; at 2.5% ng mga batch ng pakain ay magkakaroon ng mas mababa sa 221.04 g/kg CP.
Madalas na bumibili ang mga producer ng manok ng mga sangkap mula sa iisang supplier, kaya ang pagkakaiba-iba sa ilang mga sangkap ay maaaring maging mas kaunti kaysa inaasahan mula sa database ng AFiD.
Gayumpaman, itinuturo ng analysis na ito ang kahalagahan ng pagmamanman ng mga sangkap upang mabawasan ang pagkakaiba-iba hangga’t maaari.
Ang paglilimita sa pagkakaiba-iba ng mga halong sangkap ay mahalaga kapag ang producer ang nagpapakain sa sarili nitong mga manok, ngunit mas mahalaga ito kapag ang producer ay nagbebenta ng pakain, at ang mga mamimili ay umaasa na ang bawat batch ay mayroong tiyak na minimum na bilang ng bawat sustansya.
Ang paggamit ng average na halaga ay maaaring hindi katanggap-tanggap sa mamimili.
Figure 3. Ang Normal Distribution
Analytical variability at NIRS
Ang pagmamanman ng pagkakaiba-iba ng mga sangkap ay nagpapahiwatig ng marami pang pagsusuri at marami pang paggamit ng mga laboratoryo.
Gayunpaman, ang analytical variability sa mga laboratoryo ay naging mahalaga, o sa ilang pagkakataon ay mas kapansin-pansin pa, kaysa sa pagkakaiba-iba ng sustanya na maiuugnay sa mga pinagkukunan ng corn or soybean meal.
Bilang result, ang wastong pagsa-sample ng mga sangkap ng pakain at komprehensibo at tamang analysis ng laman na sustansya ay mayroong mas malaking kahalagahan.
Ang energy content, CP, at digestibility ng AA ay bihirang natutukoy sa mga natatanging batch ng sangkap ng pakain sa mga feed mill.
Ang halaga ng enerhiya ay mas malaking isyu dahil laging nasusukat ang mga ito gamit ang mga prediction equation na pangunahing nakasalalay sa result ng mga proximate analysis at maaaring maliitin ang metabolizable energy (ME).
Mayroong mataas na pagkakaiba-iba sa pagitan ng apparent ME at apparent ME na winasto ng nitrogen.
NIRS
Sa mahigit talumpung taon, ang industriya ng pakain ay mayroong alternatibo sa pagsubaybay ng komposisyon ng sustansya sa mga sangkap ng pakain. Gumagamit ito ng near-infrared reflectance spectroscopy (NIRS), ngunit hindi lahat ay sumasang-ayon sa paggamit ng data mula sa NIRS. Ang mga results ng wet chemistry ay itinuturing pa rin na pinaka-maaasahan sa maraming mga lugar.
Ang NIRS ay nagbibigay ng ilang mga benepisyo, kabilang ang:
Mabilisan na pagsusuri ng mga sample at mga result na maibibigay sa loob ng ilang minute.
Maliit na bahagi lamang ng isang sample ang kinakailangan upang makuha ang ilang nutrient analytes, laman na energy, at digestibility coefficient, nang sabay-sabay.
Mababang presyo.
Madaling ma-reproduce ang mga resulta kahit saan man nakolekta ang mga sample.
Kakaunti o walang paghahanda ng sample na kinakailangan.
Ang mga kagamitan ay maaaring direktang ilagay sa mga feed mill o in-line habang pinoproseso ang mga sangkap ng pakain.
Ang NIRS ay maaaring bitbitin.
Dahil sa mga ito kaya ang NIRS analysis ay mas sustainable kaysa sa analysis ng wet chemistry.
Mayroong dalawang paraan upang gumawa ng mga calibration curve ng NIRS: direkta at hindi direkta.
Ang hindi direktang paraan ng calibration ay nagre-regress ng mga resulta ng chemical o physical na analysis sa NIRS spectra upang masukat ang mga halaga ng proximate analysis, kabuuang AA, starch, at iba pang sustansya at antinutrients.
Sa kabilang banda, ang direktang calibration ng NIRS ay gumagamit ng mga sample ng pakain at dumi na nakuha mula sa mga eksperimento sa hayop. Ang mga direktang calibration ay nagsasama ng in-vivo na datos ukol sa maraming interaksyon sa pagitan ng pakain at ng hayop na nakakaapekto sa huling paggamit ng sustansya, AME, AMEn, at digestibility ng AA.
Maraming mga research group na ang nagsuri sa katumpakan at kawastuhan ng mga model ng NIRS calibration para sa pag-alam ng nutritional value ng mga sangkap ng pakain, na nagbigay ng mga resulta na maihahambing sa nakuha sa pamamagitan ng lab wet chemistry at in-vivo na pamamaraan.
KONKLUSYON
Inirerekomenda na simulan ng industriya ng pakain ang paggamit ng mga impormasyon na nakalap mula sa malawak na mga model ng NIRS na available sa market upang mas higit pang maunawaan ang pagkakaiba-iba sa mga macronutrient, enerhiya, at sa mga bumubuo sa starch at fiber.
Ang mas mahusay na pag-unawa at pagkontrol ng pagkakaiba-iba ng sangkap ng pakain ay makakatulong na maging mas wasto ang paggawa ng pakain at produksyon ng manok.
