Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Two studies were realized with the objective (i) to describe and to establish the limitations of the empirical and factorial methods used to estimate nutritional requirements and (ii) develop a mathematic model able to estimate the daily nutrient requirements of individual pigs in real time. For this purpose, in the first study a systematic analysis was carried out on the lysine - net energy (Lys:NE) ratios estimated through the empirical and factorial methods with the help of the InraPorc® growth model. Based on analysis of data on 68 pigs, Lys:NE ratios were estimated for three feeding phases. In the empirical method, population response was determined on eleven different Lys:NE ratios. Response was evaluated with ADG and FCR being used as variables. In the factorial method, the Lys:NE ratio for each animal was estimated through model inversion. In the second study, it was developed a model which includes an empirical and mechanistic component. The empirical component estimates the daily feed intake (DFI) and BW based on individual pig information collected in real time. The mechanistic component estimates the optimal concentration of amino acid that must be offered to pigs to meet their requirements. In establishing limitations, it was observed that the factorial method, when applied to the mean animal, does not allow for estimation of the Lys:NE ratio to maximize response in a heterogeneous population which is to be fed over a long period of time. In the empirical method, while these aspects are considered, the estimated response is fixed and cannot be used for other intervals or populations. The empirical component results indicate that the DFI and BW trajectories of individual pigs fed ad libitum could be predicted 1 (DFI) or 7 days (BW) ahead with an mean absolute percentage error of 12 and 2 %, respectively. The mechanistic component estimates the optimal lysine to net energy ratio with reasonable between
‐ animal (average CV = 7 %) and over ‐ time variation (average CV = 14 %). Thus, the nutrient requirements
estimated by the model are animal and time dependents and they follow in real ‐ time the individual DFI and BW growth patterns. The results from first study confirm that the two
methods needs lead to different recommendations and have important limitations that should be considered when used to optimize the response of an individual or a population of pigs. The model developed is part of the development of precision feeding techniques allowing the right amount of feed with the right composition at the right time to be provided to each pig in the herd. / Dois estudos foram realizados com o objetivo de (i) descrever e estabelecer as limitações dos métodos empírico e fatorial utilizados para estimar as exigências e (ii) desenvolver um modelo matemático de estimação das exigências individuais e em tempo real para suínos. Para atender esses objetivos, no primeiro estudo uma análise sistemática foi realizada nas relações de lisina e energia líquida (Lis:EL) estimadas pelos métodos empírico e fatorial com o auxilio do modelo InraPorc®. Baseado na análise de dados de 68 suínos, as relações de Lis:EL foram estimadas para três fases alimentares. No método empírico, a resposta da população foi determinada através de onze diferentes relações de
Lis:EL. A resposta da população foi avaliada através do ganho de peso e conversão alimentar. No método fatorial, a relação de Lis:EL para cada animal foi estimada através da
inversão do modelo InraPorc. No segundo estudo, foi desenvolvido um modelo o qual é composto de um componente empírico e mecanicista. O componente empírico estima o consumo diário de alimento (CDA) e peso vivo (PV) baseado em informações individuais coletadas em tempo real. O componente mecanicista estima a concentração ideal em
aminoácidos necessária para atender as exigências de cada indivíduo. Na avaliação dos métodos, foi observado que o método fatorial não permite estimar a relação de Lis:EL para
maximizar a resposta de uma população heterogênea alimentada com uma única dieta durante um longo período. No método empírico, embora esses aspectos sejam
considerados, a resposta estimada é fixa e não pode ser utilizada para outros intervalos ou populações. No modelo desenvolvido, os resultados do componente empírico demonstraram que a trajetória de CDA e o PV dos animais alimentados ad libitum podem ser estimadas com antecedência de 1 (CDA) ou 7 dias (PV) com erro absoluto médio de 12 e 2 %, respectivamente. O componente mecanicista estimou relações de Lis:EL as quais
apresentaram uma razoável variabilidade entre animais (CV médio = 7 %) e no tempo (CV médio = 14 %). No modelo, as exigências nutricionais estimadas são, portanto, animal e
tempo dependentes. Adicionalmente, o modelo segue em tempo real as trajetórias de CDA e PV dos animais. Os resultados do primeiro estudo confirmam que os dois métodos
determinam diferentes recomendações e apresentam limitações que deveriam ser consideradas quando utilizados para otimizar respostas de populações ou indivíduos. O
modelo desenvolvido é parte integrante de um sistema de alimentação de precisão que visa fornecer uma quantidade adequada de nutrientes para cada indivíduo em tempo real.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsm.br:1/4315 |
| Date | 12 March 2010 |
| Creators | Hauschild, Luciano |
| Contributors | Lovatto, Paulo Alberto, Kessler, Alexandre de Mello, Zanella, Irineo, Silveira, Vicente Celestino Pires |
| Publisher | Universidade Federal de Santa Maria, Programa de Pós-Graduação em Zootecnia, UFSM, BR, Zootecnia |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFSM, instname:Universidade Federal de Santa Maria, instacron:UFSM |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | 500400000002, 400, 300, 300, 300, 300, 500, a685ff7d-f173-4ff6-b2f2-77f8b324caff, d95ec87d-6c3f-480f-b1e8-4eb740687edc, 28f0032c-c38d-4d1c-a189-05d2924d1135, 9589c4d6-b8ab-49c1-a3c1-ea4d59906feb, 842082a1-6578-401a-ae29-18ca4fcd625b |
Page generated in 0.0025 seconds