Uso de modelos de simulación en corrales de engorda

Como ya se indicó en el capítulo de modelos de digestión ruminal del almidón, los modelos matemáticos son ecuaciones que describen fenómenos biológicos; y estos modelos son herramientas esenciales para el entendimiento del sistema digestivo de los rumiantes (Paengkoum, 2006).

La pregunta es, ¿Qué es un modelo de simulación?, antes de contestar, definiremos el significado de un modelo, Gordon (1978) menciona que es el conjunto de información referente a un sistema, con el propósito de estudiar dicho sistema, en otros términos, un modelo es la representación de un sistema (Banks, 1998). ¿Qué es un sistema?, un sistema se define como el ensamblaje de objetos, los cuales se unen entre interacciones (Gordon, 1978); debe considerarse que los sistemas (Figura 16.1), operan en el mundo de manera dinámica, en donde las entradas, coeficientes y salidas cambian (Tilley, 2014). Von Bertalanffy (1950) explica que los sistemas son un conjunto de elementos que se interrelacionan, en donde existen sistemas abiertos y cerrados, en el caso de sistemas abiertos se caracterizan por entradas, salidas y cambio de componentes; estos sistemas son los que con más frecuencia se utilizan en los modelos de simulación de corrales de engorda.

Una vez comprendido el concepto de sistemas, se describirán las características estructurales de los sistemas; a) elementos, que son la representación simplificada de algunas características de la realidad o representación conceptualizada de una parte del mundo real; b) relaciones entre elementos, lo que significa que los componentes o elementos están interrelacionados; c) límites, son aquellas secciones en donde se puede determinar por ambigüedad si un elemento pertenece o no al sistema, este límite permite delimitar lo que se quiere estudiar. Una vez que se establece el límite del sistema, se contemplan los elementos endógenos y exógenos; d) elementos endógenos, son aquellos elementos cuyo comportamiento es establecido por otras variables del modelo, y cuyo valores se fijan dentro del modelo; elementos exógenos, aquellos cuyos valores se determinan externamente del modelo, pero que deben ser considerados porque actúan sobre algún elemento endógeno (López y Martínez, 2000).

Debe considerarse que en los modelos de simulación, se contempla el uso de variables, parámetros y constantes. Entre las variables se consideran cuatro tipos: variables de estado, la tasa de variación, variables auxiliares y variables de ejecución (France y Thorney, 1984). López y Martínez (2000) señalan los elementos de un modelo de la simulación dinámica, los cuales son: variables de estado (niveles), variables de flujo (flujos), variables auxiliares, variables exógenas, tasas o parámetros, canal de material, canal de información, fuentes, relación no lineal, retardos y variables predeterminadas.

Después de conocer los conceptos básicos, se pueden describir los tipos de modelos; los cuales, se pueden clasificar a diversos aspectos (Gordon, 1978). De acuerdo a France y Thorney (1984) los modelos se pueden clasificar en empíricos o mecanísticos, estáticos o dinámicos, determinísticos o estocásticos (Figura 16.2). Los modelos empíricos son aquellos que describen modelos de manera simple (relación entre variable), los mecanísticos, son aquellos que describen el fenómeno con un mayor grado de entendimiento, utilizando terminología de una manera organizada. Los modelos dinámicos, son aquellos que consideran la variable tiempo, de manera contraria, los estáticos no consideran el tiempo. En cuanto a los estocásticos, tienen el componente aleatorio en el modelo, de manera contraria, en los determinísticos bajo las mismas condiciones el resultado siempre será el mismo.

Los modelos de simulación, son herramientas para imitar las operación de los procesos del mundo real a través del tiempo y se utilizan para describir y analizar el desarrollo de un sistema (Banks, 1998). La construcción de un modelo comprende las siguientes fases: descripción del sistema, diagrama causal, definición de cada magnitud, diagrama de Forrester, sistema de ecuaciones, calibrado, análisis de sensibilidad, evaluación del modelo y la utilización del modelo (López y Martínez, 2000).

La construcción del modelo de simulación puede interpretarse considerando los pasos que se muestran en la Figura 16.3, en donde se inicia con la pregunta de investigación y se plantea el problema, seguido por la investigación en donde se realiza la búsqueda de información (información debe ser confiable y de fuentes reconocidas y aceptadas; en donde se incluyen artículos científicos, tesis, reportes, entre otros documentos), posteriormente se procede a la construcción y desarrollo del modelo; una vez construido el modelo se debe evaluar, para lo cual se recurre al análisis de sensibilidad (Hamby, 1994), y a las pruebas estadísticas (Tedeschi, 2006), finalmente se utiliza modelo.

El uso de modelos de simulación relacionados con bovinos en corrales de engorda, tienen sus orígenes en modelos de curvas de crecimiento, entre las cuales se encuentran los modelos de Brody, Bertalanffy, Logistic, Gompertz y Richards (Hirooka, 2010). Se han desarrollado modelos mecanísticos para estimar el crecimiento animal, como el de Tedeschi et al. (2004), inra Growth Model y el Davis Growth Model (García, 2008a). Existen modelos que permiten estimar las emisiones de metano y se puede predecir cómo reducir la producción de metano (Hünerberg et al., 2014). En bovinos en corrales de engorda Ellis et al. (2009) desarrollaron diversas ecuaciones lineales y no-lineales, reportando valores de r2 desde 0.325 hasta 0.749 para estimar las emisiones de metano.

Considerando el impacto de los gases de efecto de invernadero (gei), en Canadá se desarrolló un programa de cómputo para estimar los gei generado en las granjas, dicho programa se nombró holos®, y fue desarrollado por el consejo de Agricultura y Agri-Food del gobierno de Canadá, el cual se basa en las metodologías del ipcc, considerando las fuentes de entradas y salidas de dei de la granja (Kröbel et al., 2012). En el Cuadro 16.1 se presentan algunos de los tipos de modelos de simulación o estudios, los cuales relacionan diversos aspectos de la engorda de bovinos.

 

Los programas para bovinos en corrales de engorda se han desarrollado con diferentes fines, por ejemplo, se tienen programas para formulación y balanceo de dietas, entre los modelos desarrollados y que se han generado los respectivos programas para usuarios, se encuentra el Sistema de Carbohidratos y Proteína Neta de Cornell (cncps por sus siglas en inglés) descrito por Fox et al. (2004). El modelo del nrc (1996) de requerimientos nutricionales para ganado bovino para carne, e integra un programa computacional, con el cual se obtienen diversas estimaciones (salidas del modelo), entre las que se encuentran: cms, dos salidas de gdp (en función a la energía metabolizable y proteína metabolizable), pH ruminal, proteína cruda de la dieta, balance de aminoácidos, entre otras salidas.

Se han evaluado esos modelos con los estudios de Block et al. (2001); Block et al. (2006); Whetsell et al. (2006) y el modelo del nrc para ganado bovino, el cual se pueden obtener valores adecuados de exactitud en las predicciones de gdp y cms. El Modelo del nrc (1996) se puede descargar en la página del National Academic Press, y la guía de usuario del programa para ganado bovinos se encuentra en nrc (2000) página 158, “estudio de caso de corral de engorda”.

 

La finalidad de presentar los siguientes modelos, es generar e interpretar información útil para la toma de decisiones. Los nutriólogos o consultores nutricionales los utilizan para evaluar, hacer auditorías y detectar problemas, ya sea de manejo o de deficiencias de algún nutriente. Al usar modelos de simulación el objetivo es utilizarlos para predecir el comportamiento biológico de los bovinos en engorda ante diferentes escenarios, los aspectos críticos que lo integran, y la influencia de diferentes prácticas. A continuación se ejemplifica el uso de varios modelos.

 

La pérdida de peso durante el transporte es un proceso fisiológico asociado a la eliminación de orina y heces, así como de fluido y tejido. Existen además otros factores que inciden en la merma de peso, entre los cuales se encuentra las altas temperaturas ambientales, manejo excesivo del ganado antes del traslado, dieta, suplementación con ionóforos (Cernicchiaro et al., 2012). Para estimar la pérdida de peso de animales que arriban a corral de engorda después de su traslado, González et al. (2012), desarrolló la formula (Eq. (1)), en donde le pérdida de peso está en función de las variable tiempo de traslado y temperatura ambiental.

Merma=4.42+0.154*Time-0.00164*Time^2+0.0258*Temp+0.00146*Time*Temp (1)

En donde: Merma=pérdida de peso durante traslado (%) Time=tiempo de traslado (h) Temp=temperatura ambiental (°C)

En la Figura 16.4, se observa que la mayor pérdida de peso se obtiene al combinar una alta temperatura y mayor tiempo de traslado, pudiendo alcanzar hasta un 10 % de merma.

 

 

 

 

 

 

Interpretación: Un bovino de 360 kg que viaja en transporte durante 12 horas a una temperatura ambiental de 25 °C, pierde hasta un 7.11 % de su peso, lo que significa una merma de 25.5 kg, lo cual se obtuvo desarrollando la Eq. (1). Con el uso de los modelos de simulación se pueden realizar combinaciones con las variables tiempo de traslado y temperatura ambiental y decidir en base a escenarios posible que se presentan.

Lo anterior permite discutir y considerar diversas opciones, en algunos casos el reducir los tiempos de traslado es poco factible, sin embargo, la hora de traslado nos permite reducir el efecto de la temperatura, ya que por la noche la temperatura es menor, por lo que se podrá simular un evento en donde el tiempo pudiera reducirse hasta una hora (menor tráfico) y al viajar de noche la temperatura descender a 12 °C, el posible efecto se puede simular desarrollando nuevamente la ecuación.

4.42+0.154*11-0.00164*11^2+0.0258*12+0.00146*11*12 = 6.42 % de pérdida de peso.

Un 6.42% de merma en un animal de 360 kg, corresponde a una pérdida de 23.1 kg.

Lo anterior significa, una reducción en la merma de 2.5 kg por animal, dicha disminución corresponde a un traslado por la noche, y una reducción de una hora por menor tráfico. Al trasladar 50 animales, la reducción en la merma sería de 125 kg

 

La estimación del requerimiento energético para mantenimiento está en función del peso vivo vacío (pvv), y el pvv está en función del alimento consumido, entre los que se encuentra el concentrado, dietas mixtas o forraje seco (ARC, 1980). Para estimar el pvv, es necesario cuantificar el contenido gastrointestinal (cgi), el cual se obtiene del diferencial del pvv y el peso vivo con contenido gastrointestinal pvcgi. La construcción del modelo se describe con las siguientes ecuaciones:

EN m (Mcal/d)=0.077*pv0.75, (Lofgreen y Garret, 1968).

pvv (kg)=pvcgi/1.09–(a), (arc, 1980).

pvcgi (kg)=peso vivo con contenido gastrointestinal.

a=concentrado (4), dietas mixtas (14), forraje seco (25), (arc, 1980). cgi = pvcg–pvv

Nota. La constante “a”, dependerá de lo que se encuentre consumiendo el animal y tomara el valor que se encuentra entre paréntesis, tal como se muestra en el Cuadro 16.2. Para responder la pregunta biológica: ¿El requerimiento de energía neta para mantenimiento es la misma para bovinos consumiendo una dieta con concentrado, que una dieta mixta (forraje concentrado)? Se usa el modelo (Cuadro 16.2).

 

Con el modelo de simulación nos permite discutir lo siguiente, para un bovino de 350 kg, la ENm difiere en función del alimento consumido, con dietas altas en grano (concentrado) la ENm es mayor en 2.48 unidades porcentuales, a diferencia de un bovino consumiendo una mezcla de concentrado con forraje. Lo anterior es debido a que existen diferencias en el pvv.

 

La modelación espacial se utiliza en diversas áreas de la ciencia para modelar la distribución de organismos vegetales o animales en una determinada región. Klimek et al. (2014) desarrollaron modelos para predecir la distribución de especies en una zona de uso ganadero. En corrales de engorda, en donde existen condiciones adversas como son las bajas temperaturas y humedad en los pisos, se expone a que el animal este en contacto con humedad y lodo, dicha situación estresante genera un incremento en el requerimiento de energía neta para mantenimiento en particular cuando el animal no está protegido del viento (Mader, 2014). En la Figura 16.5, se observa a un grupo de bovinos en engorda en condiciones de exceso de lodo en todo el corral (20 cm), lo cual provoca estrés y condiciones desfavorables para los animales. Dichas condiciones pueden ser modeladas para determinar los impactos en la producción, además, la modelación espacial permite identificar áreas húmedas dentro de un corral.

 

Para realizar la modelación espacial, se consideraron las sugerencias de Ferrier y Guisan (2006). El modelo se construyó tomando en cuenta la configuración de un corral, posteriormente de divide el corral en coordenadas y se construyó una matriz en la hoja de cálculo de Excel®, se asignan valores numéricos considerando la profundidad (cm) del lodo en el corral (Figura 16.5). Una vez integrada la información numérica se procede a realizar la gráfica (Figura 16.6) la cual se elabora ingresando los datos, posteriormente se seleccionan dichos datos y en la barra de menú se inserta la gráfica de superficie de contorno con los resultados obtenidos se puede identificar las zonas en el corral en donde se acumula lodo, lo que nos permite establecer prácticas para evitarlo y reducir los efectos negativos provocados en los animales en corral.

Posteriormente se procede a realizar las estimaciones con el programa nrc (1996), en donde se determina el impacto de tener condiciones de humedad y animales con lodo, de acuerdo al modelo nrc (1996) se puede reducir la gdp hasta en 25 %, lo anterior debido al incremento de la energía neta para mantenimiento y a la reducción en el cms.

 

 

Para mostrar la utilidad del modelo nrc, se usó la información de un estudio realizado por Vasconcelos y Galyean (2007), en donde se obtuvo información de 29 consultores especialistas de corrales de engorda, donde reportaron que el principal grano utilizado era el maíz; como grano secundario fue el trigo, seguido del sorgo. El principal método de procesamiento del grano fue el hojueleado al vapor. El 65% de los consultores mencionaron que utilizaban entre 70 a 85% de inclusión (ms) de grano en la dieta de finalización con una concentración energética de 1.5 Mcal/kg de ENg, con un nivel de proteína de 12.5 a 14 % pc, usando un 1 % de urea; en cuanto al forraje en la dieta, el rango varió de 8.3 a 9%.

 

 

 

Para simular los escenarios (Cuadro 16.3) y usar el programa del nrc, se utilizó la información publicada por Corrigan et al. (2009). Para todas las corridas del programa, se utilizó el nivel uno, unidades métricas, basado en materia seca; toretes con peso maduro de 1000 kg, con una composición de la dieta (ms) de 84% maíz rolado, 7.5% alfalfa deshidratada, 5% melaza, 1.36% urea, 1.29% piedra caliza, 0.85% minerales. Una vez introducida la información, las salidas del modelo nos reportan lo siguiente:

1. (Caso real). El cms predicho (9.72 kg/d) es cercano al cms real (10.00 kg/d), con valor residual de 0.28 kg/d.

2. (Caso real). La gdp predicha con pm (1.65 kg/d) es similar a la gdp real (1.65 kg/d), sin embargo, la gdp predicha con em (2.72 kg/d), lo anterior significa que existe un potencial para obtener una mayor gdp, no obstante, la limitante es la pm, lo cual se refleja en el balance de pm con -302 g/d. En términos prácticos podemos decir que se requiere reformular la dieta considerando fomentando una mayor cantidad de pm suministrada al animal.

3. (Escenario 1). En donde se tienen las mismas variables, pero no se ofrece ionóforo ni se implanta al animal, el máximo potencial de gdp es 6.25 unidades porcentuales menor que en el caso en donde se utiliza implante y ionóforo.

4. (Escenario 2). El ofrecer ionóforo en la dieta del ganado, se predice una disminución en el cms de 6 unidades porcentuales.

5. (Escenario 3). El no ofrecer ionóforo al ganado, se predice un mayor cms.

6. El programa reporta gdp potenciales con em de hasta 2.72 kg/d, debe considerarse que son valores demasiado altos, por tal razón debe evaluarse la información predicha de manera objetiva.

 

La producción de sorgo en México para el 2014 fue calculada en 8 millones de toneladas (Financiera Nacional de Desarrollo, 2014) la cual es destinada para la industria pecuaria. Considerando que la inclusión de sorgo en las dietas para engorda de bovinos en México es alta y que de acuerdo a Peel et al. (2011), en 2011 se engordaron alrededor de 780,000 cabezas en México, esto representa una gran cantidad de grano de sorgo utilizado en las dietas. De acuerdo con Calderón et al. (2011) la calidad del sorgo es variable, y en función a su variedad es su valor nutrimental. En la alimentación de ganado bovino es fundamental conocer la calidad de un ingrediente, ya que de esa manera se puede estimar la productividad en el animal. Por tal razón, a continuación se presenta la información del modelo de simulación para estimar la gdp de bovinos en engorda, en función a la calidad del sorgo.

Para realizar los escenarios (Cuadro 16.4) y correr el programa del nrc, se utilizó la información publicada por Larraín et al. (2009); referente a las características del experimento realizado, como son: raza Angus, implantados, con peso inicial de 407 kg, peso final de 572 kg, peso promedio de 489 kg, con una dieta a base de grano (76.5% sorgo, 10% ensilado de maíz, 5.9% pasta de soya, 3% melaza, 13.7% maíz molido fino, 1.29% piedra caliza, 0.22% urea, 0.15% grasa y 1.54% mezcla mineral adicionado con ionóforo), un periodo de engorda de 112 días; las entradas del modelo nrc, fueron: nivel uno, unidades mé- tricas, basado en materia seca; toretes en engorda con peso maduro de 800 kg, 24 meses de edad, condición corporal de 5, velocidad de viento de 5 kph, temperatura previa de 15 °C, temperatura 12 °C, noches con frío, profundidad de pelo de 0.2 cm, cobertura de animal seca y limpia en corral, sin estrés calórico. Con el objetivo de determinar la magnitud de cambio en la estimación de la gdp y otras salidas, se utilizaron los resultados reportados por Calderón et al. (2011), en donde, en función a la variedad de sorgo es la calidad nutrimental (Cuadro 16.4). De acuerdo con la estimación del modelo del nrc (escenario 1), la gdp predicha con la em (1.43 kg/d) y la pm (1.42 kg/d) son muy cercanas al caso real, solo con un valor residual de 4 y 5 g/d, respectivamente. Lo que nos indica que el modelo nrc tiene una alta exactitud para estimar la gdp.

Cuando se utiliza grano de sorgo para la engorda de ganado, es necesario conocer su variedad, ya que como se aprecia en el Cuadro 14.4, la estimación de gdp está en función básicamente de su composición nutrimental. Al comparar tres dieta alta en grano de sorgo (76.50%) ofrecida al ganado, y cambiar la calidad nutrimental del sorgo, observamos que con un sorgo de alta calidad (escenario 2), se estima una gdp de 1.27 kg/d, sin embargo, si se utiliza un sorgo de baja calidad (escenario 4), la gdp estimada es de solo 1.01 kg/d, lo anterior implica una reducción de 20.5 unidades porcentuales.

 

La diferencia que existe en la gdp estimada en los escenarios 2, 3 y 4, corresponde a la ENg que aporta cada dieta, reportándose valores entre 1.06 y 0.92 Mcal/kg ms de alimento. En términos prácticos, considerando una engorda de 112 días, se dejarían de acumular 29 kg de peso. Lo anterior cobra importancia, ya que en el campo no existe un precio diferencial de acuerdo a la calidad del grano de sorgo. Se sugiere en caso de utilizar grano de sorgo para alimentación de bovinos en engorda, que se utilicen variedades con alta digestibilidad del almidón. Esto demuestra la importancia de realizar este análisis de laboratorio al comprar grandes cantidades de este grano o de en su caso de procesar o de incluir enzimas amilolíticas que mejoren la digestibilidad ruminal del almidón.

 

Los modelos son herramientas que sirven para discutir y facilitar la toma de decisiones. Permiten plantear escenarios, por lo que se deben formular diversas preguntas: ¿Qué pasa sí?, ¿Cómo se produce?, entre otras. Los modelos permiten evaluar impactos y cambios en las raciones. El uso de modelos permite detectar vacíos en el conocimiento para que los investigadores planteen trabajos de investigación pertinentes.

En el manejo nutricional de corrales de engorda, los modelos permiten predecir la ganancia, el consumo y la conversión de una ración determinada y hacer análisis económicos y escenarios al cambiar ingredientes en las formulaciones. Tambien permiten detectar problemas de manejo o hacer auditorías, pues al no lograr los resultados esperados, se pueden buscar las causas para corregir los resultados. Siempre se debe tenerse presente que los modelos son estimaciones y que la interpretación y criterio biológico son fundamentales para su uso.