Skip to main content

Cálculo predictivo de la energía en ingredientes para pienso de porcino – INGRENERGI-

Proyecto aprobado en la línea de ayudas AEI 2022 NG.

El proyecto consiste en la creación de una herramienta para utilizar en nutrición porcina (Fase 1 de proyecto). Esta pretende proporcionar un cálculo predictivo de la energía metabolizable (EM) y la energía neta (EN) para diferentes ingredientes utilizados en el pienso tanto para cerdas reproductoras como para cerdos en crecimiento (lechones y cerdos de engorde). La finalidad es poder proporcionar la valoración energética para las diferentes materias primas utilizadas como ingredientes en la formulación de piensos para alimentación animal, poder comparar y mejorar la eficiencia, precisión y sostenibilidad.

En una segunda fase, se prevé validar la herramienta utilizándola de forma aplicada para la actualización de las matrices de formulación de piensos para cerdos de crecimiento y engorde.

Se compararán los resultados de fórmula (composición y coste), la calidad de los piensos fabricados y los rendimientos productivos de cerdos que reciban piensos isoenergéticos formulados con materias primas cuyo contenido energético se obtenga, bien con la metodología utilizada por la empresa colaboradora o bien con la nueva herramienta.

Objetivo

El objetivo principal del proyecto es la creación de una herramienta que permita la optimización de las materias primas utilizadas como ingredientes en la producción de piensos en la producción porcina. 

De forma indirecta se prevé conseguir:

  • Analizar, mediante encuestas, la variabilidad del flujo energético ocasionado en el sector porcino español como consecuencia de la alimentación (el pienso) y cómo los técnicos evalúan dicha variabilidad.
  • Ensayar modelos de predicción del contenido energético por grupos de materias primas e ingredientes individuales atendiendo a la cuantificación y eficiencia de utilización de los nutrientes en cada ingrediente.
  • Incorporar las predicciones realizadas al proceso de formulación del pienso y analizar las posibles desviaciones a la respuesta esperada de los animales.
  • Retroalimentar el sistema con la nueva información aportada por los usuarios y ajustar los algoritmos de predicción de un modo continuado

Con el proceso de validación en la segunda fase, la herramienta demostrará su potencial práctico y aplicado.

Participantes 

Con el apoyo de: