Explorar

Comunidades em Português

Anuncie na Engormix

Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão

Publicado: 5 de novembro de 2019
Por: Manoel Garcia Neto, UNESP – CAMPUS DE ARAÇATUBA, FACULDADE DE MEDICINA VETERINÁRIA
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 1
1. INTRODUÇÃO
O método gradiente reduzido generalizado (GRG) foi apresentado por Abadie & Carpentier (1965) como opção simplificada de problemas de otimização não lineares (ROSEN 1960,1961; GRAVES & WOLFE, 1963).
Aplicado em linguagem de computador daquela época (Fortran) já se mostrava muito promissor (ABADIE & HAGGAG, 1979), que após alguns aprimoramentos no algoritmo passou a ser denominado GRG2 (LASDON & WAREN, 1977).
O direito de uso comercial foi adquirido pela Frontline (www.solver.com) e posteriormente em parceria com a Microsoft começou a ser oferecido pela planilha Excel, com nova versão a partir de 2010 (https://technet.microsoft.com/ptbr/library/cc179167(v=office.14).aspx). Depois disso, foi possível utilizar o método GRG, que anteriormente considerado difícil e quase impraticável, tornou-se um dos recursos de otimização mais eficientes e práticos (SACOMAN, 2012)
A disponibilidade da planilha eletrônica Excel e do suplemento solver permitem agora viabilizar a programação não linear também em formulações de rações, uma vez que ajusta diferentes matérias primas, preços e exigências nutricionais, contribuindo muito com a imprescindível evolução nos métodos de cálculos da formulação de rações.
2. OBJETIVO
O objetivo principal deste projeto foi utilizar a planilha Excel com o propósito de otimizar as planilhas eletrônicas de livre acesso (PPFR e PPM) através da combinação do uso do GRG e recursos do Solver, proporcionando novas opções de otimização, com possibilidades de alteração da proposta para minimizar ou maximizar distintas funções de desempenho animal.
3 . MATERIAL E MÉTODOS
3.1. Tratamentos e delineamento experimental
O objetivo dos experimentos I e II foi definir as equações de superfície de resposta para consumo, ganho de peso, rendimento de carcaça e parte (peito, coxa e gordura abdominal) como base de modelagem, a ser aplicado para programação não linear, conforme proposto por Guevara (2004) e Cerrate & Waldroup (2009ab), tendo como recomendação as Tabelas Brasileiras (ROSTAGNO et al., 2011), conforme o sexo e fase de criação (Inicial, Crescimento e Terminação). O delineamento experimental foi o inteiramente ao acaso, totalizando 4 tratamentos (níveis energéticos), com 7 repetições e 20 aves por parcela experimental (Tabelas 1 e 2).
Os resultados foram submetidos à análise de variância para verificar efeitos de tratamentos e, posteriormente, segundo os procedimentos do PROC GLM do sistema SAS (2009). Para verificar a significância das diferenças entre médias dos tratamentos, foi aplicado o teste de Duncan (DUNCAN, 1955).
Tabela 1. Distribuição dos Tratamentos nos experimentos I e II, conforme o teor energético da ração.
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 2
Tabela 2. Modelo de análise de variância dos experimentos I e II.
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 3
Em virtude das diferenças bem conhecidas, entre as taxas de crescimento para machos e fêmeas, com distintas recomendações nutricionais, e ainda, devido as diferentes formulações impostas pela programação não linear, foi desconsiderada a possibilidade de se usar um esquema fatorial (RENZ, 2005).
3.2. Condução do experimento
Os experimentos I e II foram realizados no Setor Experimental de Zootecnia do Curso de Medicina Veterinária da UNESP, Campus de Araçatuba. Foram utilizados 1120 pintos de corte para os experimentos I e II, 560 machos e 560 fêmeas, da mesma linhagem comercial, no período de 1 a 56 dias de idade.
No alojamento das aves, foram utilizado um galpão de alvenaria (7,85 x 45,70m), com orientação Leste-Oeste, climatizado com sistema de resfriamento evaporativo adiabático com ventilação de pressão negativa, coberto com telhas especiais, constituídas de material isolante (poliestireno expandido) disposto entre chapas metálicas refletivas. Em seu interior, as aves foram dispostas em boxes, possuindo um bebedouro e um comedouro/cada, com dimensões de 1,4 x 3,0m, que se constituirão nas parcelas experimentais, tendo como piso cama de maravalha.
Os pintinhos com um dia de idade foram pesados e distribuídos ao acaso nos boxes, contendo 20 aves cada. Como fontes de aquecimento inicial foram usadas resistências aletadas de 300W, uma em cada compartimento, durante os 15 primeiros dias de criação.
As rações experimentais foram formuladas à base de milho, farelo de soja, óleo de soja, suplemento vitamínico, suplemento mineral, calcário e fosfato bicálcico (Tabelas 2 e 4), utilizando as recomendações de Rostagno et al. (2011), sendo calculadas pelo programa PPFR versão não linear (https://sites.google.com/site/ppfrparaexcel2007ousuperior/PPFR_FrangoPNLLucroM%C3%A1ximoExcel20 10Fitase-PHYTASE.zip?attredirects=0&d=1 ). A mistura da ração e peletização foram realizadas na fábrica de rações do, já citado, Setor Experimental de Zootecnia.
3.3. Avaliações
3.3.1. Desempenho das aves
As aves foram avaliadas através de seu ganho de peso corporal, consumo de ração e índice de conversão alimentar.
O ganho de peso (g/ave/período), o consumo de ração (g/ave/período) e a conversão alimentar foram verificados aos no 8°, 15°, 22°, 29°, 36°, 43°, 50° e 56° dias de idade, sendo que a conversão alimentar foi determinada através da divisão do consumo de ração em cada unidade experimental pelo ganho de peso.
3.3.2. Avaliação da gordura abdominal, rendimento de carcaça, coxa e filé de peito
Foram sacrificadas duas aves de cada parcela experimental, com peso semelhante ao peso médio de cada repetição, num total de 16 aves por tratamento, no 8°, 15°, 22°, 29°, 36°, 43°, 50° e 56° dias de idade. Foram determinados o rendimento de carcaça e do filé de peito, bem como o percentual de gordura abdominal.
4. Resultados e Discussão
Ao tratarmos de formulação de ração para as mais variadas espécies de animais o NRC (https://www.nap.edu/collection/63/nutrient-requirements-of-animals) sempre foi e continua sendo referência. Da mesma forma, as tabelas de Rostagno et al. (2011, 2017) para aves e suínos são também parâmetros para nutricionistas, devido à aplicabilidade plena nas condições brasileiras.
Segundo as recomendações das Tabelas Brasileiras (ROSTAGNO et al., 2011, 2017), o PPFR atende as exigências nutricionais dos frangos de corte e os requisitos de cada fase de crescimento, uma vez que considera a cotação do preço pago do kg do frango vivo e o custo de cada ingrediente da ração. Assim, o modelo adotado na planilha de formulação do PPFR combina os ingredientes da ração, mantém os nutrientes proporcionais à energia, os quais são estimados pelas iterações da ferramenta “Solver” da planilha eletrônica de cálculo Excel®, maximizando o lucro (BOGHI & SHITSUKA, 2005; COLIN, 2007).
Figura 1. Planilha PPFR para formulação de rações (https://sites.google.com/site/ppfrparaexcel2007ousuperior/monogastricos/planilhas/frango-de-corte).
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 4
Desta forma, é permitido ao programa PPFR caminhar na malha gerada pelos dados da superfície de resposta (BARROS-NETO et al., 2010), o que incrementa as opções de respostas de otimização da planilha, viabilizando uma melhor interpretação dos efeitos dos fatores envolvidos. Isso também possibilita melhores subsídios para a análise econômica, ao indicar o mais favorável teor energético, ao final de períodos de criação definidos pelo usuário numa condição de lucro máximo.
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 5 
Em assim sendo, as respostas para a produção dos frangos de corte, segundo a idade e o teor energético da dieta, entendido aqui como “densidade nutricional”, terá sempre duas entradas para definir a função quadrática, segundo a equação:
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 6
Onde, nesse estudo, Y é o “output”, ou seja, o resultado de saída médio (peso corporal, consumo de ração, consumo de energia, conversão alimentar, peso de gordura abdominal, peso/rendimento de carcaça e partes (coxa e peito), sendo “I” e “E” a idade (dias) e o teor energético da dieta (Mcal/kg de EM), respectivamente.
As partes lineares (a1I e a2E), quadráticas (a3I 2 e a4E2 ) e os possíveis efeitos de interações (a5I*E) dessas respostas de produção seguem à lei dos rendimentos decrescentes para a idade e para o teor energético (“Imput”).
Uma vez que o programa PPFR é compatível em determinar o teor mais adequado em fitase exógena, todas as dietas foram formuladas segundo esse conceito (Figura 3).
Figura 3. Formulação com matriz completa da enzima fitase In: https://www.youtube.com/watch?v=0ygWhJXe-Y8&t=52s
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 7
Na figura 4 são apresentadas as contribuições da fitase em vários nutrientes como também no teor energético. Como pode ser verificado, utilizou-se recurso de “retirar a enzima” da dieta após o procedimento de formulação normal. Tal procedimento pode ser feito para qualquer ingrediente da ração e quantos forem necessários, causando direto impacto sobre os níveis dos nutrientes. Cuidado para não acionar o “solver”, mas apenas clicar a visualização gráfica.
Figura 4. Formulação de uma ração com posterior retirada de um ingrediente (ex: fitase) e seu impacto gráfico de suas contribuições.
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 8
Observamos, coerentemente, que a maior deficiência após a “retirada” da fitase da dieta foi para o fósforo. Verifica-se em ordem decrescente: Pd > Ca > EM> Lis > Treo > Met + Cist.
Portanto, houve uma grande melhora no aproveitamento do fósforo fítico da dieta com o uso da fitase, produzindo um significativo benefício econômico e ambiental. Uma vez que, teoricamente, os níveis de fósforo contidos nos ingredientes de origem vegetal deveriam suprir as exigências dos monogástricos sem a necessidade de suplementação (SIMONS et al, 1990; CROMWELL et al., 2013).
Em todas as fases estudadas no presente experimento, tanto para machos como fêmeas, utilizamos a matriz completa da enzima Ronozyme HiPhos GT para rações peletizadas, e não apenas o tradicional Ca e P (Tabela 1).
Tabela 1. Matriz completa da enzima fitase Ronozyme GT para rações peletizadas.
 Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 12
No início tínhamos receio de adotar tão radical procedimento, mas devido aos excelentes resultados agora se tornou uma rotina em todas nossas formulações. Entretanto, alguns cuidados foram adotados como, por exemplo, manter a relação Ca: Pdisp nos níveis recomendados, assim com o BE = 200 mEg./kg. (Tabelas 2).
Tabela 2. Rações para frangos de corte machos, conforme o período.
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 13
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 14
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 15
Tabela 3. Relação entre EM/nutrientes das rações formuladas para frangos de corte machos.
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 16
                                                   EM=Energia Metabolizável (Mcal/kg)  
Tabela 4. Rações para frangos de corte fêmeas, conforme o período.
Tabela 5. Relação entre EM/nutrientes das rações formuladas para frangos de corte fêmeas.
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 22
                                                    EM=Energia Metabolizável (Mcal/kg) 
Salientamos que ao manter a mesma taxa nutricional, a proporção de energia e os demais nutrientes continuam constantes (“Energia Ideal”). Por isso, nos quatro níveis energéticos avaliados (2850, 3000, 3150 e 3300), houve sim um significativo impacto no consumo em todos os períodos; entretanto, o peso corporal e da carcaça foram semelhantes (P>0,05) em todas as fases.
Dessa forma, a supressão do apetite das aves foi afetada diretamente pela densidade nutricional da dieta. Diante disso, tanto machos como fêmeas, no presente experimento, consumiram ração, não apenas para se alimentar, mas para viabilizar diariamente seu potencial máximo de crescimento, segundo as distintas densidades nutricionais avaliadas (2800, 3000, 3150 e 3300). Tal fato pode ser comprovado nas curvas de crescimentos e do consumo de ração (Figuras 5 e 6). Salientando que o manejo, a genética, a sanidade e a ambiência foram similares.
Figura 5. Peso vivo (a) e consumo de ração (b) de frangos de corte fêmeas, segundo a idade das aves.
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 25
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 26 
Figura 6. Peso vivo (a) e consumo de ração (b) de frangos de corte machos, segundo a idade das aves.
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 27
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 28
Decerto, conforme destacado pelas próprias Tabelas Brasileiras (ROSTAGNO et al., 2017), o que temos são “exemplos” de exigências nutricionais para aves, sendo necessário, ou melhor, obrigatório realizar “os ajustes correspondentes do consumo e dos demais nutrientes da ração”. Portanto, foi exatamente isso que realizamos no presente experimento ao formular as rações com a planilha PPFR, os ingredientes foram combinados e os níveis dos nutrientes foram proporcionais à energia.
Um aspecto interessante é que as Tabelas Brasileiras oferecem “exemplos”; porém, em nenhuma hipótese pode-se confundir com “recomendações fixas”. Essa palavra chave “exemplo” é utilizada porque não há uma única recomendação, mas distintas que dependem de aspectos biológicos e econômicos (ROSTAGNO et al., 2011, 2017)
Diante disso, a definição do nível energético de uma ração é a mais importante decisão, uma vez que este item, isoladamente, corresponde a cerca de 70% do custo total de uma dieta (SKINNER et al., 1992). Quando a relação entre o teor energético e os demais nutrientes são mantidos constantes, há uma correlação entre o aumento da taxa de crescimento e a eficiência alimentar, proporcional ao aumento do teor energético da dieta (WALDROUP, 1981; LESSON et al., 1996; SALEH et al., 2004; DUARTE et al., 2006; GONÇALVES, 2015). Dessa forma, a taxa de crescimento é definida pelo teor energético de uma ração (mantida a densidade entre os nutrientes), permitindo ajustes de modelagem segundo a variação da energia e a taxa de crescimento, para formulações de dietas para maximização do lucro, segundo o preço do kg do frango pago pelo mercado.
Assim, o importante é saber qual a combinação que permite obter o mínimo custo ou o máximo lucro conforme as possíveis formulações que serão definidas pelos custos dos ingredientes e o conteúdo nutricional (IVEY, 1999).
Com a aplicação de superfícies de respostas, para estipular cada parâmetro, obtémse lateralidade de movimento numérico (energia ideal vs idade) com muita flexibilidade a fim de definir a predição de consumo real de ração, maior causa de erros de vários modelos (OVIEDO, 2005).
A singularidade do presente experimento foi definir com coerência em que lugar deveria ser a “costura” das duas curvas de superfícies de resposta. Tal questão foi resolvida pela planilha PPM, a qual identificou o ponto de inflexão como sendo 31,2 dias para as fêmeas e 32,3 dias para os machos, com ajustes de 99,94% e 99,99%, respectivamente.
Figura 7. Ponto de inflexão (?), definindo o encaixe das duas superfícies de respostas para frangos de corte machos.
Figura 8. Ponto de inflexão (?), definindo o encaixe das duas superfícies de respostas para frangos de corte fêmeas. 
Esse ponto de transição da curva de crescimento foi subestimado em quase 12 dias em nossa primeira tentativa em 2015, ao utilizar duas superfícies de resposta para caracterizar o crescimento das aves (GOLÇALVES, 2015). Nessa ocasião adotamos a fase de crescimento de 21 dias como o ponto de corte (Figura 9).
Figura 9. Equações de superfície de resposta com corte aos 21 dias In:https://sites.google.com/site/ppfrparaexcel2007ousuperior/PPFR_FrangoPNLLucroM
Outro considerável benefício da planilha é que além de estimar o lucro, peso vivo, consumo, conversão alimentar, o teor de gordura e o peso vivo também é possível predizer em rações com níveis entre 2850 a 3300 de energia, a partir de 8 até 56 dias de idade, o peso em gramas do peito, coxa e sobrecoxa, asas, cabeça e pescoço, dorso, pés e vísceras (Tabelas 6 e 7).
Tabela 6. Consumo acumulado de ração para frangos de corte machos e fêmeas.
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 35
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 36
Tabela 7. Peso vivo de ração para frangos de corte machos e fêmeas.
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 37
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 38
Como são necessárias duas superfícies de respostas para cada parâmetro avaliado, foi exigido rodar 24 superfícies e juntá-las de duas em duas para caracterizar os já citados parâmetros, através do recurso “SE” (ex. =SE(AB91<=35;(F21+F22*AB91+F23*AD91+F24*AB91^2+F25*AB91*AD91+F26*AD91^2)+20;O21+O22*A B91+O23*AD91+O24*AB91^2+O25*AB91*AD91+O26*AD91^2) do Excel (Tabelas 8, 9 ,10 e 11).
Tabela 8. Superfícies de resposta de partes da carcaça para machos e fêmeas. 
Tabela 9. Dados combinados das superfícies de resposta em planilha Excel para frangos de corte machos.
Tabela 10. Dados combinados das superfícies de resposta em planilha Excel para frangos de corte fêmeas. 
Tabela 11. Dados combinados das superfícies de resposta em planilha Excel para frangos de corte machos e fêmeas para diferentes dias e concentrações energéticas (energia ideal).
 
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 47
 
 
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 48

Outro fato relevante é que o peso da carcaça e quase todos os parâmetros avaliados, com poucas exceções em alguns períodos, mantêm o mesmo comportamento em relação ao teor energético da dieta, ou seja, o consumo compensa a menor densidade nutricional sem prejuízo ao ganho de peso (Tabelas 12, 13, 14 e 15).
Tabelas 12. Tabela de peso vivo, peso de carcaça e rendimentos de frangos de corte machos.
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 51
Tabelas 13. Tabela de peso parte da de carcaça de frangos de corte machos. 
Tabelas 14. Tabela de peso vivo, peso de carcaça e rendimentos de frangos de corte fêmeas. 
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 57 
Tabelas 15. Tabela de peso parte da de carcaça de frangos de corte fêmeas.
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 60
 
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 61
Faz-se necessário, novamente, nos reportar a Rostagno et al. (2017) que diz: “Seria praticamente impossível fixar um nível de energia para cada tipo de ração das aves. O nível deve variar de acordo com os preços dos ingredientes das rações e dos produtos avícolas. Por exemplo, se for possível obter óleo a preço razoável, seria recomendado adotar altos níveis de energia. Por outro lado, a disponibilidade, a bons preços, de alimento de baixo teor energético deveria levar à formulação de rações com menor teor de energia. A preocupação não é apenas elaborar uma fórmula de ração de custo mínimo. O mais importante é obter uma fórmula que permite a produção de carne e de ovos a custo mínimo”. É exatamente isso que a planilha PPFR se propõe a fazer. Isso evidencia que, “já não existe somente uma exigência, mas sim várias, de acordo com o desempenho e o consumo de ração das aves” (ROSTAGNO et al., 2017/ pág 264). Podemos afirmar, que a essência da nossa pesquisa está pautada nessas observações feitas pelos referidos autores.
Assim, a abordagem deve ser a densidade nutricional como apregoado por Rostagno et al. (2011, 2017) e não apenas a variação do teor energético da dieta
Desta maneira, desejamos o máximo de lucro e não necessariamente o melhor desempenho, e isso permite otimizar os recursos envolvidos em sua cadeia produtiva. Um outro aspecto interessante é que foram formuladas dietas bem audaciosas ao se proporcionar liberdade de escolhas dos ingredientes, principalmente para 2850 de energia, mas com coerência nutricional comprovada, ao manter o mesmo desempenho em relação às outras dietas.
Diante disso, assim como a lisina é referência para estimar as exigências dos outros aminoácidos essenciais, a energia é o parâmetro para a densidade de todos os nutrientes de uma dieta.
Se há o conceito de Proteína Ideal (relação lisina/aminoácidos), há de se formular na base da “Energia Ideal” (energia/nutrientes).
A formulação na base da Energia Ideal propicia flexibilidade das exigências, uma vez que permite adotar teores mais altos ou mais baixos de energia, conforme os preços dos ingredientes energéticos apresentarem-se favoráveis ou não (ROSTAGNO et al., 2017).
Assim, segundo as Tabelas Brasileiras, o foco não deveria ser somente em “uma formulação de custo mínimo”, mas sim em balanceamentos que viabilizassem a produção com custo mínimo, ou seja, o lucro máximo (ROSTAGNO et al., 2017).
Para tal objetivo, dependendo do preço dos ingredientes e do valor do kg do frango pago pelo mercado, maximizar o ganho de peso das aves não necessariamente significa maximizar os benefícios econômicos (PESTI & VERDENOV, 2011).
Esse é o princípio que permite a formulação de lucro máximo variar de densidade nutricional (Energia Ideal) segundo o valor do preço do frango, e os preços dos ingredientes, visando obter a maximização dos lucros. (CERRATE & WALDROUP, 2009).
A fim de garantir a sobrevivência num mercado tão acirrado como o nosso, faz-se necessário à utilização de informações contábeis, valores estes, curiosamente, não computados na maioria dos índices zootécnicos que avaliam a eficiência do sistema produtivo utilizados pelas empresas avícolas (TUPY & SHIROTA, 1998). Se o objetivo é o máximo lucro, é necessário ter o mínimo custo por unidade de peso do produto produzido (OVIEDO, 2005).
Como constatado no presente experimento, quantidades variáveis na Energia Ideal (2850 a 3300) permitem obter aves com peso vivo e de carcaça semelhantes.
Podemos afirmar que o PPFR para frangos permite obter com antecedência o peso de machos e fêmeas baseado na energia ideal, informando qual a melhor combinação nutricional e de ingredientes para um peso previamente estabelecido com maximização do lucro, ao formular dietas que satisfaçam os requisitos nutricionais conforme as tabelas brasileiras (ROSTAGNO et al., 2011).
Nessa perspectiva, combinando as informações disponibilizadas pela planilha PPM é possível verificar o que o frango necessita e em que fase. Desta forma, podemos definir quatro momentos distintos (pontos F1, Fi, F2 e F3), e desses os períodos (inicial, crescimento e terminação) mais convenientes para se alterar os níveis nutricionais de uma dieta pela planilha PPFR (Figura 10).
Figura 10. Curva de Richards para frangos de corte machos de 1 a 56 dias de idade e respectivos desdobramentos da força ontogênica para crescimento.
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 64
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 65
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 66 
5. A ARTE DE PELETIZAR
A peletizadora foi uma das maiores conquistas da nossa fábrica de ração. Fomos agraciados, pois agora podemos realizar os experimentos compatíveis com as rações adotadas por grande parte do mercado nacional e internacional (Figuras 11 e 12).
Figura 11.Peletizadora de ração e seus componentes (chupim, esteira e resfriador)
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 67
Figura 12. Destaque para peletizadora de ração.
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 68
A peletização por ser um processo que aglomera partículas moídas de um ou mais ingredientes depende do teor de umidade, da pressão e do calor.
Rações tradicionais apresentam alta quantidade de milho (amido), exigindo que ocorra a gelatinização do amido, pela ação de altas temperaturas e de umidade. A gelatinização é o fator que mais favorece a máxima agregação das partículas dos ingredientes, o que permite obter um pélete durável (BELLAVER & NONES, 2000).
Excedentes de gordura podem reduzir o atrito no anel da peletizadora, com prejuízo na qualidade de pélete (BELLAVER & NONES, 2000). Isso foi observado nas rações com densidade energética de 3300 kcal/kg no presente experimento.
Outra advertência diz respeito ao exagero no teor de umidade que pode induzir os rolos a patinar e embuchar a matriz da peletizadora (BELLAVER & NONES, 2000).
Tudo certo, tudo funcionando! Era só peletizar! Mas como peletizar?
Na nossa primeira tentativa o senhor Ribeiro, técnico da empresa Chavantes que fabrica a peletizadora, nos orientou com muita paciência. Também o Dr. Tomáz da Empresa Êxito Rural nos ofereceu algumas dicas.
O maior receio era em relação ao inerte escolhido. A areia viabilizava calcular uma ração com 2850 kcal de EM. Tentamos não utilizá-la em nossa ração, mas somente ela fechava o cálculo.
Para nossa surpresa, a ração com maiores teores de inerte apresentou boa qualidade de péletes. Isso ocorreu devido a maior proporção de farelo de soja que favorecia a “plastificação” (BELLAVER & NONES, 2000).
No início, os equipamentos da fábrica eram modestos. Usávamos uma betoneira que estava subutilizada por algum tempo.
Devido à necessidade de injetar vapor para favorecer a peletização, e como não temos caldeira observamos à recomendação de Klein (2009) que definia ser possível recorrer à adição de água quente. Seguimos essa orientação, testamos valores para mais e para menos e após alguns insucessos definimos ser 5 litros/100kg de ração. Cabe a ressalva de que toda água adicionada nesse processo é retirada na fase seguinte de resfriamento e secagem, que minimiza a presença de água livre, sendo o ideal garantir 12% de umidade na ração final (KLEIN, 2009).
Mas como colocar água na “ração”? Algumas ideias: usar um regador; acrescentar água com misturador ligado e outras mais. Por fim, resolvemos utilizar a já referida betoneira. Mãos à obra, definimos que o melhor era acrescentar a água quente ao milho moído (5 litros/50 kg), pois essa era a capacidade da betoneira. Somente depois de adicionar, definitivamente, todos os ingredientes no misturador, o milho umedecido era o último ingrediente a ser acrescido no misturador vertical; então, logo a seguir o tempo de batida era de 10 minutos.
O momento de peletizar chegou! Há todo um ritual: liga-se a peletizadora; em seguida o condensador e depois a rosca; aciona-se a esteira e por fim, liga-se o resfriador. Para desligar, sempre o procedimento inverso (Figura 13).
Figura 13. Painel de comando elétrico da peletizadora.
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 69
Esse procedimento foi feito com sucesso e a peletizadora funcionou muito bem. Entretanto, pintinho não aceita a ração peletizada na primeira semana, então trituramos a ração nesse período e foi outra conquista.
Alguns ajustes foram necessários: colocamos um varal em cima da esteira e uma lona por baixo para minimizar a queda dos péletes. Esse inconveniente só foi plenamente resolvido com a colocação de um inversor que ajustou a velocidade da esteira (Figura 14).
Figura 14. Destaque para o inversor da esteira do painel elétrico.
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 70
Outro “ajuste técnico” foi adaptar um divisor de ração na entrada do resfriador para a ração peletizada ser distribuída de forma igualitária nos dois compartimentos do resfriador, favorecendo sua eficiência. Também, colocamos uma tela na boca da peletizadora para evitar a entrada de alguma surpresa na ração ou em seus ingredientes. Assim, podemos afirmar que começamos a aprender a arte de peletizar ração (Figura 15).
Figura 15. Divisor de ração peletizada do resfriador.
Aplicação dos métodos: evolucionário e gradiente reduzido generalizado a fim de otimizar modelos não lineares na nutrição de precisão - Image 71
Ainda dois destaques são merecidos: nosso funcionário Sr. Laércio e nosso aluno de Mestrado Rodrigo que sempre nos auxiliaram com muita presteza. Durante um ano, também, acompanharam as seguintes etapas: recepção e montagem da peletizadora; ligação e adequação elétrica; montagem dos novos painéis e adequação da rede elétrica externa para suportar a nova carga.
A próxima etapa foi a fase experimental. Não podemos deixar de relatar o que disse pessoalmente a eles: “uma marca visível desta equipe é o compromisso e a harmonia existente entre ela”’. Tudo isso, reflete nos excelentes coeficientes de variação. Mais motivador ainda, foi o pós- experimento visto que a mesma equipe se mostrou voraz em aprender a usar as planilhas e os desmembramentos estatísticos. Podemos concluir que não só aprenderam a usar os braços (galponeiros), mas principalmente as cabeças (ciência). E enfim, a todos que contribuíram para a realização deste projeto, seja de forma direta ou indireta, fica registrado aqui, nosso muito obrigado!

ABADIE, J.; CARPENTIER, J. Généralisation de la méthode du gradient réduit de GRAVES,
Robert L.; WOLFE, Philip. Recent advances in mathematical programming. 1963.
ABADIE, J.; HAGGAG, A. Brève communication. Performance du gradient réduit généralisé
avec une méthode quasi newtonienne pour la programmation non linéaire. RAIRO- Operations Research, v. 13, n. 2, p. 209-216, 1979.
BARROS-NETO, Benício; SCARMINIO, Ieda Spacino; BRUNS, Roy Edward. Como Fazer
Experimentos-: Pesquisa e Desenvolvimento na Ciência e na Indústria. Bookman Editora, 2010.
BELLAVER, Cláudio; NONES, Kátia. A importância da granulometria, da mistura e da
peletização da ração avícola. Simpósio Goiano de Avicultura, v. 4, p. 59-78, 2000.
BOGHI, C.; SHITSUKA, R. Aplicações Práticas com Microsoft Office Excel 2003 / Solver -
Ferramentas computacionais para a tomada de decisão. São Paulo: Érica, 1º ed. 264p. 2005.
CERRATE, S.; WALDROUP, P. Maximum Profit Feed Formulation of Broilers: 1. Development
of a Feeding Program Model to Predict Profitability Using non Linear Programming. International Journal of Poultry Science, v.8, p.205-215, 2009a
CERRATE, S.; WALDROUP, P. Maximum Profit Feed Formulation of Broilers: 2. Comparison among Different Nutritional Models. International Journal of Poultry Science v.8, p216-228, 2009b.
COLIN, E.C. Pesquisa Operacional: 170 aplicações em estratégia, finanças, logística, produção, marketing e vendas. 1. ed. Rio de Janeiro: LTC Livros Técnicos e Científicos, 2007.
524 p.
COWIESON, A. J.; RAVINDRAN, V. Effect of exogenous enzymes in maize-based diets varying
in nutrient density for young broilers: growth performance and digestibility of energy, minerals and amino acids. British poultry science, v. 49, n. 1, p. 37-44, 2008.
CROMWELL, G. L. et al. Efficacy of a recombinant-derived phytase in improving the
bioavailability of phosphorus in corn-soybean meal diets for pigs. Journal of animal science, v. 73, n. 7, p. 2000-2008, 1995.
DUARTE, K.F.; JUNQUEIRA, O.M.; FILARDI, R.S.; LAURENTIZ, A.C.; CASARTELLI, E.M.;
ASSUENA, V.; RIBEIRO, P.A.P. Efeito de diferentes níveis de energia e de programas de alimentação sobre o desempenho de frangos de corte abatidos tardiamente. R. Bras.
Zootec., v. 35, p.1992-1998, 2006.
FIGUEIREDO, E. A. P. Limites fisiológicos do melhoramento genético de aves: teoria e
prática. Proceedings of the 35th Reunião Anual da Sociedade Brasileira de Zootecnia. SBZ- UNESP, p. 337-353, 1998.
GONÇALVES, C. A. et al. Accuracy of Nonlinear Formulation of Broiler Diets: Maximizing
Profits. Revista Brasileira de Ciência Avícola, v. 17, n. 2, p. 173-180, 2015.
Guevara VR. Use of Nonlinear Programming to Optimize Performance Response to Energy
Density in Broiler Feed Formulation. Poultry Science 2004;83:147-151.
IVEY, Frank J. Desenvolvimento e aplicação de modelos de crescimento para frangos de
corte. Simpósio Internacional ACAV-Embrapa Sobre Nutrição de Aves, v. 1, p. 22-35, 1999.
KLEIN, A. A. Peletização de rações: Aspectos técnicos, custos e benefícios e inovações
tecnológicas. In: Conferência Apinco de Ciência e Tecnologia Avícolas. 2009. p. 173-193.
LASDON, Leon S.; WAREN, Allan D.; RATNER, M. W. GRG2 user's guide. School of Business
Administration, University of Texas at Austin, 1977.
LEESON, S.; CASTON, L.; SUMMERS, J.D. Broiler responses to energy or energy and protein
dilution in finisher diet. Poult. Sci. v.75, p.522-528, 1996.
MORITZ, J. S. et al. Feed manufacture and feeding of rations with graded levels of added
moisture formulated to different energy densities. Journal of Applied Poultry Research, v.
12, n. 3, p. 371-381, 2003.

NATIONAL RESEARCH COUNCIL. Nutrient requirements of poultry. 9. ed. Washington:

National Academy Press, 1994. 155p.
OVIEDO, E. O. Formulação de rações para frangos de corte com base em alvos de
desempenho. In: SIMPÓSIO GOIANO DE AVICULTURA, 7., Goiânia. Anais... Goiânia: Avesui, 2005. p.36-45.
PESTI, G. M.; VEDENOV, D. An economic comparison of several models fitted to nutritional
response data. Journal of animal science, v. 89, n. 10, p. 3344-3349, 2011.
RENZ, S.V. Comparação de sistemas de formulação lineares e não-lineares para frangos de
corte. 2005. Dissertação (Mestrado), Programa de Pós-Graduação em Zootecnia, Faculdade de Agronomia, Universidade Federal do Rio Grande do Sul, 2005.
ROSEN, J. B. The gradient projection method for nonlinear programming. Part II. Nonlinear
constraints. Journal of the Society for Industrial and Applied Mathematics, v. 9, n. 4, p. 514- 532, 1961.
ROSEN, Jo Bo. The gradient projection method for nonlinear programming. Part I. Linear
constraints. Journal of the society for industrial and applied mathematics, v. 8, n. 1, p. 181- 217, 1960.
ROSTAGNO, H. S. et al. Tabelas brasileiras para aves e suínos: composição de alimentos e
exigências nutricionais. Viçosa: Universidade Federal de Viçosa, 2011.
ROSTAGNO, H. S. et al. Tabelas brasileiras para aves e suínos: composição de alimentos e
exigências nutricionais. Viçosa: Universidade Federal de Viçosa, 2017
SACOMAN, Marco A. Rahall. Otimização de projetos utilizando GRG, Solver e Excel. In:
Congresso Brasileiro de Educação em Engenharia (COBENGE), apresentado em setembro de. 2012.
SALEH, E.A.; WATKINS, S.E.; WALDROUP, A.L.; WALDROUP, P.W. Effects of Dietary Nutrient
Density on Performance and Carcass Quality of Male Broilers Grown for Further Processing. International Journal of Poultry Science, v.3, p.1-10, 2004.
SIMONS, P. C. M. et al. Improvement of phosphorus availability by microbial phytase in
broilers and pigs. British Journal of Nutrition, v. 64, n. 2, p. 525-540, 1990.
SKINNER, James T.; WALDROUP, Amy L.; WALDROUP, Park W. Effects of dietary nutrient
density on performance and carcass quality of broilers 42 to 49 days of age. Journal of Applied Poultry Research, v. 1, n. 4, p. 367-372, 1992.
TUPY, O.; SHIROTA, R. Eficiência econômica na produção de frango de corte. Informações
Ecoômicas. São Paulo, v.28, n.10, out., p.25-40. 1998.

Tópicos relacionados:
Autores:
Manoel Garcia Neto
UNESP - Universidad Estatal Paulista
UNESP - Universidad Estatal Paulista
Recomendar
Comentário
Compartilhar
Profile picture
Quer comentar sobre outro tema? Crie uma nova publicação para dialogar com especialistas da comunidade.
Usuários destacados em Avicultura
Daniel José Antoniol Miranda
Daniel José Antoniol Miranda
Trouw Nutrition
Lic. en Ciencias Animales, Doctor en Filosofía - PhD, Ciencia Animal (Ciencia Avícola) / Gestión de micotoxinas en las Américas
Estados Unidos
Eduardo Souza
Eduardo Souza
Aviagen
Vice-Presidente de Investigación y Desarrollo en Norte América
Estados Unidos
Vitor Hugo Brandalize
Vitor Hugo Brandalize
Cobb-Vantress
Cobb-Vantress
Director de Servicio Técnico en América Latina y Canadá
Estados Unidos
Junte-se à Engormix e faça parte da maior rede social agrícola do mundo.