tecnologia nirs na indÚstria de raÇÕes -...

Dedicated Analytical Solutions

TECNOLOGIA NIRS NA INDÚSTRIA DE RAÇÕES

Cristiano Araújo

Setembro de 2015


22

AGENDA

1 – A importância da tecnologia NIRs

2 – Fundamentos da tecnologia NIRs

3 – Tecnologia NIRs na Indústria de Nutrição Animal


33

A IMPORTÂNCIA DA TECNOLOGIA NIRS

Soluções Analíticas Dedicadas

Você já conhece a tecnologia NIR?

Você já utiliza a tecnologia NIR?

De onde veio a tecnologia NIR?


4

WILLIAM F. HERSHEL

1738 - 1822Astrônomo

- Planeta Urano

- Luz Infravermelha

http://www.google.com.br/url?sa=i&rct=j&q=&esrc=s&frm=1&source=images&cd=&cad=rja&docid=ckCEK74Ldds8uM&tbnid=1lJT-0ivVsuazM:&ved=0CAUQjRw&url=http://mulheradventista.com/falta-tempo-no-final-do-dia/&ei=eFwWUvbTLYn48wSurYCoBw&psig=AFQjCNEKBMbJbb91tpHSlOAGoyqWxD9I2A&ust=1377283554090995



55

WILLIAM F. HERSHEL


6

KARL NORRIS

Engenheiro Agrícola

- Construção do primeiro NIR

- Continua Desenvolvimentos na FOSS

- Novas plataformas

Motivação: Rotina exaustiva com análises clássicas, demoradas e complicadas




7

FAIXA ESPECTROFOTOMÉTRICA

NIRVISUV MIR

700 nm 2.500 nm

190 nm 380 nm 50.000 nm


8

J. S. SHENK

Professor

- Desenvolvimentos dos Modelos matemáticos

- Chemometrics




9

PHIL WILLIAMS

Pesquisador Científico

Pioneiro em Grãos

Aprovou utilizacao do NIR pelo USDA




10

PEDRO ISSA

Pioneiro da Tecnologia NIR no Brasil

Atual Presidente da FOSS Brasil




11

PRIMEIRAS EMPRESAS

NeotecPacific Optics

NIR Systems

FOSS




1212

O QUE É A TECNOLOGIA NIR?

Soluções Analíticas Dedicadas


13

COMO FAZEMOS ?


14

PRINCÍPIO DA TECNOLOGIA NIR

Monocromador(primas ou espelho grating)

Difrator

Fonte de Luz Selecionador de espectros

Detectores

Amostra

Detectores

Detectores


15

MONOCROMADOR

LâmpadaOrifício de Entrada

Luz Coerente

Espelho

Orifício de Saída

Área de

AmostragemReferência de

Comprimento de Onda

Selecionador de Espectros


16

REFLECTÂNCIA

Fonte de Luz

Detector

NIR – Near Infrared ReflectanceReflectância por Infravermelho Próximo

Nomeclaturas


17

TRANSMITÂNCIA

Fonte de Luz

Detector

NIT – Near Infrared TransmittanceTransmitânica por Infravermelho Próximo

Nomeclaturas


18

TECNOLOGIA DDA (ARRANJO DE DIODOS)

Fixed Holographic grating

Lamp

Detector array

Nomeclaturas


19

CONCEITOS TEÓRICOS DA ESPECTROSCOPIA

Amostras = lidando com moléculasVibram de forma específica

E em determinados pontos da faixa de comprimento de onda


20

Maioria dos equipamentos no mercado – 2 a 8 nm.

Novos modelos de equipamento de varredura – 0,5 nm.

RESOLUÇÃO


21

CALIBRAÇÃO E APLICAÇÕES

Quimiometria – Métodos Estatísticos ou Matemáticos em dados de origem Química.Curvas de calibração são modelos matemáticos

Técnica Descrição

MLRMultiple Linear Regression

“Regressão Multipla Linear”

PLSPartial Least Squares

“Regressão por Mínimos Quadrados”

ANNArtificial Neural Networks

“Rede Neural Artificial”

As redes neurais artificiais são técnicas computacionais baseadas em um modelo matemático inspirado na estrutura neural de organismos inteligentes que adquirem conhecimento através da

experiência. São uma tentativa de reproduzir a operação lógica do cérebro humano usando uma coleção de neurônios artificiais.


22

MOTIVAÇÃO

Rápido (Segundos) Preciso

Simples Rotina

Calibrações ANN Banco de Dados

A tecnologia NIR veio para suprir a alta demanda de análises a um baixo custo por amostra.


23

ÁREAS DE ATUAÇÃO


24

NIR NO SEGMENTO DE RAÇÕES


2525

DESAFIOS DO SEGMENTO DE RAÇÕES

Variabilidade de matérias-primas

Variabilidade de preços e custos

Perdas associadas à oportunidades

Oferta de matérias-primas

Armazenamento

Formulação eficaz

Eficiência de produção

Custos por tonelada produzida

Conversão Alimentar

Produtividade / Lucratividade

Rendimento de carcaça

Qualidade para o consumidor


26

OBJETIVO DO NIRS

O cliente da Fábrica de Rações:

Resultado Zootécnico – Conversão Alimentar

Rendimento de carcaça

Custo de produção

Rentabilidade


27

ADICIONANDO VALOR

Seed GenetIcs1. Classify hibrids

diferences2. Ranking by nutrients

levels

FARMERS1. Optmize production

by nutrientes levels2. Storage &

Segregation by differents levels

Procesing / Trade / Storage1. Payment by nutrients levels 2. Storage & Segregation by

differents levels3. Processing with standart

quality4. Selling with Certified Quality

Feed Plant1. Qualify suppliers by quality offers 2. Reception & Storage Raw Material by nutrients

levels3. Laboratory monitoring & HACCP 4. Adjusting Nutrition Levels Online5. Ratio Production by opportunities costs 6. Expediction by standard dyets

Poultry & Pig Production 1. Weekly of nitrogen/moisture levels determined in the faeces (waste).2. Increase digestibility by nitrogen known (curve)3. Use differents strategies to improve digestibilites

• Ex: emzimes, prebiotics, HP soymeal, genetcs, enviroments, etc.

Slaugther house1. Carcasses yield (%)2. Intestinal weight (%)3. Abdominal Fat weigth (%)

Consumer1. Satisfaction by Quality2. Products standarized3. Healthy foods (minimized

contamination riscs)

Milk & Meat Production 1. Genetics specifics Diet's 2. Increased productivity, more animals per cycle 3. Reduce diseases (mastitis) 4. Increased digestibility

Pet Companies1. Reception & Storage Raw Material by

nutrients levels2. Ratio Production by opportunities

costsProducts standarized3. Healthy foods (minimized

contamination riscs)

FEED CONVERSION

RATE


28

DESAFIO DA CONVERSÃO ALIMENTAR

Impacto na conversão em campo:

O resultado ruim, é a soma de toda a variação que ocorre na cadeia de produção.

Dr. Gauer.

ΔA + ΔB+ ΔC+ ΔD = ΔR

A = Matérias-Primas

B = Genética

C = Manejo / Ambiente

D = Sanidade / Saúde Animal

R = Resultado Final


3030

VARIABILIDADE

Parâmetros importantes:

Umidade, proteína, estrato etéreo, cinzas, fibra, aminoácidos, solubilidade, amido, digestibilidade...

Fatores influentes na variabilidade:

Cultivares

Clima

Colheita

Armazenamento

Região

Manejo

Abate

Produção

Estocagem

Transporte


3131

AJUSTE DA FORMULAÇÃO

A formulação é feita de acordo com as características metabólicas de cada animal e seu ciclo vigente. Assim, formula-se a ração com base nas necessidades exatas, de acordo com as características de cada ingrediente.

O desafio é como manter uma formulação exata se as matérias-primas que adentram o processo de produção variam suas características?

Como ajustar a formulação para eliminar os desvios da variabilidade?

Como assegurar a qualidade nutricional da ração produzida?

Como eliminar perdas e manter custos baixos?

Como tomar decisões com base em resultados de laboratórios (tempo de análise x produção)?


32

Commodity

Producer

Commodity

Processor

Food Ingredient

Additive Producer

Food / Beverage

ManufacturerConsumer

Farmer

On-FarmLivestock

On-FarmStorage

Elevator /Grain Co.

SoybeanProcessor

Corn Miller

Flour Miller

River Terminal

Feed MillPork

Beef

Poultry

Dairy

Feed/Finish Processing/Packaging

Export

Feed Mill

SoybeanProcessor

Flour Miller

Corn Miller

DairyProcessing Food Ing.

Mfg.

IndustrialMfg.

FoodCompanies

IndustrialProd. Co.

Retailer / Consumer

USO DO NIRS


3333

PORQUE A PRODUÇÃO DE RAÇÃO É

IMPORTANTE PARA A CADEIA PRODUTIVA

Fonte: Central de Intel de Aves e Suínos - Embrapa - Jul/2015

ICP Frango - Jul2015 ICP Frango - Jul2015

Nutrição 65,08% Nutrição 75,14%

Pinto de 1 dia 16,12% Inst/Equip/Rebanho 8,03%

Mão de Obra 5,87% Transporte 5,05%

Transporte 5,17% Mão de Obra 4,32%

Instal/Equip 4,16% Manutenção/Financeiro 3,46%

Energia/Água/Cama 2,43% Diversos 2,21%

Manutenção/Financeiro 0,83% Sanidade 1,13%

Diversos 0,24% Energia Elétrica 0,66%

Sanidade 0,10%

Nutrição teve aumento de 5,35% / 12 meses Nutrição teve aumento de 3,89% / 12 meses


34

CUSTOS NA PRODUÇÃO

90% do custo de produção da ração está relacionada aos ingredientes e matérias-prima.

Destes 90% de custo, em média 60% são custos referêntes ao milho e 25% referentes ao farelo de soja.

Milho e farelo de soja são os ingredientes de maior impacto na proteína e energia fornecida pela ração.

Se é necessário diminuir a variação, o caminho mais prático é contemplar a variabilidade destes ingredientes na ração produzida.

Essa aproximação permite diminuir o custo de produção, aproveitando melhores resultados destes ingredientes e também reduzir a variabilidade repassada à ração produzida, entregando uma ração muito mais uniforme em termos de potencial nutricional ao animal


35

REDUZINDO A VARIABILIDADE

Ingredientes RaçãoProdução

Ingredientes Produção RaçãoAnálise NIRs


36

PONTOS DE CONTROLE

1

23

4

•Recepção de matérias-primas1

•Mistura de ingredientes2

•Produção3

•Expedição4


37

NIRS COMO FERRAMENTA

Redução da variabilidade para maior qualidade

Redução do custo da ração por tonelada

Melhoria dos processos internos de controle da qualidade

Melhoria da avaliação de fornecedores

Aumento de produtividade e lucratividade

Garantia da qualidade do produto final

Melhoria da Taxa de Conversão Alimentar


38

FORMULAÇÃO ONLINE


39

FORMULAÇÃO ONLINE

Uso do NIR ONLINE instalado após os silos de ingredientes, antes da balança, antes do mix de ingredientes, permite que seja realizada a formulação automática dos ingredientes baseado na predição do PROFOSS.

Controlando a energia metabolizável no milho, proteina em farelo de soja, 24hrs por dia, 7 dias por semana, 1 resultado por minuto.

Reduzimos a variação de energia e proteína na ração utilizando valores das características dos principais ingredientes para ajustar automaticamente as fórmulas.


40

AVANÇOS NA TECNOLOGIA

Tecnologia NIRs OnLine para ajuste da formulação

Nutrição de Precisão:

INGREDIENTES ANÁLISE NIRSGERENCIAMENTO

DE DADOSFORMULAÇÃO

PRODUÇÃO ANIMAL RAÇÃO PRODUÇÃOO integrador contabiliza os benefíciosem termos de otimização da formulaçãoe custo da ração, gerando impacto diretona taxa de conversão alimentar.

Ajuste da fórmula para a próxima batelada

Novos valores de pesagem dos ingredientes


41

REFORMULANDO

Mosaic Server


42

CONTROLE DO PROCESSO

Precisão do Processo

Erro de predição(SEPinstr)

Erro de amostragem

Erro de variação do processo

= + +

Target

Amostragem manual

SEPinstr. +Erro de amostragem

SEPinstr.

Análise em linhaVariação real do processo

SEPinstr.

Variaçãocom analise emlinha

Variação com analise poramostragem

Tempo


43

EXEMPLO: PREDIÇÃO MILHO

Fonte: Foss Brasil. Projeto de Formulação Online. 2014.


44

EXEMPLO: PREDIÇÃO FARELO DE SOJA



45

PERDAS CALCULADAS



46

Produção Mensal de Ração: 8.500

Custo Médio da Tonelada: R$ 735,00

Custo Mensal de Produção: R$ 6.247.500,00

Redução da Variabilidade: 1,30%

Custo da Tonelada da Ração: R$ 725,45

Custo Mensal de Produção: R$ 6.166.282,50

Perda mensal: R$ 81.217,50

Perda Anual: R$ 974.610,00


PERDAS CALCULADAS


47

O QUE O SEU CLIENTE GANHA?

Adequeação do objetivo do uso da tecnologia com o objetivo da fábrica de rações:

Satisfação do cliente

Melhor Conversão Alimentar

Menor custo de produção

Menor custo de manejo / sanitário / saúde animal

Menor tempo de engorda / confinamento

Melhor rendimento de carcaça

Melhor rendimento no abate / frigorífico

Maior lucratividade


48

PERDAS NA CONVERSÃO ALIMENTAR

Integração com abate de 90 mil aves por dia.

Peso médio de 2,5 Kg

Consumo de ração: 4,5 Kg

CA: 1,8

O ajuste preciso da formulação de acordo com as características de cada etapa do animal (incial, crescimento, abate), através da análise constante de todas as matérias-primas utilizadas, permite que tenhamos uma “nutrição de precisão”, cujo maior impacto é a entrega ideal da necessidade alimentar do animal, sem perdas por excesso ou falta de nutrientes.

Desta forma, é possível considerar uma melhoria da Conversão Alimentar em torno de 0,05

Produção mensal: 1.890.000

Peso médio: 2,5 2,5

Consumo de ração: 4,5 4,375

Redução da Conversão Alimentar: 0,05

Conversão Alimentar: 1,8 1,75

Consumo mensal ração: 8505 8268,75

Custo da ração / ton R$ 735,00 R$ 725,45

Custo total Mensal R$ 6.251.175,00 R$ 5.998.523,34

Perda mensal na CA R$ 252.651,66

Perda Annual na CA R$ 3.031.819,88



49

CONTROLE PARA QUALIDADE DO PELETE

Uso do NIR ONLINE para controle da umidade e teor de gordura.

Controle da gordura interfere no DPI. Qualidade do pelete reflete na CA.

Controle da Umidade após ou antes o peletizador melhora a gelatinização do amido, facilita o uso de aditivos, interfere na qualidade do pelete. A qualidade do pelete também depende do controle de umidade no condicionador.

Melhoria do rendimento da peletizadora através do controle da umidade adicionada à ração, com o uso de aditivos, melhora rendimento, diminuição de finos, melhora o DPI, reflete diretamente no aproveitamento do pelete no campo e na CA.


50


51

O CUSTO DA ESCOLHA ERRADA


52

CUSTO DA ESCOLHA ERRADA

A escolha ou especificação errada de uma solução NIRs pode comprometer a lucratividade e até aumentar as perdas relacionadas:

Custos extras para calibrações;

Custos extras de laboratório

Custos extras de adequação de processo;

Custos extras de mão-de-obra

Custos relacionados à tempo e disponibilidade de laboratório

Custos de perda de prazos e comprometimento com o projeto (diretoria)

É possível quantificar estes custos previamente?


53

OBRIGADO PELA ATENÇÃO

www.foss-analytical.com.br

Cristiano Chrispim AraújoFOSS Brazil Industry Sales Manager / Key Account Manager(11) [email protected]

mailto:[email protected]

tecnologia nirs na indÚstria de raÇÕes -...

Documents