Métodos de calibração do INRAPORC e erros de predição para um sistema de terminação de suinos pesados

Orientador : Prof. Dr. Marson Bruck Warpechowski

Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Ciências Agrárias, Programa de Pós-Graduação em Ciências Veterinárias. Defesa: Curitiba, 28/03/2015

Inclui referências : f. 88-89

Área de concentração : Ciências veterinárias

Resumo: O aumento do peso de abate dos suínos acima dos 120 kg de peso vivo tem sido objeto de interesse por gestores da cadeia produtiva para aumentar a produtividade e a qualidade do produto processado e diminuir o custo de produção. Porém, ainda são escassas as pesquisas brasileiras sobre suínos pesados, para os quais não foram definidas estratégias nutricionais adequadas. A modelagem matemática é uma ferramenta que pode ser útil para adequar o manejo alimentar e nutricional de acordo com as características e objetivos de cada sistema. O INRAPORC® é um sistema otimizado de modelos, mecanicista, dinâmico e determinista construído com o objetivo de analisar e elaborar estratégias nutricionais para suínos, com um módulo para suínos em crescimento e terminação de 15 a 150 kg de peso vivo. Para sua calibração padrão são necessárias informações sobre a(s) dieta(s), idade e peso vivo (PV) dos animais, e ingestão de alimento à vontade. A calibração avançada inclui a entrada de dados de espessura de toucinho (ET) e parâmetros do modelo do perfil animal, que opcionalmente podem ser estimados pelo próprio sistema. As informações de entrada opcionais têm maior ou menor facilidade e custo de obtenção de acordo com o sistema estudado. As combinações de informações estimadas e reais geram diferentes possibilidades e procedimentos de calibração e, consequentemente, podem interferir na qualidade da predição. Além disso, o INRAPORC®, sendo um modelo determinista, que se baseia e simula dados médios de rebanho, não leva em conta a variação populacional. O conhecimento do comportamento da variação populacional e da combinação do erro de predição da média com a variação entre e dentro de populações é importante para a tomada de decisão a partir de cenários simulados por modelagem. Um dos objetivos de estudo foi a consequência de diversos procedimentos de calibração, com dados médios de um pequeno grupo de suínos machos castrados terminados sob alimentação à vontade, sobre o erro de predição de dados médios de outro grupo de suínos pesados terminados sob restrição alimentar até aproximadamente 150 kg, em experimento laboratorial. Em seguida, com base na melhor calibração anterior, foi avaliado o comportamento do erro de predição e da sua relação com a variação intra-lote, usando dados de 192 animais, de duas populações reais, abatidos em quatro pesos médios entre 98 e 146 kg. Em geral, o erro sistemático respondeu pela maior parte do erro total de predição, que foi importante apenas para a ET. Este erro foi minimizado com a calibração do INRAPORC® usando uma equação corrigida da estimativa de ET a partir da massa lipídica, além da correção na estimativa de massa lipídica inicial do perfil animal usado na predição. Com essa correção, a calibração padrão resultou em leve subestimativa da curva de PV, compensada por leve superestimativa do intercepto da curva de ET, além de redução no desvio padrão da estimativa de 3,2 para 2,4mm. A entrada do valor real da ingestão de alimento aos 50 kg de PV teve o maior impacto na melhoria da estimativa da curva de peso vivo para o grupo restrito em situação laboratorial, reduzindo o desvio padrão da estimativa de 5,3 para 4,1 kg. A calibração do sistema, baseada num grupo pequeno de animais em situação laboratorial, foi aplicável para estimar os pesos médios reais de abate da população comercial. A correção do erro sistemático de predição da ET, medido com um pequeno grupo de animais sob manejo alimentar restrito, foi eficiente para corrigir o erro sistemático na predição da ET ao abate da população comercial em diversos pesos. PALAVRAS CHAVE: Avaliação de erros, Aplicabilidade do modelo, Modelagem do crescimento.

Abstract: The increased in slaughter weight of the pigs over 120 kg body weight has been the subject of interest for managers of the production chain to increase productivity and the quality of the final product and reduce production cost. However, researches about heavy pigs production in Brazil are still scarce and appropriate nutritional strategies have not yet been defined at this stage. Mathematical modeling is a tool that can be useful to bring the food and nutrition management according to the characteristics and objectives of each system. The INRAPORC® is an optimized system of models, mechanistic, dynamic and deterministic, built with the purpose to evaluate and to develop nutritional strategies for swine with a module for growing pigs 15-150 kg body weight. For your standard calibration, information is needed on the (s) diet (s), age and body weight (BW) of the animals, as well as the ad libitum feed intake. The advanced calibration includes the input of the backfat thickness data (BT) and some animal profile model parameters, which may optionally be estimated by the system itself. Optional input information is more or less ease and expensive to obtain, according to the studied system. The combination of estimated and real informations generates different possibilities and calibration procedures, and thus may interfere on the prediction quality. In addition, the INRAPORC®, being a deterministic model based on average data and also simulating only average data, does not take into account the population variation. Knowledge of the population variation behavior and the combination of the average prediction error with the variation within and between populations, could be an important tool for decision based on simulated scenarios. One of the objects of study was the consequences of many calibration procedures, with average data from a small group of castrated male pigs finished under ad libitum feeding, on the prediction error of the average data of another group of heavy pigs finished under feed restriction just to about 150 kg, in a laboratory experiment. Then, based on the best previous calibration procedure, was evaluated behavior of the prediction error and its relation to the intra-group variation, using data of 192 animals, from two real populations, slaughtered in four average weights between 98 and 146 kg . In general, the systematic error accounted for the most of the total prediction error, which was important only for BT. This error has been minimized with the calibration of INRAPORC using the corrected equation for the BT stimate from the lipid mass, besides to correct the initial lipid mass estimate of the animal profile used in the prediction. With these corrections, the standard calibration resulted in slight underestimate of the BW curve, offset by slight overestimation of BT curve, reducing the estimated standard deviation 3.2 to 2.4mm. The input the real value of the feed intake at 50 kg body weight resulted the greatest impact on the improving of the estimated live weight curve for the restricted group in laboratory situation, reducing the estimated standard deviation from 5.3 to 4.1kg. The system calibration based on a small group of animals in laboratory situation was applicable to estimate the real average weights of the commercial slaughter population. The correction of systematic error on the BT prediction, measured with a small group of animals under restricted feeding management, was efficient to correct the systematic error in the prediction of the BT at slaughter of the commercial population in several weights. KEYWORDS: Errors evaluation, Model Applicability, growth modeling.