SPC Lechero: Monitoreo de variaciones para maximizar consistencia

holstein

Usted recientemente ha establecido protocolos en su granja lechera. Ha puesto a sus empleados a través de un programa de capacitación integral. Usted incluso ha fijado nuevas metas e iniciado la búsqueda del siguiente obstáculo. Pensó que estaba logrando progresos. Quizás se dio una palmadita en la espalda.

Pero luego – de repente – nuevos inconvenientes tocan a la puerta.

Ahora se pregunta, “Existirá una manera de anticipar interrupción del sistema y actuar inmediatamente antes de que estén fuera de control?”

La repuesta corta: Si, puede monitorear las variaciones en los factores claves de producción que usted ya esta midiendo. El monitoreo de la variación le permitirá anticipar los problemas y evitar desastres.
Las vacas prefieren consistencia y no le gustan cambios en su rutina diaria. Cuando existen muchas variaciones, puede tener consecuencias negativas en la producción y salud de la vaca. Al reducir las variaciones logrará una operación más eficiente y con mejores beneficios. Para reducir las variaciones tiene que medirlas. OK – como medirlas?

Escenario donde la grasa de la leche es baja

En el verano del 2013, una granja lechera del oeste de los Estados Unidos de América (“granja modelo”) había notado la disminución en el porciento de grasa láctea en el tanque de la leche. El productor contactó Diamond V para pedir asesoría.

Medimos el promedio semanal de la grasa en leche de la granja modelo y lo comparamos con los datos de otras granjas de la misma región en nuestra base de datos Diamond V DV Monitors (Figura 1)

  1. Las granjas comparables en la región (pares o cohorte) mostraron un descenso normal durante el verano del porcentaje de la grasa en el tanque de leche.
  2. Sin embargo, la granja modelo parecía tener un descenso más rápido en el porcentaje de la grasa el año anterior en comparación con otra granjas lecheras pares.
  3. Además, la disminución este año de la grasa en leche de la granja parecía ser mayor que el año anterior, declinando 2 puntos este verano en comparación con el verano pasado.

fig-1-diamondv

Sin embargo, la experiencia ha demostrado que los datos primarios pueden ser engañosos. La figura 1 levanta la pregunta: Fueron los evidentes cambios normal variación o representaron cambios reales?

Para responder a esta pregunta, recurriremos primero a la técnica de proceso de control estadístico (SPC).
Proceso de control estadístico: La primera herramienta para monitorear variación

SPC consiste en medir y analizar la variación en un proceso para distinguir la variación aleatoria de los verdaderos cambios (De Vries and Reneau, 2010; Lukas et al., 2005; Dooley et al., 1997).

Originalmente desarrollado para uso de las industrias de manufacturas, SPC muestra ayuda para las granjas lecheras que rutinariamente miden y registran los parámetros claves (producción de leche, consumo de materia seca, los componentes de la leche etc.) en que patrones estacionales no existen o que tales cambios son predecibles.

La intención de SPC es dar seguimiento a un proceso y corregirlo antes de que este fuera de control. Una herramienta primordial usada por SPC es el cuadro de control , una representación grafica de ciertas estadísticas descriptivas que cubren mediciones especificas del proceso. Estas estadísticas descriptivas se muestran en el grafico de control en comparación con sus respectivas distribuciones de muestreo “en-control”. La comparación detecta cualquier variación inusual en el proceso, que podría indicar un problema.

Figura 2 incluye los datos de la figura 1 con técnica SPC aplicada. Las líneas de traza en este cuadro de control incluyen una media prevista o media (línea central oscura) y líneas de arriba y abajo equivalentes a +/-3, +/-2 y +/-1 desviaciones estándar alrededor de la media.

fig-2-diamond-v

Como en la figura 1, la figura 2 muestra las evidentes diferencias estacionales. Sin embargo, por aplicación de técnicas de SPC y adición de un color diferente a los puntos que son “significativamente diferentes” desde sus valores predichos, podemos ver exactamente cuando la disminución en el porcentaje de grasa de leche se convirtió en “real” y no sólo parte de la variación normal.

En la figura 2 datos de 7/02/2013 y 8/02/2013, vemos que la tabla SPC produjo una serie de puntos que cayeron fuera del patrón estacional normal. Por los puntos de diferentes colores, nos damos cuenta que en dos semanas la grasa en leche es significativamente más baja de lo previsto. Además, en varias semanas en la primavera la grasa en leche fue significativamente más alta cuando las ultimas 20 semanas se analizaron en conjunto.

Existen muchas razones que pueden producir depresión en la grasa en leche en una granja. En el caso de nuestra granja modelo, todas las causas obvias (es decir concentraciones alimenticias, exceso de carbohidratos fermentables, exceso de grasa insaturadas en el rumen, etc.) han sido evaluadas y eliminadas como causas principales.

Sin embargo, con el saber que los valores de la grasa en la leche son realmente diferente y no sólo siguiendo un patrón estacional normal, hemos sido capaces de actuar con rapidez para identificar la causa. Nuestro interés es corregir el problema para traer estabilidad al proceso antes de que perdidas financieras significantes sean acumuladas en la granja lechera.

TMR Audit®: Segunda herramienta para controlar variación

Artículos anteriores de nuestro boletín DairyAdvisor han proporcionado información sobre Diamond V TMR Audit®. Para resumir el uso de TMR Audit en este caso, nuestro equipo encontró que el RTM (ración total mezclada) de la granja modelo vario bastante desde el inicio de la pila de alimento hasta el final de esta. Esta inconsistencia resulto en la selección del alimento por las vacas y una ración desbalanceada, que fue luego identificada como la causa principal de la caída en el porcentaje de la grasa en la leche.

Resulto que a la granja modelo se le termino el ensilaje de maíz. El alimentador sustituyo el ensilaje por heno causando que la RTM fuera más seca lo que hizo fácil para las vacas el seleccionar la RTM. Cuando agua fue agregada a la mezcla, la selección de estas por las vacas fue eliminada y el porcentaje de grasa en leche aumentó.
Figura 3 Muestra como el porcentaje de grasa en leche se recupera tras el TMR Audit.

fig-3-diamond-v

Cabe destacar el aumento constante del % de grasa en leche registrado en la granja modelo en los meses siguientes al TMR Audit. Con el tiempo, el aumento de la grasa en leche se consolida como la “nueva normalidad”.

Hacia una mayor consistencia

Existen muchos ejemplos de variaciones en operaciones lecheras grandes y la mayoría son muy costosas para el productor. El entendimiento, la medida y monitoreo de las variaciones en los parámetros claves de rendimiento pueden ayudar a las granjas lecheras ha ser más consistentes en las áreas criticas que afectan las ganancias. Mediante técnicas de SPC, podemos mejor determinar cuando se produce un cambio real.

El uso de SPC ha sido muy exitoso en una de las granjas lecheras de nuestro clientes para alertarnos de que la caída de grasa en leche fue real, estadísticamente significativa y no sólo una variación normal. También en esta misma granja, nuestro personal de campo utilizo otra herramienta — TMR Audit — para determinar que la mezcla no fue tan uniforme como lo normal y como resultado estaba causando extensa selección de los alimentos por las vacas y un consumo de los alimentos inconsistente.

Referencias

De Vries, A. and J.K. Reneau. 2010. Application of statistical process control charts to monitor changes in animal production systems. J. Anim. Sci. 88:13; E11-E24

Dooley, K., J. Anderson, and X. Liu. 1997. Model-based diagnosis of special causes in statistical process control. Int. J.Prod. Res, 35:1609-1916.

Lukas, J.M., D.M. Hawkins, M.L. Kinsel and J.K. Reneau. 2005. Bulk tank somatic cell counts analyzed by statistical process control tools to identify and monitor subclinical mastitis incidence. J.Dairy Sci. 88:3944-3952.

direccion-diamond