Het model volgt een grondstof stap voor stap door de voerfabriek. Elke stap verandert de fysische en chemische eigenschappen van het product .

Voerproducenten weten dat aspecten als temperatuur, vocht of persen in het productieproces invloed hebben op de verteerbaarheid van de voeders. Er is echter weinig kwantitatieve (meetbare) informatie over de cumulatieve effecten van de behandelingen op de voederwaarde/vertering en milieu-impact. Jordi Rijpert, werkzaam bij Wageningen University & Research, heeft gewerkt in een project om dit kwantitatief te beschrijven en met een model inzichtelijk en voorspelbaar te maken.

Het onderzoek richtte zich aanvankelijk op varkensvoer. Daarvoor kon Rijpert gebruikmaken van bestaande modellen die voorspellen hoe een varken groeit op basis van de samenstelling en verteerbaarheid van het voer. Het raamwerk is zo opgezet dat het in de toekomst ook aan modellen voor andere diersoorten gekoppeld kan worden.

Het model volgt een grondstof stap voor stap door de voerfabriek. In de hamermolen verandert bijvoorbeeld de deeltjesgrootte. Vervolgens worden in de conditioner stoom en vocht toegevoegd. Daarna volgen processen zoals expanderen en persen. Elke stap verandert de fysische en chemische eigenschappen van het product. “Wij beschrijven wat er daadwerkelijk met het materiaal gebeurt. Hoeveel mechanische energie komt erin? Hoeveel warmte en vocht? Welke veranderingen ontstaan daardoor in bijvoorbeeld zetmeel en eiwit? Uiteindelijk vertalen we dat naar effecten op de verteerbaarheid.”

Jordi Rijpert is werkzaam bij Wageningen University & Research. Hij onderzocht kwantitatieve (meetbare) informatie over de cumulatieve effecten van de behandelingen op de voederwaarde/vertering en milieuimpact.

Die mechanistische aanpak maakt het model volgens Rijpert onderscheidend. Traditionele voorspellingen zijn vaak gebaseerd op combinaties van grondstofeigenschappen en historische resultaten. Het nieuwe model probeert juist de onderliggende processen te begrijpen.

Afwegingen steeds belangrijker

Fabrikanten kunnen met het model beter afwegen welke processtappen daadwerkelijk waarde toevoegen. Voor praktisch gebruik is ook een interface ontwikkeld waarmee bedrijven procesgegevens en parameters kunnen invoeren en voorspellingen kunnen doen. “Een producent kan bijvoorbeeld zien dat extra energie in het proces leidt tot een betere benutting van voedingsstoffen. Maar de vraag is dan: levert die verbetering genoeg op om het extra energiegebruik te rechtvaardigen?”

Dat soort afwegingen worden steeds belangrijker. De sector kijkt steeds meer naar het gebruik van reststromen en alternatieve grondstoffen uit de voedselketen. Zulke grondstoffen bevatten vaak minder makkelijk beschikbare voedingsstoffen. Met technologische bewerking kunnen ze mogelijk worden opgewaardeerd. “Vroeger moest je voor iedere nieuwe grondstof veel experimenten uitvoeren om te ontdekken wat een bepaalde behandeling doet. Met dit model kun je eerst simuleren welke processtappen waarschijnlijk effect hebben op de voedingswaarde. Dat kan tijd en kosten besparen.”

Rijpert kon gebruikmaken van bestaande modellen die voorspellen hoe een varken groeit op basis van de samenstelling en verteerbaarheid van het voer.

Ook op het gebied van duurzaamheid biedt het model mogelijkheden. Omdat het energie- en procesgegevens koppelt aan de uiteindelijke benutting door het dier, kunnen bedrijven beter beoordelen welke productiemethode zowel economisch als ecologisch interessant is.

‘Eerst simuleren welke processtappen voedingswaarde beïnvloeden’

Staat of valt met goede data

Het raamwerk is inmiddels getest met verschillende datasets, waaronder gegevens uit industriële processen. Ook zijn laboratoriummetingen gebruikt om veranderingen in de verteringssnelheid van eiwit en zetmeel te koppelen aan het model. Daarmee konden veranderingen in voereigenschappen worden gekoppeld aan modellen die voorspellen wat dit kan betekenen voor groei en benutting door het dier.

Hoewel de modellen technisch zijn ontwikkeld, ligt de grootste uitdaging volgens Rijpert niet in het modelmatig rekenen zelf. “Het staat of valt met goede data. Je moet weten wat de uitgangssituatie van een grondstof is en welke veranderingen tijdens iedere processtap optreden.” Daarnaast is het belangrijk om beginwaarden te hebben van grondstoffen, aangezien de veranderingen worden bepaald.

Rijpert werkt aan de afronding van het onderzoek en publicaties over de resultaten. In principe kan straks iedereen ervan gebruikmaken, maar de circa tien partners binnen het project hebben wel een voorsprong. Fabrieken kunnen het model straks gebruiken voor hun eigen productielijnen. Daarvoor moet het model worden verfijnd met specifieke praktijkdata, zodat het steeds beter kan worden afgestemd op omstandigheden en processen binnen individuele fabrieken.

Ook koppeling met meer gegevensbronnen ligt voor de hand. Denk bijvoorbeeld aan automatische sensoren, camerabeelden en realtime procesdata uit fabrieken. Ook het koppelen van dierproeven aan de modeluitkomsten zou de betrouwbaarheid van en het vertrouwen in het model kunnen vergroten, is de verwachting van Rijpert. Hij sluit niet uit dit verder uit te werken en in een nieuw project vorm te gaan geven.

Deel dit artikel

René Stevens