Come sta andando la mia stalla e come posso migliorarla?

Transcript

1 MONITORAGGIO DEI DATI DI STALLA: ERRORI COMUNI E RISULTATI OTTENIBILI Come sta andando la mia stalla e come posso migliorarla? di Michele Campiotti Con la grande diffusione dell informatica e di tutta la tecnologia conseguente, nelle aziende da latte si sono moltiplicate le informazioni disponibili. Purtroppo per noi, però, avere delle informazioni non coincide con l utilizzarle e tantomeno con l utilizzarle correttamente. Uno dei principali problemi delle aziende moderne oggi è proprio questo: abbiamo la disponibilità di dati, ma questi dati in ben pochi casi sono utilizzati costantemente per prendere le decisioni aziendali, giudicare ciò che si sta facendo ed eventualmente correggerlo. In questo articolo vorrei riepilogare l approccio pratico ai dati tecnici, elemento assolutamente necessario per implementare il controllo di gestione in allevamento. Che obiettivo ha la nostra azienda e come migliorare Per capire come utilizzare al meglio i dati tecnici, innanzitutto bisogna stabilire qual è il principale obiettivo aziendale. Cosa si intende per successo in un allevamento di bovine da latte? Questo argomento, oltre al proprietario, deve coinvolgere tutti i consulenti dell azienda: alimentarista, veterinario e ogni operatore. A seconda degli allevamenti e degli imprenditori, il successo può essere valutato con una media alta al controllo funzionale, con un alta quantità di latte venduto per giorno, con un buon tasso di rimonta, o, in modo più lungimirante, con una buona redditività o un basso costo di produzione per chilo di latte. Ogni allevamento dà un diverso significato alla parola successo. Ma è molto importante che ogni allevamento definisca che cosa significa successo e lo mantenga come obiettivo aziendale. Senza avere un obiettivo Monitorare i dati tecnici permette di: misurare l effetto di un cambiamento manageriale (per esempio la variazione del numero di mungiture), identificare un elemento indesiderato (come un numero insufficiente di gravidanze), motivare in modo costruttivo i cambiamenti che si fanno in stalla. Ma come avviene un monitoraggio di qualità? di riferimento difficilmente si può migliorare. Naturalmente, quello che mi sembra necessario è che, direttamente (meglio) o almeno indirettamente, l idea di successo che si persegue tenga presente la redditività aziendale. Parlando di dati tecnici, esistono dati produttivi, riproduttivi e qualitativi che sono ben correlati alla redditività aziendale. Queste sono le informazioni di maggior valore. Per monitorare che successo abbiamo, possiamo guardare i numeri in modi diversi. Alcuni di questi sono quelli che vengono definiti «monitor» e altri invece vengono definiti «report». Monitor è l espressione per indicare dove siamo e dove andremo nel futuro, mentre report è espressione di quello che siamo stati. Il report si riferisce quindi a una serie storica di dati, utile per analizzare ciò che è già successo, non è quindi utile per migliorare. Monitor invece è il rilevamento di parametri utili a valutare i cambiamenti che intercorrono, cioè la mancanza o la presenza di progresso, che permette di rilevare continuamente dei parametri specifici che sono indicatori del cambiamento. È uno strumento utile a percepire anticipatamente i problemi, le tendenze o i cambiamenti, al fine di pianificare le azioni opportune in tempo. Questa precisazione non è secondaria, perché ancora oggi purtroppo vengono proposti programmi gestionali basati esclusivamente su report e impossibilitati a fare monitoraggio reale. Vantaggi del monitoraggio Una grande prerogativa del monitoraggio è la possibilità di misurare l effetto di un cambiamento manageriale, per esempio una variazione nella frequenza delle mungiture, una diversa 29/2016 supplemento a L Informatore Agrario 15

2 razione o qualsiasi altra decisione che venga presa in azienda. Altro vantaggio è l utilità di poter identificare un elemento indesiderato, per esempio un numero insufficiente di gravidanze o la presenza eccessiva di eventi sanitari. Infine, il terzo motivo per cui è utile monitorare i dati aziendali è aiutare a motivare i cambiamenti che si decidono in un allevamento. Prima di introdurre un cambiamento nell allevamento, dobbiamo sapere perché lo facciamo, che cosa vogliamo ottenere e come vogliamo misurare l effetto di questo cambiamento. Tutto ciò richiede un accurata conoscenza dei dati che descrivono ciò che è successo nel passato e l abilità di decidere quali dati raccogliere per il futuro. L obiettivo del monitoraggio è quindi trovare quelle aree che hanno bisogno di essere migliorate. Il monitoraggio deve essere basato su dati oggettivi, misurabili in modo ripetitivo, deve avere un impatto concreto sul profitto aziendale minimizzando quelli che vengono chiamati «errori statistici». L insieme di queste osservazioni permette al monitor di essere veramente utile e non di essere una raccolta fine a se stessa: deve essere lo strumento che permette di prendere decisioni aziendali. Qualunque argomento si voglia monitorare, bisogna chiedersi, innanzitutto, perché vogliamo monitorare quel dato, quali cambiamenti si fanno in funzione della variazione di quel dato. E quindi, visto che raccogliere i dati costa denaro e porta via tempo, se da questo dato non modificheremo niente nella nostra azienda, sarà inutile raccoglierlo. Prima di tutto quindi dobbiamo porci la domanda: «Che dati mi servono per monitorare questo problema?». Questo è il lavoro tecnico più difficile da fare. Gli errori statistici Affrontiamo ora il problema relativo agli errori statistici legati all analisi dei dati. Capire bene 4 errori è importantissimo per poter usare i dati in modo efficace. Passiamoli in rassegna facendo qualche esempio. Variazione (Variation). È il primo errore che possiamo fare. Questo accade quando un solo numero causa una L età al primo parto delle primipare che errori nasconde? Variazione (Variation): poche vacche possono influenzare la media; Momento (Momentum): dipende dall analisi, ma di solito 12 mesi; Ritardo (Lag): nove mesi; Parzialità Bias): considera solo le vacche gravide. Questi errori spesso possono ingannare, rendendo più difficile capire la vera causa di un avvenimento, che molte volte viene identificato troppo frettolosamente variazione molto grossa nel risultato medio. È il tipico problema delle stalle relativamente piccole che hanno un numero limitato di capi. Prendiamo ad esempio il risultato alla diagnosi di gravidanza, supponendo di avere 10 vacche, di cui 4 gravide. Tale risultato viene considerato il 40% di gravidanze, una vacca in più ci porta ad avere il 50% di gravidanze. In questo caso, una vacca gravida di differenza non è abbastanza significativa per dire se siamo andati meglio o peggio anche se la percentuale rileva una differenza di 10 punti. Questa attenzione è necessaria e importantissima negli allevamenti con meno di 50 capi. La Variazione è un errore che si presenta anche nelle distribuzioni molto ampie, in cui gli estremi possono influenzare la media in modo significativo, e quindi il dato di un capo può distorcere il valore medio. Questo si capisce per esempio nella valutazione delle cellule somatiche, che sono un dato ad altissima variabilità (tabella 1). Due allevamenti che hanno lo stesso valore di cellule % casi Momentum Rilievo settimanale Rilievo mensile Se analizziamo un dato come media mensile o settimanale notiamo differenze temporali decisive. somatiche medie possono nascondere situazioni diametralmente opposte l una dall altra. Nel caso dell azienda A tutte le vacche sono sane tranne una che quel giorno ha avuto una mastite; nel caso dell azienda B il 90% delle vacche ha un valore non fisiologico delle cellule somatiche. Il linear score (media geometrica delle cellule somatiche) non corre questo pericolo. Momento (Momentum). È un errore che si verifica quando nell analisi di un evento viene preso in considerazione un periodo storico troppo lungo. Passa cioè troppo tempo tra quando accade un evento e quando viene analizzato. Molti cambiamenti infatti sono lenti, perché troppo lentamente vengono misurati. Analizzando un dato come media annuale, o mensile o addirittura settimanale si possono notare differenze temporali decisive e capire le differenze dei vari periodi che altrimenti non si potrebbero rilevare. Ritardo (Lag). Consiste nel ritardo con cui viene rilevato un cambiamento che è avvenuto in azienda. Prendiamo ad esempio l età alla prima fecondazione delle manze: se a un certo momento l allevatore inizia a fecondare le manze quattro mesi prima, osservando l età al parto delle primipare ci si accorgerà del cambiamento nove mesi dopo. Qual è il singolo evento che determina l età al primo parto? Il giorno in cui la manza è stata fecondata e ingravidata. Perché misurare l età al primo parto, quando si può sapere l età alla fecondazione, e quindi sapere nove mesi prima quello che è successo, o cosa sta succedendo? Se l età al primo parto di una stalla sta aumentando, non solo c è un problema su quelle manze, ma ci sono probabilmente difficoltà anche su quelle che si stanno fecondando in quel momento. L età al primo parto è un report, cioè riguarda quello che è successo, l età alla prima fecondazione è un monitor perché da lì noi possiamo decidere più velocemente e adeguatamente cosa fare in futuro. Parzialità (Bias). Questo è l errore che succede quando ignoriamo, più o meno volontariamente, dei dati, e succede spesso con i dati riproduttivi. Supponiamo di avere una stalla che ha 100 vacche da fecondare. Prima 16 supplemento a L Informatore Agrario 29/2016

3 GRAFICO 1 - Analisi delle produzioni delle vacche fresche Latte al controllo attuale Giorni di lattazione all ultimo controllo funzionale Primipare Secondipare Pluripare L area più proattiva è quella inferiore ai 150 giorni di lattazione, in particolare sopra i 45 kg di latte e sotto i 23 kg. L obiettivo deve essere di massimizzare l area sopra i 45 kg e minimizzare quella al di sotto dei 23 kg, supponendo che per ogni kg di latte in più al picco di lattazione la vacca produrrà 250 kg di latte in più in tutta la lattazione. ipotesi, ne fecondiamo 50, e 40 diventano gravide. Perciò abbiamo avuto l 80% di gravidanze (sulle 50 fecondate). Nella seconda ipotesi, invece, le fecondiamo tutte e 100. E ne rimangono gravide 60. Abbiamo quindi un 60% di tasso di concepimento (sulle 100 fecondate). Se noi usiamo come monitor il tasso di concepimento, diremo che è meglio la prima ipotesi della seconda; ma invece è molto meglio avere la seconda ipotesi, perché ho 20 vacche gravide in più. E l errore è che nella prima ipotesi sono state trascurate le altre 50 manze; invece nel secondo caso sono tutte incluse. È un problema che ricorre spesso con i parametri riproduttivi. Ci sono dati che sistematicamente non considerano un gruppo di vacche. L intervallo parto-concepimento, ancora molto usato in Italia, per esempio, considera solo le vacche gravide e non dice nulla sulle vacche che ci interessano di più: quelle da ingravidare. Su tutti gli errori che abbiamo esposto occorre stare molto attenti, perché sbagliare nell interpretazione dei dati può portare anche a decisioni sbagliate. La maggior parte dei parametri tecnici ha qualche tipo di Variation, Momentum, Lag o Bias. Le domande che bisogna porsi A questo punto, dopo avere spiegato qual è lo scopo del monitoraggio e quali sono gli errori che vanno evitati, dobbiamo esemplificare quali sono le domande a cui dobbiamo rispondere. Per farlo useremo grafici e tabelle di Dairy Comp 305, che a oggi, a mio parere, è sicuramente il più avanzato programma di elaborazione dati tecnici al mondo. Prendiamo ad esempio i dati reali di un azienda di 500 vacche del Nord Italia, che munge due volte al giorno, con cui collaboro. Primo caso: più produzione Se questo allevamento avesse come obiettivo di massimizzare la sua produzione, come e dove dovrebbe monitorare il suo andamento? Dovrebbe fare un monitoraggio nel punto più proattivo dei dati produttivi, in modo da minimizzare gli errori statistici sopra evidenziati. Nel grafico 1 vediamo l analisi di un controllo funzionale o comunque di una produzione giornaliera della stalla in cui ogni vacca è individuata da un quadratino (in rosso le primipare, in verde le secondipare e in blu le pluripare) che rappresenta il latte prodotto in quel giorno e i giorni di lattazione di ciascuna bovina. All interno di questo grafico l area più proattiva è quella inferiore ai 150 giorni di lattazione e in particolare all interno di quest area i due punti di maggiore interesse gestionale sono sopra i 45 kg di latte e sotto i 23 kg. L obiettivo deve essere di massimizzare l area sopra i 45 kg e minimizzare quella al di sotto dei 23 TABELLA 1 - Simulazione del valore di cellule somatiche in due piccoli allevamenti (20 vacche) Azienda A Cellule somatiche (.000) Linear Score Azienda B Cellule somatiche (.000) Linear Score 23 0, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,81 Linear Score: sistema che rapporta su una scala lineare da 1 a 9 i conteggi cellulari, cioè il raddoppiamento del numero di cellule somatiche per ogni aumento di un punto nel LS. Nonostante i due allevamenti abbiano lo stesso valore di cellule somatiche medie, si nascondono situazioni diametralmente opposte: nell azienda A tutte le vacche sono sane tranne una che quel giorno ha avuto una mastite, nell azienda B il 90% delle vacche hanno un valore non fisiologico delle cellule somatiche. Il Linear Score (media geometrica) non corre questo pericolo. kg. Sappiamo infatti che per ogni kg di latte in più al picco di lattazione la vacca produrrà 250 kg di latte in più in tutta la lattazione. È nostro obiettivo infatti massimizzare il picco e la persistenza della curva di lattazione. Nel grafico 1 l azienda analizzata ha il 42% di vacche che producono più di 45 kg e l 1% sotto i 23 kg, dati eccellenti che garantiscono che le produzioni andranno ancora a migliorare. Questo modo di osservare i dati, come si può capire, è esente dagli errori statistici 29/2016 supplemento a L Informatore Agrario 17

4 citati prima: infatti questo modo grafico di guardare i dati e di contare le vacche per aree annulla la Variation, non ha Momentum, né Lag, né Bias. TABELLA 2 - Tasso di gravidanza a 21 giorni e numero di vacche rimaste gravide dopo inseminazione ( 1 ) Data Vacche disponibili alla fecondazione (n.) Vacche fecondate (n.) Tasso di inseminazione (%) ( 2 ) Secondo caso: gravidanze Prendiamo ora un allevamento che si dà come obiettivo di massimizzare l efficienza riproduttiva, e dovrebbe Vacche disponibili alla gravidanza (n.) TABELLA 3 - Eventi post-parto nell ultimo anno e negli ultimi due mesi sulla % dei parti Ultimo anno Ultimi due mesi Evento < 31 giorni Totale (n.) lattaz. (n.) < 31% (%) Evento Totale < 31 giorni < 31% (%) lattaz. (n.) Parto Parto Vendita ,5 Vendita ,9 Morta ,4 Morta 1 1 1,5 Dislocaz ,0 Dislocaz ,5 Chetosi 5 5 1,0 Chetosi 1 1 1,5 Collassi 2 2 2,0 Collassi 0 0 0,0 Rit. plac ,7 Rit. plac ,3 Nell esempio dell azienda in oggetto vediamo che tutti i parametri sono sotto controllo e notiamo che gli andamenti nel lungo e nel breve periodo non differiscono. I dati sono fotografati al loro insorgere, cioè nel momento in cui hanno il loro maggior valore predittivo. Gravide (n.) Tasso di gravidanza (%) Totale ( 1 ) Elaborazione del Pregnancy Rate effettuata con il Dairy Comp. ( 2 ) Quando questo dato non coincide con il numero delle vacche disponibili alla fecondazione è perché qualche animale è stato eliminato prima dell eventuale diagnosi. Nel periodo dal 10 al 31 maggio 2016 l azienda aveva 64 vacche disponibili alla fecondazione e ne ha fecondate 44. Di queste 64, 61 vacche sono state disponibili alla gravidanza e 19 sono state ingravidate. Queste informazioni descrivono un efficienza molto elevata nella velocità di ingravidamento degli animali, pur con un alta produzione. Aborti (n.) chiedersi: le mie vacche si stanno ingravidando velocemente? Per rispondere a questa domanda è necessario analizzare la tabella 2. Quello che ci interessa maggiormente è sapere quanto velocemente le vacche si stanno ingravidando nell ultimo periodo. La miglior risposta è il Pregnancy rate o Tasso di gravidanza a 21 giorni. Ogni volta che calcoliamo un tasso, dobbiamo calcolarlo per un periodo. Quindi qualunque cosa (tasso di rimonta, il tasso di gravidanza, ecc.) deve essere esplicitato per il periodo cui fa riferimento. Per quanto riguarda il tasso di gravidanza, 21 giorni è il periodo che a noi serve, perché è il ciclo estrale della bovina. Per calcolare un tasso noi dobbiamo avere un numero di vacche per cui dividere il nostro numero, quindi questo tasso si calcolerà con le vacche che sono diventate gravide, diviso per le vacche che avevamo a disposizione per la fecondazione, cioè quelle che hanno superato il periodo volontario di attesa, che non sono fecondate o sono vuote, e non sono segnalate nel «parcheggio riproduttivo». Dairy Comp SATA dà una preziosissima tabella con questo dato riportato ogni 21 giorni, che viene evidenziato in tabella 2. Mi dice quante vacche sono rimaste gravide nel breve periodo, dato utile anche per primipare e pluripare. Per esempio nel periodo che va dal al l azienda in oggetto aveva 64 vacche disponibili alla fecondazione e ne ha fecondate 44 (69% di Hdr - Tasso di inseminazione). Nello stesso periodo ha avuto 61 vacche disponibili alla gravidanza, ne ha ingravidate 19 (31% di PR - Tasso di gravidanza). Queste informazioni dicono di un efficienza molto elevata nella velocità di ingravidamento degli animali, pur nell alta produzione. La divisione per periodi annulla il rischio statistico di Momentum e il Lag; il Tasso di gravidanza, che prende in considerazione tutti gli animali, annulla anche il Bias. Terzo caso: transizione e post-parto Nel terzo e ultimo esempio poniamo che l azienda voglia massimizzare il periodo di transizione e voglia monitorare gli eventi nel post-parto. In questo caso dovrebbe monitorare nel lungo e nel breve periodo gli eventi post parto rappresentati come percen- 18 supplemento a L Informatore Agrario 29/2016

5 tuale dei parti avvenuti nello stesso periodo, come nell esempio riportato in tabella 3. Gli eventi sanitari sono delle informazioni importantissime da rilevare in azienda e molto proattive. Segnalano infatti l emergere di un problema che a volte può finire in un eliminazione. Tutte le aziende ben gestite dovrebbero segnare accuratamente questi dati e analizzarli costantemente nel lungo, nel medio e nel breve periodo per annullare il Momentum. ell esempio dell azienda in oggetto vediamo che tutti i parametri sono sotto controllo e notiamo che l andamento nel lungo e nel breve periodo non differiscono. Importante anche il tasso di eliminate (vendute + morte) sotto i 30 giorni, che deve essere sempre inferiore al 5% dei parti avvenuti nel medesimo periodo. Anche qui si può notare come il dato sia fotografato al suo insorgere, cioè nel momento in cui ha il suo maggior valore predittivo. Con i dati alla mano, quali obiettivi porsi? Un azienda deve conoscere bene i dati sapendo quali sono i riferimenti e gli obiettivi da porsi su ciascuna informazione. Per finire vorrei perciò proporre la tabella 4, un riferimento operativo che nasce da un campione di aziende del Nord-Italia. TABELLA 4 - Valori di riferimento e obiettivi tecnici da raggiungere ( 1 ) Insufficiente Discreto Buono Ottimo Produzione latte Vacche < 150 giorni lattaz. > 45 kg (%) < > 40 Vacche < 150 giorni lattaz. < 23 kg (%) > Media latte < 150 gioni lattaz. (kg) < > 42 Efficienza riproduttiva Tasso d inseminazione (%) < Tasso di concepimento (%) < Tasso di gravidanza (%) < > 20 Eventi post-parto (come % dei parti) Eliminate < 30 gioni lattaz. (%) > 5 < 5 < 4 < 3 Eliminate < 90 gioni lattaz. (%) > 10 < 10 < 8 < 6 Qualità del latte Cellule somatiche (.000) > < 150 Vacche sane (% su tutte) ( 2 ) < > 90 Efficienza rimonta Età media alla fecondazione (n. mesi) (%) > Età media al primo parto (n. mesi) (%) > Vitelle nate che arrivano al 1 parto (%) < > 90 Tasso di gravidanza (%) < > 30 ( 1 ) Analisi effettuata con il Dairy Comp 305. La soglia insufficente è < del 50 %tile. ( 2 ) Vacche sane = cellule somatiche < Fonte: Campiotti I dati tecnici qui riportati sono tra i più importanti per l azienda moderna e gli scaglioni di riferimento sono utilissimi per capire come si possano migliorare i propri dati. Da segnalare in particolare i dati relativi all efficienza della rimonta, che per motivi di spazio non abbiamo potuto spiegare nel dettaglio. Pochi dati, ma che siano quelli giusti L azienda moderna non deve rinunciare ad avere dati tecnici di qualità fruibili su fogli elettronici per ulteriori analisi specifiche. Come già detto, non bastano più i report precostituiti a rispondere alle nuove sfide dell azienda da latte. Non è necessario che i dati siano moltissimi, è necessario che siano quelli giusti, raccolti e analizzati nel modo corretto e soprattutto utilizzati sempre per prendere decisioni e valutare quelle già prese. Alcuni programmi moderni assolvono al meglio a questo scopo. Richiedono però competenza e preparazione da parte di chi li utilizza. È utilissimo che il veterinario e il tecnico insieme all allevatore individuino i dati di maggiore valore economico per farne oggetto di un lavoro serio, ripetibile e fruibile. Solo nella costanza di un lavoro serio i dati tecnici diventano strada al miglioramento aziendale. Un cammino possibile, professionalmente entusiasmante ancor più in periodi difficili. Michele Campiotti Agronomo - specialista allevamenti bovini da latte Il tasso di vacche eliminate (vendute + morte) sotto i 30 giorni dopo il parto deve essere sempre minore al 5% dei parti avvenuti nello stesso periodo Per commenti all articolo, chiarimenti o suggerimenti scrivi a: redazione@informatoreagrario.it 29/2016 supplemento a L Informatore Agrario 19

6 Edizioni L Informatore Agrario Tutti i diritti riservati, a norma della Legge sul Diritto d Autore e le sue successive modificazioni. Ogni utilizzo di quest opera per usi diversi da quello personale e privato è tassativamente vietato. Edizioni L Informatore Agrario S.r.l. non potrà comunque essere ritenuta responsabile per eventuali malfunzionamenti e/o danni di qualsiasi natura connessi all uso dell opera.