СОСТАВ КОРМА

[0001] Данное изобретение касается производства корма для животных или рыб, включая корм для домашних животных и, в частности, касается оптимизации производства составных кормов на основании стоимости.

[0002] Составной корм сегодня - это смесь нескольких ингредиентов. Корм для животных, например, обычно включает один или более основных ингредиентов, таких как соевые бобы, кукуруза или другая зерновая культура, которые вместе составляют основную часть корма и которые дополнены минеральными веществами, витаминами и другими диетическими добавками. Точный состав корма предназначен для того, чтобы обеспечить желаемый эффект на здоровье животных и/или продуктивность при его потреблении. Это во многом определяется химическими свойствами ингредиентов (такими как уровни питательных веществ и других химических компонентов) и/или биологическими свойствами ингредиентов (такими как усвояемость и преобразование в питательные вещества).

[0003] Хорошо известен способ разработки состава корма, основанный на химических и/или биологических свойствах ингредиентов, известной стоимости отдельных ингредиентов и желаемом эффекте заключительного состава на потребляемое количество корма. Желаемый эффект может часто выражаться с точки зрения желаемых химических и/или биологических свойств состава корма, которые необходимы, чтобы достигнуть эффекта.

[0004] Таким путем может быть установлен состав корма, который дает желаемый эффект с оптимизированной стоимостью ингредиентов. Это обычно называют "оптимизация по минимальной стоимости" (LCO, Least Cost Optimisation) или "состав с минимальной стоимостью", и в дальнейшем здесь будет называться LCO. Это способ определения сочетания ингредиентов с минимальной стоимостью с использованием ряда математических уравнений.

[0005] Также существуют программные продукты для LCO, которые функционируют так, чтобы автоматизировать создание составов корма согласно этому способу. Обычно эти решения функционируют так, чтобы математически проанализировать влияние различных типов и соотношений ингредиентов корма известной стоимости на химические и/или биологические свойства состава корма. На основе этого анализа определяют состав корма, который имеет желаемые химические и/или биологические свойства (то есть достигает желаемого эффекта) при наименьшей стоимости ингредиентов для производителя. Другие соображения, такие как вкусовые качества разработанного корма и доступность ингредиентов, могут также использоваться в решениях LCO, чтобы установить ограничения на приемлемые сочетания ингредиентов при разработке состава корма с использованием LCQ.

[0006] Эти существующие программные продукты и способы очень хорошо оптимизируют стоимость ингредиентов, но игнорируют другие затраты, которые вносят меньший, но все еще значительный вклад в полную стоимость оптимизированного корма.

[0007] В известных способах LCO до настоящего изобретения не было обращено внимание на то, что издержки производства могут значительно изменяться при различных составах корма.

[0008] Согласно данному изобретению, предложены способ, программный продукт и система для создания состава корма, включающие один и тот же улучшенный способ LCO. Дополнительно анализируя влияние ингредиентов корма на ожидаемые издержки производства для состава корма, можно получить состав корма, который оптимизирован не только с точки зрения фактической известной стоимости материалов, но также и с точки зрения предсказанных издержек производства.

[0009] Предпочтительно, анализ выполняют посредством применения модели предсказания к входной информации, касающейся ингредиентов предложенного состава корма. Модель предсказания устанавливает математическую зависимость между информацией о составе корма и значением индикации, указывающим издержки производства для данного состава, и функционирует так, чтобы предсказать индикацию издержек производства по информации о предложенном составе. Модель формируется из информации и фактических индикаций издержек производства, связанных с известными составами корма. Такая информация может включать информацию относительно количества и/или химических и/или физических свойств ингредиентов и может включать спектральные данные, включая спектральные данные ядерного магнитного резонанса (ЯМР), но особенно инфракрасные спектральные данные и, более конкретно, спектральные данные в ближней (длинноволновой) инфракрасной области спектра (near infrared, NIR), показательные для этих свойств. Такая модель может также быть сделана зависящей от информации об обработке, касающейся производственных условий для предложенного состава корма.

[0010] Анализ влияния предложенного состава на предсказанные издержки производства может включать предсказание тех параметров процесса, которые могут использоваться в управлении производственным процессом, чтобы произвести предложенный состав при оптимизированных (более низких) издержках производства. Этот аспект особенно полезен при производстве составов корма, где ограничено доступное изменение в параметрах состава, например в случае корма для рыб, где число доступных ингредиентов обычно ограничено.

[0011] Анализ влияния на издержки производства может альтернативно или дополнительно включать предсказание влияния изменения ингредиентов на те физические свойства предложенного состава, которые влияют на эффективность производственного процесса. Например, во время производства самым критическим обычно является этап прессования гранул, на котором пресс, такой как вальцовочный пресс, заставляет смешанный корм проходить через большую матрицу, чтобы произвести гранулированный корм, который предназначен для потребления. Именно здесь физические свойства смеси, такие как потенциал для желатинизации, хрупкость и способность к склеиванию, оказывает самое большое влияние, и именно здесь потенциал для экономии издержек производства является самым большим.

[0012] Отходы, например, во время производства и хранения на производственном объекте, во время транспортировки и во время хранения и обработки в хранилище, также являются фактором, который вносит вклад в полные издержки производства для заключительного состава корма. Одна важная индикация, касающаяся потенциальных отходов износоустойчивость окончательного корма, которая определяется физическими свойствами этого корма. Износоустойчивость отражает то, как хорошо гранулы будут сопротивляться физическому истиранию. Это истирание обычно приводит к появлению мелких фракций, которые в производственном процессе вероятно придется удалять из гранулированного корма для повторной переработки, и которые при потреблении корма животными имеют тенденцию оставаться несъеденными.

[0013] В производственном процессе наличие мелких фракций увеличивает общую стоимость производства для изготовителя, а у потребителя наличие мелких фракций приводит к понижению эффективности преобразования корма (которая может быть выражена как желаемый эффект на килограмм расходуемого корма) и, таким образом, увеличивает издержки производства для фермера. Предпочтительно, анализ влияния на издержки производства включает предсказание отходов, например путем формирования индикации физической долговечности, которая может затем использоваться, чтобы установить оптимизированный состав согласно данному изобретению.

[0014] Действительно, требования к физическим свойствам корма могут использоваться, согласно данному изобретению, как входные данные для способа LCO, в котором они используются, чтобы установить дальнейшие ограничения на приемлемые сочетания ингредиентов составов корма, которые могут быть определены в соответствии со способом данного изобретения.

[0015] Предпочтительно способ согласно данному изобретению реализуется в коде программы, обычно на машиночитаемом носителе данных или другом носителе, и этот код выполняется компьютером для управления этим компьютером так, чтобы выполнить некоторые или все шаги способа и произвести выходные данные, указывающие определенный желаемый состав согласно LCO. Предпочтительно, компьютер может явиться частью системы, обычно полностью или частично автоматизированной, для производства корма, и эта система также включает устройство для производства корма, реагирующее на выходные данные так, чтобы по выбору смешивать ингредиенты корма, чтобы произвести желаемый состав.

[0016] Эти и другие преимущества будут понятны после рассмотрения следующего описания предпочтительных вариантов осуществления изобретения, со ссылками на следующие чертежи:

[0017] Фиг.1 иллюстрирует вариант осуществления способа согласно данному изобретению.

[0018] Фиг.2 иллюстрирует способ формирования модели предсказания, которая может использоваться в способе, показанном на фиг.1; и

[0019] Фиг.3 иллюстрирует систему производства корма согласно данному изобретению.

[0020] Рассмотрим теперь фиг.1, где показана схема 100 типичных шагов для производства состава корма согласно способу данного изобретения. Шаги 102-108 обычно используются в известных способах LCO и поэтому будут рассмотрены только в общих чертах.

[0021] На шаге 102 задают желаемый эффект производимого корма. Этот желаемый эффект может быть представлен желаемыми свойствами, в частности химическими и/или биологическими свойствами, и в настоящем варианте осуществления включают химические свойства, которые могут быть представлены пределами диапазонов желаемых уровней питательности, например в отношении белка, жира, аминокислоты и витаминов. Такие свойства могут также включать пределы диапазонов для количества начальных ингредиентов, которые могут присутствовать в заключительном составе корма. Этот диапазон обычно будет зависеть от одного или более из доступности начальных ингредиентов и биологических свойств, таких как вкусовые качества конечного продукта, а также усвоение и преобразование питательных веществ при потреблении.

[0022] Согласно варианту осуществления данного изобретения, желаемые физические свойства разработанного корма могут также быть включены в этот шаг 102, где они могут быть использованы, чтобы установить пределы диапазонов для количеств ингредиентов, которые могут быть смешаны в корм, или могут использоваться в качестве индикации издержек производства состава корма.

[0023] Понятно, что одно или более желаемых свойств может изменяться в зависимости от желаемого эффекта от корма при его потреблении. Например, один набор желаемых свойств может использоваться, чтобы произвести корм для коров, который имеет в качестве желаемого эффекта увеличенное производство молока, тогда как другой набор желаемых свойств может использоваться, чтобы произвести корм для рыб, который имеет, в качестве желаемого эффекта, увеличенный привес, или для куриц - увеличенное производство яиц. Понятно также, что желаемые свойства корма могут быть выбраны так, чтобы обеспечить более чем один желаемый эффект от его потребления.

[0024] На шаге 104 получают доступные ингредиенты, любые пищевые добавки и известные стоимости всех этих компонентов.

[0025] На шаге 106 устанавливают по меньшей мере одно химическое и/или биологическое свойство одного или более доступных ингредиентов. Для пищевых добавок и других произведенных добавок по меньшей мере химические свойства обычно легко доступны от изготовителя и, таким образом, могут быть получены непосредственно. Для других ингредиентов, таких как вышеупомянутые основные ингредиенты, химические и/или биологические свойства имеют тенденцию изменяться от партии к партии и, таким образом, одно или более свойств каждого из этих ингредиентов обычно измеряют на месте, или сразу перед использованием, или когда получена новая партия. Сегодня такие измерения часто делают, используя инфракрасную спектроскопию, особенно инфракрасную спектроскопию в ближней инфракрасной области спектра, но может использоваться любая одна или более известная методика анализа. Согласно данному примеру осуществления, формируют инфракрасные спектральные данные, который характеризуют партию ингредиента, и используют модель предсказания известного типа на основе этих данных, чтобы предсказать по этим данным информацию 6 химических и/или биологических свойствах этого ингредиента.

[0026] Такая модель предсказания формируется с использованием известных хемометрических методик, которые используют линейный или нелинейный многофакторный статистический анализ, например метод частичных наименьших квадратов, метод главных компонент, множественную линейную регрессию или искусственную нейронную сеть, чтобы вывести математическую зависимость, которая связывает инфракрасные спектральные данные одного или более ингредиентов с рассматриваемыми свойствами.

[0027] На шаге 108 состав корма определяют посредством оптимизации LCO, которая, известным путем, обеспечивает состав,, который достигает желаемого эффекта (или эффектов) в отношении желаемых химических и/или биологических свойств при наименьшей стоимости ингредиентов.

[0028] На шаге 110 получают индикацию предсказанных издержек производства для состава, определенного посредством LCO на шаге 108, с использованием модели предсказания, которая обеспечивает математическую зависимость между свойствами некоторых или всех ингредиентов, в данном варианте осуществления отраженных в инфракрасных спектральных данных, произведенных в блоке 106, и индикацию издержек производства для этого состава. Создание этой модели предсказания обсуждается более подробно ниже со ссылкой на фиг.2.

[0029] На шаге 112 принимают решение относительно того, оптимизирована ли общая стоимость корма, принимая во внимание известные стоимости ингредиентов (согласно LCO на шаге 108) и предсказанную стоимость его производства (установленную на шаге 110).

[0030] Если нет, то новый состав определяют посредством LCO на шаге 108, и индикацию относительно его издержек производства получают на шаге 110. Эта итерация может повторяться, пока общая стоимость состава корма не будет оптимизирована.

[0031] В альтернативном варианте осуществления данного изобретения один или более параметров процесса связаны с издержками производства, предсказанными на шаге 110, и формируются как индикация предсказанных издержек производства. В одном варианте осуществления, если на шаге 112 принято решение, которое указывает, что общая стоимость не оптимизирована, то новый набор параметров процесса формируется на шаге 110 (показано на фиг.1 прерывистой стрелкой 113). В другом варианте осуществления данного изобретения эти параметры процесса генерируют в дополнение к формированию нового состава на шаге 108. В этом примере, если принято решение, что стоимость не оптимизирована, то новый состав формируют на шаге 108.

[0032] Когда общая стоимость корма оптимизирована, на шаге 114 формируют выходные данные для определенного состава корма с целью последующего использования в производстве корма. В определенных вариантах осуществления это может быть обеспечено в дополнение или как альтернатива тем параметрам процесса, которые определены как оптимальные с точки зрения издержек производства для конкретного состава.

[0033] В другом варианте осуществления данного изобретения, также предсказывают физические свойства предложенного состава корма. В примере осуществления, показанном на фиг.1, когда оптимизация, общей стоимости достигнута на шаге 112, затем дополнительно предсказывают физические свойства предложенного состава корма на шаге 116. Их сравнивают с желаемыми физическими свойствами, которые были входными данными на шаге 102, и на шаге 118 принимают решение относительно того, попадают ли предсказанные свойства в диапазон, установленный для желаемых свойств. Если нет, то после этого новый состав определяют посредством LCO на шаге 108, и итерацию повторяют, пока все желаемые свойства не будут достигнуты при оптимизированной общей стоимости. В это время выводят, на шаге 114, данные для состава корма, оптимизированного согласно данному изобретению.

[0034] Понятно, что порядок или наличие по меньшей мере некоторых из шагов способа, показанных на фиг.1, может быть изменен, не отступая от предложенного изобретения.

[0035] Способ создания модели предсказания для получения индикации издержек производства, которая используется на шаге 110, показанном на фиг.1, проиллюстрирован блок-схемой 200 на фиг.2.

[0036] В представленном варианте осуществления, модель предсказания получают с использованием известных хемометрических методик, которые используют линейный или нелинейный многофакторный анализ, чтобы вывести математическую зависимость, которая связывает данные, полученные от одного или более ингредиентов, со значением, указывающим предсказанные издержки производства. В представленном варианте осуществления используют инфракрасные спектральные данные, в частности, в ближней инфракрасной области спектра. У этого подхода есть преимущество, заключающееся в том, что при предсказании индикации издержек производства могут использоваться те же данные, которые были собраны, чтобы предсказать химические/биологические и/или физические свойства ингредиентов на шаге 106 для использования при определении состава посредством LCO на шаге 108 способа, согласно фиг.1. Такие инфракрасные спектральные данные в данном варианте осуществления собирают с использованием известных методик, таких как пропускание света, отражение света, коэффициент отражения, преобразование Фурье или рамановское рассеяние.

[0037] Однако данные могут быть получены и в других областях длин волн электромагнитного спектра, включая области длин волны видимого света и рентгеновского излучения, или данные могут быть получены другими аналитическими методами, включая ЯМР и анализ изображений, при условии, что на такие данные влияют свойства ингредиентов, которые определяют издержки производства и, опционально, физические свойства предложенного состава корма. Существование такого влияния может быть подтверждено посредством подходящего способа проб и ошибок, с использованием вышеупомянутых известных методик многофакторного анализа в отношении рассматриваемых данных, чтобы определить степень корреляции между этими данными и издержками производства.

[0038] Первый шаг 202 при формировании такой модели предсказания является генерированием базы данных (или информационной матрицы), в которой каждая запись представляет производственную партию. В этой базе данных хранится спектральная информация, обычно инфракрасная спектральная информация, предпочтительно спектральная информация в ближней инфракрасной области спектра, для известных производственных партий, и она может включать спектры отдельных ингредиентов и/или заключительного корма. База данных также включает информацию, идентифицирующую классы ингредиентов, включенных в эту производственную партию; фактические соотношения (например, по массе) ингредиентов, включенных в эту производственную партию, и параметры процесса (фиксированные и переменные), используемые для этой производственной партии. Также в базу данных включено и проиндексировано относительно этой другой информации значение индикации, указывающее известные издержки производства, связанные с фактической производственной партией. Это значение может быть представлено посредством одного или более из фактических издержек производства, скорости производства, производственных затрат энергии, производственных отходов, остановки производства и измеримых физических параметров корма, которые могут влиять на любые из предыдущих параметров процесса производства.

[0039] Физическая характеристика будет также обязательно требоваться в качестве входных данных в варианте осуществления, где такие физические характеристики должны использоваться как желаемые свойства производимого состава корма, который установлен на шаге 114 способа согласно данному изобретению, как показано на фиг.1. Кроме того, параметры управления процессом, связанные с известными издержками производства фактических производственных партий, могут дополнительно или альтернативно требоваться как входные данные для базы данных на шаге 202. Такие данные будут требоваться, когда вывод данных на шаге 114 способа, проиллюстрированного на фиг.1, включает генерирование аналогичных параметров управления процессом, которые являются оптимизированными по стоимости для конкретного состава.

[0040] На шаге 204 содержание базы данных подвергают многофакторному статистическому анализу. В данном примере это включает шаг 204а разделения базы данных, созданной на шаге 202, на две части. Первую и самую большую часть подвергают многофакторному анализу на шаге 204b. Вторая часть используется на шаге 204 с как набор для независимой проверки правильности. Понятно, что точное использование и разделение содержания базы данных будут зависеть от конкретной аналитической методики, используемой при формировании модели предсказания.

[0041] На шаге 206 устанавливают модель предсказания, которая обеспечивает математическую зависимость между входной информацией, связанной с конкретным составом корма, и издержками на его производство, и используют ее для предсказания индикации издержек производства для предложенного состава корма. Эта индикация может быть прямым значением в денежном выражении, которое будет добавлено к стоимости ингредиента, или может быть индикатором уровня дополнительной стоимости, или может включать параметры процесса, используемые при управлении производственным процессом, чтобы получить конкретный состав по оптимальной стоимости. Как альтернатива, может быть создана отдельная модель предсказания, чтобы предсказать каждый из одного или более поддающихся количественному определению компонентов издержек производства (например фактические издержки производства, скорость, затраты энергии, отходы или остановка работы).

[0042] Дополнительно или альтернативно, спектральная информация может быть сформирована как до, так и после того как один или более доступных ингредиентов подвергнут условиям, наиболее предпочтительно, условиям теплового напряжения, которые повторяют фактические условия, испытываемые во время производственного процесса. Так, например, дополнительные спектры могут быть получены после того, как один или более ингредиентов подвергается тепловому напряжению и последующему охлаждению. Эти дополнительные спектры для каждой производственной партии затем сохраняют в базе данных, которая создана на шаге 202. Подвергая ингредиенты такому имитированию производства, можно обеспечить то, что модель или модели предсказания, сформированные на шаге 206, смогут более точно предсказывать издержки производства для определенного состава корма, особенно в обстоятельствах, когда такие условия напряжения создают эффект гистерезиса в отношении получаемой спектральной информации.

[0043] При использовании информации, здесь - спектральных данных относительно отдельных ингредиентов предложенного состава корма, определенного на шаге 108, а также информации о параметрах процесса, которые будут использоваться при его производстве, эту информацию обрабатывают с использованием модели предсказания, согласно данному изобретению, чтобы получить индикацию предсказанных издержек производства для этого конкретного состава корма, возможно в виде параметров управления процессом, используемым при управлении процессом производства для этого конкретного состава корма.

[0044] Понятно, что модель предсказания согласно данному изобретению может быть сформирована с использованием, дополнительно или альтернативно, других данных, таких как информация относительно количества (или пропорций) ингредиентов в производственной партии, и может использоваться, чтобы предсказать издержки производства на основе ввода в модель этой информации о предложенном составе. Понятно также, что информация о производственной партии может быть предварительно обработана известным в данной области способом, чтобы сжать спектральные данные с получением меньшего количества значений данных и удалить мешающие спектральные явления, такие как рассеяние света, прежде чем использовать спектральные данные для формирования модели предсказания.

[0045] Рассмотрим теперь систему 300 производства корма, согласно данному изобретению, которая проиллюстрирована на фиг.3. Бункеры 302а…302n для хранения предусмотрены для помещения в них различных ингредиентов, которые доступны для переработки в разработанный корм, и могут включать емкости для хранения основного материала, такого как основные ингредиенты; резервуары для жидких ингредиентов и так называемые емкости "микробункеров" для хранения порошкообразных ингредиентов высокой стоимости, таких как пищевые добавки. Каждый бункер 302а…302n в данном варианте осуществления связан со смесителем 304 устройства 306 для производства корма через индивидуально управляемые системы транспортировки материалов (не показаны), такие как шнеки и один или более связанных с ними взвешивающих лотков для транспортировки и взвешивания основных ингредиентов и системы дозировки микробункеров для транспортировки и дозирования молотых добавок. Смеситель 304 в данном примере также используют, чтобы автоматически управлять транспортными системами для формирования смеси составного корма, имеющей желаемые ингредиенты.

[0046] Также в устройство 306 для производства корма в данном примере включен пресс 308 для формирования гранул и бункер 310 для хранения корма. После смешивания в смесителе 304 полученный корм передают в пресс 308 для формирования гранул, где он физически формируется в его конечное состояние для поставки заказчику. В типичном устройстве для производства корма для домашнего скота пресс 308 может включать известное приспособление с пресс-формой, в котором корм продавливается через отверстия в пресс-форме, разделяясь на меньшие гранулы под его собственным весом. Эти гранулы затем помещают в бункер 310 для хранения, откуда он транспортируется заказчику.

[0047] Также имеется анализатор 312, как часть системы 300, чтобы анализировать некоторые или все ингредиенты (здесь анализатор показан как используемый для анализа двух ингредиентов), когда они помещены в соответствующие бункеры 302а…302n, чтобы определить интересующие химические и/или биологические свойства. Анализатор 312 может включать спектральный анализатор, обычно инфракрасный спектральный анализатор, в частности, спектральный анализатор ближней инфракрасной области спектра, который получает характерный спектр ингредиента, анализируемый для использования при определении интересующих химических и/или биологических свойств. Тот же самый или другой анализатор 312 может также сделать анализ ингредиентов до и после подвергания соответствующего ингредиента тепловому напряжению и последующему охлаждению и обеспечить спектральные данные на выходе.

[0048] Также имеется компьютер 314, который может быть сетевой компьютерной системой и может находиться в месте, физически отдаленном от устройства 306 для производства корма, и обычно включает блок пользовательского интерфейса 314а, блок памяти 314b и блок 314 с ввода/вывода данных.

[0049] Компьютер получает, как входные данные, информацию относительно химических свойств доступных ингредиентов, частично через блок 314 с ввода/вывода как спектральную информацию от анализатора 312 и частично через пользовательский интерфейс 314а как входные данные от пользователя. Другая информация, относящаяся к определению состава корма посредством LCO, такая как желаемые характеристики корма, может также быть входными данными от пользователя, получаемыми через пользовательский интерфейс 314 с, или может быть получена с помощью электроники через блок 314 с ввода/вывода от другого устройства, или может храниться в памяти 314b.

[0050] Согласно данному варианту осуществления компьютер 314 также адаптирован для того, чтобы получать команды через сменный машиночитаемый носитель 316 данных, такой как оптический диск или карта памяти. Этот носитель 316 данных несет исполняемую часть кода программы, которая, когда она выполняется, заставляет компьютер выполнять способ разработки состава корма согласно варианту осуществления, показанному на фиг.1, и производить вывод данных через блок 314 с ввода/вывода, чтобы управлять работой смесителя 304 для формирования и перемешивания состава, разработанного согласно вышеупомянутому способу, который обеспечивает создание состава, стоимость которого оптимизирована не только на основе затрат на ингредиенты, но также и на основе издержек производства.

[0051] Понятно, что устройство 306 для производства корма такой системы 300 для производства корма будет изменяться в сложной зависимости от, например, природы и количества корма, который должен быть произведен. Дополнительные компоненты, такие как дробилки, чтобы перемолоть ингредиенты перед смешиванием; распылители и системы покрытия для добавления жидкостей, нагреватели, в которых пар добавляют к смешанному составу корма, чтобы поднять его температуру; и холодильники, в которых гранулированный корм затем охлаждают, прежде чем послать его в бункер 310 для хранения, также могут присутствовать в системе, показанной на фиг.3, и они вносят свой вклад, например, в затраты энергии во время производственного процесса и, таким образом, в издержки производства корма. Такие изменения подразумеваются включенными в объем заявленного изобретения.

[0052] Кроме того, дополнительный анализ, обычно спектральный анализ в ближней инфракрасной области спектра, выполняемый на промежуточных продуктах во время производства корма, может использоваться, чтобы управлять производственным процессом.