0
Actualmente, existe uma grande variedade de programas de gestão de dados no mercado e quase todas as explorações utilizam diariamente alguns destes programas. Apesar da utilização contínua e generalizada destes programas, nem todos os intervenientes estão conscientes da importância da fiabilidade da recolha de dados que posteriormente introduzimos no programa.
Erros mais comuns na recolha de dados
Todas as explorações registam corretamente o número de leitões desmamados, o dado de produção mais importante. A partir deste ponto, nem todas as explorações têm a mesma fiabilidade na recolha de dados. Alguns dos erros mais comuns são:
- Não registar todos os nados-mortos;
- Registar os casos de nascimentos muito fracos como nados-mortos;
- Não registar as mortes dos leitões durante a lactação e/ou as suas causas;
- Registo incorrecto das causas de morte dos leitões;
- Não registo das adopções de leitões entre porcas;
- Igualar as ninhadas e só posteriormente apontar os nascimentos;
- Recolher dados dois ou três dias após o parto e registar os leitões presentes nessa altura;
- Não registar ou registar incorretamente as razões do abate de porcas (por exemplo, as porcas abatidas por claudicação são registadas como mortas);
- Não remover da base de dados as porcas abatidas ou eliminadas (“porcas fantasma”).
Motivos mais habituais da incorrecta recolha de dados
Na grande maioria dos casos, as falhas detectadas na introdução de dados não são intencionais, mas simplesmente os responsáveis não estão conscientes da importância da fiabilidade dos dados. Estas seriam as razões mais comuns:
- Protocolos de recolha de dados herdados de anteriores responsáveis pela exploração;
- Poupança de tempo nas tarefas de gestão;
- Prémios de produtividade concebidos de forma não optimizada;
- Auto-exigência dos empregados para apresentar os melhores resultados possíveis;
- Falta de registo imediato dos dados (automático ou manual);
- Formação deficiente sobre a importância da recolha correta de dados;
- Falta de orientações claras para o registo de dados.
Importância de uma recolha fiável de dados
Para melhorar os resultados da produção da exploração, é necessário identificar os pontos com maior potencial de melhoria e é fundamental que a fiabilidade dos dados introduzidos nos permita identificar esses pontos críticos.
Vejamos apenas alguns exemplos:
Se quisermos melhorar os leitões desmamados por parto, teremos de avaliar se é mais viável reduzir as perdas por lactação ou aumentar os nascimentos (figura 1).
Figura 1: Árvore de decisão para aumentar o número de leitões desmamados
- Para aumentar os nados-vivos, teremos de avaliar se o ponto crítico de melhoria é o aumento dos nascimentos totais ou a redução dos nados-mortos;
- Se nem todos os nados-mortos forem registados, poderemos pensar que o problema é a falta de nados-mortos totais (e rever os protocolos de maneio durante a inseminação), quando talvez o problema esteja num excesso de nados-mortos e o que devemos rever são os protocolos de maneio durante o parto;
- Se os nascimentos de leitões fracos forem registados como nados-mortos, pensaríamos que o problema é a falta de nascidos vivos e estaríamos a reduzir a percentagem real de perdas de lactação;
- Se as adopções de leitões não forem registadas, será mais difícil identificar as porcas às quais morrem repetidamente muitos leitões durante a lactação e que devem ser abatidas, e estas porcas acabam por desmamar leitões recebidos de outras porcas, pelo que o seu fraco rendimento pode passar despercebido;
- Se as porcas com muitas repetições forem retiradas, mas não apontarmos a sua causa, será mais difícil identificar e resolver os casos de baixa taxa de parto;
- Se houver um excesso de leitões com mais de 15 dias de vida mortos por esmagamento, é quase certo que existe um problema com a climatização das salas de parto (ou salas demasiado frias ou ninhos demasiado quentes), mas para o detetar temos de registar as mortes dos leitões, com a razão e a data reais;
- Se não forem registadas corretamente as porcas retiradas da exploração e não as eliminar do programa, teremos “porcas fantasma”, porcas que já não estão presentes na exploração mas que continuam a ser consideradas pelo programa nos seus cálculos. Estes animais geram um aumento dos DNP (dias não produtivos) e fazem-nos perder muito tempo à procura do problema.
Como detectar os casos de baixa fiabilidade na recolha de dados
Nem sempre é fácil dizer com absoluta certeza que a recolha de dados numa exploração não é tão fiável como deveria ser, mas aqui estão alguns dos sinais que nos ajudam a detectá-la:
- Explorações entre as melhores da sua classe em mortos em lactação e, ao mesmo tempo, entre as piores para nados-mortos. Estão a ser registados como nados-mortos os nascimentos vivos de baixa viabilidade?
- Explorações com poucos nascimentos totais e muito poucos nados-mortos Estão a registar todos os nados-mortos?
- Explorações com uma curva muito plana de nascimentos totais por parto (figura 2) Estão a fazer igualar as ninhadas e depois a fazer a contagem?
- Distribuição da prolificidade: m tamanho de ninhada tem uma percentagem muito mais elevada (mais de 25% de frequência) do que os outros tamanhos de ninhada?
Figura 3: Distribuição do total de nascidos nas diferentes explorações. Se um tamanho de ninhada estiver representado acima de 25%, devemos verificar se as ninhadas são primeiro igualadas e depois registadas
- Se analisarmos o desvio estatístico dos nascimentos totais, vivos e desmamados, o desvio dos nascimentos totais deveria ser superior ao desvio dos nascimentos vivos e o desvio dos nascimentos vivos superior ao desvio dos nascimentos desmamados (figura 4). Nem sempre é este o caso nas explorações com baixa fiabilidade na recolha de dados.
Figura 4: Distribuição da prolificidade em relação ao Total de Nascidos, Nascidos Vivos e Desmamados
Conclusão
A utilização de programas de gestão proporciona inúmeras vantagens e utilidades, como a elaboração de listas de trabalho e relatórios de produção. Com base na análise dos dados de produção, podem ser detectados os pontos críticos com potencial de melhoria, com o objectivo de aumentar a produtividade da exploração, o que resultaria numa redução dos custos de produção.
Para melhorar os resultados da produção através de auditorias técnicas eficazes, é essencial que os dados introduzidos no programa de gestão reflictam exatamente o que se passa na exploração.
