How can dairies maximize their profits and properly remunerate their dairy farmers?

The current pricing process of raw milk in Brazil discourages producers from improving milk composition, which affects both yield and quality of dairy products. Furthermore, small and medium-sized dairies face great difficulties when it comes to planning production. Thus, a linear programming model was developed to price the raw milk and determine the optimal mix (combination of quantities) of dairy products that maximizes total contribution margin (TCM) under daily scenarios of high (January) and low (July) raw milk supplies (summer and winter, respectively) by comparing optimal solutions with actual results. The TCM of optimal and actual mixes were higher in January due to the greater availability of raw material. Packaging was a limiting factor in the production of cheese in optimal mixes. The relationship between unit contribution margin (UCM) and the required amount of raw materials per product unit and resource availability is crucial to defining the mix of dairy products and TCM of the dairy. Casein and raw milk volume showed shadow prices. Under both scenarios, the calculated prices of raw milk were higher than the prices charged by the dairy and were higher in January. The proposed model remunerates the producers based on the quantity and quality of raw milk. The dairy can maximize its TCM by better planning its mix of products with the use of linear programming.

How can dairies maximize their profits and properly remunerate their dairy farmers?

The current pricing process of raw milk in Brazil discourages producers from improving milk composition, which affects both yield and quality of dairy products. Furthermore, small and medium-sized dairies face great difficulties when it comes to planning production. Thus, a linear programming model was developed to price the raw milk and determine the optimal mix (combination of quantities) of dairy products that maximizes total contribution margin (TCM) under daily scenarios of high (January) and low (July) raw milk supplies (summer and winter, respectively) by comparing optimal solutions with actual results. The TCM of optimal and actual mixes were higher in January due to the greater availability of raw material. Packaging was a limiting factor in the production of cheese in optimal mixes. The relationship between unit contribution margin (UCM) and the required amount of raw materials per product unit and resource availability is crucial to defining the mix of dairy products and TCM of the dairy. Casein and raw milk volume showed shadow prices. Under both scenarios, the calculated prices of raw milk were higher than the prices charged by the dairy and were higher in January. The proposed model remunerates the producers based on the quantity and quality of raw milk. The dairy can maximize its TCM by better planning its mix of products with the use of linear programming.(AU)

Validação de modelos de predição das concentrações de nitrogênio ureico no leite do rebanho de vacas Holandesas / Validation of models for predicting milk urea nitrogen concentrations of Holstein cows herd

Objetivou-se, no presente trabalho, validar modelos de predição de nitrogênio ureico no leite no intuito de contribuir para avaliação da adequação nutricional de dietas de rebanhos de vacas leiteiras. Foram utilizadas 8.833 observações de vacas da raça Holandesa de um rebanho comercial, registraram-se produção de leite, peso corporal, número de dias em lactação e número de lactações. Dos dados coletados, foram tiradas médias mensais a fim de se estudar o rebanho. O modelo 1 foi desenvolvido por Jonker et al. (1998) e os modelos 2 e 3 por Kauffman & St-Pierre (2001). Para a avaliação dos modelos, foram medidas a acurácia, a precisão e a robustez. Notou-se falta de acurácia para os modelos 1 (viés=2,60mg/dL) e 2 (viés=-1,95mg/dL), enquanto o modelo 3 foi acurado (-0,89mg/dL). Contudo, os modelos 1, 2 e 3 não diferiram entre si quanto à precisão (erro residual=3,72, 2,68 e 2,64mg/dL, respectivamente). Os modelos 1 e 2 não apresentaram robustez para o número de dias em lactação, tampouco o modelo 1 para a concentração de gordura. O modelo 3 foi o melhor avaliado, quando se desejou estimar as concentrações de nitrogênio ureico no leite de um rebanho de vacas Holandesas nas condições de campo estudadas.(AU)

The objective of this study was to validate prediction models for milk urea nitrogen, aiming at evaluating the efficiency utilization of diets of a dairy cows' herd. Data (8,833 observations) from Holstein cows were used, belonging to a commercial herd. Milk yield, body weight, days in milk and parity were recorded on the milk sampling days. From the database, monthly averages were calculated, attempting to study the herd. Model 1 for predicting milk urea nitrogen was developed by Jonker et al. (1998) and models 2 and 3 by Kauffman & St-Pierre (2001). In order to evaluate models, accuracy, precision and robustness of those three models were tested. Lack of accuracy was found for models 1 (mean bias=2.60mg/dL) and 2 (mean bias=-1.95mg/dL), while model 3 was accurate (mean bias=-0.89mg/dL). However, precision among models 1, 2 and 3 did not differ (residual error=3.72, 2.68and 2.64mg/dL, respectively). Models 1 and 2 did not show robustness for days in milk, nor model 1 for fat percentage. Among the 3 models studied, model 3 was the best evaluated when the aim is to estimate milk urea nitrogen concentrations or to predict urinary nitrogen excretion of a Holstein cows' herd in the field conditions evaluated.(AU)

Validação de modelos de predição das concentrações de nitrogênio ureico no leite do rebanho de vacas Holandesas / Validation of models for predicting milk urea nitrogen concentrations of Holstein cows herd

Objetivou-se, no presente trabalho, validar modelos de predição de nitrogênio ureico no leite no intuito de contribuir para avaliação da adequação nutricional de dietas de rebanhos de vacas leiteiras. Foram utilizadas 8.833 observações de vacas da raça Holandesa de um rebanho comercial, registraram-se produção de leite, peso corporal, número de dias em lactação e número de lactações. Dos dados coletados, foram tiradas médias mensais a fim de se estudar o rebanho. O modelo 1 foi desenvolvido por Jonker et al. (1998) e os modelos 2 e 3 por Kauffman & St-Pierre (2001). Para a avaliação dos modelos, foram medidas a acurácia, a precisão e a robustez. Notou-se falta de acurácia para os modelos 1 (viés=2,60mg/dL) e 2 (viés=-1,95mg/dL), enquanto o modelo 3 foi acurado (-0,89mg/dL). Contudo, os modelos 1, 2 e 3 não diferiram entre si quanto à precisão (erro residual=3,72, 2,68 e 2,64mg/dL, respectivamente). Os modelos 1 e 2 não apresentaram robustez para o número de dias em lactação, tampouco o modelo 1 para a concentração de gordura. O modelo 3 foi o melhor avaliado, quando se desejou estimar as concentrações de nitrogênio ureico no leite de um rebanho de vacas Holandesas nas condições de campo estudadas.

The objective of this study was to validate prediction models for milk urea nitrogen, aiming at evaluating the efficiency utilization of diets of a dairy cows' herd. Data (8,833 observations) from Holstein cows were used, belonging to a commercial herd. Milk yield, body weight, days in milk and parity were recorded on the milk sampling days. From the database, monthly averages were calculated, attempting to study the herd. Model 1 for predicting milk urea nitrogen was developed by Jonker et al. (1998) and models 2 and 3 by Kauffman & St-Pierre (2001). In order to evaluate models, accuracy, precision and robustness of those three models were tested. Lack of accuracy was found for models 1 (mean bias=2.60mg/dL) and 2 (mean bias=-1.95mg/dL), while model 3 was accurate (mean bias=-0.89mg/dL). However, precision among models 1, 2 and 3 did not differ (residual error=3.72, 2.68and 2.64mg/dL, respectively). Models 1 and 2 did not show robustness for days in milk, nor model 1 for fat percentage. Among the 3 models studied, model 3 was the best evaluated when the aim is to estimate milk urea nitrogen concentrations or to predict urinary nitrogen excretion of a Holstein cows' herd in the field conditions evaluated.

Importância das desordens do periparto e seus fatores de risco sobre a produção de leite de vacas Holandesas / Importance of calving diseases and risk factors on milk production of Holsteins cows

Este estudo correlacional investigou os efeitos das ocorrências sanitárias do periparto e seus respectivos fatores de risco sobre a produção de leite, no pico e aos 305 dias em lactação. Vacas Holandesas (n = 522) de um rebanho comercial do Estado de São Paulo tiveram seu desempenho sanitário e nutricional acompanhados desde o início do período pré-parto até o final da lactação. A ocorrência de doenças, os escores de condição corporal (no pré-parto e parto), as produções de leite e as composições do leite foram registradas. Para análise estatística dos dados, foram utilizadas a regressão logística e a análise de regressão múltipla. Os resultados obtidos demonstraram que as doenças do periparto e seus fatores de risco afetaram a produção de leite com efeitos diferentes em função do número de lactações, exigindo desta maneira maior cuidado com adoção de medidas profiláticas para se evitar as doenças e maximizar a produção de leite dos animais.

This correlational study investigated the effects of the peripartum health disorders and your respective risk factors about the milk production, in the peak and to the 305 days in lactation. Holsteins cows (n = 522) of a commercial herd of the State of São Paulo, had your health and nutritional status accompanied since the beginning of the period pre-calving to the end of the lactation. Occurrence of diseases, score of body condition (at the dry off and calving), daily milk productions and milk compositions, were recorded. For statistical analysis of the data, the logistics regression and the analysis of multiple regression were used. The obtained results demonstrated that the diseases of the peripartum and your risk factors affected the milk production with different effects in function of the lactation numbers, demanding this way, larger care with the prophylactic measures to avoid the diseases, and to maximize the production of milk and the reproduction of the animals.

Validation of models to predict milk urea nitrogen concentrations, using herd intake to estimate individual dry matter intake - DOI: 10.4025/actascianimsci.v28i1.666 / Validação de modelos de predição de nitrogênio uréico no leite, estimando-se o consumo individual pelo consumo do rebanho - DOI: 10.4025/actascianimsci.v28i1.666

The objective of this study was to validate prediction models for milk urea nitrogen (MUN), aiming at evaluating utilization efficiency of diets for dairy cows. Data (8,833 observations) from Holstein cows were used. Milk production, body weight, days in milk and lactation number were collected on the milk sampling days. Milk samples were collected monthly for composition analysis. In order to evaluate the three models, accuracy, precision and robustness were tested. Despite being more accurate (mean bias=-0.21 mg/dL), model 3 was less precise (residual error=5.24 mg/dL) than model 2 (mean bias=-1.72 and residual error=4.90 mg/dL), while model 1 was the least accurate (mean bias=2.93 mg/dL) and the least precise (residual error=5.99 mg/dL). There was lack of robustness for the three models. Models for predicting MUN differ among themselves with regard to accuracy, precision and robustness.

O objetivo deste trabalho foi validar modelos de predição de nitrogênio uréico no leite (NUL), visando contribuir para avaliação nutricional de dietas de vacas. Foram utilizadas 8.833 observações de vacas holandesas de um rebanho comercial. A produção de leite, o peso vivo, o número de dias em lactação e o número de lactações foram coletados no dia da amostragem do leite. Amostras de leite foram coletadas mensalmente para determinação da sua composição. Para a avaliação dos 3 modelos, foram medidas acurácia, precisão e robustez. O modelo 3, apesar de mais acurado (viés=-0,21 mg/dL), foi menos preciso (erro residual=5,24 mg/dL) que o modelo 2 (viés=-1,72 e erro residual=4,90 mg/dL), enquanto o modelo 1 foi o menos acurado (viés=2,93 mg/dL) e o menos preciso (erro residual=5,99 mg/dL). Houve falta de robustez para os 3 modelos. Os três modelos de predição de NUL diferiram entre si quanto à acurácia, precisão e robustez.

Validação da metodologia de citometria de fluxo para avaliação da contagem bacteriana do leite cru / Evaluation of flow cytometry as a method for total bacterial count of raw milk

O objetivo do trabalho foi avaliar a utilização da metodologia de citometria de fluxo na determinação da contagem bacteriana total (CBT) do leite cru. No primeiro estudo foi avaliado o efeito da temperatura de armazenamento, da idade da amostra e do tipo conservante sobre a CBT. Também foi estudada a possibilidade de se utilizar uma única amostra de leite para a realização das análises previstas na Instrução Normativa 51 (IN-51). Foram testadas, três temperaturas de armazenamento (0oC congelado, 7oC resfriamento e 24 oC ambiente), três conservantes (bronopol, azidiol e sem conservante) e quatro tempos entre a coleta e a análise (idade da amostra) (um (D1), três (D3), cinco (D5) e sete (D7) dias). Foi considerado tratamento controle para análise de CBT, amostras refrigeradas, com azidiol e com um dia de idade. Para as análises de composição e CCS, o tratamento controle foram amostras refrigeradas, com bronopol e com um dia de idade. Os resultados indicaram que será necessária a coleta de duas amostras, uma destinada à determinação de CCS e composição, contendo bronopol e, outra, para CBT, contendo azidiol. A amostra para CBT poderá ser analisada em até sete dias após a coleta, desde que mantida sob refrigeração à 7ºC. Deve-se evitar o aquecimento ou o congelamento da amostra para CBT, bem como garantir a adição do azidiol. O segundo estudo teve como objetivo estabelecer a correlação entre os métodos de referência e de citometria de fluxo na determinação da CBT. Amostras coletadas nos meses de junho à setembro (n=155) foram agrupadas considerando-se estação da seca e as coletadas nos meses de novembro e dezembro (n=68), estação das águas. Foram realizadas análises simultâneas pelos métodos de referência (contagem padrão em placas) e de citometria de fluxo (equipamento Bactocount), sendo os resultados expressos em unidades formadoras de colônia (UFC) e contagem individual de bactérias (CIB), respectivamente. As equações lineares de correlação entre a CIB e UFC foram semelhantes nas estações, indicando que uma única equação pode ser utilizada ao longo do ano para transformar os resultados de CIB para UFC. A equação linear obtida foi: log(UFC) = log(CIB) x 0,7224 + 1,4617 com coeficiente de correlação de 0,8125. A acurácia do equipamento Bactocount na estimativa do valor de referência, expressa pelo erro padrão (s(y,x)), foi de 0,309 log UFC/mL. Os resultados mostraram que o equipamento Bactocount pode ser calibrado para expressar os resultados em UFC e com isso ser utilizado no monitoramento da qualidade do leite

The objective of this study was to evaluate the utilization of electronic flow cytometry to determine total bacterial count (TBC) of raw milk. In the first experiment, the effect of storage temperature, sample age and milk preservative type on TBC were evaluated. Additionally, the use of a single milk sample to performance regulatory milk analysis under the Normative Instruction 51 (NI-51) was tested. Effects were standardized as: three storage temperatures (0ºC freezer, 7ºC refrigerator and 24ºC room temperature), four sample ages (1 (D1), 3 (D3), 5 (D5) and 7 (D7) days) and three milk preservatives (bronopol, azidiol and no preservative). Control treatment for TBC analysis was defined as refrigerated milk samples containing azidiol with 1 day of storage. For determination of milk components and somatic cell count (SCC), control treatment was defined as refrigerated milk samples containing bronopol with 1 day of storage. Results of the first experiment showed that two milk samples are necessary to performance regulatory milk analysis under the NI-51; one containing bronopol should be used for determination of milk components and SCC, and other containing azidiol for TBC. Milk samples used for TBC can be tested until 7 days after sampling when they are kept at 7ºC. Freezing or heating milk samples for TBC analysis should be avoided and addition of azidiol is always necessary. The second experiment was designed to determine a correlation between two methods of TBC, electronic flow cytometry and standard plate count. Milk samples collected from June to September (n = 155) were named as dry season samples and milk samples collected in November and December (n = 68) were named as rainy season samples. Each milk sample was used to run both methods of TBC. Results were expressed as individual bacterial count (IBC) and colony forming unit (CFU) for electronic flow cytometry (Bactocount) and standard plate count, respectively. The linear equations of correlation between IBC and CFU had similar patterns in both seasons, dry and rainy, indicating that a single equation can be used to transform IBC results in CFU along the year. The linear equation was defined as log(CFU) = 0.7224 x log(IBC) + 1.4617 with coefficient of correlation of 0.8125. The accuracy of Bactocount in estimating reference values, denoted by the standard error (s(y,x)), was 0.309 log CFU/mL. The results showed that Bactocount can be calibrated to express TBC readings in CFU and, consequently, be used to monitor milk quality