Entre a ración que formula o nutrólogo e a que chega ao presebe poden aparecer diferenzas. Un ingrediente cargado de máis, unha variación na pesaxe ou unha incidencia durante a repartición alteran o previsto e non sempre quedan rexistrados. QLUNICO traballou sobre ese problema: coñecer con precisión que se subministra aos animais e aproveitar esa información para mellorar a xestión da alimentación. O grupo operativo está liderado por CLUN e conta con Aldaba Servicios Profesionales e a gandería SAT Cavadas 941 Xuga como entidades participantes. Medrar Innovation Office asumiu a coordinación como axente de innovación.
O traballo conxunto permitiu conectar a experiencia dos profesionais da alimentación e dos gandeiros co desenvolvemento tecnolóxico. Medrar interveu tamén no deseño da infraestrutura de datos e na avaliación das recomendacións, buscando que as ferramentas respondan ás condicións reais de traballo.
Saber que se carga e que se reparte
O primeiro resultado é un dispositivo que combina equipos electrónicos e unha aplicación de cabina. Conéctase con elementos do carro, como a báscula e a impresora, para rexistrar as operacións e transmitir a información ao sistema de xestión de CLUN. Durante a carga, a pantalla mostra o ingrediente que corresponde engadir, o peso rexistrado e os quilos pendentes. Ao rematar o servizo, queda constancia das cantidades subministradas, das diferenzas respecto ao programado e do tempo empregado. Isto permite reconstruír o ocorrido e revisar as desviacións con información concreta. O sistema deseñouse para adaptarse a distintos modelos de carro mesturador, unha condición importante nunha cooperativa que traballa con maquinaria de diferentes características. Os dous prototipos previstos fabricáronse e validáronse en condicións reais de traballo, incorporando axustes a partir das incidencias observadas.
A conectividade tamén se tivo en conta. Cando non hai cobertura, o equipo conserva os rexistros e permite continuar a ruta. A información sincronízase coa cooperativa cando volve a conexión.
Ademais do control das racións, a solución rexistra incidencias e horas de funcionamento para planificar o mantemento segundo o uso de cada vehículo. Os datos do servizo alimentan tamén procesos administrativos, como a facturación aos socios e a preparación dos rexistros de traballo dos condutores.
Comparar alternativas antes de cambiar a ración
Coa captura de datos resolta, QLUNICO desenvolveu un sistema de intelixencia artificial para estudar alternativas de alimentación. O seu funcionamento combina dous pasos: estimar a produción de leite asociada a unha ración e buscar unha composición de menor custo que cumpra os requisitos establecidos. O cálculo ten en conta a dispoñibilidade de ingredientes e condicións nutricionais como o consumo de materia seca, o mínimo de fibra e o máximo de amidón. Tamén permite fixar unha produción mínima e limitar canto pode cambiar cada ingrediente respecto á ración habitual.
O resultado é unha proposta que indica os quilos por vaca de cada compoñente, o custo estimado e a produción prevista. Esa proposta pode traducirse ás cantidades que deben cargarse no carro, facilitando a súa valoración e aplicación por parte dos responsables de alimentación. A información preséntase en tres vistas: un resumo do rexistrado na granxa, unha sección de predicións e un apartado para comparar racións. O usuario pode consultar como evolucionan a produción e os custos, simular cambios e coñecer a marxe de erro das estimacións.
As recomendacións contrastáronse con rexistros de explotación e cos gandeiros para axustar a súa aplicación ao traballo diario. O aforro económico constitúe un beneficio potencial do sistema; a documentación dispoñible aínda non ofrece unha cuantificación global do aforro conseguido.
Unha vía para estender a innovación desde a cooperativa
ITG explorou tamén a aprendizaxe automática cuántica aplicada á alimentación do gando. Para iso, avaliou tres modelos que utilizan as cantidades de ingredientes da ración e outros datos da explotación para predicir a produción de leite. As probas realizáronse mediante simulacións en ordenadores convencionais e permitiron comprobar o potencial destas técnicas con datos reais. Trátase dunha primeira aproximación para estudar que pode achegar a computación cuántica ás decisións de alimentación, sen que se demostrase aínda unha vantaxe fronte aos métodos clásicos.
QLUNICO conta con financiamento da Axencia Galega da Calidade Alimentaria (AGACAL), dependente da Xunta de Galicia, a través das axudas a proxectos innovadores dos grupos operativos da Asociación Europea da Innovación. Estas axudas están cofinanciadas polo Fondo Europeo Agrícola de Desenvolvemento Rural (FEADER), no marco do Plan Estratéxico da PAC 2023-2027.
