En la producción porcina, la fase reproductiva representa un punto crítico para la rentabilidad de las explotaciones. Actualmente, la asignación de dosis seminales a las cerdas listas para inseminación se realiza de forma aleatoria o basada exclusivamente en la experiencia del personal de granja. Esta práctica no considera de manera sistemática las múltiples variables que influyen en el éxito reproductivo, como las características del semen, el historial reproductivo de la cerda, o el momento óptimo del ciclo reproductivo. Esta aleatoriedad en la toma de decisiones introduce una gran variabilidad, lo que puede impactar directamente en la eficiencia y sostenibilidad económica de las explotaciones.
Desde la Universidad de Murcia (UMU), se ha desarrollado un modelo predictivo basado en técnicas de machine learning que analiza datos reales del proceso reproductivo porcino.
Su objetivo es identificar las combinaciones macho–hembra con mayor probabilidad de éxito a partir de variables como la calidad espermática y conservación del eyaculado, el estado físico y reproductivo de la cerda, y las condiciones del proceso de inseminación; optimizando así los emparejamientos en el momento de la inseminación artificial.
La aplicación práctica de este modelo permite transformar un proceso tradicionalmente aleatorio en una decisión estratégica basada en datos, mejorando la productividad (más lechones por parto, mayor peso medio de camada), reduciendo la variabilidad y aumentando la rentabilidad de la explotación. El sistema genera un ranking de emparejamientos óptimos entre las dosis disponibles de semen y las cerdas listas para inseminación.
Beneficios:
- Incremento del rendimiento reproductivo mediante la asignación óptima de verracos y cerdas.
- Mejora en la eficiencia del uso del semen al evitar emparejamientos con baja probabilidad de éxito.
- Reducción de la variabilidad en los resultados productivos gracias al uso de datos históricos y modelos predictivos.
- Apoyo a la toma de decisiones en granja mediante rankings objetivos de emparejamientos reproductivos.
El objetivo del contacto es obtener feedback comercial sobre la tecnología para orientarla hacia las necesidades del mercado y buscar una colaboración que conduzca a la explotación del sistema propuesto.
Institución: Universidad de Murcia
TRL: El modelo se encuentra en fase de desarrollo y validación. Se están ampliando las bases de datos y ajustando los modelos para mejorar su precisión y aplicabilidad.
Financiación: Prueba de Concepto – Fundación Séneca
Contacto: Ana Carlota de la Cruz Abad / a.cruz@viromii.com