0
La monitorización efectiva de los patrones de consumo de agua es crucial para mejorar la salud y el bienestar en la producción porcina. Comprender su dinámica y los factores que la influyen puede contribuir a la detección temprana de problemas de bienestar y optimizar el manejo de la granja.
Objetivo: Este estudio analizó datos históricos de consumo de agua en cerdos de engorde y desarrolló un modelo predictivo para capturar dicha dinámica.
Métodos: Se realizó un estudio retrospectivo utilizando treinta series temporales de registros horarios de consumo de agua recopilados durante un período de tres años de cinco lotes de cerdos de engorde. Se empleó un modelo autorregresivo de media móvil con variables exógenas (ARMAX) para tener en cuenta la autocorrelación de los datos e incluir covariables ambientales y fisiológicas, como la temperatura, la concentración de amoníaco y el día de engorde.
Resultados: El consumo de agua aumentó progresivamente a lo largo del período de engorde, siguiendo un ritmo circadiano. Los factores externos, en particular la temperatura ambiente, afectaron significativamente tanto las tendencias a largo plazo como las fluctuaciones diarias. Se observaron dos patrones de consumo distintos según las condiciones de temperatura de la granja.
Conclusión: El modelo ARMAX demostró una gran precisión en la predicción del consumo de agua, capturando eficazmente las tendencias y las desviaciones en dicho consumo. El consumo de agua en cerdos de engorde está determinado por patrones temporales internos y factores ambientales. Mediante un modelo ARMAX, se integran componentes autorregresivos y de media móvil con covariables clave para predecir con precisión el consumo horario. Este enfoque demuestra el valor de combinar diversas fuentes de datos para mejorar la gestión de la salud y el bienestar animal.
Marroco, M., Fernández-Fontelo, A., Segalés, J. et al. Modeling and predicting water consumption in fattening pigs using autoregressive moving average with external parameters. Sci Rep 16, 10027 (2026). https://doi.org/10.1038/s41598-026-40343-7
