Monitoring animal production results in real time is a challenge. Existing management information systems (MIS) in pig production are typically based on static statements of selected key figures. The objective of this paper is to develop a dynamic monitoring system for litter size at herd and sow level, with weekly updates. For this purpose, a modified litter size model, based on an existing model found in the literature, is implemented using dynamic linear models (DLMs). The variance components are pre-estimated from the individual herd database using a maximum-likelihood technique in combination with an Expectation-Maximization (EM) algorithm applied on a larger dataset with observations from 15 herds. The model includes a set of parameters describing the parity-specific mean litter sizes (herd level), a time trend describing the genetic progress (herd level), and the individual sow effects (sow level). It provides reliable forecasting with known precision, on a weekly basis, for future production. Individual sow values, useful for the culling strategy, are also computed. In a second step, statistical control tools are applied. Shewhart Control Charts and Vmasks are used to give warnings in case of impaired litter size results. The model is applied on data from 15 herds, each of them including a period ranging from 150 to 800 weeks. For each herd, the litter size profile, the litter size over time, the sow

No abstract

Se estimó la curva de prolificidad media de cinco poblaciones tipo de cerdas obtenidas a partir de una muestra de 53 granjas comerciales (24 españolas, 19 danesas y 10 cubanas) para compararlas y analizar posteriormente su impacto sobre la política óptima de reemplazamiento de cerdas reproductoras. Los parámetros de la curva de prolificidad de las cinco poblaciones mostraron diferencias (P<0,05) que permitieron asociar el tamaño de la camada al primer parto y el máximo tamaño de camada alcanzado con una prolificidad más elevada. En cambio, la pendiente con la que la prolificidad desciende con la edad no mostró diferencias entre las poblaciones. Posteriormente, se analizó el impacto de la prolificidad sobre la política óptima de reemplazamiento. Con ese propósito, se simuló la dinámica productiva de cinco granjas de cerdas con idénticos parámetros excepto en su prolificidad, para la que se consideró cada una de las curvas estimadas previamente. En cada caso se calculó la política óptima de reemplazamiento y se analizó la estructura censal e índices técnicos y económicos asociados. Los índices técnicos y económicos mostraron diferencias entre las cinco granjas (P<0,05). Así, se encontró que mientras el ritmo productivo era similar en todas las poblaciones, la longevidad y estructura censal variaba. Se apreció un acortamiento de la longevidad con prolificidad elevada y viceversa, asociado a una concentración de cerdas superior en la franja más productiva de entre 2 y 7 partos, sin aumentar necesariamente la tasa de reposición. También se demostró que los ingresos netos de las granjas analizadas dependían fundamentalmente de los lechones destetados por cerda y año, así como que una baja prolificidad conducía a reemplazamientos tardíos en relación directa con la amortización de los reproductores.Palabras clave: Manejo reproductivo, remplazo óptimo, tamaño de camada, productividad.

Abstract:Good management in animal production systems is becoming of paramount importance. The aim of this paper was to develop a dynamic monitoring system for farrowing rate. A farrowing rate model was implemented using a Dynamic Generalized Linear Model (DGLM). Variance components were pre-estimated using an Expectation-Maximization (EM) algorithm applied on a dataset containing data from 15 herds, each of them including insemination and farrowing observations over a period ranging from 150 to 800 weeks. The model included a set of parameters describing the parity-specific farrowing rate and the re-insemination effect. It also provided reliable forecasting on weekly basis. Statistical control tools were used to give warnings in case of impaired farrowing rate. For each herd, farrowing rate profile, analysis of model components over time and detection of alarms were computed. Together with a previous model for litter size data and a planned similar model for mortality rate, this model will be an important basis for developing a new, dynamic, management tool.

No abstract