Identificación de parámetros productivos y ambientales críticos en granjas porcícolas comerciales industriales: Un enfoque cualitativo desde Antioquia, Colombia

Oscar Hernan Velasquez-Arboleda; Ricardo Colmenares-Flórez; Janeth Areiza-Gómez; José Daniel Aguirre-Hoyos

doi:10.33571/rpolitec.v22n43a8

Autores/as

Oscar Hernan Velasquez-Arboleda Politécnico Colombiano Jaime Isaza Cadavid https://orcid.org/0000-0002-4332-0624
Ricardo Colmenares-Flórez Politécnico Colombiano Jaime Isaza Cadavid https://orcid.org/0000-0003-3215-8868
Janeth Areiza-Gómez Politécnico Colombiano Jaime Isaza Cadavid https://orcid.org/0009-0001-8083-3752
José Daniel Aguirre-Hoyos Politécnico Colombiano Jaime Isaza Cadavid https://orcid.org/0009-0002-8511-798X

DOI:

https://doi.org/10.33571/rpolitec.v22n43a8

Palabras clave:

parámetros zootécnicos, monitoreo ambiental, porcicultura comercial, IoT, bienestar animal, Antioquia

Resumen

Objetivo: Identificar y priorizar los parámetros productivos, ambientales, sanitarios y de bienestar críticos en granjas porcícolas de la categoría Comercial Industrial del departamento de Antioquia, Colombia, como insumo fundamental para el diseño de un paquete tecnológico basado en Internet de las Cosas (IoT) e Inteligencia Artificial (IA).

Metodología: Se empleó un enfoque mixto con diseño no experimental de tipo observacional, complementado con elementos de Investigación-Acción Participativa (IAP). En la fase cualitativa se realizaron entrevistas semiestructuradas y grupos focales con productores porcícolas, médicos veterinarios y zootecnistas de la región, con mínimo dos años de experiencia en el manejo de granjas comerciales. Los datos fueron analizados mediante codificación temática siguiendo el protocolo de Braun y Clarke (2006).

Resultados: Se identificaron y priorizaron 47 parámetros distribuidos en cuatro categorías: (1) zootécnicos/productivos: indicadores generales, fase reproductiva y fase de ceba; (2) ambientales: variables térmicas, gases tóxicos y manejo ambiental; (3) sanitarios; y (4) de bienestar animal. Los parámetros con mayor consenso entre los expertos fueron: kilogramos vendidos por hembra al año, índice de conversión alimenticia, temperatura ambiental, concentración de amoníaco (NH₃) y mortalidad por fase.

Conclusiones: La identificación sistemática de estos parámetros sienta las bases metodológicas para el desarrollo de una plataforma de monitoreo integrado IoT-IA que permita la toma de decisiones basada en datos en granjas comerciales industriales de Antioquia. Este trabajo constituye el primer producto del proyecto de investigación del Grupo GIBA del Politécnico Colombiano Jaime Isaza Cadavid.

Objective: To identify the critical productive, environmental, health, and welfare parameters in swine farms of the Industrial Commercial category in Antioquia, Colombia, as an input for the design of a technological package based on the Internet of Things (IoT) and Artificial Intelligence (AI).

Methodology: A mixed-methods approach with a non-experimental observational design, complemented by elements of Participatory Action Research (PAR). In the qualitative phase, semi-structured interviews and focus groups were conducted with participants experienced in commercial farms, which were analyzed using thematic coding [1].

Results: Forty-seven (47) parameters were prioritized and distributed into four categories: (1) zootechnical/productive: general indicators, reproductive phase, and fattening; (2) environmental: thermal variables, toxic gases, and environmental management; (3) health; and (4) animal welfare.

Conclusions: This study lays the methodological foundations for the development of an IoT-AI system that enables data-driven decision-making in industrial commercial farms in Antioquia.

Métricas de artículo

Resumen: 42 PDF: 8

Métricas PlumX

Biografía del autor/a

Oscar Hernan Velasquez-Arboleda, Politécnico Colombiano Jaime Isaza Cadavid

Facultad de Ciencias Agrarias, Grupo de Investigación GIBA

Ricardo Colmenares-Flórez, Politécnico Colombiano Jaime Isaza Cadavid

Facultad de Ciencias Agrarias, Grupo de Investigación GIBA

Janeth Areiza-Gómez, Politécnico Colombiano Jaime Isaza Cadavid

Facultad de Ciencias Agrarias, Grupo de Investigación GIBA

José Daniel Aguirre-Hoyos, Politécnico Colombiano Jaime Isaza Cadavid

Facultad de Ingenierías, Semillero Ícaro

Citas

[1] PorkColombia & Instituto Colombiano Agropecuario. (2025). Estadísticas del sector porcícola colombiano 2024–2025. PorkColombia. https://www.porkcolombia.co

[2] Instituto Colombiano Agropecuario. (2025). Censos pecuarios nacionales 2024–2025. ICA. https://www.ica.gov.co

[3] Instituto Colombiano Agropecuario. (2020). Resolución No. 076509 de 2020: Por medio de la cual se establecen los requisitos para obtener la certificación de las granjas porcícolas en buenas prácticas ganaderas. ICA. https://www.ica.gov.co

[4] Colmenares-Flórez, R., Restrepo-Vélez, C., Areiza-Gómez, J., Velásquez-Arboleda, O. H., Mejía-Castrillón, J. C., & Correa-Torres, C. M. (2025). Informe de investigación Diseño de un paquete tecnológico validado basado en IoT e IA para la medición de parámetros productivos y ambientales en granjas comerciales industriales porcícolas [Documento de proyecto FIN01]. Grupo GIBA, Politécnico Colombiano Jaime Isaza Cadavid.

[5] Rauw, W. M., Mayorga, E. J., Lei, S. M., Dekkers, J. C. M., Patience, J. F., Gabler, N. K., Lonergan, S. M., & Baumgard, L. H. (2020). Impact of environmental temperature on production traits in pigs. Scientific Reports, 10(1), Artículo 2721. https://doi.org/10.1038/s41598-020-58981-w

[6] Buoio, E., Cialini, C., & Costa, A. (2023). Air quality assessment in pig farming: The Italian Classyfarm. Animals, 13(14), Artículo 2297. https://doi.org/10.3390/ani13142297

[7] Wang, X., Wang, M., Chen, S., Zhang, Y., Liu, Q., Hu, L., & Zheng, T. (2020). Ammonia exposure causes lung injuries and disturbs pulmonary circadian clock gene network in a pig study. Ecotoxicology and Environmental Safety, 205, Artículo 111050. https://doi.org/10.1016/j.ecoenv.2020.111050

[8] Lagua, E. B., Mun, H. S., Ampode, K. M. B., Chem, V., Kim, Y. H., & Yang, C. J. (2024). Minimum carbon dioxide is a key predictor of the respiratory health of pigs in climate-controlled housing systems. Porcine Health Management, 10, Artículo 55. https://doi.org/10.1186/s40813-024-00408-3

[9] Koketsu, Y., Tani, S., & Iida, R. (2020). Farm data analysis for lifetime performance components of sows and their predictors in breeding herds. Porcine Health Management, 6, Artículo 24. https://doi.org/10.1186/s40813-020-00163-1

[10] Gormley, A., Jang, K. B., Garavito-Duarte, Y., Deng, Z., & Kim, S. W. (2024). Impacts of maternal nutrition on sow performance and potential positive effects on piglet performance. Animals, 14(13), Artículo 1858. https://doi.org/10.3390/ani14131858

[11] Guan, R., Wu, J., Wang, Y., Chen, X., Zhang, W., & Yang, Y. (2023). Comparative analysis of productive performance and fattening efficiency of commercial pigs in China for two consecutive years. Scientific Reports, 13, Artículo 8154. https://doi.org/10.1038/s41598-023-35430-y

[12] Navales, R. A. S., Tokach, M. D., DeRouchey, J. M., Woodworth, J. C., Goodband, R. D., & Dritz, S. S. (2025). Technologies and practices to improve feed and nutrient utilization by pigs. Journal of Animal Science, 103, Artículo skaf043. https://doi.org/10.1093/jas/skaf043

[13] Sanz-Fernández, S., Rodríguez-Hernández, P., Díaz-Gaona, C., Tusell, L., Quintanilla, R., & Rodríguez-Estévez, V. (2024). Evolution of sow productivity and evaluation parameters: Spanish farms as a benchmark. Veterinary Sciences, 11(12), Artículo 626. https://doi.org/10.3390/vetsci11120626

[14] Knol, E. F., & Neeteson-van Nieuwenhoven, A.-M. (2023). Genetic and phenotypic time trends of litter size, piglet mortality, and birth weight in pigs. Frontiers in Animal Science, 4, Artículo 1218175. https://doi.org/10.3389/fanim.2023.1218175

[15] Boonkum, W., Permthongchoochai, S., Chankitisakul, V., & Duangjinda, M. (2025). Genetic strategies for enhancing litter size and birth weight uniformity in piglets. Frontiers in Veterinary Science, 12, Artículo 1512701. https://doi.org/10.3389/fvets.2025.1512701

[16] Will, K. J., Magalhães, E. S., Moura, C. A. A., Trevisan, G., Silva, G. S., Mellagi, A. P. G., Ulguim, R. R., Bortolozzo, F. P., & Linhares, D. C. L. (2024). Risk factors associated with piglet pre-weaning mortality in a Midwestern U.S. swine production system from 2020 to 2022. Preventive Veterinary Medicine, 232, Artículo 106316. https://doi.org/10.1016/j.prevetmed.2024.106316

[17] Paiva, R. C., Moura, C. A., Thomas, P., Haberl, B., Greiner, L., Rademacher, C. J., Silva, A. P. S. P., Trevisan, G., Linhares, D. C. L., & Silva, G. S. (2023). Risk factors associated with sow mortality in breeding herds under one production system in the Midwestern United States. Preventive Veterinary Medicine, 213, Artículo 105883. https://doi.org/10.1016/j.prevetmed.2023.105883

[18] Gebhardt, J. T., Tokach, M. D., Dritz, S. S., DeRouchey, J. M., Woodworth, J. C., Goodband, R. D., & Henry, S. C. (2020). Postweaning mortality in commercial swine production. I: Review of non-infectious contributing factors. Translational Animal Science, 4(2), 462–484. https://doi.org/10.1093/tas/txaa068

[19] Johnson, J. S., & Cecil, C. F. (2025). Heat stress matters: Insights from United States swine producers. Translational Animal Science, 9(1), Artículo txaf001. https://doi.org/10.1093/tas/txaf001

[20] Hu, Z., Yang, Q., Tao, Y., Shi, L., Tu, J., & Wang, Y. (2023). A review of ventilation and cooling systems for large-scale pig farms. Sustainable Cities and Society, 89, Artículo 104372. https://doi.org/10.1016/j.scs.2022.104372

[21] Peng, S., Zhu, J., Liu, Z., Hu, B., Wang, M., & Pu, S. (2023). Prediction of ammonia concentration in a pig house based on machine learning models and environmental parameters. Animals, 13(1), Artículo 165. https://doi.org/10.3390/ani13010165

[22] Parsiegel, R., Budag Becker, M., Gollnow, K., Freitag, C., Pöschel, K., & Hornig, G. (2025). Virtual MOS sensor array design for ammonia monitoring in pig barns. Sensors, 25(8), Artículo 2617. https://doi.org/10.3390/s25082617

[23] Park, J., Kang, T., Heo, Y., Lee, K., Kim, K., Lee, K., & Yoon, C. (2020). Evaluation of short-term exposure levels on ammonia and hydrogen sulfide during manure-handling processes at livestock farms. Safety and Health at Work, 11(1), 109–117. https://doi.org/10.1016/j.shaw.2019.12.007

[24] Pessoa, J., Camp Montoro, J., Pina Nunes, T., Norton, T., McAloon, C., Garcia Manzanilla, E., & Boyle, L. (2022). Environmental risk factors influence the frequency of coughing and sneezing episodes in finisher pigs on a farm free of respiratory disease. Animals, 12(8), Artículo 982. https://doi.org/10.3390/ani12080982

[25] Congreso de la República de Colombia. (2016). Ley 1774 de 2016: Por medio de la cual se modifican el Código Civil, la Ley 84 de 1989, el Código Penal, el Código de Procedimiento Penal y se dictan otras disposiciones. Diario Oficial, (49747). https://www.secretariasenado.gov.co

[26] Stygar, A. H., Gómez, Y., Berteselli, G. V., Costa, E. D., Canali, E., Niemi, J. K., Llonch, P., & Pastell, M. (2021). A systematic review on validated precision livestock farming technologies for pig production and its potential to assess animal welfare. Frontiers in Veterinary Science, 8, Artículo 660565. https://doi.org/10.3389/fvets.2021.660565

[27] Larsen, M. L. V., Wang, M., & Norton, T. (2021). Information technologies for welfare monitoring in pigs and their relation to Welfare Quality®. Sustainability, 13(2), Artículo 692. https://doi.org/10.3390/su13020692

[28] Rubio Fuentes, M., Rubio Cifuentes, G. A., Ramírez Restrepo, S. A., & Arroyave Tobón, S. A. (2025). Implementation of an IoT-based livestock monitoring system using Mioty technology. Internet Technology Letters, 8(1), Artículo e70141. https://doi.org/10.1002/itl2.70141

[29] Wang, S., Jiang, H., Qiao, Y., Jiang, S., Lin, H., & Sun, Q. (2022). The research progress of vision-based artificial intelligence in smart pig farming. Sensors, 22(17), Artículo 6541. https://doi.org/10.3390/s22176541

[30] Mateo-Fornes, M., Gimeno-Blanes, F. J., García-Sánchez, A. J., & García-Haro, J. (2025). IoT system for monitoring breeding sows in swine farms. IEEE Internet of Things Journal. https://doi.org/10.1109/JIOT.2025.3526358

[31] Akinyemi, B. E., Vigors, B., Turner, S. P., Roehe, R., D’Eath, R. B., & Lawrence, A. B. (2023). Precision livestock farming: A qualitative exploration of swine industry stakeholders. Frontiers in Animal Science, 4, Artículo 1150528. https://doi.org/10.3389/fanim.2023.1150528

[32] Ritter, C., Koralesky, K. E., Saraceni, J., Roche, S., Vaarst, M., & Kelton, D. (2023). Invited review: Qualitative research in dairy science—A narrative review. Journal of Dairy Science, 106(9), 5880–5895. https://doi.org/10.3168/jds.2022-23125

[33] Ministerio de Salud de Colombia. (1993). Resolución 8430 de 1993: Por la cual se establecen las normas científicas, técnicas y administrativas para la investigación en salud. Ministerio de Salud. https://www.minsalud.gov.co

[34] Congreso de la República de Colombia. (2012). Ley 1581 de 2012: Por la cual se dictan disposiciones generales para la protección de datos personales. Diario Oficial, (48587). https://www.funcionpublica.gov.co

[35] Consejo de la Unión Europea. (2009). Directiva 2008/120/CE del Consejo, de 18 de diciembre de 2008, relativa a las normas mínimas para la protección de cerdos. Diario Oficial de la Unión Europea, L 47, 5–13. https://eur-lex.europa.eu/legal-content/ES/TXT/?uri=CELEX:32008L0120

[36] Chidgey, K. L. (2024). Review: Space allowance for growing pigs: Animal welfare, performance and on-farm practicality. Animal, 18(Supl. 1), Artículo 100890. https://doi.org/10.1016/j.animal.2023.100890

[37] Occupational Safety and Health Administration. (s.f.). Carbon monoxide. U.S. Department of Labor. https://www.osha.gov/carbon-monoxide

[38] Vaarst, M., Ritter, C., Saraceni, J., Roche, S., Koralesky, K. E., & Kelton, D. F. (2024). Invited review: Qualitative social and human science research focusing on actors in and around dairy farming. Journal of Dairy Science, 107(12), 10050–10065. https://doi.org/10.3168/jds.2024-25329