https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (8-15)
ISSN: 2960-8317
8
Artículo de investigación
Dinámica de crecimiento y categorización funcional del ganado
lechero mediante monitoreo electrónico
Growth dynamics and functional categorization of dairy cattle using electronic
monitoring
Luis Rodrigo Balarezo Urresta*
Universidad Politécnica Estatal del Carchi
Tulcán - Ecuador
luis.balarezo@upec.edu.ec
https://orcid.org/0000-0001-5546-1259
Hernán Rigoberto Benavides Rosales
Universidad Politécnica Estatal del Carchi
Tulcán - Ecuador
hernan.benavides@upec.edu.ec
https://orcid.org/0000-0001-9236-3076
Segundo Ramiro Mora Quilismal
Universidad Politécnica Estatal del Carchi
Tulcán - Ecuador
segundo.mora@upec.edu.ec
https://orcid.org/0000-0003-0487-4883
*Correspondencia:
luis.balarezo@upec.edu.ec
Cómo citar este artículo:
Balarezo, L., Benavides, H., & Mora, S.
(2026).
Dinámica de crecimiento y
categorización funcional del ganado lechero
mediante monitoreo electrónico. Esprint
Investigación, 5(1), 8-15.
https://doi.org/10.61347/ei.v5i1.230
Recibido: 27 de noviembre de 2025
Aceptado: 30 de diciembre de 2025
Publicado: 5 de enero de 2026
Resumen: La ganadería lechera requiere herramientas de monitoreo que permitan
optimizar la eficiencia productiva y mejorar la toma de decisiones en los sistemas de
producción animal. El objetivo de este estudio fue evaluar la dinámica de crecimiento y
la categorización funcional del ganado lechero mediante el monitoreo electrónico del
peso corporal. La investigación se desarrolló durante un período de 12 meses en un hato
lechero, donde se evaluaron 42 bovinos mediante una báscula electrónica Tru-Test
EzyWeigh7, clasificándolos en categorías funcionales: vacas en producción, vacas secas,
vaquillas, novillos (fierros) y terneras. Los datos obtenidos se analizaron mediante
estadística descriptiva y análisis de varianza (ANOVA) para comparar las medias de
peso entre categorías, considerando un nivel de significancia de p < 0,05. Los resultados
mostraron que el 93 % de los animales presentó una ganancia progresiva de peso
corporal, mientras que el 7 % evidenció disminuciones asociadas a períodos de estrés
fisiológico relacionados con el periparto.
La estructura funcional del hato estuvo
conformada mayoritariamente por vacas en producción (64,29 %), seguidas por vacas
secas (35,71 %). Se concluye que el monitoreo electrónico del peso corporal constituye
una herramienta eficaz para la gestión zootécnica y la ganadería de precisión, al permitir
el seguimiento objetivo del crecimiento y la optimización de la estructura funcional del
hato lechero.
Palabras clave: Categorización funcional, ganadería de precisión, ganado lechero, peso
corporal.
Abstract: Dairy farming requires monitoring tools that enable the optimization of productive
efficiency and improved decision-making in animal production systems. The objective of this
study was to evaluate growth dynamics and the functional categorization of dairy cattle through
electronic body weight monitoring. The research was conducted over a 12-month period in a dairy
herd, in which 42 bovines were evaluated using a Tru-Test EzyWeigh7 electronic scale and
classified into functional categories: lactating cows, dry cows, heifers, steers (bullocks), and
calves. The data collected were analyzed using descriptive statistics and analysis of variance
(ANOVA) to compare mean body weights among categories, considering a significance level of p
< 0.05. The results showed that 93% of the animals exhibited a progressive increase in body
weight, while 7% showed decreases associated with periods of physiological stress related to the
peripartum period. The functional structure of the herd consisted mainly of lactating cows
(64.29%), followed by dry cows (35.71%). It is concluded that electronic body weight monitoring
constitutes an effective tool for zootechnical management and precision livestock farming, as it
allows objective growth tracking and optimization of the functional structure of the dairy herd.
Keywords: Body weight, dairy cattle, functional categorization, precision livestock farming.
Copyright: Derechos de autor 2026 Luis
Rodrigo Balarezo Urresta, Hernán
Rigoberto Benavides Rosales, Segundo
Ramiro Mora Quilismal.
Esta obra está bajo una licencia internacional
Creative
Commons Atribución-
NoComercial 4.0.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (8-15)
ISSN: 2960-8317
Luis Rodrigo Balarezo Urresta, Hernán Rigoberto Benavides Rosales, Segundo Ramiro Mora Quilismal 9
1. Introducción
La ganadería lechera desempeña un papel estratégico en la seguridad alimentaria y en el desarrollo
socioeconómico de las regiones rurales, particularmente en sistemas productivos de altura, donde las
condiciones ambientales imponen retos significativos a la eficiencia productiva del ganado bovino
(Durana et al., 2023). Factores como la variabilidad climática, la calidad fluctuante de las pasturas y el
manejo técnico limitado influyen directamente en la producción de leche, la reproducción y la
longevidad, pues solo los animales sanos pueden rendir adecuadamente, beneficiando tanto a las
granjas, los agricultores y los consumidores (Ribas et al., 2025).
El ganado bovino aporta aproximadamente un 38 % al valor de la producción agraria mundial y
sostiene los recursos para la vida y la seguridad alimentaria de millones de personas, contribuyendo
de manera integral a la generación de empleo y la reducción de la pobreza (Andrade et al., 2023).
Asimismo, la industria láctea desempeña un papel vital en el sistema alimentario, proporcionando una
amplia gama de productos de alto valor nutricional (Fiorillo et al., 2024). En este sentido, la producción
lechera apoya el sustento rural, generando ingresos y contribuyendo a la seguridad alimentaria y
nutricional (Banda et al., 2021).
En la ganadería lechera contemporánea, la integración de innovaciones tecnológicas desempeña un
papel crucial en la transformación de diversos aspectos de la gestión animal (Mahato & Neethirajan,
2025). La ganadería de precisión (Precision Livestock Farming, (PLF)) se ha convertido en un enfoque
transformador en la agricultura moderna y ha permitido el uso de tecnologías avanzadas y métodos
basados en datos para monitorear y gestionar la producción ganadera a nivel individual de los
animales (Si, 2024).
La PLF es un concepto multidisciplinar que integra tecnologías de la información, ciencia de datos
y ganadería innovadora (Jiang et al., 2023). En los últimos años, se han desarrollado importantes
avances en la detección automática del tamaño corporal y del peso vivo de los animales (Du et al., 2022;
Liu et al., 2024; Mengyuan et al., 2022), consolidándose estas tecnologías como métodos confiables para
evaluar la dinámica de crecimiento, detectar tempranamente alteraciones metabólicas y optimizar la
toma de decisiones en sistemas lecheros tecnificados (Papadopoulos et al., 2025).
Diversos estudios recientes señalan que el seguimiento sistemático del peso vivo permite mejorar
la eficiencia alimenticia, reducir pérdidas productivas y fortalecer la gestión zootécnica del hato. Hasan
et al. (2024) destacan que el seguimiento del peso vivo (live weight, (LW)) del ganado es esencial para
la gestión de la productividad y el bienestar animal, especialmente en la toma de decisiones. Ojo et al.
(2024) analizan cómo la recopilación sistemática de datos de peso y consumo permite modelar la
eficiencia alimenticia, reducir pérdidas productivas y mejorar la selección genética. Kim et al. (2025)
propusieron un algoritmo robusto de procesamiento de datos para la medición automática del peso
del ganado, un avance que permite tomar decisiones de gestión ganadera basadas en datos
inteligentes.
No obstante, pese a la disponibilidad de tecnologías de pesaje electrónico, en muchos sistemas
lecheros de altura persiste una limitada implementación de registros zootécnicos sistemáticos, lo que
dificulta la evaluación precisa del crecimiento y la salud animal (Oliveira et al., 2024; Tadele et al.,
2025). La ausencia de información confiable restringe la capacidad de los productores para optimizar
la gestión de sus recursos, desde la distribución de alimento hasta el seguimiento de la salud animal
(Vlaicu et al., 2024), lo que constituye una brecha relevante en la gestión integral de la producción
lechera.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (8-15)
ISSN: 2960-8317
Luis Rodrigo Balarezo Urresta, Hernán Rigoberto Benavides Rosales, Segundo Ramiro Mora Quilismal 10
En este contexto, resulta necesario generar evidencia científica que permita caracterizar la dinámica
de crecimiento y la estructura funcional del ganado lechero mediante el uso de tecnologías de
monitoreo electrónico, contribuyendo así al fortalecimiento de los sistemas de producción basados en
información objetiva y confiable. La categorización funcional del hato, sustentada en el peso corporal
y su evolución temporal, representa una herramienta clave para optimizar la planificación productiva,
mejorar la eficiencia en el uso de recursos y avanzar hacia sistemas de producción más sostenibles.
Por lo tanto, el objetivo de este estudio fue evaluar la dinámica de crecimiento y la categorización
funcional del ganado lechero mediante el monitoreo electrónico del peso corporal, con el fin de generar
información técnica que respalde la toma de decisiones zootécnicas y contribuya al desarrollo de
estrategias de ganadería de precisión en sistemas lecheros de altura.
2. Metodología
La investigación se desarrolló en un sistema de producción lechera localizado en una zona de altura,
caracterizada por condiciones ambientales propias del trópico alto, con una altitud aproximada de
2.950 m s. n. m. y una temperatura media anual cercana a 11 °C. El sistema productivo operó bajo un
esquema de pastoreo rotativo, con disponibilidad de pasturas predominantes de Pennisetum
clandestinum, manejado de acuerdo con criterios técnicos de carga animal y períodos de descanso. Se
empleó un diseño longitudinal descriptivo durante un período de 12 meses, en el cual la población de
estudio estuvo conformada por 42 bovinos lecheros, evaluados de manera individual y clasificados en
categorías funcionales según su estado fisiológico: vacas en producción, vacas secas, vaquillas, novillos
(fierros) y terneras. Todos los animales pertenecieron al mismo hato y se mantuvieron bajo condiciones
homogéneas de manejo nutricional, sanitario y reproductivo. El peso corporal de los animales se
registró mediante una báscula electrónica Tru-Test EzyWeigh7, previamente calibrada de acuerdo con
las especificaciones del fabricante. Los registros se realizaron de forma periódica, procurando que los
animales se encontraran en condiciones similares al momento del pesaje, con el fin de minimizar la
variabilidad asociada a factores externos.
El monitoreo electrónico permitió obtener datos precisos y confiables para el análisis de la dinámica
de crecimiento individual y por categoría funcional. Los animales se mantuvieron bajo un sistema de
alimentación basado en pastoreo rotativo, complementado con suplementación estratégica según la
categoría funcional y los requerimientos nutricionales establecidos. Durante todo el período de estudio
se respetaron los principios de bienestar animal, evitándose prácticas que pudieran generar estrés
innecesario durante el manejo y el pesaje, y garantizándose el acceso permanente a agua y alimento.
Los datos obtenidos se organizaron en una base de datos y se analizaron mediante estadística
descriptiva para la caracterización general del peso corporal y la estructura funcional del hato.
Posteriormente, se aplicó un análisis de varianza (ANOVA) para comparar las medias de peso entre
las diferentes categorías funcionales, considerando un nivel de significancia estadística de p < 0,05. Los
resultados se expresaron como valores medios y desviación estándar, lo que permitió una
interpretación clara de la dinámica de crecimiento del ganado lechero.
3. Resultados
Dinámica de crecimiento del ganado lechero
Durante el período de evaluación, el monitoreo electrónico del peso corporal permitió registrar de
manera sistemática la evolución del peso corporal en los bovinos. Del total de animales monitoreados,
el 93 % presentó una ganancia progresiva de peso corporal a lo largo del período de estudio, mientras
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (8-15)
ISSN: 2960-8317
Luis Rodrigo Balarezo Urresta, Hernán Rigoberto Benavides Rosales, Segundo Ramiro Mora Quilismal 11
que el 7 % mostró una disminución temporal, principalmente asociada a cambios fisiológicos propios
del período periparto. Los registros obtenidos evidenciaron variaciones diferenciadas en el
comportamiento del peso corporal entre las distintas categorías funcionales.
Estructura funcional del hato
La categorización funcional del hato evidenció que la mayor proporción de animales correspondió a
vacas en producción, las cuales representaron el 64,29 % de la población evaluada, mientras que las
vacas secas constituyeron el 35,71 % restante. Las categorías de vaquillas, novillos (fierros) y terneras
presentaron una distribución coherente con el sistema productivo evaluado, manteniéndose una
estructura funcional relativamente estable durante el período de estudio.
Comparación de peso corporal entre categorías funcionales
El análisis de varianza (ANOVA) aplicado a los registros de peso corporal evidenció diferencias
estadísticamente significativas entre las categorías funcionales evaluadas (p < 0,05). Las vacas en
producción presentaron los mayores valores promedio de peso corporal, seguidas por las vacas secas,
mientras que las categorías más jóvenes registraron valores inferiores, en concordancia con su estado
fisiológico. Los valores promedio de peso inicial, peso final y variación de peso por categoría funcional
se presentan en la tabla 1.
Tabla 1.
Pesos promedio iniciales y finales, y diferencia de peso corporal por categoría funcional.
Categoría funcional Peso inicial (kg) Peso final (kg) Diferencia pesos (Kg)
Vacas en producción 555,45 578,2 22,75
Vacas secas 438,4 563,5 125,1
Vaconas 352,9 459,62 106,72
Fierros 215,5 400,75 185,25
Terneras 119,8 292,83 173,03
Nota. Los valores corresponden a promedios obtenidos durante el periodo de evaluación.
4. Discusión
Los resultados obtenidos evidenciaron que el monitoreo electrónico del peso corporal permitió
caracterizar de forma precisa la dinámica de crecimiento del ganado lechero, confirmando su utilidad
como herramienta de gestión zootécnica en sistemas productivos orientados a la ganadería de precisión.
La alta proporción de animales con ganancia progresiva de peso corporal fue consistente con lo
reportado por Han et al. (2025) y Sharpe & Heins (2023), quienes destacan que el registro sistemático y
automatizado del peso corporal facilita la detección temprana de variaciones productivas y metabólicas,
contribuyendo a una mejora en la toma de decisiones relacionadas con el manejo del hato.
La disminución temporal del peso corporal observada en un porcentaje reducido de animales fue
coherente con lo descrito en investigaciones que asocian estas variaciones con períodos de estrés
fisiológico, particularmente durante el período periparto. En este sentido, Breda et al. (2023) y Peiter et
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (8-15)
ISSN: 2960-8317
Luis Rodrigo Balarezo Urresta, Hernán Rigoberto Benavides Rosales, Segundo Ramiro Mora Quilismal 12
al. (2023) documentaron que los cambios metabólicos característicos de esta etapa pueden inducir
pérdidas transitorias de peso sin comprometer el desempeño productivo a largo plazo, siempre que se
implementen estrategias adecuadas de manejo nutricional y sanitario, lo cual respalda la interpretación
de los resultados obtenidos en el presente estudio.
En relación con la estructura funcional del hato, el predominio de vacas en producción reflejó un
sistema orientado a la eficiencia productiva, en concordancia con los reportes de Peiter et al. (2023) y Li
et al. (2023), quienes señalan que los sistemas lecheros tecnificados priorizan un alto porcentaje de vacas
en lactancia dentro de la población total como estrategia para maximizar la productividad. No obstante,
la proporción de vacas secas observada sugiere la necesidad de optimizar indicadores reproductivos,
como los días abiertos y los intervalos entre partos, con el fin de mejorar la eficiencia global del sistema,
tal como se ha señalado en estudios recientes que analizan la relación entre desempeño reproductivo,
condición corporal y producción lechera (Berry & Evans, 2025; Breda et al., 2023).
Las diferencias estadísticamente significativas en el peso corporal entre categorías funcionales fueron
coherentes con el estado fisiológico de los animales y respaldan la validez de la categorización funcional
basada en el monitoreo electrónico del peso corporal. Resultados similares han sido reportados en
estudios que destacan que el uso de básculas electrónicas y sistemas automatizados de pesaje permite
discriminar con alta precisión entre categorías productivas y etarias, fortaleciendo la toma de decisiones
en el contexto de la ganadería de precisión (Han et al., 2025; Jeon et al., 2024; Kırbaş, 2026).
En conjunto, los hallazgos del presente estudio aportan evidencia empírica que respalda el uso del
monitoreo electrónico del peso corporal como una estrategia eficaz para mejorar la gestión técnica del
ganado lechero, al facilitar el seguimiento del crecimiento individual, la detección temprana de
desviaciones productivas y la optimización de la estructura funcional del hato. Futuros estudios
podrían integrar variables reproductivas, ambientales y productivas, con el fin de fortalecer un análisis
más integral del desempeño del ganado lechero y potenciar la aplicación de herramientas de ganadería
de precisión en diferentes contextos productivos.
5. Conclusiones
El monitoreo electrónico del peso corporal permitió caracterizar de forma objetiva la dinámica de
crecimiento del ganado lechero, confirmando su utilidad como herramienta para el seguimiento
productivo y la gestión zootécnica en sistemas de producción lechera orientados a la ganadería de
precisión. La aplicación de esta tecnología facilitó la identificación temprana de variaciones en el peso
corporal asociadas con las distintas categorías funcionales y los estados fisiológicos de los animales,
aportando información confiable para la toma de decisiones técnicas.
La alta proporción de vacas en producción dentro de la estructura funcional del hato reflejó un
sistema productivo orientado a la eficiencia, mientras que la presencia de vacas secas evidenció la
necesidad de fortalecer el manejo reproductivo, con el fin de optimizar indicadores como los días
abiertos y, en consecuencia, mejorar la eficiencia global del sistema lechero.
Las diferencias estadísticamente significativas en el peso corporal entre las categorías funcionales
confirmaron que la categorización basada en registros electrónicos de peso constituye un criterio
técnico válido, al permitir ajustar de manera precisa las estrategias de manejo nutricional, productivo
y sanitario según las necesidades específicas de cada grupo animal, contribuyendo a una gestión
integral y sostenible del hato lechero.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (8-15)
ISSN: 2960-8317
Luis Rodrigo Balarezo Urresta, Hernán Rigoberto Benavides Rosales, Segundo Ramiro Mora Quilismal 13
Referencias
Andrade, G., Andrade, M., Suárez-Usbek, A., Bautista-Espinoza, H., & Haro-Haro, A. (2023). Impacto
socioeconómico de la ganadería lechera en comunidades indígenas del ecuador. EASI:
Engineering and Applied Sciences in Industry, 2(1), 34–43. https://doi.org/10.53591/easi.v2i1.1907
Banda, L., Chiumia, D., Gondwe, T., & Gondwe, S. (2021). Smallholder dairy farming contributes to
household resilience, food, and nutrition security besides income in rural households. Animal
Frontiers, 11(2), 41–46. https://doi.org/10.1093/af/vfab009
Berry, D., & Evans, R. (2025). When is too small, too small? Evaluating the trade-offs of smaller dairy
cows in pasture-based systems. JDS Communications. https://doi.org/10.3168/jdsc.2025-0935
Breda, J., Facury, E., Flaiban, K., & Lisboa, J. (2023). Effect of Parity, Body Condition Score at Calving,
and Milk Yield on the Metabolic Profile of Gyr Cows in the Transition Period. Animals : An Open
Access Journal from MDPI, 13(15), 2509. https://doi.org/10.3390/ani13152509
Du, A., Guo, H., Lu, J., Su, Y., Ma, Q., Ruchay, A., Marinello, F., & Pezzuolo, A. (2022). Automatic
livestock body measurement based on keypoint detection with multiple depth cameras.
Computers and Electronics in Agriculture, 198, 107059. https://doi.org/10.1016/j.compag.2022.107059
Durana, C., Murgueitio, E., & Murgueitio, B. (2023). Sustainability of dairy farming in Colombia’s High
Andean region. Frontiers in Sustainable Food Systems, 7.
https://doi.org/10.3389/fsufs.2023.1223184
Fiorillo, V., Amico, B. (2024). Milk Quality and Economic Sustainability in Dairy Farming: A Systematic
Review of Performance Indicators. Dairy, 5(3), 384–402. https://doi.org/10.3390/dairy5030031
Han, Y., Si, Y., He, Z., Li, Q., Li, Z., Zhang, M., & Liu, G. (2025). Dynamic weighing system for dairy
cows based on arrayed weighing platforms. Computers and Electronics in Agriculture, 230,
109943. https://doi.org/10.1016/j.compag.2025.109943
Hasan, F., Thomson, P., Islam, M., Clark, C., Chlingaryan, A., & Lomax, S. (2024). Monitoring cattle
liveweight using a mobile, in-paddock weigh platform: Validation, attendance and utility.
Smart Agricultural Technology, 9, 100639. https://doi.org/10.1016/j.atech.2024.100639
Jeon, E., Cho, S., Hwang, S., Cho, K., Gondro, C., & Choi, N. (2024). Development of prediction model
for body weight and energy balance indicators from milk traits in lactating dairy cows based
on deep neural networks. Journal of King Saud University – Science, 36.
https://doi.org/10.1016/j.jksus.2023.103008
Jiang, B., Tang, W., Cui, L., Deng, X. (2023). Precision Livestock Farming Research: A Global
Scientometric Review. Animals, 13(13). https://doi.org/10.3390/ani13132096
Kim, D., Song, J., Cho, H., Lee, M., Lee, D., Seo, S., Lee, W. (2025). Multi-Stage Data Processing for
Enhancing Korean Cattle (Hanwoo) Weight Estimations by Automated Weighing Systems.
Animals, 15(12), 1785. https://doi.org/10.3390/ani15121785
Kırbaş, İ. (2026). AI-based automated weight prediction in cattle for herd health surveillance. Preventive
Veterinary Medicine, 247, 106752. https://doi.org/10.1016/j.prevetmed.2025.106752
Li, M., Reed, K., Lauber, M., Fricke, P., & Cabrera, V. (2023). A stochastic animal life cycle simulation
model for a whole dairy farm system model: Assessing the value of combined heifer and
lactating dairy cow reproductive management programs. Journal of Dairy Science, 106(5), 3246–
3267. https://doi.org/10.3168/jds.2022-22396
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (8-15)
ISSN: 2960-8317
Luis Rodrigo Balarezo Urresta, Hernán Rigoberto Benavides Rosales, Segundo Ramiro Mora Quilismal 14
Liu, Y., Xiao, D., Ni, X., & Li, W. (2024). Estimating yolk weight of duck eggs using VIS-NIR
Spectroscopy and RGB images and whole egg weights. Poultry Science, 103(7), 103829.
https://doi.org/10.1016/j.psj.2024.103829
Mahato, S., & Neethirajan, S. (2025). Integrating Artificial Intelligence in dairy farm management −
biometric facial recognition for cows. Information Processing in Agriculture, 12(3), 312–325.
https://doi.org/10.1016/j.inpa.2024.10.001
Mengyuan, C., Yongsheng, S., Qian, L., & Gang, L. (2022). Research advances in the automatic
measurement technology for livestock body size. Transactions of the Chinese Society of
Agricultural Engineering, 38(13), 228–240. https://doi.org/10.11975/j.issn.1002-6819.2022.13.026
Morais, F., Araújo, G., Guimarães, A., Santos, L., Norton, T., Ferreira, P. (2024). Digital and Precision
Technologies in Dairy Cattle Farming: A Bibliometric Analysis. Animals, 14(12).
https://doi.org/10.3390/ani14121832
Ojo, A., Mulim, H., Campos, G., Junqueira, V., Lemenager, R., Schoonmaker, J., Oliveira, H. (2024).
Exploring Feed Efficiency in Beef Cattle: From Data Collection to Genetic and Nutritional
Modeling. Animals, 14(24). https://doi.org/10.3390/ani14243633
Papadopoulos, G., Papantonatou, M., Uyar, H., Kriezi, O., Mavrommatis, A., Psiroukis, V., Kasimati,
A., Tsiplakou, E., & Fountas, S. (2025). Economic and environmental benefits of digital
agricultural technological solutions in livestock farming: A review. Smart Agricultural
Technology, 10, 100783. https://doi.org/10.1016/j.atech.2025.100783
Peiter, M., Caixeta, L., & Endres, M. (2023). Association between change in body weight during early
lactation and milk production in automatic milking system herds. JDS Communications, 4(5),
369–372. https://doi.org/10.3168/jdsc.2022-0323
Ribas, D., Costa, N., Alves, C., Neves, A., Battisti, R., Casaroli, D., Barbari, M., Bambi, G., Resende, R.
(2025). Climate Change and State of the Art of the Sustainable Dairy Farming: A Systematic
Review. Animals, 15(20). https://doi.org/10.3390/ani15202997
Sharpe, K., & Heins, B. (2023). Evaluation of a Forefront Weight Scale from an Automated Calf Milk
Feeder for Holstein and Crossbred Dairy and Dairy–Beef Calves. Animals: An Open Access
Journal from MDPI, 13(11), 1752. https://doi.org/10.3390/ani13111752
Si, Q. (2024). Advancements in Precision Livestock Farming: Technologies and Applications. Animal
Molecular Breeding, 14(2). https://animalscipublisher.com/index.php/amb/article/view/3816
Tadele, E., Worku, D., Yigzaw, D., Muluneh, T., & Melese, A. (2025). Precision of dairy farming:
Navigating challenges and seizing opportunities for sustainable dairy production in Africa.
Frontiers in Animal Science, 6. https://doi.org/10.3389/fanim.2025.1541838
Vlaicu, P., Gras, M., Untea, A., Lefter, N., Rotar, M., (2024). Advancing Livestock Technology:
Intelligent Systemization for Enhanced Productivity, Welfare, and Sustainability.
AgriEngineering, 6(2), 1479–1496. https://doi.org/10.3390/agriengineering6020084
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (8-15)
ISSN: 2960-8317
Luis Rodrigo Balarezo Urresta, Hernán Rigoberto Benavides Rosales, Segundo Ramiro Mora Quilismal 15
Agradecimiento
Los autores agradecen a la Universidad Politécnica del Carchi por facilitar las instalaciones, los
recursos técnicos y el apoyo institucional necesarios para el desarrollo de la presente investigación.
Transparencia
Conflicto de interés
Los autores declaran que no existe ningún conflicto de interés de naturaleza personal, académica,
institucional, económica o financiera que pudiera haber influido en el desarrollo y los resultados de la
presente investigación.
Fuente de financiamiento
La presente investigación fue financiada en su totalidad por los autores, sin apoyo económico externo
de instituciones públicas o privadas.
Contribución de autoría
Luis Rodrigo Balarezo Urresta: Conceptualización, metodología, software, análisis formal,
investigación, gestión de datos, visualización, redacción - preparación del borrador original,
financiamiento, administración del proyecto, recursos.
Hernán Rigoberto Benavides Rosales: Metodología, validación, investigación, redacción - revisión y
edición, financiamiento, recursos, supervisión.
Segundo Ramiro Mora Quilismal: Validación, investigación, redacción - revisión y edición,
financiamiento, recursos.
Los autores contribuyeron activamente en el análisis de los resultados, revisión y aprobación del
manuscrito final.
