El tamaño de la camada es un rasgo importante en la producción porcina. Sin embargo, la precisión de selección para este rasgo es relativamente baja en comparación con los rasgos de producción. Este estudio, por primera vez, investigó la mejora de la evaluación genética de rasgos reproductivos como el tamaño de la camada en cerdos utilizando datos de rasgos de producción como fuente de información adicional. Se analizaron los datos del número de lechones nacidos vivos por camada (NBA), la edad a los 100 kg de peso corporal (Age100) y el porcentaje de carne magra (LMP) en una población de Yorkshire, utilizando un modelo de rasgo único o el modelo de múltiples rasgos que nos permite tener en cuenta la correlación ambiental entre los rasgos reproductivos y de producción en la situación en que un individuo tiene solo un registro para un rasgo de producción mientras que múltiples registros para un rasgo reproductivo. La precisión de la evaluación genética utilizando modelos de rasgo único y de múltiples rasgos se evaluó mediante la precisión basada en el modelo (R) y la precisión de validación (R). Se consideraron dos escenarios de validación. Un escenario (Valid_r1) fue que los individuos no tenían un registro de NBA, pero sí de Age100 y LMP. El otro (Valid_r2) fue que los individuos no tenían un registro para los tres rasgos. La estimación de la heredabilidad fue de 0.279 para Age100, 0.371 para LMP y 0.076 para NBA. La correlación genética fue de 0.308 entre Age100 y LMP, 0.369 entre Age100 y NBA, y 0.022 entre LMP y NBA. En comparación con el modelo de rasgo único, el modelo de múltiples rasgos que incluye Age100 aumentó la precisión de predicción para NBA en 3.6 puntos porcentuales en R y 5.9 puntos porcentuales en R para el escenario de Valid_r1. El aumento fue de 1.8 puntos porcentuales en R y 3.8 puntos porcentuales en R para el escenario de Valid_r2. Age100 también ganó en el modelo de múltiples rasgos, pero fue menor que NBA. Sin embargo, LMP no se benefició de un modelo de múltiples rasgos y no tuvo una contribución positiva a la evaluación genética para NBA. Además, el modelo de múltiples rasgos, en general, redujo ligeramente el sesgo de nivel, pero no el sesgo de dispersión de la evaluación genética. Según estos resultados, se recomienda predecir los valores de cría utilizando un modelo de múltiples rasgos que incluya rasgos de crecimiento y reproducción.