This paper presents an integrated model for the simultaneous production and repair activity planning of a manufacturing system whose performance output is subject to progressive deterioration. In this context, an appropriate joint control strategy is critical to reduce costs and remain competitive. The obtained control policy balances the amount of maintenance activities needed to increase the availability and reduce defects against the increase in the total cost from downtime and deterioration. The production system consists of an unreliable machine that produces one product type and where unmet demand is backlogged. The rate of defects of the machine depends on its level of deterioration, which is defined through a set of multiple operational states and the age of the machine. Additionally,

Everyday there are more disasters that require Humanitarian Supply Chain (HSC) attention; generally these problems are difficult to solve in reasonable computational time and metaheuristics (MHs) are the indicated solution algorithms. To our knowledge, there has not been a review article on MHs applied to HSC. In this work, 78 articles were extracted from 2016 publications using systematic literature review methodology and were analyzed to answer two research questions: (1) How are the HSC problems that have been solved from Metaheuristics classified? (2) What is the gap found to accomplish future research in Metaheuristics in HSC? After classifying them into deterministic (52.56%) and non-deterministic (47.44%) problems; post-disaster (51.28%), pre-disaster (14.10%) and integrated (34.62%); facility location (41.03%), distribution (71.79%), inventory (11.54%) and mass evacuation (10.26%); single (46.15%) and multiple objective functions (53.85%), single (76.92%) and multiple (23.07%) period; and the type of Metaheuristic: Metaphor (71.79%) with genetic algorithms and particle swarm optimization as the most used; and non-metaphor based (28.20%), in which search algorithms are mostly used; it is concluded that, to consider the uncertainty of the real context, future research should be done in non-deterministic and multi-period problems that integrate pre- and post-disaster stages, that increasingly include problems such as inventory and mass evacuation and in which new multi-objective MHs are tested.

The purpose of this paper is to describe the business process modeling and simulation of a textile supply chain using Colored Petri nets. Our model takes into account both the source process and delivery logistics that exist between any two members of supply chain; moreover, we model other activities performed by the company such as manufacturing clothing. The model has been built to acquire a better understanding about the behavior of a textile company in the fulfillment of requests from costumers. The model has been built using CPN Tools. This model was built with modules for activities of the supply chain textile, e.g. receiving orders of customers, determination of production plan, procurement raw material, transportation of raw material, production and delivering products to customers. This modularized model offers some advantages to represent complex supply chains according to their structure and requirements. Thus, we can add modules easily depending on the necessary activities

Las industrias manufactureras, así como las empresas de servicios, se han enfrentado a varias revoluciones industriales para hacer frente a la competencia en cuanto a capacidad de producción mundial, calidad y costo. Las revoluciones industriales del pasado se han visto influidas por varias innovaciones técnicas. Sin embargo, una de las principales características de la cuarta revolución industrial ha sido el desarrollo y aplicación de las tecnologías de la información y la comunicación que se están impregnando en todos los aspectos de los sistemas industriales y de fabricación, lo que ha provocado la aceleración y generación de grandes volúmenes de datos industriales. Estos desarrollos están cambiando la naturaleza de aplicar la Ciencia Estadística, la cual tiene como objetivo coadyuvar a la toma decisiones eficientes con base en datos analizados. En este trabajo se realizó una descripción cualitativa de carácter bibliográfico y documental sobre el desarrollo de las revoluciones industriales y la evolución de la Ciencia Estadística. Este análisis permitió identificar que la transición de las revoluciones industriales fue por la implementación masiva de las innovaciones tecnológicas y científicas que se implementaron en los diferentes sistemas de fabricación, provocando al mismo tiempo revoluciones sociales, económicas y formas de vivir. Desde el contexto de la Estadística se puede observar que la cuarta revolución industrial ha creado nuevas tendencias tecnológicas y científicas para recopilar, organizar y analizar datos, tales como el Big data, la Ciencia de Datos y la Analítica de Datos.

La simulación sirve de guía en la toma de decisiones al crear representaciones a diferentes escenarios y lapsos de tiempo en distintas situaciones donde los sistemas se tornan complejos por la gran cantidad de variables que en estos interactúan (Banks et. al., 2005). En nuestros días, la simulación a través de un computador digital ha tenido un papel relevante en la evolución de los sistemas industriales, pero su contribución en este aspecto sería aún más importante conforme se conozcan y utilicen sus técnicas y su filosofía. Gracias al apoyo de la Universidad Autónoma del Estado de Hidalgo, al Programa de Movilidad Internacional para la Docencia correspondiente al Consorcio de Universidades Mexicanas 2012 y a las facilidades brindadas por la empresa FlexSim Software Products, Inc. se lograron escribir los capítulos 2 y 6 del libro denominado “Los Sistemas Empresariales y la Simulación Discreta con FlexSim”. Por lo que, lo aquí descrito muestra una breve descripción de las etapas de la simulación. Al finalizar la lectura de este documento se espera que el lector pueda tener una idea clara de los pasos necesarios para desarrollar un modelo de simulación dentro de un sistema de producción y a su vez logre un entendimiento general del uso de FlexSim® como herramienta de análisis. El documento contempla una revisión de la literatura, terminología de modelado y simulación, áreas de aplicación y la caracterización de FlexSim® Versión 6.0.2, donde se ilustra claramente la amplia precisión y capacidad de FlexSim® como fuente alternativa de efectividad en la toma de decisiones de las operaciones de un sistema productivo.