In the poultry industry, the meat market requires a careful coordination of the broiler chicken supply chain comprising breeders, hatcheries, farms, slaughterhouses, wholesale, and retail vendors. Aside from the inherent challenges of coordinating a supply chain, animal husbandry systems face additional complex tasks. The lack of integrated decisions within the poultry chain could lead to a production plan that (a) does not comply with the biosecurity standards required in meat production for human consumption at the farms; (b) violates the production and inventory capacities at the slaughterhouses; and (c) does not meet the demand of customers. To streamline the supply chain, we propose a mixed‐integer linear programming model that supports production planning and scheduling decisions in broiler chicken production facilities. In addition, we embedded the mixed‐integer programming model in a rolling‐horizon scheme to improve scalability and to avoid the myopic effect of time‐indexed optimization models that put too much emphasis on a specific time period. We present the results of a case study in a poultry company in Santa Marta (Colombia), where we reach profit improvements that range from 7% to 57% with a reduction in inventory costs that range from 30% to 60%, while simultaneously meeting stringent technical, tactical, and biosecurity constraints.

En este trabajo, se presentan los resultados originados de una investigación sobre el usode la simulación de procesos de manufactura para ayudar a una empresa a tomar decisiones frentea cambios en sus modelos de producción. El objetivo de este artículo es presentar una metodologíaque otras empresas puedan seguir para simular sus procesos productivos en busca de mejorarlos.La metodología empleada consistió en realizar el reconocimiento del proceso de producción de laempresa, después hacer la toma de datos del proceso por estudiar y, fnalmente, realizar el modelamiento y la simulación tanto del sistema actual tipo push como de propuestas sugeridas tipo pull.Se encontró que con un modelo tipo pull, empleando subcontratación de algunas partes, es posiblemejorar ostensiblemente el proceso productivo de la empresa. Una de las limitaciones en este tipode trabajos es que se debe tenerse información sufciente del proceso. Además, el uso de resultadosen la toma de decisiones implica indagar sufcientemente las distintas posibilidades de los modelos.En este trabajo, se logró mostrar a la empresa diferentes posibilidades para realizar su proceso demanufactura y sus bondades en términos económicos y de efciencia.

Se ha estudiado en la literatura la aproximación de los modelos G/G/s a partir de modelos markovianos M/M/s. Un estudio de un modelo de colas se presenta en el presente artículo usando tiempos de llegadas y servicios Weibull distribuidos cuya estimación de parámetros se realizó con el método Bayesiano cadena de Markov Monte Carlo, específicamente el muestreador de Gibbs. La aproximación de este modelo de líneas de espera es evaluada mediante simulación. Esta metodología se aplicó al caso de repartición de refrigerios en la Universidad del Magdalena en Santa Marta, Colombia. Los resultados muestran la utilidad y potencia para calcular indicadores de un sistema de colas cuando los tiempos entre llegadas y de atención se distribuyen como una Weibull.

La aplicación de modelos DEA estocásticos utilizando Estadística Bayesiana es una técnica que está surgiendo en los últimos años, para ser usada se debe hacer simulación de distribuciones de probabilidad multivariadas. En este artículo se presenta un generador bivariado para variable continua. Adicionalmente se ha creado una discretización de este para lograr simulaciones de distribuciones a posteriori de una manera fácil de aplicar. Se presentará la aplicación del generador a dos funciones de densidad de probabilidad bivariadas, una de ellas normal, con sus respectivas pruebas de bondad de ajuste. Se usaron datos del sector educativo en base de datos del DANE (Departamento Administrativo Nacional de Estadística) Colombia para resolver el problema de un modelo DEA estocástico Bayesiano. Los resultados muestran la utilidad, potencia y facilidad del uso del generador propuesto en este tipo de problema.