Background: This study presents a comprehensive methodology for enhancing humanitarian logistics planning and management in natural disasters, focusing on earthquakes. Methods: The innovative approach combines a deterministic mathematical model with a simulation model to address the problem from multiple perspectives, aiming to improve efficiency and equity in post-disaster supply distribution. In the deterministic modeling phase, optimal locations for humanitarian distribution centers and points in Popayan, Colombia, were identified, enabling efficient resource allocation for affected families. Subsequently, the simulation model evaluated scenarios based on real earthquakes in Colombia and Latin America, providing a comprehensive view of the logistics system’s response capacity to different disaster conditions and magnitudes. Results: The results demonstrated that the proposed methodology significantly reduced supply delivery time, achieving a 30% improvement compared to traditional humanitarian logistics approaches. Moreover, it led to a more equitable coverage of affected communities, with a 25% increase in families served in previously underserved areas. Expert validation from the Disaster Risk Management Committee of the study area confirmed the methodology’s usefulness for informed and effective decision-making in real situations. Conclusions: This integrated approach of mathematical modeling and discrete event simulation offers valuable insights to address disaster management and support decision-making in humanitarian crises.

Un diseño apropiado de las instalaciones de fabricación puede aumentar la eficiencia de las operaciones internas de una empresa, mediante la optimización de los costes de manipulación y flujo de materiales. En este trabajo se abordó la planificación de la distribución de las instalaciones (FLP, por sus siglas en inglés), modelada como un problema de asignación cuadrática (QAP, por sus siglas en inglés), aplicado a una empresa dedicada a la producción de licores. El problema se resolvió utilizando la Técnica de Asignación Relativa Computarizada de Instalaciones, que pertenece a los algoritmos heurísticos, con la cual se logró determinar la mejor asignación de las áreas para la planta, teniendo en cuenta las distancias recorridas y los costos de flujo de materiales. Posteriormente, se realizó una simulación para evaluar la nueva distribución ante las actividades diarias de la empresa, teniendo en cuenta la variabilidad de los tiempos de carga y descarga. Los resultados de la simulación sugieren que, si se aplica la nueva distribución, los costes y los tiempos del flujo de materiales se reducirían en un 13,22 % y un 4,28 %, respectivamente.

Objetivo: Optimizar recolección de pedidos en los centros de distribución (CD), una tarea que implica tiempo, mano de obra y costos significativos. Metodología: Se utilizó un modelo matemático basado en la programación lineal entera mixta (MILP) para minimizar la distancia total recorrida durante la recolección de pedidos. Este modelo se aplicó a un caso colombiano y se complementó con un modelo de simulación para evaluar escenarios de mejora. Resultados: El modelo matemático generó cuatro rutas óptimas para la recolección de pedidos. Dos de las rutas utilizaron un enrutamiento en forma de S, una utilizó el enrutamiento con retorno y otra combinó ambas políticas, reduciendo así la distancia total en un 5% para completar el proceso de recogida de pedidos. Posteriormente, el modelo de simulación se utilizó para evaluar tres escenarios de mejora: i) aumentar la capacidad de los carros de picking, ii) aumentar el número de carros de picking, y iii) aumentar ambos parámetros simultáneamente. Conclusiones: El mejor resultado se obtuvo al aumentar la capacidad de los carros de picking en un 33%, lo que redujo la distancia recorrida en un 49,5% y tuvo un impacto positivo en otros indicadores operativos definidos. Este innovador enfoque combinado del problema de las rutas puede utilizarse para explorar nuevas mejoras.

Los sistemas de producción son cada vez más comple-jos y los métodos tradicionales se quedan cortos a la hora de interpretar su comportamiento, por lo que es necesario recurrir a herramientas capaces de representar y eva-luar modelos que permitan generar estrategias de me-jora continua para ser más competitivos. La simulación tiene ciertas características que le permiten suplir esta necesidad, pues hoy en día existen software especializa-dos como Flexsim, donde se pueden recrear procesos con animaciones 3D, analizarlos y mejorarlos. Mediante la presente guía se pretende dar a cono-cer los conceptos fundamentales de simulación bajo un enfoque práctico a través del software de simulación de eventos discretos Flexsim. Los capítulos están conformados de la siguiente ma-nera: en el primer capítulo se hace una aproximación a los conceptos básicos de simulación, así como su impor-tancia, se expone la estructura metodológica para realizar un estudio de simulación y las ventajas y desventajas de la simulación. En el segundo capítulo se abordan todos los conceptos de la estadística que soportan los modelos de simulación. En el tercer capítulo se aborda todo el aná-lisis de datos de entrada a un modelo de simulación. En el cuarto capítulo se hace una introducción al simulador Flexsim. En el quinto capítulo se presenta un caso modelado paso a paso con Flexsim.

Los sistemas de producción se vuelven cada vez más complejos, superando las capacidades de los métodos tradicionales para comprender su comportamiento. En consecuencia, se hace imperativo recurrir a herramientas que puedan representar y evaluar modelos, permitiendo así el desarrollo de estrategias de mejora continua para mantener la competitividad. La simulación, con sus carac-terísticas únicas, se convierte en una solución eficaz para abordar esta necesidad. En la actualidad, existen software especializados como R que permiten desplegar modelos de análisis de datos.La presente guía tiene como objetivo principal familiari-zar a los lectores con los conceptos fundamentales del uso del software R en el análisis de datos, con un enfoque prác-tico. Los capítulos se estructuran de la siguiente manera:En el primer capítulo, se realiza una introducción a los conceptos básicos del análisis de datos en R, destacando su importancia. Se expone una estructura metodológica que sirve como guía para llevar a cabo un estudio de aná-lisis de datos, junto con las ventajas y desventajas asocia-das. El segundo capítulo aborda en detalle todos los con-ceptos estadísticos que respaldan los modelos utilizados en el análisis de datos. En el tercer capítulo, se explora el proceso de análisis de datos desde la entrada inicial hasta la preparación de los datos para su posterior modelado. El cuarto capítulo introduce a los lectores en el análisis de datos con R, proporcionando una visión general de la herramienta y sus capacidades. Por último, el quinto ca-pítulo presenta un caso de estudio modelado paso a paso utilizando R, permitiendo a los lectores aplicar los conoci-mientos adquiridos en un contexto práctico