En el presente artículo se presentan los principales resultados de un estudio descriptivo – transversal, que permite identificar y describir los diferentes niveles de Burnout entre los profesores de educación media de la Unidad Educativa “Santo Tomás Apóstol Riobamba” y la Facultad de Ingeniería de la Universidad Nacional de Chimborazo de la ciudad de Riobamba. Para la recolección y análisis de datos, se utilizó tanto metodología cuantitativa como cualitativa. Se aplicó la versión en español del Maslach Burnout Inventory (MBI) a 190 docentes de educación media y universitaria estableciendo una muestra de 77 para el análisis. Se recogen las opiniones de los profesores acerca del tema mediante 2 grupos focales. A partir de esta experiencia concluimos los diferentes niveles de Burnout que se presentan en el ámbito docente estableciendo las dimensiones de comportamiento del síndrome y sus afectaciones en el proceso de enseñanza aprendizaje, así como en el entorno familiar.

La presente investigación se llevó a cabo en la Dirección Distrital 06D06 – Salcedo Educación con el fin de determinar el Clima Organizacional y su incidencia en el desempeño laboral del personal administrativo, para presentar una propuesta de intervención en la organización, para este fin se aplicaron dos test para determinar los niveles de cómo se encuentra el clima organizacional y el desempeño laboral en niveles bajo, medio y alto en el personal administrativo, por las características propias de esta población en estudio, debido a la facilidad de interpretación de resultados y a la especificidad de cada uno de estos al momento de la interpretación se optó por determinar el conocimiento del clima organizacional proporcionando retroinformación que determinan los comportamientos organizacionales permitiendo introducir cambios planificados tanto en las actitudes y conductas de los miembros en la estructura organizacional, así como en el subsistema y sus componentes para determinar la incidencia en el desempeño laboral, el factor más significativo es que al realizar una aplicación del Test del Desempeño Laboral y Clima Organizacional con 20 y 35 ítems respectivamente es necesario realizar una prueba de fiabilidad para establecer el constructo del instrumento y si puede ser aplicable en cualquier contexto, se establece un alfa de Cronbach de 0.878 para desempeño y de 0.224 de clima organizacional, que luego de un proceso de sacar preguntas se obtuvo un alfa de 0.879 que da la seguridad que los test aplicados son muy bueno para este entorno de investigación. Al realizar un análisis de validez y de KMO del desempeño laboral y Clima Organizacional al encontrar los datos de un 23 % de varianza pérdida, de 0.383 en desempeño y de 0.361 en Clima Organizacional y de significancia 0.000< 0.005 que es válida la investigación planteada y resuelta. Los niveles alcanzados de desempeño laboral alto son de 91.7 % y de clima organizacional de 87.5% por lo con capacitación, mejoramiento del entorno esos índices van a mejorar y al aplicar modificaciones en el entorno de trabajo se va a mejorar tanto el desempeño laboral como el clima organizacional en la institución.

En este documento se presenta la revisión literaria desde el surgimiento de la logística urbana hasta su desarrollo y evolución conceptual, que van de la mano con la optimización de todos los procesos que implican la movilización de mercancía en un entorno local. Las políticas públicas a las que deben regirse y los sistemas de evaluación implementados para medir la eficiencia con la que realizan el reabastecimiento local en ciudades que cuentan con una alta densidad poblacional y una demanda elevada de mercancías necesarias para subsistir, son de vital importancia para la búsqueda de soluciones con el propósito de reducir los “cuellos de botella” generados durante la distribución urbana de mercancías y agilizar este proceso, desde su origen que se remonta a los años ochenta, época en la cual la urbanización de las ciudades provoca una revolución en la manera de realizar las operaciones comerciales dentro de las ciudades. Lo que caracteriza a esta época es la deficiencia en infraestructura, es decir, las vías no son de calidad para que los productos lleguen atender todos los sectores de una ciudad, pero a partir del desarrollo de las ciudades también se acelera, debido a la ampliación del parque automotor, la cantidad de vehículos que aparecen en las ciudades genera la necesidad de ampliar las vías, además las urbanizaciones necesitan conectarse entre sí mediante caminos, lo cual requiere de una especie de zonificación para optimizar el proceso de entregas de productos dentro de las ciudades. La generación de nuevos caminos también requiere que las empresas planifiquen sus rutas de entrega que agilicen y optimicen sus costos y procesos. En la actualidad las ciudades más desarrolladas se puede notar una infraestructura de calidad que consta de zonas específicas para carga y descarga, rutas establecidas, horarios de atención, y un sin número de métodos que han surgido y se han implementado con el paso del tiempo.

El modelado de inventarios permite entender el comportamiento de los sistemas de abastecimiento y demanda en una empresa mediante la construcción, solución y análisis de representaciones del mundo real, facilitando la gestión operativa. Este estudio combina la inteligencia artificial con la teoría matemática de los inventarios para mejorar el control de las existencias. Tras evaluar la situación actual de la empresa, se determinó que el modelo de Cantidad Económica de Pedido (EOQ) probabilístico era el más adecuado para optimizar los costos en un entorno de demanda variable, abordando problemas como la ruptura del inventario o exceso del mismo, mediante el punto de pedido y el stock de seguridad. Se entrenaron cinco redes neuronales con el objetivo de combinar su capacidad predictiva con el modelo EOQ. Entre ellas, destacó la arquitectura 3-6-1 con el optimizador ADAM, la cual alcanzó una precisión del 98%. Su implementación permitió una reducción del 27 % en los costos operativos.

In recent years, interest in artificial intelligence has grown significantly, particularly in the development of advanced computational models for supply chain decision-making. Inventory management is one of the areas in which intelligent algorithms can support demand forecasting, replenishment, stock control, and operational optimization under uncertainty. This study presents an updated systematic literature review of intelligent algorithms applied to inventory management. The review followed PRISMA 2020 guidelines and combined database searches in Scopus, ScienceDirect, Web of Science, IEEE Xplore, SpringerLink, Taylor & Francis, and complementary manual searching. The original search covering January 2020 to December 2024 was updated in July 2026 to include studies published or available online up to June 2026. After applying strict eligibility criteria, 37 primary studies with quantitative evidence were included. The updated corpus confirms the predominance of deep learning, reinforcement learning, and hybrid intelligent models, while also showing the recent emergence of Transformer-based, graph neural network, multi-agent reinforcement learning, and prescriptive analytics approaches. The most frequent application areas were inventory control, inventory optimization, replenishment decision-making, and demand forecasting. Reported improvements were mainly associated with cost efficiency, service level, stockout reduction, and system performance; however, the magnitude of improvement varied across algorithms, data sources, sectors, and simulation or real-world settings. Overall, intelligent algorithms represent a relevant tool for improving inventory management, but their adoption requires careful validation, transparent reporting, and alignment with the operational context.

Operational production planning has become a key factor in a company’s competitiveness, enabling efficient resource management and a rapid response to fluctuations in demand. However, many manufacturing organizations base their decisions on a conceptual perspective, creating imbalances between supply and demand. In this context, this study proposes a hybrid framework that integrates demand forecasting techniques and discrete-event simulation to optimize production planning at a dairy plant under scenarios involving random demand. First, a predictive model was developed using ARIMA as a baseline for comparison, and then parameters were adjusted in neural networks to estimate demand. The results showed that neural networks performed better, specifically the RN2 model, in generating future projections. Subsequently, the estimates were used as inputs for the simulation model to represent the company’s current system, enabling the identification of bottlenecks and the evaluation of improvement scenarios. The findings indicated that the company’s current capacity is insufficient to meet current and projected demand. Similarly, the “Assembly” and “Quality Control” stations were identified as the main operational constraints. The proposed improvement increased production capacity by 27.7%, enabling the company to meet demand. The evidence shows that integrating forecasting with simulation is an effective tool, as it provides data and scenarios that closely reflect reality, allowing companies to anticipate constraints and, most importantly, reduce risks and make more informed investment decisions.