Modelo Integrado de Predicción de Peso y Optimización de Cosecha en la industria avícola: Enfocado en la reducción de costos y el cumplimiento del mix de oferta

Abstract

Este proyecto desarrolla un modelo integrado que combina la predicción del peso de los pollos de engorde y la optimización del proceso de cosecha, con el objetivo de minimizar los costos de alimentación y asegurar el cumplimiento de los rangos de peso exigidos por el mercado. La iniciativa se enmarca en una empresa del sector avícola, donde una planificación eficiente es clave para mejorar la rentabilidad y satisfacer la demanda de aves clasificadas como pequeñas, medianas o grandes. En una primera fase, se construyó un modelo de regresión polinomial de tercer grado, ajustado para dos grupos de edad: aves menores o iguales a 38 días y aves de 39 días o más. El modelo alcanzó un RMSE de 0,129 kg (R²=0,3388) para el primer grupo y un RMSE de 0,1963 kg (R²=0,8119) para el segundo, lo que permitió capturar con mayor precisión la evolución del peso a lo largo del tiempo. Posteriormente, se diseñó un modelo de optimización basado en programación matemática, utilizando las predicciones de peso como entrada. El modelo logró planificar la cosecha óptima durante 12 días operativos del horizonte de planificación (2 semanas), respetando las restricciones de demanda por categoría de peso y evitando el sacrificio de aves fuera de especificación. Los resultados demuestran el potencial de la integración analítica para mejorar la toma de decisiones operativas en la industria avícola.

This project develops an integrated model that combines broiler weight prediction and harvest process optimization, with the aim of minimizing feed costs and ensuring compliance with market-demanded weight ranges. The initiative is framed within a poultry sector company, where efficient planning is key to improving profitability and satisfying the demand for birds classified as small, medium, or large. In a first phase, a 3rd-degree polynomial regression model was constructed, adjusted for two age groups: birds less than or equal to 38 days, and birds 39 days and older. The model achieved an RMSE of 0.129 kg (R²=0.3388) for the first group, and an RMSE of 0.1963 kg (R²=0.8119) for the second, allowing for more precise capture of weight evolution over time. Subsequently, an optimization model based on mathematical programming was designed, using weight predictions as input. The model was able to plan optimal harvesting over 12 operational days of the planning horizon (2 weeks), respecting demand restrictions by weight category and avoiding the slaughter of birds outside specification. The results show the potential of analytical integration to improve operational decision-making in the poultry industry.