La producción global de carne de pollo se pronosticó en 97,8 MT en 2019. Las fluctuaciones de costos generan riesgos en la producción. Para tener un sistema de gestión efectivo, la incertidumbre del proceso debe tenerse en cuenta. Este enfoque considera el proceso como un intervalo con números difusos y, para gestionar los riesgos, utiliza la variable alfa, un parámetro determinado por el gerente en un intervalo entre 0 y 1. Luego se compararon y aplicaron dos algoritmos, a saber, el algoritmo competitivo imperialista multiobjetivo (MOICA) y la optimización de enjambre de partículas multiobjetivo (MOPSO). Dado que el proceso de producción tiene muchas actividades y cada actividad tiene opciones posibles, el proceso no tiene una solución única. Por lo tanto, la función objetivo y sus pesos asignados en términos de tiempo, costo y calidad pueden aplicarse para seleccionar la mejor solución de las obtenidas. Se puede observar una gran cantidad de incertidumbre, y una gestión efectiva requiere abordar estos problemas de incertidumbre. El algoritmo MOPSO mostró un mejor rendimiento que el algoritmo MOICA en este problema. Basado en lógica difusa e influenciado por la condición de incertidumbre (alfa = 0), el tiempo, el costo y la calidad en los algoritmos MOPSO y MOICA fueron de 1793,8 h, $260,571,7 y 46,66%, y 1792,5 h, $260,585,7 y 51,19%, respectivamente.