Modelo de planificación táctica de cultivos bajo incertidumbre
Introducción- Actualmente la toma de decisiones es uno de los procesos más importantes dentro de la planificación de cultivos dadas las incertidumbres experimentadas por los agricultores en condiciones de campo abierto, esto hace necesario el desarrollo de modelos de planeación que incorporen estas...
- Autores:
-
Ramírez, Leila Nayibe
Pardo Beltrán, Olga Lucía
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2020
- Institución:
- Corporación Universidad de la Costa
- Repositorio:
- REDICUC - Repositorio CUC
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.cuc.edu.co:11323/12246
- Palabra clave:
- stochastic programming
crop planning
passion fruit
decision making
optimization under uncertainty
programación estocástica
planeación de cultivos
pasifloras
toma de decisiones
optimización bajo incertidumbre
- Rights
- openAccess
- License
- INGE CUC - 2020
id |
RCUC2_34aa6fdd0cd243ed26ee593a03fbd902 |
---|---|
oai_identifier_str |
oai:repositorio.cuc.edu.co:11323/12246 |
network_acronym_str |
RCUC2 |
network_name_str |
REDICUC - Repositorio CUC |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Modelo de planificación táctica de cultivos bajo incertidumbre |
dc.title.translated.eng.fl_str_mv |
Tactical Crop planning model under uncertainty |
title |
Modelo de planificación táctica de cultivos bajo incertidumbre |
spellingShingle |
Modelo de planificación táctica de cultivos bajo incertidumbre stochastic programming crop planning passion fruit decision making optimization under uncertainty programación estocástica planeación de cultivos pasifloras toma de decisiones optimización bajo incertidumbre |
title_short |
Modelo de planificación táctica de cultivos bajo incertidumbre |
title_full |
Modelo de planificación táctica de cultivos bajo incertidumbre |
title_fullStr |
Modelo de planificación táctica de cultivos bajo incertidumbre |
title_full_unstemmed |
Modelo de planificación táctica de cultivos bajo incertidumbre |
title_sort |
Modelo de planificación táctica de cultivos bajo incertidumbre |
dc.creator.fl_str_mv |
Ramírez, Leila Nayibe Pardo Beltrán, Olga Lucía |
dc.contributor.author.spa.fl_str_mv |
Ramírez, Leila Nayibe Pardo Beltrán, Olga Lucía |
dc.subject.eng.fl_str_mv |
stochastic programming crop planning passion fruit decision making optimization under uncertainty |
topic |
stochastic programming crop planning passion fruit decision making optimization under uncertainty programación estocástica planeación de cultivos pasifloras toma de decisiones optimización bajo incertidumbre |
dc.subject.spa.fl_str_mv |
programación estocástica planeación de cultivos pasifloras toma de decisiones optimización bajo incertidumbre |
description |
Introducción- Actualmente la toma de decisiones es uno de los procesos más importantes dentro de la planificación de cultivos dadas las incertidumbres experimentadas por los agricultores en condiciones de campo abierto, esto hace necesario el desarrollo de modelos de planeación que incorporen estas incertidumbres como se presenta en la siguiente investigación. Objetivo- Aplicar un modelo táctico para la optimización de la cadena de suministro en la producción de maracuyá para tres productores en el municipio de Suaza, Huila considerando tres escenarios probables para sustentar las decisiones de planificación, que sirva como herramienta de apoyo a la toma de decisiones en la planificación del cultivo. Metodología- El modelado elegido es un programa estocástico bi-etapa donde las decisiones en la primera etapa se toman para satisfacer los resultados inciertos de la segunda etapa. El modelo propuesto, determina qué cantidad de hectáreas debe sembrar cada productor para minimizar los costos considerando el rendimiento, dejando el precio como la fuente de incertidumbre para la segunda etapa. Finalmente, se analiza la utilidad esperada bajo diferentes escenarios. Resultados- Los resultados del modelo muestran que las estrategias de riesgo compartido a partir de la cooperación entre productores pueden lograr mayores utilidades en los diferentes escenarios y cumplir con las necesidades del mercado; en el escenario pesimista se puede lograr una utilidad de $15.982.562,62. Conclusiones- Aplicar modelos bajo incertidumbre permite obtener recomendaciones sobre procesos de planificación para tomar decisiones que se ajustan a un enfoque estocástico en comparación con los resultados obtenidos sin considerar la incertidumbre, y a su vez plantear estrategias colaborativas de gestión de finca. El modelo resultante muestra un punto de partida para establecer planes de producción más robustos que se ajusten a las necesidades de los productores, considerando la importancia de variables y parámetros aleatorios sobre las decisiones de plantación. |
publishDate |
2020 |
dc.date.accessioned.none.fl_str_mv |
2020-04-30 00:00:00 2024-04-09T20:17:35Z |
dc.date.available.none.fl_str_mv |
2020-04-30 00:00:00 2024-04-09T20:17:35Z |
dc.date.issued.none.fl_str_mv |
2020-04-30 |
dc.type.spa.fl_str_mv |
Artículo de revista |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_2df8fbb1 |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.local.eng.fl_str_mv |
Journal article |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/ART |
dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
format |
http://purl.org/coar/resource_type/c_6501 |
status_str |
publishedVersion |
dc.identifier.issn.none.fl_str_mv |
0122-6517 |
dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/11323/12246 |
dc.identifier.url.none.fl_str_mv |
https://doi.org/10.17981/ingecuc.16.2.2020.20 |
dc.identifier.doi.none.fl_str_mv |
10.17981/ingecuc.16.2.2020.20 |
dc.identifier.eissn.none.fl_str_mv |
2382-4700 |
identifier_str_mv |
0122-6517 10.17981/ingecuc.16.2.2020.20 2382-4700 |
url |
https://hdl.handle.net/11323/12246 https://doi.org/10.17981/ingecuc.16.2.2020.20 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.relation.ispartofjournal.spa.fl_str_mv |
Inge Cuc |
dc.relation.references.spa.fl_str_mv |
J. M. Bru, R. Poler & F. Lario, “Modelo y Métodos para la Planificación de la Producción de la Cadena de Suministro bajo Incertidumbre: Una introducción al Estado del Arte,” presentado II Conf Ing Org, ADINGOR, Vigo, ES, 5-6 Sept. 2002. Disponible en http://adingor.es/congresos/web/articulo/detalle/a/1495 V. Borodin, J. Bourtembourg, F. Hnaien & N. Labadie, “Handling uncertainty in agricultural supply chain management: A state of the art,” Eur J Oper Res, vol. 254, no. 2, pp. 348–359, Oct. 2016. https://doi.org/10.1016/j.ejor.2016.03.057 J. R. Birge y F. Louveaux, Introduction to Stochastic Programming. NY, USA: Springer, 1997. D. Bertsimas y S. Melvyn, “Robust discrete optimization and network flows,” Math Program, vol. 98, pp. 49–71, Sept. 2003. https://doi.org/10.1007/s10107-003-0396-4 O. Ahumada & J. R. Villalobos, “Application of planning models in the agri-food supply chain: A review,” Eur J Oper Res, vol. 196, no. 1, pp. 1–20, Jul. 2009. https://doi.org/10.1016/j.ejor.2008.02.014 N. V. Sahinidis, “Optimization under uncertainty: state-of-the-art and opportunities,” Comput Chem Eng, vol. 28, no. 6–7, pp. 971–983, Jun. 2004. https://doi.org/10.1016/j.compchemeng.2003.09.017 G. B. Dantzig, “Linear Programming under Uncertainty,” Manage Sci, vol. 1, no. 3, pp. 197–206, 1955. https://doi.org/10.1287/mnsc.1040.0261 O. Valenzuela, Models for Planning the Supply Chain of Agricultural Perishable Products. Tempe, USA: ProQuest LLC, 2008. L. N. Ramírez, S. L. Meneses & J. I. Campos, Gestión de Operaciones en la cadena de alimentos. Bo, CO: Unilibre, 2018. https://doi.org/10.18041/978-958-5466-46-3 N. Shabani, T. Sowlati, M. Ouhimmou y M. Rönnqvist, “Tactical supply chain planning for a forest biomass power plant under supply uncertainty,” Energy, vol. 78, no. C, pp. 346–355, Dec. 2014. https://doi.org/10.1016/j.energy.2014.10.019 V. Albornoz y C. Canales, “Planificación de la Conservación y Explotación del Langostino Colorado usando un Modelo de Optimización Estocástica No-Lineal con Recurso,” CIT, vol. 13, no. 4, pp. 183–190, Ene. 2002. Disponible en https://www.citrevistas.cl/a1.htm O. Ahumada, J. R. Villalobos & A. N. Mason, “Tactical planning of the production and distribution of fresh agricultural products under uncertainty,” Agric Syst, vol. 112, pp. 17–26, Oct. 2012. http://dx.doi.org/10.1016/j.agsy.2012.06.002 J. F. Shapiro, “Challenges of strategic supply chain planning and modeling,” Comput Chem Eng, vol. 28, no. 6–7, pp. 855–861, 2004. https://doi.org/10.1016/j.compchemeng.2003.09.013 A. Gupta & C. D. Maranas, “Managing demand uncertainty in supply chain planning,” Comput Chem Eng, vol. 27, no. 8-9, pp. 1219–1227, Sept. 2003. https://doi.org/10.1016/S0098-1354(03)00048-6 K. Harrison, D. Henley, H. Riley y J. Shaffer, Mejoramiento de los Sistemas de Comercialización de Alimentos en los Países en Desarrollo. SJ, CR: IICA, 1976. Disponible en https://repositorio.iica.int/handle/11324/14686 República de Colombia, Minagricultura, Apuesta Exportadora Agropecuaria 2006-2020. BO, CO: Minagricultura. Disponible en https://repository.agrosavia.co/handle/20.500.12324/17951 A. Barragán, “Huila: Paraíso Frutícola. Programa de competitividad agropecuaria del Huila,” Cadena Frutícola, Neiva, CO, Informe técnico y de gestión, 2010. Disponible en https://www.huila.gov.co/ Gobernación del Huila, Evaluación Agropecuaria del Huila 2007. Secretaría Agricultura Minería, Neiva, Co, 2017. Disponible en https://www.huila.gov.co/loader.php?lServicio=Tools2&lTipo=descargas&lFuncion=descargar&idFile=31362 L. N. Ramírez y A. M. Otálvaro, “Evaluación de competencias de las regiones para el desarrollo de un clúter útil a la cadena de productiva de passifloras en Colombia,” Univ Emp, vol. 17, no. 28, pp. 69–85, 1. http://dx.doi.org/10.12804/rev.univ.empresa.28.2015.03 M. Parra, Acuerdo de Competitividad para la Cadena Productiva de Pasifloras en Colombia. Minagricultura: Neiva, CO, 2012. Recuperado de https://sioc.minagricultura.gov.co/Pasifloras/Normatividad/004%20-%20D.C.%20-%20Acuerdo%20de%20Competitividad%20Cadena%20Pasifloras.pdf M. Parra, “Innovación en el Sistema de Producción de Maracuyá, caso de estudio: Suaza, Huila,” presentado al III Cong Latam I Cong Mund Pasifloras, CEPASS, Neiva, Co, 15-17 Mar. 2017. Disponible en http://cepass.org/ J. Coronado, J. P. García, J. Maheut & J. García, “Modelo de optimización estocástica para la planificación de cadenas de suministro para productos con ciclo de vida cortos,” presentado al 4 Int Conf Ind Eng Oper Manag, CIO, SS, ES, 8-10 Sept. 2010. Recuperado de http://adingor.es/congresos/web/uploads/cio/cio2010/PRODUCTION_PLANNING/1366-1375.pdf O. Ahumada & J. R. Villalobos, “Operational model for planning the harvest and distribution of perishable agricultural products,” Int J Prod Econ, vol. 133, no. 2, pp. 677–687, Oct. 2011. https://doi.org/10.1016/j.ijpe.2011.05.015 W. E. Soto-Silva, E. Nadal-Roig, M. C. González-Araya & L. M. Pla-Aragones, “Operational research models applied to the fresh fruit supply chain,” Eur J Oper Res, vol. 251, no. 2, pp. 345–355, Jun. 2016. https://doi.org/10.1016/j.ejor.2015.08.046 J. Mateo, L. M. Pla, F. Solsona & A. Pagès, “A production planning model considering uncertain demand using two-stage stochastic programming in a fresh vegetable supply chain context,” Springerplus, vol. 5, pp. 1–16, Jun. 2016. https://doi.org/10.1186/s40064-016-2556-z A. Megahed & M. Goetschalckx, “Tactical supply chain planning under uncertainty with an application in the wind turbines industry,” Comput Oper Res, vol. 100, pp. 287–300, Dec. 2018. https://doi.org/10.1016/j.cor.2017.12.015 J. Carvajal, W. Sarache & Y. Costa, “Planeación optima de cultivos de caña de azúcar bajo efectos de incertidumbre en los rendimientos y en la fecha de inicio del abastecimiento,” presentado al 9th Inter Conf Prod Res, Americas 2018, Bo, Co, 2018. Disponible en https://icpramericas2018.wixsite.com/icpr L. N. Ramírez, N. Obregón & J. A. Cleves, “Understanding the effects of uncertainty in crop planning,” presented at 2016 Industrial and Systems Engineering Research Conference, ISERC, Anaheim, USA, 2016. Disponible en https://www.iise.org/Annual2/Details.aspx?id=10150 Corabastos. “Corporación de Abastos de Bogotá”. corabastos.com, 2019. https://www.corabastos.com.co MinTic. “EVA”. datos.gov.co, 2015. https://www.datos.gov.co/Agricultura-y-Desarrollo-Rural/Evaluaciones-Agropecuarias-Municipales-EVA/2pnw-mmge Arena. (2019), SIMAN. https://www.clarcat.com/arena/ |
dc.relation.citationendpage.none.fl_str_mv |
266 |
dc.relation.citationstartpage.none.fl_str_mv |
253 |
dc.relation.citationissue.spa.fl_str_mv |
2 |
dc.relation.citationvolume.spa.fl_str_mv |
16 |
dc.relation.bitstream.none.fl_str_mv |
https://revistascientificas.cuc.edu.co/ingecuc/article/download/2553/3020 https://revistascientificas.cuc.edu.co/ingecuc/article/download/2553/3545 https://revistascientificas.cuc.edu.co/ingecuc/article/download/2553/3574 |
dc.relation.citationedition.spa.fl_str_mv |
Núm. 2 , Año 2020 : (Julio-Diciembre) |
dc.rights.spa.fl_str_mv |
INGE CUC - 2020 |
dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0 |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
INGE CUC - 2020 http://creativecommons.org/licenses/by-nc-nd/4.0 http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.mimetype.spa.fl_str_mv |
application/pdf text/html application/xml |
dc.publisher.spa.fl_str_mv |
Universidad de la Costa |
dc.source.spa.fl_str_mv |
https://revistascientificas.cuc.edu.co/ingecuc/article/view/2553 |
institution |
Corporación Universidad de la Costa |
bitstream.url.fl_str_mv |
https://repositorio.cuc.edu.co/bitstreams/dd52145f-e9f7-46d3-b266-39a56d3c313d/download |
bitstream.checksum.fl_str_mv |
6b5775d6b85c87850493c3974950b5f9 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositorio de la Universidad de la Costa CUC |
repository.mail.fl_str_mv |
repdigital@cuc.edu.co |
_version_ |
1811760752720084992 |
spelling |
Ramírez, Leila NayibePardo Beltrán, Olga Lucía2020-04-30 00:00:002024-04-09T20:17:35Z2020-04-30 00:00:002024-04-09T20:17:35Z2020-04-300122-6517https://hdl.handle.net/11323/12246https://doi.org/10.17981/ingecuc.16.2.2020.2010.17981/ingecuc.16.2.2020.202382-4700Introducción- Actualmente la toma de decisiones es uno de los procesos más importantes dentro de la planificación de cultivos dadas las incertidumbres experimentadas por los agricultores en condiciones de campo abierto, esto hace necesario el desarrollo de modelos de planeación que incorporen estas incertidumbres como se presenta en la siguiente investigación. Objetivo- Aplicar un modelo táctico para la optimización de la cadena de suministro en la producción de maracuyá para tres productores en el municipio de Suaza, Huila considerando tres escenarios probables para sustentar las decisiones de planificación, que sirva como herramienta de apoyo a la toma de decisiones en la planificación del cultivo. Metodología- El modelado elegido es un programa estocástico bi-etapa donde las decisiones en la primera etapa se toman para satisfacer los resultados inciertos de la segunda etapa. El modelo propuesto, determina qué cantidad de hectáreas debe sembrar cada productor para minimizar los costos considerando el rendimiento, dejando el precio como la fuente de incertidumbre para la segunda etapa. Finalmente, se analiza la utilidad esperada bajo diferentes escenarios. Resultados- Los resultados del modelo muestran que las estrategias de riesgo compartido a partir de la cooperación entre productores pueden lograr mayores utilidades en los diferentes escenarios y cumplir con las necesidades del mercado; en el escenario pesimista se puede lograr una utilidad de $15.982.562,62. Conclusiones- Aplicar modelos bajo incertidumbre permite obtener recomendaciones sobre procesos de planificación para tomar decisiones que se ajustan a un enfoque estocástico en comparación con los resultados obtenidos sin considerar la incertidumbre, y a su vez plantear estrategias colaborativas de gestión de finca. El modelo resultante muestra un punto de partida para establecer planes de producción más robustos que se ajusten a las necesidades de los productores, considerando la importancia de variables y parámetros aleatorios sobre las decisiones de plantación.Introduction- Currently, decision making is one of the most important processes in crop planning and the uncertainties experienced by fields in open field conditions. This is necessary to develop planning models that incorporate these uncertainties as presented in the next investigation. Objective- To apply a tactical model for the optimization of the supply chain in the production of passion fruit for three producers in the municipality of Suaza, Huila considering three probable scenarios to support the planning decisions, to serve as a tool to support the making of decisions in crop planning. Methodology- The chosen modeling is a stochastic bi-stage program where the decisions in the first stage are taken to satisfy the uncertain results of the second stage. The proposed model determines how many hectares each producer must plant to minimize costs considering yield, leaving the price as the source of uncertainty for the second stage. Finally, the expected utility is analyzed under different scenarios. Results- The results of the model show that risk-sharing strategies based on cooperation between producers can achieve higher profits in different scenarios and meet market needs; in the pessimistic scenario a profit of $ 15,982,562.62 can be achieved. Conclusions- Applying models under uncertainty allow us to obtain recommendations on planning processes to make decisions that conform to a stochastic approach compared to the results obtained without considering uncertainty, and in turn propose collaborative farm management strategies.The resulting model shows a starting point to establish more robust production plans that adjust to the needs of producers, considering the importance of variables and random parameters on planting decisions.application/pdftext/htmlapplication/xmlspaUniversidad de la CostaINGE CUC - 2020http://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.http://purl.org/coar/access_right/c_abf2https://revistascientificas.cuc.edu.co/ingecuc/article/view/2553stochastic programmingcrop planningpassion fruitdecision makingoptimization under uncertaintyprogramación estocásticaplaneación de cultivospasiflorastoma de decisionesoptimización bajo incertidumbreModelo de planificación táctica de cultivos bajo incertidumbreTactical Crop planning model under uncertaintyArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articleJournal articlehttp://purl.org/redcol/resource_type/ARTinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85Inge Cuc J. M. Bru, R. Poler & F. Lario, “Modelo y Métodos para la Planificación de la Producción de la Cadena de Suministro bajo Incertidumbre: Una introducción al Estado del Arte,” presentado II Conf Ing Org, ADINGOR, Vigo, ES, 5-6 Sept. 2002. Disponible en http://adingor.es/congresos/web/articulo/detalle/a/1495 V. Borodin, J. Bourtembourg, F. Hnaien & N. Labadie, “Handling uncertainty in agricultural supply chain management: A state of the art,” Eur J Oper Res, vol. 254, no. 2, pp. 348–359, Oct. 2016. https://doi.org/10.1016/j.ejor.2016.03.057 J. R. Birge y F. Louveaux, Introduction to Stochastic Programming. NY, USA: Springer, 1997. D. Bertsimas y S. Melvyn, “Robust discrete optimization and network flows,” Math Program, vol. 98, pp. 49–71, Sept. 2003. https://doi.org/10.1007/s10107-003-0396-4 O. Ahumada & J. R. Villalobos, “Application of planning models in the agri-food supply chain: A review,” Eur J Oper Res, vol. 196, no. 1, pp. 1–20, Jul. 2009. https://doi.org/10.1016/j.ejor.2008.02.014 N. V. Sahinidis, “Optimization under uncertainty: state-of-the-art and opportunities,” Comput Chem Eng, vol. 28, no. 6–7, pp. 971–983, Jun. 2004. https://doi.org/10.1016/j.compchemeng.2003.09.017 G. B. Dantzig, “Linear Programming under Uncertainty,” Manage Sci, vol. 1, no. 3, pp. 197–206, 1955. https://doi.org/10.1287/mnsc.1040.0261 O. Valenzuela, Models for Planning the Supply Chain of Agricultural Perishable Products. Tempe, USA: ProQuest LLC, 2008. L. N. Ramírez, S. L. Meneses & J. I. Campos, Gestión de Operaciones en la cadena de alimentos. Bo, CO: Unilibre, 2018. https://doi.org/10.18041/978-958-5466-46-3 N. Shabani, T. Sowlati, M. Ouhimmou y M. Rönnqvist, “Tactical supply chain planning for a forest biomass power plant under supply uncertainty,” Energy, vol. 78, no. C, pp. 346–355, Dec. 2014. https://doi.org/10.1016/j.energy.2014.10.019 V. Albornoz y C. Canales, “Planificación de la Conservación y Explotación del Langostino Colorado usando un Modelo de Optimización Estocástica No-Lineal con Recurso,” CIT, vol. 13, no. 4, pp. 183–190, Ene. 2002. Disponible en https://www.citrevistas.cl/a1.htm O. Ahumada, J. R. Villalobos & A. N. Mason, “Tactical planning of the production and distribution of fresh agricultural products under uncertainty,” Agric Syst, vol. 112, pp. 17–26, Oct. 2012. http://dx.doi.org/10.1016/j.agsy.2012.06.002 J. F. Shapiro, “Challenges of strategic supply chain planning and modeling,” Comput Chem Eng, vol. 28, no. 6–7, pp. 855–861, 2004. https://doi.org/10.1016/j.compchemeng.2003.09.013 A. Gupta & C. D. Maranas, “Managing demand uncertainty in supply chain planning,” Comput Chem Eng, vol. 27, no. 8-9, pp. 1219–1227, Sept. 2003. https://doi.org/10.1016/S0098-1354(03)00048-6 K. Harrison, D. Henley, H. Riley y J. Shaffer, Mejoramiento de los Sistemas de Comercialización de Alimentos en los Países en Desarrollo. SJ, CR: IICA, 1976. Disponible en https://repositorio.iica.int/handle/11324/14686 República de Colombia, Minagricultura, Apuesta Exportadora Agropecuaria 2006-2020. BO, CO: Minagricultura. Disponible en https://repository.agrosavia.co/handle/20.500.12324/17951 A. Barragán, “Huila: Paraíso Frutícola. Programa de competitividad agropecuaria del Huila,” Cadena Frutícola, Neiva, CO, Informe técnico y de gestión, 2010. Disponible en https://www.huila.gov.co/ Gobernación del Huila, Evaluación Agropecuaria del Huila 2007. Secretaría Agricultura Minería, Neiva, Co, 2017. Disponible en https://www.huila.gov.co/loader.php?lServicio=Tools2&lTipo=descargas&lFuncion=descargar&idFile=31362 L. N. Ramírez y A. M. Otálvaro, “Evaluación de competencias de las regiones para el desarrollo de un clúter útil a la cadena de productiva de passifloras en Colombia,” Univ Emp, vol. 17, no. 28, pp. 69–85, 1. http://dx.doi.org/10.12804/rev.univ.empresa.28.2015.03 M. Parra, Acuerdo de Competitividad para la Cadena Productiva de Pasifloras en Colombia. Minagricultura: Neiva, CO, 2012. Recuperado de https://sioc.minagricultura.gov.co/Pasifloras/Normatividad/004%20-%20D.C.%20-%20Acuerdo%20de%20Competitividad%20Cadena%20Pasifloras.pdf M. Parra, “Innovación en el Sistema de Producción de Maracuyá, caso de estudio: Suaza, Huila,” presentado al III Cong Latam I Cong Mund Pasifloras, CEPASS, Neiva, Co, 15-17 Mar. 2017. Disponible en http://cepass.org/ J. Coronado, J. P. García, J. Maheut & J. García, “Modelo de optimización estocástica para la planificación de cadenas de suministro para productos con ciclo de vida cortos,” presentado al 4 Int Conf Ind Eng Oper Manag, CIO, SS, ES, 8-10 Sept. 2010. Recuperado de http://adingor.es/congresos/web/uploads/cio/cio2010/PRODUCTION_PLANNING/1366-1375.pdf O. Ahumada & J. R. Villalobos, “Operational model for planning the harvest and distribution of perishable agricultural products,” Int J Prod Econ, vol. 133, no. 2, pp. 677–687, Oct. 2011. https://doi.org/10.1016/j.ijpe.2011.05.015 W. E. Soto-Silva, E. Nadal-Roig, M. C. González-Araya & L. M. Pla-Aragones, “Operational research models applied to the fresh fruit supply chain,” Eur J Oper Res, vol. 251, no. 2, pp. 345–355, Jun. 2016. https://doi.org/10.1016/j.ejor.2015.08.046 J. Mateo, L. M. Pla, F. Solsona & A. Pagès, “A production planning model considering uncertain demand using two-stage stochastic programming in a fresh vegetable supply chain context,” Springerplus, vol. 5, pp. 1–16, Jun. 2016. https://doi.org/10.1186/s40064-016-2556-z A. Megahed & M. Goetschalckx, “Tactical supply chain planning under uncertainty with an application in the wind turbines industry,” Comput Oper Res, vol. 100, pp. 287–300, Dec. 2018. https://doi.org/10.1016/j.cor.2017.12.015 J. Carvajal, W. Sarache & Y. Costa, “Planeación optima de cultivos de caña de azúcar bajo efectos de incertidumbre en los rendimientos y en la fecha de inicio del abastecimiento,” presentado al 9th Inter Conf Prod Res, Americas 2018, Bo, Co, 2018. Disponible en https://icpramericas2018.wixsite.com/icpr L. N. Ramírez, N. Obregón & J. A. Cleves, “Understanding the effects of uncertainty in crop planning,” presented at 2016 Industrial and Systems Engineering Research Conference, ISERC, Anaheim, USA, 2016. Disponible en https://www.iise.org/Annual2/Details.aspx?id=10150 Corabastos. “Corporación de Abastos de Bogotá”. corabastos.com, 2019. https://www.corabastos.com.co MinTic. “EVA”. datos.gov.co, 2015. https://www.datos.gov.co/Agricultura-y-Desarrollo-Rural/Evaluaciones-Agropecuarias-Municipales-EVA/2pnw-mmgeArena. (2019), SIMAN. https://www.clarcat.com/arena/266253216https://revistascientificas.cuc.edu.co/ingecuc/article/download/2553/3020https://revistascientificas.cuc.edu.co/ingecuc/article/download/2553/3545https://revistascientificas.cuc.edu.co/ingecuc/article/download/2553/3574Núm. 2 , Año 2020 : (Julio-Diciembre)PublicationOREORE.xmltext/xml2557https://repositorio.cuc.edu.co/bitstreams/dd52145f-e9f7-46d3-b266-39a56d3c313d/download6b5775d6b85c87850493c3974950b5f9MD5111323/12246oai:repositorio.cuc.edu.co:11323/122462024-09-17 10:58:49.927http://creativecommons.org/licenses/by-nc-nd/4.0INGE CUC - 2020metadata.onlyhttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.co |