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...

Full description

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
Acceso en línea:
https://hdl.handle.net/11323/12246
https://doi.org/10.17981/ingecuc.16.2.2020.20
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