Identificación de los principales indicadores de gestión logística utilizados por pequeñas empresas proveedoras del sector petrolero
Introducción: los planes de mejoramiento logísticos se basan en actividades monitoreadas por indicadores que se asocian al ahorro en costos logísticos. Este trabajo se realizó a partir de una muestra de 44 empresas en seis ciudades de Colombia participantes de un proyecto realizado para el sector pe...
- Autores:
-
González Camargo, Carlos Alberto
Mosquera Cicero, Diana Marcela
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2021
- Institución:
- Corporación Universidad de la Costa
- Repositorio:
- REDICUC - Repositorio CUC
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.cuc.edu.co:11323/12263
- Palabra clave:
- Indicadores logísticos
estadística multivariada
mejoramiento logístico
pymes
estadística descriptiva
análisis de clúster
análisis de componentes
Logistic index
Multivariate statistics
logistic improvement
SMEs
Descriptive statistics
cluster analysis
component analysis
- Rights
- openAccess
- License
- INGE CUC - 2021
| id |
RCUC2_80802c43cad98c957ed076c6e5ba5ad9 |
|---|---|
| oai_identifier_str |
oai:repositorio.cuc.edu.co:11323/12263 |
| network_acronym_str |
RCUC2 |
| network_name_str |
REDICUC - Repositorio CUC |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Identificación de los principales indicadores de gestión logística utilizados por pequeñas empresas proveedoras del sector petrolero |
| dc.title.translated.eng.fl_str_mv |
Identification of the main logistics management indicators used by small companies of petroleum sector. |
| title |
Identificación de los principales indicadores de gestión logística utilizados por pequeñas empresas proveedoras del sector petrolero |
| spellingShingle |
Identificación de los principales indicadores de gestión logística utilizados por pequeñas empresas proveedoras del sector petrolero Indicadores logísticos estadística multivariada mejoramiento logístico pymes estadística descriptiva análisis de clúster análisis de componentes Logistic index Multivariate statistics logistic improvement SMEs Descriptive statistics cluster analysis component analysis |
| title_short |
Identificación de los principales indicadores de gestión logística utilizados por pequeñas empresas proveedoras del sector petrolero |
| title_full |
Identificación de los principales indicadores de gestión logística utilizados por pequeñas empresas proveedoras del sector petrolero |
| title_fullStr |
Identificación de los principales indicadores de gestión logística utilizados por pequeñas empresas proveedoras del sector petrolero |
| title_full_unstemmed |
Identificación de los principales indicadores de gestión logística utilizados por pequeñas empresas proveedoras del sector petrolero |
| title_sort |
Identificación de los principales indicadores de gestión logística utilizados por pequeñas empresas proveedoras del sector petrolero |
| dc.creator.fl_str_mv |
González Camargo, Carlos Alberto Mosquera Cicero, Diana Marcela |
| dc.contributor.author.spa.fl_str_mv |
González Camargo, Carlos Alberto Mosquera Cicero, Diana Marcela |
| dc.subject.spa.fl_str_mv |
Indicadores logísticos estadística multivariada mejoramiento logístico pymes estadística descriptiva análisis de clúster análisis de componentes |
| topic |
Indicadores logísticos estadística multivariada mejoramiento logístico pymes estadística descriptiva análisis de clúster análisis de componentes Logistic index Multivariate statistics logistic improvement SMEs Descriptive statistics cluster analysis component analysis |
| dc.subject.eng.fl_str_mv |
Logistic index Multivariate statistics logistic improvement SMEs Descriptive statistics cluster analysis component analysis |
| description |
Introducción: los planes de mejoramiento logísticos se basan en actividades monitoreadas por indicadores que se asocian al ahorro en costos logísticos. Este trabajo se realizó a partir de una muestra de 44 empresas en seis ciudades de Colombia participantes de un proyecto realizado para el sector petrolero. Objetivo: identificar los indicadores más utilizados por las pequeñas empresas, que permiten lograr el mejoramiento empresarial, representado en ahorros en costos logísticos. Metodología:  a partir de la información del proyecto “Fortalecimiento de las operaciones logísticas de las empresas proveedoras de bienes”, se normalizó la base de datos,  se realizó el análisis estadístico descriptivo, posteriormente el análisis multivariado encontrando relaciones entre áreas e indicadores logísticos, mediante el análisis de clúster y el análisis de componentes, identificando el grupo de indicadores logísticos más utilizados por los empresarios para el mejoramiento empresarial. Resultados: como resultado se obtuvo que el área de almacenamiento es la que más representa ahorro en costos logísticos, la ciudad de Orito fue la que más ahorros tuvo, la variación en ahorro fue heterogénea. Conclusiones: la variable de ahorro en costos logísticos, discriminada por área, se concentra en el área de almacenamiento. El grupo de indicadores principales del área de almacenamiento con los cuales se puede realizar control y seguimiento son exactitud en inventarios, rotación de inventarios y costo de unidad almacenada. |
| publishDate |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2021-11-02 00:00:00 2024-04-09T20:17:45Z |
| dc.date.available.none.fl_str_mv |
2021-11-02 00:00:00 2024-04-09T20:17:45Z |
| dc.date.issued.none.fl_str_mv |
2021-11-02 |
| 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/11323/12263 |
| dc.identifier.url.none.fl_str_mv |
https://doi.org/10.17981/ingecuc.18.1.2022.12 |
| dc.identifier.doi.none.fl_str_mv |
10.17981/ingecuc.18.1.2022.12 |
| dc.identifier.eissn.none.fl_str_mv |
2382-4700 |
| identifier_str_mv |
0122-6517 10.17981/ingecuc.18.1.2022.12 2382-4700 |
| url |
https://hdl.handle.net/11323/12263 https://doi.org/10.17981/ingecuc.18.1.2022.12 |
| 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 |
C. Gonzalez, J. Martinez, C. Malcon y J. Cavazos, “Metodología de la gestión logística para el mejoramiento de pequeñas empresas”, RIAF, vol. 6, no. 5, pp. 121–129, Ene. 2013. Recuperado de http://www.theibfr2.com/RePEc/ibf/riafin/riaf-v6n5-2013/RIAF-V6N5-2013-9.pdf J. W. Creswell & J. D. Creswell, Research Design. Qualitative, Quantitative and Mixed Methods Approaches. THOK, CA: Sage, 2017. Available from https://www.ucg.ac.me/skladiste/blog_609332/objava_105202/fajlovi/Creswell.pdf J. Avilez, P. Escobar, G. Von Fabeck, K. Villagran, F. García, R. Matamoros y A. García Martínez, “Caracterización Productiva de Explotaciones Lecheras Empleando Metodología de Análisis Multivariado”, Rev Cient FCV-LUZ, vol. 20, no. 1, pp. 74–80, Feb. 2010. Disponible en https://www.produccioncientificaluz.org/index.php/cientifica/article/view/15529 L. Mora, Indicadores de gestión logística KPI Los indicadores claves del desempeño logístico. BO, CO: Ecoe, 2012. Recuperado de https://www.fesc.edu.co/portal/archivos/e_libros/logistica/ind_logistica.pdf H. Khan & J. D. Wisner, “Supply chain integration, learning, and agility: Effects on performance,” Oper SCM, vol. 12, no. 1, pp. 14–23, Feb. 2019. http://doi.org/10.31387/oscm0360218 C. González, “Sistema para la gestión logística empresarial”, Sotavento M.B.A., no. 23, pp. 32–41, Jun 2014. Disponible en https://revistas.uexternado.edu.co/index.php/sotavento/article/view/3985 C. Giraldo, L. Moreno y H. Cortés, “Modelo de gestión por procesos en logística aplicado a empresas de Medellín”, Rev Soluposgrados EIA, vol. 5, no. 9, pp. 117–141, Nov. 2013. Disponible en https://revistas.eia.edu.co/index.php/SDP/article/view/366 Y. Becerra, “Propuesta metodológica para la definición de estrategias de mejoramiento en logística de pymes”, I2+D, vol. 15, no. 1, pp. 48–57, Jun. 2015. http://doi.org/10.19053/1900771X.3938 B. Kucukaltan, Z. Irani and E. Aktas, “A decision support model for identification and prioritization of key performance indicators in the logistics industry,” Comput Hum Behav, vol. 65, pp. 346–358, Dec. 2016. https://doi.org/10.1016/j.chb.2016.08.045 A. Zuluaga-Mazo, R. Gómez-Montoya y S. Fernández-Henao, “Indicadores logísticos en la cadena de suministro como apoyo al modelo Scor”, Clío Amer, vol. 8, no. 15, pp. 90–110, Jun. 2014. https://doi.org/10.21676/23897848.832 G. Vidalón, “Mejoramiento continuo en la logística de la empresa negocios, tecnología y soluciones Perú S.R.L. Los Olivos”, Tesis Licenciatura, Fac. Cienc. Empr., UCV, LIM, PE, 2018. Disponible en https://hdl.handle.net/20.500.12692/19325 M. Arango, S. Ruiz, L. Ortíz y J. Zapata, “Indicadores de desempeño para empresas del sector logístico: Un enfoque desde el transporte de carga terrestre”, Ingeniare, vol. 25, no. 4, pp. 707–720, Dic. 2017. http://dx.doi.org/10.4067/S0718-33052017000400707 O. Barbosa, Los indicadores de gestión y su contexto. BO, CO: ESAP, 2000. D. C. Hoaglin & R. E. Wewlseh, “The hat matrix in regresiòn and ANOVA,” Am Stat, vol. 32, no. 1, pp. 17–22, Oct. 1976. Available: http://hdl.handle.net/1721.1/1920 M. Rendón-Macías, M. Villasís-Keever y M. Miranda-Novales, “Estadística descriptiva”, RAM, vol. 63, no. 4, pp. 397–407, Dic. 2016. https://doi.org/10.29262/ram.v63i4.230 C. Díaz y G. Rivas, “Fundamentos para la aplicación de Bioestadística en Odontología”, Rev Salud Pública Parag, vol. 5, no. 2, pp. 56–61, Dic. 2015. Recuperado de https://docs.bvsalud.org/biblioref/2018/06/905325/56-61.pdf F. Tusell, Estadística: Análisis Multivariante (15763) Curso 2007–2008. BB, ES: UPV/EHU, 2016. Recuperado de http://www.et.bs.ehu.es/~etptupaf/pub/programas/estad4.pdf C. Cuadras, Nuevos métodos de análisis multivariante. BAR, ES: CMC Editions, 2007. Recuperado de http://www.est.uc3m.es/esp/nueva_docencia/getafe/estadistica/analisis_multivariante/doc_generica/archivos/metodos.pdf E. Burbano-Vallejo y E. Moreno, “Análisis de Conglomerados del Norte del Valle del Cauca. Caso estudio Cartago, Zarzal y la Unión”, II, vol. 39, no. 1, pp. 78–91, Abr. 2018. Disponible en https://rii.cujae.edu.cu/index.php/revistaind/article/view/801 C. Véliz, Análisis multivariante: métodos estadísticos multivariantes para la investigación. CABA, AR: Cengage Learning, 2015. Disponible en https://centrumthink.pucp.edu.pe/publicaciones/analisis-multivariante-metodos-estadisticos-multivariantes-para-la-investigacion/ D. Garcés y F. Jaimes, “Ronda Clínica y Epidemiológica. Introducción al Análisis Multivariable (Parte I)”, IATREIA , vol. 27, no. 3, pp. 355–363, Sep. 2014. Disponible en https://go.gale.com/ps/i.do?p=AONE&u=googlescholar&id=GALE|A439636050&v=2.1&it=r&sid=AONE&asid=9af38fe0 Consorcio Cluster Development, Metis Gaia y J. D’ávila Quevedo, Elaboración de un mapeo de clusters en el Perú. LIM, PE: CNCF, 2013. M. Sato-Ilic, “Homogeneous Cluster Analysis”, Proc Comp Sci, vol. 140, pp. 269–275, Jan. 2018.https://doi.org/10.1016/j.procs.2018.10.320 A. Banerjee & I. Abu, “Evolutionary Clustering Algorithms for Relational Data,” Proc Comp Sci, vol. 140, pp. 276–283, Jan. 2018.https://doi.org/10.1016/j.procs.2018.10.319 S. Hantsch, H. Kergel, M. Munoz y M. Nerger, Excelencia en la administración de clusters en México. Clusters de TI Mexicanos en comparación con sus pares europeos. BE, DE: ESCA, 2015. X. Yao, S. Ge, H. Kong & H. Ning, “An Improved Clustering Algorithm and Its Application in WeChat Sports Users Analysis”, Proc Comp Sci, vol. 129, pp. 166–174, Jan. 2018. https://doi.org/10.1016/j.procs.2018.03.067 S. Wade & Z. Ghahramani, “Bayesian Cluster Analysis: Point Estimation and Credible Balls (with Discussion),” Bayesian Anal, vol. 13, no. 2, pp. 559–626, Jun. 2018. https://doi.org/10.1214/17-BA1073 R. Ruiz, J. Arévalo, G. Morillo y P. Acosta, “Análisis de componentes principales aplicado a la prueba estatal Colombiana Saber 11”, Espacios, vol. 39, no. 10, pp. 1–12, Nov. 2017. Recuperado de https://www.revistaespacios.com/a18v39n10/a18v39n10p01.pdf C. Gil, “Análisis de componentes principales (PCA)”, Jun 2018. [En linea]. Disponible en https://rpubs.com/Cristina_Gil/PCA J. Cruz, “La calidad de vida laboral y el estudio del recurso humano: una reflexión sobre su relación con las variables organizacionales”, Pensam Gest, no. 45, pp. 58–81, Dic. 2018. Disponible en https://rcientificas.uninorte.edu.co/index.php/pensamiento/article/view/10617 |
| dc.relation.citationendpage.none.fl_str_mv |
162 |
| dc.relation.citationstartpage.none.fl_str_mv |
142 |
| dc.relation.citationissue.spa.fl_str_mv |
1 |
| dc.relation.citationvolume.spa.fl_str_mv |
18 |
| dc.relation.bitstream.none.fl_str_mv |
https://revistascientificas.cuc.edu.co/ingecuc/article/download/2751/4298 https://revistascientificas.cuc.edu.co/ingecuc/article/download/2751/4646 https://revistascientificas.cuc.edu.co/ingecuc/article/download/2751/4647 |
| dc.relation.citationedition.spa.fl_str_mv |
Núm. 1 , Año 2022 : (Enero - Junio) |
| dc.rights.spa.fl_str_mv |
INGE CUC - 2021 |
| 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 - 2021 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 text/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/2751 |
| institution |
Corporación Universidad de la Costa |
| bitstream.url.fl_str_mv |
https://repositorio.cuc.edu.co/bitstreams/9528e5fd-15e8-4632-afb8-750b1dcaf812/download |
| bitstream.checksum.fl_str_mv |
bd55763e85ce4154db53fd2f2e5c7fc4 |
| 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_ |
1828166816258588672 |
| spelling |
González Camargo, Carlos AlbertoMosquera Cicero, Diana Marcela2021-11-02 00:00:002024-04-09T20:17:45Z2021-11-02 00:00:002024-04-09T20:17:45Z2021-11-020122-6517https://hdl.handle.net/11323/12263https://doi.org/10.17981/ingecuc.18.1.2022.1210.17981/ingecuc.18.1.2022.122382-4700Introducción: los planes de mejoramiento logísticos se basan en actividades monitoreadas por indicadores que se asocian al ahorro en costos logísticos. Este trabajo se realizó a partir de una muestra de 44 empresas en seis ciudades de Colombia participantes de un proyecto realizado para el sector petrolero. Objetivo: identificar los indicadores más utilizados por las pequeñas empresas, que permiten lograr el mejoramiento empresarial, representado en ahorros en costos logísticos. Metodología:  a partir de la información del proyecto “Fortalecimiento de las operaciones logísticas de las empresas proveedoras de bienes”, se normalizó la base de datos,  se realizó el análisis estadístico descriptivo, posteriormente el análisis multivariado encontrando relaciones entre áreas e indicadores logísticos, mediante el análisis de clúster y el análisis de componentes, identificando el grupo de indicadores logísticos más utilizados por los empresarios para el mejoramiento empresarial. Resultados: como resultado se obtuvo que el área de almacenamiento es la que más representa ahorro en costos logísticos, la ciudad de Orito fue la que más ahorros tuvo, la variación en ahorro fue heterogénea. Conclusiones: la variable de ahorro en costos logísticos, discriminada por área, se concentra en el área de almacenamiento. El grupo de indicadores principales del área de almacenamiento con los cuales se puede realizar control y seguimiento son exactitud en inventarios, rotación de inventarios y costo de unidad almacenada.Introduction: logistics improvement plans are based on activities monitored by indicators that are associated with saving in logistics costs. This work was carried out based on a sample of 44 companies in six Colombian cities participating in a project carried out for the oil sector. Objective: to identify the indicators most used by small businesses, which allow to achieve business improvement, represented in savings in logistics costs. Methodology: based on the information of the project “Strengthening the logistics operations of the companies providing goods”, the database was normalized, the descriptive statistical analysis was carried out, subsequently the multivariate analysis finding relationships between areas and logistics indicators, through cluster analysis and component analysis, identifying the group of logistic indicators most used by entrepreneurs for business improvement. Results: as a result it was obtained that the storage area is the one that represents the most savings in logistics costs, the city of Orito was the one that had the most savings, the variation in savings was heterogeneous. Conclusions: the variable in logistics cost savings, discriminated by area, is concentrated in the storage area. The group of main indicators of the storage area with which control and monitoring can be performed are inventory accuracy, inventory turnover and cost of stored unit.application/pdftext/htmltext/xmlspaUniversidad de la CostaINGE CUC - 2021http://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/2751Indicadores logísticosestadística multivariadamejoramiento logísticopymesestadística descriptivaanálisis de clústeranálisis de componentesLogistic indexMultivariate statisticslogistic improvementSMEsDescriptive statisticscluster analysiscomponent analysisIdentificación de los principales indicadores de gestión logística utilizados por pequeñas empresas proveedoras del sector petroleroIdentification of the main logistics management indicators used by small companies of petroleum sector.Artículo 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 CucC. Gonzalez, J. Martinez, C. Malcon y J. Cavazos, “Metodología de la gestión logística para el mejoramiento de pequeñas empresas”, RIAF, vol. 6, no. 5, pp. 121–129, Ene. 2013. Recuperado de http://www.theibfr2.com/RePEc/ibf/riafin/riaf-v6n5-2013/RIAF-V6N5-2013-9.pdfJ. W. Creswell & J. D. Creswell, Research Design. Qualitative, Quantitative and Mixed Methods Approaches. THOK, CA: Sage, 2017. Available from https://www.ucg.ac.me/skladiste/blog_609332/objava_105202/fajlovi/Creswell.pdfJ. Avilez, P. Escobar, G. Von Fabeck, K. Villagran, F. García, R. Matamoros y A. García Martínez, “Caracterización Productiva de Explotaciones Lecheras Empleando Metodología de Análisis Multivariado”, Rev Cient FCV-LUZ, vol. 20, no. 1, pp. 74–80, Feb. 2010. Disponible en https://www.produccioncientificaluz.org/index.php/cientifica/article/view/15529L. Mora, Indicadores de gestión logística KPI Los indicadores claves del desempeño logístico. BO, CO: Ecoe, 2012. Recuperado de https://www.fesc.edu.co/portal/archivos/e_libros/logistica/ind_logistica.pdfH. Khan & J. D. Wisner, “Supply chain integration, learning, and agility: Effects on performance,” Oper SCM, vol. 12, no. 1, pp. 14–23, Feb. 2019. http://doi.org/10.31387/oscm0360218C. González, “Sistema para la gestión logística empresarial”, Sotavento M.B.A., no. 23, pp. 32–41, Jun 2014. Disponible en https://revistas.uexternado.edu.co/index.php/sotavento/article/view/3985C. Giraldo, L. Moreno y H. Cortés, “Modelo de gestión por procesos en logística aplicado a empresas de Medellín”, Rev Soluposgrados EIA, vol. 5, no. 9, pp. 117–141, Nov. 2013. Disponible en https://revistas.eia.edu.co/index.php/SDP/article/view/366Y. Becerra, “Propuesta metodológica para la definición de estrategias de mejoramiento en logística de pymes”, I2+D, vol. 15, no. 1, pp. 48–57, Jun. 2015. http://doi.org/10.19053/1900771X.3938B. Kucukaltan, Z. Irani and E. Aktas, “A decision support model for identification and prioritization of key performance indicators in the logistics industry,” Comput Hum Behav, vol. 65, pp. 346–358, Dec. 2016. https://doi.org/10.1016/j.chb.2016.08.045A. Zuluaga-Mazo, R. Gómez-Montoya y S. Fernández-Henao, “Indicadores logísticos en la cadena de suministro como apoyo al modelo Scor”, Clío Amer, vol. 8, no. 15, pp. 90–110, Jun. 2014. https://doi.org/10.21676/23897848.832G. Vidalón, “Mejoramiento continuo en la logística de la empresa negocios, tecnología y soluciones Perú S.R.L. Los Olivos”, Tesis Licenciatura, Fac. Cienc. Empr., UCV, LIM, PE, 2018. Disponible en https://hdl.handle.net/20.500.12692/19325M. Arango, S. Ruiz, L. Ortíz y J. Zapata, “Indicadores de desempeño para empresas del sector logístico: Un enfoque desde el transporte de carga terrestre”, Ingeniare, vol. 25, no. 4, pp. 707–720, Dic. 2017. http://dx.doi.org/10.4067/S0718-33052017000400707O. Barbosa, Los indicadores de gestión y su contexto. BO, CO: ESAP, 2000.D. C. Hoaglin & R. E. Wewlseh, “The hat matrix in regresiòn and ANOVA,” Am Stat, vol. 32, no. 1, pp. 17–22, Oct. 1976. Available: http://hdl.handle.net/1721.1/1920M. Rendón-Macías, M. Villasís-Keever y M. Miranda-Novales, “Estadística descriptiva”, RAM, vol. 63, no. 4, pp. 397–407, Dic. 2016. https://doi.org/10.29262/ram.v63i4.230C. Díaz y G. Rivas, “Fundamentos para la aplicación de Bioestadística en Odontología”, Rev Salud Pública Parag, vol. 5, no. 2, pp. 56–61, Dic. 2015. Recuperado de https://docs.bvsalud.org/biblioref/2018/06/905325/56-61.pdfF. Tusell, Estadística: Análisis Multivariante (15763) Curso 2007–2008. BB, ES: UPV/EHU, 2016. Recuperado de http://www.et.bs.ehu.es/~etptupaf/pub/programas/estad4.pdfC. Cuadras, Nuevos métodos de análisis multivariante. BAR, ES: CMC Editions, 2007. Recuperado de http://www.est.uc3m.es/esp/nueva_docencia/getafe/estadistica/analisis_multivariante/doc_generica/archivos/metodos.pdfE. Burbano-Vallejo y E. Moreno, “Análisis de Conglomerados del Norte del Valle del Cauca. Caso estudio Cartago, Zarzal y la Unión”, II, vol. 39, no. 1, pp. 78–91, Abr. 2018. Disponible en https://rii.cujae.edu.cu/index.php/revistaind/article/view/801C. Véliz, Análisis multivariante: métodos estadísticos multivariantes para la investigación. CABA, AR: Cengage Learning, 2015. Disponible en https://centrumthink.pucp.edu.pe/publicaciones/analisis-multivariante-metodos-estadisticos-multivariantes-para-la-investigacion/D. Garcés y F. Jaimes, “Ronda Clínica y Epidemiológica. Introducción al Análisis Multivariable (Parte I)”, IATREIA , vol. 27, no. 3, pp. 355–363, Sep. 2014. Disponible en https://go.gale.com/ps/i.do?p=AONE&u=googlescholar&id=GALE|A439636050&v=2.1&it=r&sid=AONE&asid=9af38fe0Consorcio Cluster Development, Metis Gaia y J. D’ávila Quevedo, Elaboración de un mapeo de clusters en el Perú. LIM, PE: CNCF, 2013.M. Sato-Ilic, “Homogeneous Cluster Analysis”, Proc Comp Sci, vol. 140, pp. 269–275, Jan. 2018.https://doi.org/10.1016/j.procs.2018.10.320A. Banerjee & I. Abu, “Evolutionary Clustering Algorithms for Relational Data,” Proc Comp Sci, vol. 140, pp. 276–283, Jan. 2018.https://doi.org/10.1016/j.procs.2018.10.319S. Hantsch, H. Kergel, M. Munoz y M. Nerger, Excelencia en la administración de clusters en México. Clusters de TI Mexicanos en comparación con sus pares europeos. BE, DE: ESCA, 2015.X. Yao, S. Ge, H. Kong & H. Ning, “An Improved Clustering Algorithm and Its Application in WeChat Sports Users Analysis”, Proc Comp Sci, vol. 129, pp. 166–174, Jan. 2018. https://doi.org/10.1016/j.procs.2018.03.067S. Wade & Z. Ghahramani, “Bayesian Cluster Analysis: Point Estimation and Credible Balls (with Discussion),” Bayesian Anal, vol. 13, no. 2, pp. 559–626, Jun. 2018. https://doi.org/10.1214/17-BA1073R. Ruiz, J. Arévalo, G. Morillo y P. Acosta, “Análisis de componentes principales aplicado a la prueba estatal Colombiana Saber 11”, Espacios, vol. 39, no. 10, pp. 1–12, Nov. 2017. Recuperado de https://www.revistaespacios.com/a18v39n10/a18v39n10p01.pdfC. Gil, “Análisis de componentes principales (PCA)”, Jun 2018. [En linea]. Disponible en https://rpubs.com/Cristina_Gil/PCAJ. Cruz, “La calidad de vida laboral y el estudio del recurso humano: una reflexión sobre su relación con las variables organizacionales”, Pensam Gest, no. 45, pp. 58–81, Dic. 2018. Disponible en https://rcientificas.uninorte.edu.co/index.php/pensamiento/article/view/10617162142118https://revistascientificas.cuc.edu.co/ingecuc/article/download/2751/4298https://revistascientificas.cuc.edu.co/ingecuc/article/download/2751/4646https://revistascientificas.cuc.edu.co/ingecuc/article/download/2751/4647Núm. 1 , Año 2022 : (Enero - Junio)PublicationOREORE.xmltext/xml2716https://repositorio.cuc.edu.co/bitstreams/9528e5fd-15e8-4632-afb8-750b1dcaf812/downloadbd55763e85ce4154db53fd2f2e5c7fc4MD5111323/12263oai:repositorio.cuc.edu.co:11323/122632024-09-17 14:13:20.742http://creativecommons.org/licenses/by-nc-nd/4.0INGE CUC - 2021metadata.onlyhttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.co |