TY  - BOOK
AU  - Mármol Barriosnuevo,Mayerlis Enith
AU  - Diaz Sierra,Mayerly Yulisa
AU  - Vergara Rodríguez,César José
AU  - Mendoza Ortega,Gean Pablo
TI  - Diseño de estrategias para la gestión sostenible de la cadena de suministro agroalimentaria del ñame en el departamento de Sucre mediante. Un análisis multiobjetivo
PY  - 2024///
CY  - Sincelejo
PB  - Corporación Universitaria del Caribe - CECAR
KW  - Agricultura
KW  - armarc
KW  - Recursos naturales
KW  - Seguridad alimentaria
KW  - Gestión de las cadenas de suministro agroalimentaria
KW  - Herramienta de toma de decisiones
KW  - Ñame
KW  - Multiobjetivo
N1  - Trabajo de grado; Acs, S., Berentsen, P., Huirne, R., & van Asseldonk, M. (2009). Effect of yield and price risk
on conversion from conventional to organic farming. Australian Journal of
Agricultural and Resource Economics, 53(3), 393–411. https://doi.org/10.1111/J.1467-
8489.2009.00458.X; Adenso-Díaz, B., & Villa, G. (2021). Crop Planning in Synchronized Crop-Demand
Scenarios: A Biobjective Optimization Formulation. Horticulturae 7(10), 347.
https://doi.org/10.3390/HORTICULTURAE7100347; Ahumada, O., & Villalobos, J. R. (2009a). Application of planning models in the agri-food
supply chain: A review. European Journal of Operational Research, 196(1), 1–20.
https://doi.org/10.1016/J.EJOR.2008.02.014; Akkaya, D., Bimpikis, K., & Lee, H. (2020). Government Interventions to Promote
Agricultural Innovation. Manufacturing & Service Operations Management 23(2).
https://doi.org/10.1287/MSOM.2019.0834; Antonio, R., & Aguilar, M. (2016). Competitividad y cadenas de abastecimiento en el sector
productivo del valle del cauca, Colombia. Revista Global de Negocios, 4(1), 77–87.
www.theIBFR.com; Aramyan, L., Ondersteijn, C. J. M., Kooten, O. van, & Lansink, A. O. (2006). Performance
indicators in agri-food production chains. Frontis, 47–64.
https://library.wur.nl/ojs/index.php/frontis/article/view/1141; Arroyo-Morales, E. (2019). Diagnóstico del contexto socio económico de la cadena
productiva del ñame de la Subregión de Montes de María del Departamento de Sucre.
Apuestas del departamento de Sucre en sectores Agroindustria y Minería (pp. 10–28).
Corporación Universitaria del Caribe CECAR.
https://doi.org/10.21892/9789585547254.1; Arroyo-Morales, E., Mendoza-Ortega, G. P., Vergara-Rodríguez, C. J., Puentes-Márquez, J.,
Vergara- Narváez, A., Hernández-Ruiz, M., Vásquez-Otálora, C. A., VergaraStreinesberger, F., Hernández-Meza, Y. Y., & Martínez-Franco, J. A. (2019). Apuestas
del departamento de Sucre en sectores Agroindustria y Minería; Ávila-Rojas, S. L., & Osorio Gómez, J. C. (2015). Modelo de programación multi-objetivo
fuzzy para la selección de proveedores. Revista EIA, 23, 163–174; Ballou, R. H. (2004). Logística Administración de la cadena de suministro (Pearson
Educación. México., Ed.; QUINTA). www.FreeLibros.com; Benitez, R. (2022). Pérdidas y desperdicios de alimentos en América Latina y el Caribe |
FAO. https://www.fao.org/americas/noticias/ver/es/c/239393; Berredo, R., Ekel, P., Ferreira, H., Palhares, R., & Penaforte, D. (2015). Generalized
Algorithms of Discrete Optimization and Their Power Engineering Applications.
Engineering, 07(08), 530–543. https://doi.org/10.4236/ENG.2015.78049
; Botero-Bernal, J., & Álvarez Posada, L. (2013). Caracterización de la gestión de pronósticos
de demanda empresarial; Bourlakis, M., & Weightman, P. (2003). Introduction to the UK food supply chain. Food
Supply Chain Management, 1–10; Bowerman, B. L., O’Connell, R. T., Koehler, A. B., & Lozada, M. B. (2007). Pronósticos,
series de tiempo y regresión: un enfoque aplicado. Cengage Learning México; Boyabatli, O., Nasiry, J., & Zhou, Y. H. (2019). Crop Planning in Sustainable Agriculture:
Dynamic Farmland Allocation in the Presence of Crop Rotation Benefits.
Https://Doi.Org/10.1287/Mnsc.2018.3044, 65(5), 2060–2076.
https://doi.org/10.1287/MNSC.2018.3044; Boyabatlı, O., Nasiry, J., & Zhou, Y. (Helen). (2019). Crop Planning in Sustainable
Agriculture: Dynamic Farmland Allocation in the Presence of Crop Rotation Benefits.
Management Science, 65(5), 2060–2076. https://doi.org/10.1287/mnsc.2018.3044
; Cadena, J. B., Ariza, M. J., & Palomo, R. J. (2018). La gestión de pronóstico en las decisiones
empresariales: Un análisis empírico. Revista Espacios, 39(13); Campo-Arana, R. O., & Royet-Barroso, J. D. J. (2020). La antracnosis del ñame y estrategias
de manejo: una revisión. Temas Agrarios, 25(2), 190–201.
https://doi.org/10.21897/RTA.V25I2.2458; Chandrasiri, C., Dharmapriya, S., Jayawardana, J., Kulatunga, A. K., Weerasinghe, A. N.,
Aluwihare, C. P., & Hettiarachchi, D. (2022). Mitigating Environmental Impact of
Perishable Food Supply Chain by a Novel Configuration: Simulating Banana Supply
Chain in Sri Lanka. Sustainability (Switzerland), 14(19).
https://doi.org/10.3390/su141912060; Chapman, S. N. (2006). Planificación y control de la producción. Pearson educación
; Chopra, S., Meindl, P., Fernandez Molina, A. S., & Carril Villarreal, M. del P. (2008).
Administración de la cadena de suministro: estrategia, planeación y operación.
Pearson Educacion
; Cid-Garcia, N. M., Bravo-Lozano, A. G., & Rios-Solis, Y. A. (2014). A crop planning and
real-time irrigation method based on site-specific management zones and linear
programming. Computers and Electronics in Agriculture, 107, 20–28.
https://doi.org/10.1016/J.COMPAG.2014.06.002; Coello, C. A. C., Lamont, G. B., Veldhuizen, D. A. Van, Goldberg, D. E., & Koza, J. R.
(2007). Evolutionary Algorithms for Solving Multi-Objective Problems Second
Edition Genetic and Evolutionary Computation Series Series Editors Selected titles
from this series : Search, 67–69; Coello Coello, C. A. (2006). Evolutionary multi-objective optimization: A historical view of
the field. IEEE Computational Intelligence Magazine, 1(1), 28–36.
https://doi.org/10.1109/MCI.2006.1597059; Contreras Sierra, E. R. (2013). El concepto de estrategia como fundamento de la planeación
estratégica. Pensamiento & Gestión, 35, 152–181; Cristóbal, J., Guillén-Gosálbez, G., Jiménez, L., & Irabien, A. (2012). Multi-objective
optimization of coal-fired electricity production with CO2 capture. Applied Energy, 98,
266–272. https://doi.org/10.1016/j.apenergy.2012.03.036; Dal Mas, F., Massaro, M., Ndou, V., & Raguseo, E. (2023). Blockchain technologies for
sustainability in the agrifood sector: A literature review of academic research and
business perspectives. Technological Forecasting and Social Change, 187, 122155.
https://doi.org/10.1016/J.TECHFORE.2022.122155; Departamento Administrativo Nacional de Estadística (2024). PIB. DANE.
https://www.dane.gov.co; Departamento Administrativo Nacional de Estadística - Sistema de Información de Precios y
Abastecimiento del Sector Agropecuario (2024). Consulta de precios mayoristas.
https://apps.dane.gov.co/pentaho/api/repos/%3Apublic%3ASIPSA%3ASIPSAV17.w
cdf/generatedContent; Delgadillo-Ruiz, O., Ramírez-Moreno, P. P., Leos-Rodríguez, J. A., Salas González, J. M.,
Valdez-Cepeda, R. D., Delgadillo-Ruiz, O., Ramírez-Moreno, P. P., Leos-Rodríguez,
J. A., Salas González, J. M., & Valdez-Cepeda, R. D. (2016). Pronósticos y series de
tiempo de rendimientos de granos básicos en México. Acta Universitaria, 26(3), 23–
32. https://doi.org/10.15174/AU.2016.882; Ehrgott, M., & Ruzika, S. (2008). Improved ε-constraint method for multiobjective
programming. Journal of Optimization Theory and Applications, 138(3), 375–396.
https://doi.org/10.1007/S10957-008-9394-2; Esteso, A., Alemany, M., Bas, A., & Liu, S. (2022). Optimization model to support
sustainable crop planning for reducing unfairness among farmers. Central European
Journal of Operations Research, 30. https://doi.org/10.1007/s10100-021-00751-8; Esteso, A., Alemany, M. M. E., Ortiz, Á., & Iannacone, R. (2022). Crop planting and
harvesting planning: Conceptual framework and sustainable multi‐objective
optimization for plants with variable molecule concentrations and minimum time
between harvests. Applied Mathematical Modelling, 112, 136–155.
https://doi.org/10.1016/j.apm.2022.07.023
; Fao. (2011). Seguridad Alimentaria y Nutricional l Conceptos Básicos Conceptos Básicos
Conceptos Básicos. Programa Especial para la Seguridad Alimentaria-PESACentroamérica; FAO. (2021). Organización de las Naciones Unidas para la Alimentación y la
Agricultura: Colombia en una mirada | FAO en Colombia | Organización de las
Naciones Unidas para la Alimentación y la Agricultura.
https://www.fao.org/colombia/fao-en-colombia/colombia-en-una-mirada/es; FAO, FIDA, OMS, PMA, & UNICEF. (2021). El estado de la seguridad alimentaria y la
nutrición en el mundo 2021. El Estado de La Seguridad Alimentaria y La Nutrición En
El Mundo 2021. https://doi.org/10.4060/CB4474ES; FAO, FIDA, UNICEF, PMA, & OMS. (2018). El estado de la seguridad alimentaria y la
nutrición en el mundo 2018.Fomentando la resiliencia climática en aras de la
seguridad alimentaria y la nutrición. https://www.fao.org/3/I9553ES/i9553es.pdf; FAO, & WFT. (2022). Hunger Hotspots FAO-WFP early warnings on acute food insecurity.
https://doi.org/10.4060/cb8376en; Fikry, I., Gheith, M., & Eltawil, A. (2021). An integrated production-logistics-crop rotation
planning model for sugar beet supply chains. Computers and Industrial Engineering,
157. https://doi.org/10.1016/j.cie.2021.107300
; Fischer, C., & Hartmann, M. (2010). Agri-Food Chain Relationships
; Fonseca, C. M., & Fleming, P. J. (1993). Genetic algorithms for multiobjective optimization:
formulationdiscussion and generalization. Icga, 93(July), 416–423; Fontalvo, T., Granadillo, E. D. L. H., & Mendoza, A. (2019). Procesos Logísticos y La
Administración de la Cadena de Suministro. Revista de la Universidad Libre, 4(29
https://revistas.unilibre.edu.co/index.php/saber/article/view/5880/5458; García Cáceres, R. G., & Olaya Escobar, É. S. (2006). Caracterización de las cadenas de valor
y abastecimiento del sector agroindustrial del café. Cuadernos de Administración,
19(31), 197–217. http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-
35922006000100008&lng=en&nrm=iso&tlng=es
; Gholian-Jouybari, F., Hashemi-Amiri, O., Mosallanezhad, B., & Hajiaghaei-Keshteli, M.
(2023a). Metaheuristic algorithms for a sustainable agri-food supply chain considering
marketing practices under uncertainty. Expert Systems with Applications, 213.
https://doi.org/10.1016/j.eswa.2022.118880; Gholian-Jouybari, F., Hashemi-Amiri, O., Mosallanezhad, B., & Hajiaghaei-Keshteli, M.
(2023b). Metaheuristic algorithms for a sustainable agri-food supply chain considering
marketing practices under uncertainty. Expert Systems with Applications, 213, 118880.
https://doi.org/10.1016/J.ESWA.2022.118880; González-Casimiro, M. P. (2009). Análisis de series temporales: Modelos ARIMA; Gonzalez-Vega, M. (2012). EL ÑAME (Dioscorea spp.). Características, Usos Y Valor
Medicinal. Aspectos De Importancia En El Desarrollo De Su Cultivo. Cultivos
Tropicales, 33(4), 5–15. http://www.redalyc.org/articulo.oa?id=193224709001; González Vega, M. E. (2012). El Ñame (Dioscorea spp.). Características, usos y valor
medicinal. Aspectos de importancia en el desarrollo de su cultivo. Cultivos Tropicales,
33(4), 5–15; Grolleaud, M. (2002). Perdidas post cosecha: un concepto mal definido o mal utilizado.
Estudio sintetico y didactico sobre el fenomeno de las pérdidas que se producen a lo
largo del sistema post-cosecha. ONU.; Hata, Y., Reguero, M. T., Garcia, L. A. de, Buitrago, G., & Álvarez, A. (2003). Evaluación
del contenido de sapogeninas en variedades nativas de ñame (Dioscorea spp.),
provenientes de la colección de la Universidad de Córdoba. Revista Colombiana de
Ciencias Químico-Farmacéuticas, 32(2).
https://revistas.unal.edu.co/index.php/rccquifa/article/view/1671
; Hernández, R., Fernández, C., & Baptista, P. (2014). Metodología de la Investigación. Quinta
Edición. México DF McGraw-Hill. sa de cv; Instituto Colombiano Agropecuario- ICA. (2017, February 10). El ICA vigila 500 hectáreas
de ñame para una producción de calidad. https://www.ica.gov.co/noticias/agricola/elica-vigila-500-hectareas-de-name-para-una-produ.aspx; Janová, J. (2012). Crop planning optimization model: The validation and verification
processes. Central European Journal of Operations Research, 20(3), 451–462.
https://doi.org/10.1007/S10100-011-0205-8; Javadi, M., Lotfi, M., Osório, G. J., Ashraf, A., Nezhad, A. E., Gough, M., & Catalão, J. P.
S. (2020). A multi-objective model for home energy management system selfscheduling using the epsilon-constraint method. 2020 IEEE 14th International Conference on Compatibility, Power Electronics and Power Engineering (CPEPOWERENG), 1, 175–180; Jiménez, D., & Hernández, R. (2012). Manual técnico Cultivo de ñame (Dioscorea alata L.)
; Jova, M. C., Kosky, R. G., Morales, S. R., Torres, J. L., Cabrera, A. R., Pérez, M. B., Pino,
A. S., Vega, V. M., & Rodríguez, G. R. (2008). Multiplicación in vitro de segmentos
nodales del clon de ñame Blanco de Guinea (Dioscorea Cayenensis - D. Rotundata) en
sistemas de cultivo semiautomatizado. Revista Colombiana de Biotecnología, 10(2),
97–103. https://revistas.unal.edu.co/index.php/biotecnologia/article/view/9182; Jürgen Branke, K. D. K. M. та R. S., & Jürgen Branke, K. D. K. M. та R. S. (2008).
Multiobjective Optimization: Interactive and Evolutionary Approaches (Lecture Notes
in Computer Science); Krajewski, L., Ritzman, L. P., & Malhotra, M. K. (2008). Administración de operaciones
Procesos y cadenas de valor Administración de operaciones. Pearson. www.
pearsoneducacion. net/krajewski; Krishnan, R., Arshinder, K., & Agarwal, R. (2022). Robust optimization of sustainable food
supply chain network considering food waste valorization and supply uncertainty.
Computers and Industrial Engineering, 171. https://doi.org/10.1016/j.cie.2022.108499; Liu, J., Li, Y. P., Huang, G. H., Zhuang, X. W., & Fu, H. Y. (2017). Assessment of uncertainty
effects on crop planning and irrigation water supply using a Monte Carlo simulation
based dual-interval stochastic programming method. Journal of Cleaner Production,
149, 945–967. https://doi.org/https://doi.org/10.1016/j.jclepro.2017.02.100; Macías Jiménez, M. A. (2018). Diseño de un modelo multiobjetivo para la configuración de
cadena de suministro inversa; Marler, R. T., & Arora, J. S. (2010). The weighted sum method for multi-objective
optimization: New insights. Structural and Multidisciplinary Optimization, 41(6), 853–
862. https://doi.org/10.1007/S00158-009-0460-7
; Mavrotas, G. (2009). Effective implementation of the ε-constraint method in Multi-Objective
Mathematical Programming problems. Applied Mathematics and Computation, 213(2),
455–465. https://doi.org/10.1016/j.amc.2009.03.037; Mendoza-Lameda, F. A. (2010). Diseño multiobjetivo y multietapa de sistemas de
distribución de energía eléctrica aplicando algoritmos evolutivos. [Tesis. Universidad
de Zaragoza].
https://dialnet.unirioja.es/servlet/tesis?codigo=205319&info=resumen&idioma=SPA; Mercado, A. N. A., Assia, I. S. S., & Mendoza, J. G. S. (2015). Desarrollo y productividad
de ñame (Dioscorea trifida y Dioscorea esculenta) en diferentes condiciones hídricas.
Acta Agronómica, 64(1), 30–35. https://doi.org/10.15446/ACAG.V64N1.43917; Min, H., & Zhou, G. (2002). Supply chain modeling: past, present and future. Computers &
Industrial Engineering, 43(1–2), 231–249; Mordor Intelligence. (2023). Mercado de ñames | 2022 - 27 | Participación, tamaño y
crecimiento de la industria - Mordor Intelligence.
https://www.mordorintelligence.com/es/industry-reports/yams-market; Moreno-Miranda, C., & Dries, L. (2022). Integrating coordination mechanisms in the
sustainability assessment of agri-food chains: From a structured literature review to a
comprehensive framework. Ecological Economics, 192.
https://doi.org/10.1016/j.ecolecon.2021.107265; Muriel, A. F. O., Brailsford, S., & Smith, H. (2014). Un modelo de optimización bi-objetivo
para la selección de tecnología y asignación de donantes en la cadena de suministro de
sangre. Sistemas y Telemática, 12(30), 9–24; Neusel, L., & Hirzel, S. (2022). Energy efficiency in cold supply chains of the food Sector:
An exploration of conditions and perceptions. Cleaner Logistics and Supply Chain, 5,
100082. https://doi.org/10.1016/J.CLSCN.2022.100082
; Organización de las Naciones Unidas (2019). Sostenibilidad. Naciones Unidas.
https://www.un.org/es/impacto-acad%C3%A9mico/sostenibilidad; Oviedo-Celis, R. A., & Castro-Escobar, E. S. (2021). Un análisis comparativo de la
sostenibilidad de sistemas para la producción de café en fincas de Santander y Caldas,
Colombia. Ciencia y Tecnología Agropecuaria, 22(3), e2230.
https://doi.org/10.21930/rcta.vol22_num3_art:2230
; Panel, G. (2020). Future food systems: for people, our planet, and prosperity. London, UK:
Global Panel on Agriculture and Food Systems for Nutrition
; Peña, S. (2017). Análisis de datos. Técnicas de Investigación Aplicadas a Las Ciencias
Sociales, 185. https://digitk.areandina.edu.co/handle/areandina/1177; Perdana, T., Chaerani, D., Hermiatin, F. R., Achmad, A. L. H., & Fridayana, A. (2022). Does
an Alternative Local Food Network Contribute to Improving Sustainable Food
Security? Sustainability (Switzerland), 14(18). https://doi.org/10.3390/su141811533; Pinilla, J. A. A., & Castro, J. A. O. (2015). Optimización multiobjetivo en la gestión de
cadenas de suministro de biocombustibles. Una revisión de la literatura. Ingeniería,
20(1), 37–63; Prišenk, J., Vinčec, J., Pavić, L., Rozman, Č., Turk, J., & Pažek, K. (2019). Cropping-plan
optimization on agricultural holdings with a combination of linear and weighted-goal
programming. Applied Engineering in Agriculture, 35(1), 109–116.
https://doi.org/10.13031/AEA.13138; Reina-Aranza, Y. (2012). El cultivo de ñame en el Caribe colombiano. Documentos de
Trabajo Sobre Economía Regional y Urbana; No. 168; Reza-Norouzi, M., Ahmadi, A., Esmaeel-Nezhad, A., & Ghaedi, A. (2014). Mixed integer
programming of multi-objective security-constrained hydro/thermal unit commitment.
Renewable and Sustainable Energy Reviews, 29, 911–923.
https://doi.org/10.1016/J.RSER.2013.09.020; Ruiz, J. (2018). Diseño de un modelo multiobjetivo de VRP pick-up and delivery simultáneo
(VRPSPD) para el aprovisionamiento de la leche en la cadena de suministros de lácteos.
[Tesis. Universidad Tecnológica de Bolívar].
https://repositorio.utb.edu.co/handle/20.500.12585/3536; Sánchez-Vesga, C., & Hernández-Vásquez, L. del P. (1998a). Descripción de aspectos
productivos, de poscosecha y de comercialización del ñame en Córdoba, Sucre y
Bolivar. [Tesis. Universidad de Sucre]. https://vivo.agrosavia.co/display/cali1078; Santos, R. R. D., Guarnieri, P., dos Reis, S. A., Carvalho, J. M., & Peña, C. R. (2020). The
Social Dimension and Indicators of Sustainability in Agrifood Supply Chains. Springer
Proceedings in Business and Economics, 603–615. https://doi.org/10.1007/978-3-030-
23816-2_59; Sarker, R. A., & Quaddus, M. A. (2002). Modelling a nationwide crop planning problem
using a multiple criteria decision making tool. Computers & Industrial Engineering,
42(2), 541–553. https://doi.org/https://doi.org/10.1016/S0360-8352(02)00022-0; Shukla, M., & Jharkharia, S. (2013a). Agri-fresh produce supply chain management: A stateof-the-art literature review. International Journal of Operations and Production
Management, 33(2), 114–158. https://doi.org/10.1108/01443571311295608; Soler-Morales, S. (2014). Programación Multiobjetivo: Caso práctico aplicado a una
compañía aérea. [Tesis. Universidad de Murcia] http://hdl.handle.net/10201/40606; Stadtler, H., & Kilger, C. (2008). Supply chain management and advanced planning (Fourth
edition): Concepts, models, software, and case studies. Supply Chain Management and Advanced Planning (Fourth Edition): Concepts, Models, Software, and Case Studies,
1–556. https://doi.org/10.1007/978-3-540-74512-9/COVER; Stellwagen, E., & Tashman, L. (2013). ARIMA: The Models of Box and Jenkins. Foresight:
Int. J. Appl. Forecast., 28–33; Sucre Noticias. (2019, December 5). Sucre está grave en seguridad alimentaria -
sucrenoticiasof. https://sucrenoticias.com/sucre-esta-grave-en-seguridad-alimentaria; Tapia-Barrera, L. M. (2016). Diseño de la cadena de suministro agroalimentaria de la
berenjena en Córdoba-Colombia mediante la integración del modelo SCOR y el
enfoque de optimización. Http://Biblioteca.Utb.Edu.Co/Notas/Tesis/0069814.Pdf, 14.
https://repositorio.utb.edu.co/handle/20.500.12585/1840; Tellez, A. D. (2018). Un nuevo modelo multi-objetivo para el problema de diseño y operación
de la cadena de suministro. Exploraciones, Intercambios y Relaciones entre el Diseño
y la Tecnología, 57–79.
https://doi.org/10.16/CSS/JQUERY.DATATABLES.MIN.CSS; Torres-Machí, C. (2015). Optimización heurística multiobjetivo para la gestión de activos de
infraestructuras de transporte terrestre. [Tesis doctoral. Pontificia Universidad
Católica de Chile] https://doi.org/10.7764/TESISUC/ING/15599; Tweeten, L., & Thompson, S. R. (2008). Long-term Global Agricultural Output SupplyDemand Balance and Real Farm and Food Prices. AgEconSeach, 2008(12).
https://ageconsearch.umn.edu/record/46009/?v=pdf; Unidad de Planificación Rural Agrícola. (2023). Evaluaciones Agropecuarias Municipales.
Eva. https://upra.gov.co/es-co/Paginas/eva.aspx; Van der Vorst, J. (2000). Effective Food Supply Chains Generating, modelling and
evaluating supply chain scenarios. https://www.researchgate.net/publication/40139771_Effective_food_supply_chains_g
enerating_modelling_and_evaluating_supply_chain_scenarios; Van der Vorst, J., da Silva, C. A., & Trienekens, J. H. (2007). Agro-industrial supply chain
management: concepts and applications Food and Agriculture Organization of the
United Nations. (17).
https://openknowledge.fao.org/server/api/core/bitstreams/5c0e4ffe-f404-4bfb-b7e8-
0a0e3e15930b/content; Van der Vorst, J. G. A. J. (2006). Performance Measurement in Agri-Food Supply-Chain
Networks An overview, 15.
https://library.wur.nl/ojs/index.php/frontis/article/view/1138/709
; Van Veldhuizen, D. A., & Lamont, G. B. (2000). Multiobjective Evolutionary Algorithms:
Analyzing the State-of-the-Art. Evolutionary Computation, 8(2), 125–147.
https://doi.org/10.1162/106365600568158; Vega-Malagón, G., Ávila-Morales, J., Vega-Malagón, A. J., Camacho Calderón, N., Becerril
Santos, A., & Leo Amador, G. (2014). Paradigmas en la investigación. enfoque
cuantitativo y cualitativo. 10(15), 525. https://doi.org/10.19044/ESJ.2014.V10N15P; Villadiego-Sierra, M. (2018). Análisis de estrategias de conservación y uso del cultivo de
ñame (Dioscorea spp) en Colombia. [Tesis de grado. Pontificia Universidad javeriana]
Bogotá.
https://repository.javeriana.edu.co/bitstream/handle/10554/35079/An%C3%A1lisis%
20de%20estrategias%20de%20Conservaci%C3%B3n%20y%20Uso%20del%20Culti
vo%20de%20%C3%91ame%20(Dioscorea%20spp)%20en%20Colombia.pdf?sequen
ce=2&isAllowed=y
; Wei, G., Zhou, L., & Bary, B. (2022). Operational Decision and Sustainability of Green
Agricultural Supply Chain with Consumer-Oriented Altruism. Sustainability
(Switzerland), 14(19). https://doi.org/10.3390/su141912210; Xie, S., Formonov, A., Thapit, A. A., Alshalal, M. H., Obeis, M. K. S., Sivaraman, R., Jabbar,
A. H., Chaudhary, P., & Mustafa, Y. F. (2022). Mushroom Supply Chain Network
Design Using Robust Optimization Approach under Uncertainty. Industrial
Engineering & Management Systems, 21(3), 516–525.
https://doi.org/10.7232/iems.2022.21.3.516; Zavala-Díaz, J. C., Cruz-Chavez, M. A., Vanoye, J. R., & Cruz-Rosales, M. H. (2009).
Modelo matemático multiobjetivo para la selección de una cartera de inversión en la
bolsa mexicana de valores. Sistema Universitario Mexicano
N2  - La relevancia de la formulación de estrategias destinadas a la gestión sostenible de los cultivos dentro de la cadena de suministro agroalimentaria reside en su capacidad para afrontar desafíos fundamentales que impactan tanto en la agricultura como en la sociedad en su totalidad; estas no solamente contribuyen a la conservación de los recursos naturales, sino que también promueven la seguridad alimentaria y prácticas económicas más efectivas y socialmente responsables. Este trabajo tiene como objetivo diseñar estrategias para la gestión sostenible de la cadena de suministro agroalimentaria del ñame; para lo cual en primer lugar se caracterizó la cadena de suministro del ñame utilizando información de las asociaciones ASOAGROSUC y ACC COVEÑAS, donde se pronosticaron los precios y las demandas con el método de Box-Jenkins; posteriormente se codificó el modelo multiobjetivo en el software GAMS para la gestión sostenible de cultivos, considerando las particularidades del caso de estudio. Seguidamente la validación del modelo se realizó con datos reales utilizando la metodología épsilon aumentada AUGMECON; con base en los resultados, se diseñaron estrategias específicas para maximizar la eficiencia económica y minimizar las pérdidas en la cadena de suministro del ñame. A raíz de todo lo anterior, se identificaron tres eslabones en la configuración de la cadena: productores, acopiadores y clientes; con los resultados del modelo se plantearon tres posibles escenarios: 1) menores pérdidas y ganancias, 2) mayores ganancias y mayores pérdidas y 3) intermedio donde la pendiente de los segmentos comienza a cambiar abruptamente, y se establece un equilibrio donde las perdidas con de 622,793.45kg y las ganancias de $4,127,901,000 y finalmente las estrategias construidas se enfocaron en aspectos como la cantidad y variedad de siembra, la satisfacción de la demanda y la minimización de pérdidas; The relevance of formulating strategies aimed at the sustainable management of crops within the agri-food supply chain lies in their ability to address fundamental challenges that impact both agriculture and society as a whole. These strategies not only contribute to the conservation of natural resources but also promote food security and more effective and socially responsible economic practices. This work aims to design strategies for the sustainable management of the yam agri-food supply chain. To do this, the yam supply chain was first characterized using information from the ASOAGROSUC and ACC COVEÑAS associations, where prices and demands were forecasted using the Box-Jenkins method. Subsequently, the multi-objective model was coded in the GAMS software for sustainable crop management, considering the particularities of the case study. The model validation was then performed with real data using the Augmented Epsilon Methodology (AUGMECON). Based on the results, specific strategies were designed to maximize economic efficiency and minimize losses in the yam supply chain. As a result of all the above, three links were identified in the chain configuration: producers, collectors, and customers. Three possible scenarios were proposed based on the model results: 1) lower losses and profits, 2) higher profits and higher losses, and 3) an intermediate scenario where the slope of the segments begins to change abruptly. A balance was established where the losses were 622,793.45 kg and the profits were $4,127,901,000. Finally, the strategies developed focused on aspects such as the quantity and variety of crops, demand satisfaction, and loss minimization
ER  -