����������������������������������������������������������������������������������

 

La estad�stica en la investigaci�n en modelos de transporte

 

Statistics in research in transport models

 

Estat�stica na pesquisa em modelos de transporte

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: ulises.moreno@espoch.edu.ec

 

 

Ciencias de la Computaci�n ���

Art�culo de Revisi�n

��

* Recibido: 23 de octubre de 2022 *Aceptado: 12 de noviembre de 2022 * Publicado: 28 de diciembre de 2022

 

       I.          Docente-Investigador de la Escuela Superior Polit�cnica de Chimborazo (ESPOCH), Riobamba, Ecuador.

      II.          Docente-Investigador de la Escuela Superior Polit�cnica de Chimborazo �(ESPOCH), Riobamba, Ecuador.

Resumen

El presente art�culo tiene como objetivo analizar la incidencia estad�stica en la investigaci�n en modelos de transporte, debido a que se busca la optimizaci�n de redes para establecer la mejor estrategia para hacer llegar la mercanc�a desde el lugar de existencias hasta los consumidores, alcanzando la satisfacci�n del cliente a un costo bajo. Por tal motivo es importante recalcar que los problemas relacionados con el transporte son a nivel global y cada vez m�s serios, en los cuales interfieren factores como la congesti�n, la accidentalidad, las afecciones medioambientales, calentamiento ambiental, entre otros.

Otro factor que es importante tomar en consideraci�n, es la evoluci�n tecnol�gica, que ha permitido la creaci�n de nuevos medios de transporte, pero, debido al crecimiento y desarrollo econ�mico a nivel mundial, no se ha podido satisfacer la demanda, llegando inclusive a colapsar dichos medios que est�n a disposici�n de las empresas y organizaciones que buscan establecer la mejor log�stica de transporte, que va directamente relacionado con la eficiencia de la empresa, esto se debe a que este proceso es el que garantiza que la mercanc�a llegue al consumidor en las condiciones, locaci�n y tiempos acordados.

Cabe mencionar, que actualmente el estudio estad�stico juega un papel fundamental en la investigaci�n en modelos de transporte, debido a que se debe llevar un control permanente de la evoluci�n y avance de los procesos para el desarrollo de los modelos de transporte que benefician a mediano y largo plazo a las organizaciones que requieren de este servicio y al consumidor final.

Palabras Clave: Estad�stica; modelos; transporte; tecnolog�a.

 

Abstract

The objective of this article is to analyze the statistical incidence in the investigation in transport models, due to the fact that the optimization of networks is sought to establish the best strategy to get the merchandise from the place of stock to the consumers, achieving customer satisfaction. customer at low cost. For this reason, it is important to emphasize that the problems related to transportation are global and increasingly serious, in which factors such as congestion, accidents, environmental conditions, environmental warming, among others, interfere.

Another factor that is important to take into consideration is the technological evolution, which has allowed the creation of new means of transport, but, due to the growth and economic development worldwide, it has not been possible to satisfy the demand, even collapsing said means of transport. means that are available to companies and organizations that seek to establish the best transport logistics, which is directly related to the efficiency of the company, this is because this process is what guarantees that the merchandise reaches the consumer in the right conditions. , location and times agreed.

It is worth mentioning that currently the statistical study plays a fundamental role in research in transport models, because a permanent control of the evolution and progress of the processes must be carried out for the development of transport models that benefit medium and long-term to the organizations that require this service and to the final consumer.

Keywords: Statistics; Models; transportation; technology.

 

Resumo

O objetivo deste artigo � analisar a incid�ncia estat�stica na investiga��o em modelos de transporte, devido ao fato de que a otimiza��o de redes � buscada para estabelecer a melhor estrat�gia para levar a mercadoria do local de estoque at� os consumidores, alcan�ando a satisfa��o do cliente .cliente a baixo custo. Por isso, � importante ressaltar que os problemas relacionados ao transporte s�o globais e cada vez mais graves, nos quais interferem fatores como congestionamentos, acidentes, condi��es ambientais, aquecimento ambiental, entre outros.

Outro fator que importa ter em considera��o � a evolu��o tecnol�gica, que tem permitido a cria��o de novos meios de transporte, mas, devido ao crescimento e desenvolvimento econ�mico a n�vel mundial, n�o tem sido poss�vel satisfazer a procura, chegando mesmo a colapsar os referidos meios de transporte meios que est�o � disposi��o de empresas e organiza��es que buscam estabelecer a melhor log�stica de transporte, que est� diretamente relacionada com a efici�ncia da empresa, isso porque esse processo � o que garante que a mercadoria chegue ao consumidor nas condi��es certas. , local e hor�rios combinados.

Vale ressaltar que atualmente o estudo estat�stico desempenha um papel fundamental na pesquisa em modelos de transporte, pois deve ser realizado um controle permanente da evolu��o e andamento dos processos para o desenvolvimento de modelos de transporte que beneficiem a m�dio e longo prazo ao organiza��es que requerem este servi�o e ao consumidor final.

Palavras-chave: Estatisticas; Modelos; transporte; tecnologia.

����������������������������������������������������������������������������������������������

Introducci�n

El presente art�culo tiene como prop�sito analizar la incidencia estad�stica en la investigaci�n en modelos de transporte, por tal motivo se puede enfatizar que en un proceso de investigaci�n, se maneja una gran cantidad de informaci�n y datos num�ricos que requieren el uso de ciertas herramientas estad�sticas que permitan facilitar el proceso de recolecci�n, estudio y presentaci�n de datos de manera clara y concisa, respaldando la toma de decisiones al argumentar el desarrollo de un nuevo modelo de transporte, que permita realizar estos procesos de manera eficiente.

Para poder interpretar la incidencia estad�stica en la investigaci�n en modelos de transporte es preciso conocer sus conceptos b�sicos, por tal motivo seg�n (Porras, 2017), la estad�stica es el conjunto de m�todos que facilitan la obtenci�n de datos num�ricos con la finalidad de respaldar la investigaci�n con ciertas caracter�sticas de todos los posibles hallazgos bajo las generalizaciones de las peculiaridades que estaban en consideraci�n. Dentro de la estad�stica existen dos ramas, una de ellas es la inferencial, que permite obtener generalizaciones de datos parciales o incompletos mediante t�cnicas intuitivas, la otra es la descriptiva, la cual se fundamenta en la obtenci�n, clasificaci�n y descripci�n de la informaci�n obtenida en su totalidad, evidenciando sus hallazgos.

La aplicaci�n de los m�todos estad�sticos en un proceso investigativo es fundamental, con el objetivo de analizar los datos obtenidos para convertirlos en resultados que garanticen y respalden su veracidad. Los m�todos estad�sticos no son limitantes, ya que se pueden aplicar a todo tipo de estudio, a pesar de que la estad�stica est� estrechamente relacionada con la matem�tica, tambi�n se la puede aplicar en el �rea social que genera datos de f�cil interpretaci�n mediante esta herramienta. (Angulo, 2011).

Tras lo expuesto anteriormente, se puede concluir que la estad�stica es una herramienta vers�til que permite la obtenci�n de datos num�ricos o sociales acorde al objetivo de estudio que son fundamentales en un proceso investigativo, adem�s de respaldar su veracidad para garantizar los resultados del estudio para su ejecuci�n.

Por su parte, el m�todo del transporte es una aplicaci�n particular de la programaci�n lineal, que tiene como finalidad determinar el esquema de transporte para lograr minimizar el coste total de este proceso, tomando en consideraci�n todos los costes unitarios desde el lugar de almacenamiento, hasta el lugar de destino, adem�s, se debe establecer la cantidad de producto que se tiene disponibles, para destinar los productos necesarios acorde a la cantidad de demanda que se genere en el mercado. (Bastidas, 2007)

Para (Puente, 2018), el modelo de transporte contempla ciertos art�culos o productos homog�neos, donde cada uno de los puntos representan el origen de los art�culos o productos, y cada destino representa el lugar de demanda, por tal motivo, el modelo de distribuci�n o transporte contempla una aglomeraci�n de los problemas para la optimizaci�n de redes, con la finalidad de implementarlas en la ejecuci�n de las plantas de fabricaci�n, asignaci�n del mercado objetivo y la localizaci�n de los centros de almacenaje y distribuci�n, garantizando la log�stica del punto de producci�n, hasta el punto de consumo.

Se puede determinar que, tras lo expuesto por los autores, el m�todo de transporte determina la log�stica que se debe ejecutar para llevar los productos desde el punto de producci�n, hasta el punto de distribuci�n o venta, garantizando la eficiencia del proceso, al cumplir con los tiempos de entrega, su calidad y la locaci�n, disminuyendo los costes e incrementando los ingresos de la empresa u organizaci�n.

Por lo que se puede concluir que la estad�stica es una herramienta fundamental para medir la eficiencia de un modelo de transporte al facilitar la comparaci�n entre el historial y la situaci�n actual, determinando su progreso o retroceso, motivando al desarrollo de nuevas estrategias que permitan potencializar la investigaci�n hasta alcanzar el objetivo planteado. Adem�s, es importante recalcar que el m�todo de transporte forma parte de la programaci�n lineal, la cual requiere de la recolecci�n de datos estad�sticos, para la aplicaci�n de f�rmulas que permitan optimizar los recursos econ�micos de la organizaci�n, encargada de la fabricaci�n de los productos y de entregarlos en los puntos de distribuci�n o venta. (Hillier, 2015)

 

M�todos de investigaci�n

1.1.  Investigaci�n bibliogr�fica

Para el desarrollo del presente art�culo, se realiz� una investigaci�n bibliogr�fica, debido a que se requiri� el estudio e interpretaci�n de varios autores que tienen el conocimiento sobre el tema de inter�s, la estad�stica en la investigaci�n en modelos de transporte, con la finalidad de determinar la injerencia positiva o negativa que puede traer a las organizaciones.

Este proceso le brind� al investigador una visi�n general acerca de la importancia de la estad�stica para determinar el mejor modelo de transporte al que debe acceder una organizaci�n, seg�n sus necesidades, adem�s de adquirir informaci�n ver�dica que respalda los resultados obtenidos y la discusi�n de evaluaci�n que se desarrollo en la presente investigaci�n, aunque es importante recalcar que actualmente existe gran cantidad de informaci�n que la mayor�a de veces contradice los datos obtenidos, por lo que es importante mencionar que se a clasificado dicha informaci�n bajo criterios de calidad, que garantizan el �xito del art�culo.

1.2.  Tipos de Investigaci�n

1.2.1.     Seg�n el enfoque

En el art�culo elaborado se presenta un enfoque cualitativo, debido a que se estudi� la informaci�n expuesta por los diferentes autores, mediante la revisi�n bibliogr�fica, con el objetivo de nutrir al investigador con el conocimiento necesario para la elaboraci�n del presente trabajo investigativo, tomando en consideraci�n los diferentes puntos de vista, asumiendo as� el m�todo cient�fico que orientar� al investigador a clasificar la informaci�n que vaya acorde a las necesidades investigativas.

1.2.2.     Seg�n el alcance

El art�culo realizado es una investigaci�n descriptiva, debido a que se pretende determinar la injerencia de la estad�stica en la investigaci�n en modelos de transporte, en la cual se detallaron las ventajas y desventajas que se crean en las organizaciones, por tal motivo en una investigaci�n bibliogr�fica se pretende mostrar, narrar o se�alar hechos, situaciones o caracter�sticas sobre el objeto de estudio mediante revisi�n documental.

1.2.3.     �Seg�n la finalidad

Se puede establecer que la investigaci�n bibliogr�fica que se realiz� para el art�culo es aplicada, debido a que se busca determinar la injerencia de la estad�stica en la investigaci�n en modelos de transporte. Es necesario aclarar que, aunque el enfoque cualitativo presenta un panorama subjetivo, no deja de ser bibliogr�fica, ya que la investigaci�n no se basa en meras opiniones, sino que sustenta sus argumentos en base a un estudio de varios autores con datos reales.

1.3.  Poblaci�n y Muestra

En el art�culo desarrollado se realiza un trabajo de revisi�n bibliogr�fico, con la finalidad de analizar los estudios de varios autores que est�n directamente relacionados con el tema de investigaci�n, as� como tambi�n un an�lisis espec�fico de bibliograf�a clasificada.

En la presente investigaci�n es importante incluir criterios de inclusi�n y exclusi�n de la informaci�n que ha sido utilizada para el an�lisis de la bibliograf�a seleccionada para el estudio, siendo una pr�ctica fundamental cuando se crean protocolos de investigaci�n de alta calidad, si se toma en consideraci�n los criterios de inclusi�n se puede decir que se caracterizan por tomar en cuenta toda aquella informaci�n que est� directamente relacionada con el tema de investigaci�n, mientras que los criterios de exclusi�n, permiten analizar e interpretar los datos que no tienen relaci�n directa con el tema de investigaci�n pero que influyen en el resultado obtenido, creando un enfoque mucho m�s claro y real para ser presentado en el art�culo.

1.4.  Materiales

Tras establecer el objeto de estudio para la presente investigaci�n, se hizo uso de libros, internet, computadora, art�culos, revistas, blog de an�lisis, entre otros, que generaron los datos necesarios para la elaboraci�n del art�culo.

 

2.     Resultados

Es habitual que cuando se toma en consideraci�n los modelos de transporte se consideren �nicamente los m�s conocidos o tradicionales, dejando de lado otras clases que son minoritarias y que incluso no reciben siquiera una menci�n, por tal motivo se ha desarrollado una tabla de su clasificaci�n: (Melero, 2018)

 

Transporte Ro-Ro	Barcos y buques dise�ados para cargamento rodado. Uso de rampa para el ingreso de veh�culos o camiones.
Por tuber�as	Todo el planeta est� recorrido por un sistema de tuber�a. Se pueden transportar r�pidamente aire, combustible o agua. Recorren grandes distancias como el caso de gaseoducto que conecta a Rusia y Alemania.
Espacial	Es el transporte menos usado y el menos t�pico. Se considera que es de un solo uso Se lo deja abandonado en el espacio una vez que cumple con su misi�n.
Fluvial	Lleva cargas peque�as Realiza el recorrido entre r�os navegables.
Con tracci�n animal	Es considerado uno de los transportes m�s antiguos. Debido a la evoluci�n en los m�todos de transporte se ha dejado de lado la movilizaci�n de mercanc�as y se lo hace solo con personas como un medio tur�stico.
Intermodal	Uso de diferentes medios de transporte para llevar una mercader�a a su destino.
No tripulado	Antiguamente se usaban otros tipos de transporte como carros, barco o trenes exclusivamente para la mercanc�a, pero actualmente se hace referencia al uso de drones para el transporte de peque�a paqueter�a.

Fuente: Elaboraci�n propia

 

Despu�s de identificar y analizar los modelos de transporte a los que se puede acceder, es importante recalcar que para determinar cual le dar� mayor efectividad se debe hacer uso del m�todo de transporte, el cual se basa en un modelo matem�tico, usado por las f�bricas que elaboran productos en diferentes plantas y deben ser distribuidos a diferentes locaciones que son centros de distribuci�n o almacenes. Por lo tanto, se debe tomar en consideraci�n el an�lisis de la ubicaci�n de plantas y programaci�n de la producci�n. (Prawda, 2004)

Para alcanzar mayor efectividad en el proceso, se debe usar varios m�todos estad�sticos que reflejen el comportamiento habitual del mercado, determinando los picos altos y bajos en cuanto a ventas, lo que permitir� realizar una buena programaci�n de producci�n, garantizando un abastecimiento apropiado de productos, facilitando la toma de decisiones, basando su actuar en datos reales que permitan analizar el historial para proyectarse al futuro, alcanzando inclusive una econom�a por escala. (Render, 2012)

Con el pasar del tiempo, se han desarrollado varios enfoques para resolver el inconveniente de distribuci�n, entre los que se pueden destacar:

• M�todo de la esquina noroeste.
• M�todo modificado de la esquina noroeste.
• Celda M�nima.
• M�todo del trampol�n.
• Cruce de arroyo.
• Stepping Stone.
• M�todo de la distribuci�n modificada.
• MODI.
• M�todo de la aproximaci�n de Vogel.
• M�todo simplex. (Bokor, 2011)

La programaci�n lineal, se considera que es una de las t�cnicas que permite solventar los problemas de transporte y minimizar los costes para la empresa, al estar conformada por un conjunto de restricciones que permite enfocar la toma de decisiones a un criterio objetivo, al mantener relaci�n con la elaboraci�n, an�lisis y resoluci�n de modelos lineales de tipo algebraico. (Moya, 2003)

 

3.     Discusi�n

Se considera que el modelo de transporte representa un problema particular en el �rea de programaci�n lineal, debido a que busca hacerles frente a situaciones de env�o de productos desde el punto de origen que se conoce como fuente de abastecimiento, hacia los puntos de destino que son las locaciones para el consumo. Sin embargo, deben prestar especial atenci�n a cu�les son las cantidades �ptimas de productos a ser transportados, con el objetivo de minimizar el costo total de transporte, as� como tambi�n satisfacer los l�mites de la oferta como los requerimientos de demanda. (Taha, 2004)

Para lograr cumplir con toda la log�stica, las organizaciones deben hacer uso de algoritmos, que son un grupo finito de operaciones planificadas l�gica y ordenadamente para dar soluci�n a un problema establecido, es decir, se trata de una serie de reglas pautadas que, por medio de un proceso ordenado de pasos, permite alcanzar el resultado esperado de manera objetiva, oportuna y eficaz, satisfaciendo las necesidades organizacionales como la de los consumidores.

Por ende, se puede concluir que el algoritmo de transporte ordena los c�lculos de manera clara y c�moda sac�ndole el mayor provecho a la estructura especial del modelo de transporte, para alcanzar este objetivo, se debe seguir los pasos del m�todo simplex, pero tomando ventaja de la estructura especial del modelo de transporte que permite clasificar y organizar los c�lculos de manera eficaz. Sin embargo, cabe recalcar, que el algoritmo de transporte se fundamenta en la hip�tesis de que el modelo est� balanceado, igualando el total de la demanda y de la oferta, si por alg�n motivo esto no se da, se puede usar estrategias como el aumentar una locaci�n ficticia, recobrando el equilibrio. (Anaya, 2009)

A continuaci�n, se detallar�n los pasos del algoritmo de transporte:

1. Establecer una soluci�n b�sica y factible.
2. Determinar la variable de entrada entre todas las variables b�sicas.
3. Crear la condici�n de factibilidad del m�todo para determinar la variable de salida y desarrollar una nueva soluci�n, regresando al paso 2.

Claramente el mayor inconveniente al que hacen frente las organizaciones es a determinar el n�mero de productos a ser trasladado, con el menor costo posible, relacionando a las �reas de operaciones, inventarios y asignaci�n de mercader�a, por lo tanto, se debe trabajar en base a ciertos supuestos que se detallan a continuaci�n: (Cascetta, 2009)

Fuente: Elaboraci�n propia.

 

Los principales modelos de transporte que se usan para lograr la distribuci�n de los productos desde el punto de origen o almacenaje hacia el punto de destino o distribuci�n son:

• M�todo de la esquina Noroeste: Es considerado como un algoritmo heur�stico que busca solucionar los problemas b�sicos de distribuci�n, mediante una soluci�n inicial que trata de dar respuesta �ptima a las restricciones que se originan, cuidando de mantener el costo �ptimo total, garantizando agilidad y rapidez en su respuesta.
• M�todo del costo m�nimo: Algoritmo que tiene como funci�n dar soluci�n a los problemas de transporte, debido a que se enfoca en las rutas que generan menores costos para distribuir su mercanc�a.
• M�todo de cost preprocessing: M�todo que se basa en la realizaci�n de numerosos c�lculos para garantizar la eficiencia del transporte de la mercader�a desde el punto de origen al punto de destino en el tiempo estipulado y al menor coste posible.
• M�todo de aproximaci�n de Vogel: Algoritmo heur�stico de resoluci�n de problemas de transporte, generando un n�mero mayor de iteraciones, pero generando mejores resultados.
• M�todo de los flujos mutuamente preferibles: Permite obtener la soluci�n m�s pr�xima, evitando iteraciones buscando la soluci�n m�s efectiva, r�pida y b�sica, de manera intuitiva, sin basar su decisi�n en el an�lisis de datos. (L�pez, 2002)

Tras lo expuesto anteriormente, se puede determinar que se requiere de un proceso estad�stico que respalde los datos encontrados, y que a su vez se los puede exponer de manera clara, resumida y veraz, con la finalidad de facilitar la toma de decisiones y reducir de manera considerable la brecha de problemas que se puedan presentar en los modelos de transporte de la mercanc�a de la empresa, adem�s de alcanzar el menor costo posible en este proceso, maximizando los ingresos para la organizaci�n.

Cabe recalcar que la estad�stica permite analizar el historial de los procesos de transporte, identificando as� el progreso o retroceso de la organizaci�n, planteando nuevas estrategias para su optimizaci�n y alcanzando los objetivos planteados en un tiempo determinado mediante el m�todo de transporte que se adapte de mejor manera a las necesidades de la organizaci�n. (Browesox, 2007)

Para finalizar se puede resaltar que los m�todos de transporte est�n conformados por una gran cantidad de informaci�n y c�lculos num�ricos, que requieren ser representados de la mejor manera, para evitar la p�rdida innecesaria de recursos, por lo que es importante incorporar un sistema que permita observar toda esta informaci�n de manera clara, ordenada y a tiempo real, incluyendo datos estad�sticos que faciliten el actuar de la organizaci�n en cuanto al proceso de distribuci�n de su mercader�a, reflejando una imagen de eficiencia al entregar la cantidad de mercader�a solicitada, en el punto de entrega pactada y en el tiempo requerido. (Chopra, 2008)

4.     Conclusiones

Mediante la incorporaci�n de la estad�stica a los procesos de modelos de transporte, se obtiene una gran ventaja en cuanto a la optimizaci�n de recursos, al disminuir los costes de distribuci�n de la mercader�a, debido a que el modelo de transporte es un problema de optimizaci�n de redes, donde se debe determinar la log�stica de como hacer llegar los productos del punto de origen o almacenamiento, hacia los consumidores, cumpliendo con todos los est�ndares de calidad necesarios.

Se puede concluir que se cumpli� con el objetivo al desarrollar el presente art�culo, debido a que se determin� la injerencia que tiene la estad�stica en los modelos de transporte, mediante el uso de la programaci�n lineal, buscando solventar los problemas de distribuci�n de la mercader�a, implementando la metodolog�a del algoritmo, basando sus estrategias en la informaci�n adquirida acerca de la demanda que tienen los productos de la organizaci�n, adem�s se espera que para agilizar estos procesos se implemente el uso del software Microsoft Excel, alimentando la plataforma con toda la informaci�n y datos estad�sticos con los que se cuenta.

Se considera que la informaci�n estad�stica sobre los modelos de transporte, facilita el proceso de toma de decisiones por parte de la organizaci�n, al respaldar su elecci�n, objetivos y estrategias planteadas en datos veraces, en tiempo real, reduciendo significativamente la brecha de errores que generan problemas que incrementan los costos de transporte y distribuci�n de su mercader�a, inconvenientes que pueden ser anticipados al llevar un correcto control y seguimiento de su progreso o retroceso en cuanto a este tema de estudio y an�lisis.

 

Referencias

1.     Anaya, J. (2009). El transporte de mercanc�as: enfoque log�stico de la distribuci�n. Madrid: ESIC.

2.     Angulo, D. (2011). La estad�stica. Conceptos b�sicos, 2-4.

3.     Bastidas, E. (2007). M�todo del transporte. Gu�as Jur�dicas, 1-3.

4.     Bokor, Z. (2011). improving transport costing by using operation modeling. Transport, 8-12.

5.     Browesox, J. (2007). Administraci�n de la cadena de suministro. M�xico: McGraw Hill.

6.     Cascetta, E. (2009). Transportation System Analysis: models aplication. New York: SPRINGER.

7.     Chopra, S. (2008). Administraci�n de la cadena de suministro estrategia, planificaci�n y operaci�n. M�xico: Pearson.

8.     Hillier, F. (2015). Investigaci�n de Operaciones. Barcelona: McGraw Hill.

9.     L�pez, F. (2002). Nuevos m�todos para la obtenci�n de soluciones iniciales en el problema de transporte. Direcci�n y administraci�n de empresas, 8-12.

10. Melero, J. (2018). Tipos de trasnporte. Transgesa, 1-3.

11. Moya, M. (2003). La programaci�n Lineal. Investigaci�n de Operaciones, 3-6.

12. Porras, A. (2017). Conceptos b�sicos de estad�stica. Ciudad de M�xico: Centro de investigaci�n en geograf�a y geom�tica.

13. Prawda, J. (2004). M�todos y modelos de investigaci�n de Operaciones. Limusa, 15-16.

14. Puente, M. (2018). Programaci�n lineal para la toma de decisiones. Riobamba: Espoch.

15. Render, S. H. (2012). M�todos cuantitativos para los negocios. Pearson, 2-3.

16. Taha, H. (2004). Investigaci�n de operaciones. M�xico: Pearson educaci�n.

 

 

 

 

 

 

� 2023 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).