Introducción: el presente artículo estima un índice de pobreza multidimensional mediante un método que permite obtener las ponderaciones que se asocian a indicadores utilizados. En la literatura, generalmente, para calcular este tipo de medidas compuestas, se asignan valores arbitrarios a dichas ponderaciones. Por lo tanto, esta manera de operar deja por fuera las subjetividades presentes que pueden darse en los cómputos al establecer arbitrariamente los pesos, evitando los sesgos de estimación. Metodología: la metodología utilizada es conocida como mínimos cuadrados parciales en modelos de ruta (pls-pmpor sus siglas en inglés). El modelo presentado estima las ponderaciones bajo un sistema de ecuaciones que permite observar de manera objetiva la importancia relativa de los indicadores relacionados con la pobreza. Resultados: el aporte fundamental de este artículo es que, a diferencia de otros estudios que emplean enfoques multidimensionales, se consigue estimar de manera sistemática las ponderaciones que cada dimensión aporta a la construcción del indicador de pobreza. Un segundo aporte de este estudio es que obtiene las ponderaciones mediante una novedosa metodología, la cual ha sido poco explorada en áreas de economía. Conclusiones: la aplicación empírica de la metodología propuesta permite dilucidar las grandes diferencias entre dos países latinoamericanos. Esto revela los marcados contrastes entre estos dos países a pesar de estar en regiones relativamente cercanas.

Este artículo presenta una aproximación al estado de la cuestión a partir de la revisión de literatura nacional e internacional sobre el origen y la evolución del concepto pobreza en la infancia en el marco de la calidad de vida. De la misma manera, se desarrolla una reseña sobre las aproximaciones al estudio de la pobreza en la infancia en Colombia, los enfoques teóricos y las metodologías empleadas para su medición. El documento concluye con algunas posiciones crítico-constructivas para el desarrollo de futuras investigaciones.

No abstract

No abstract

An efficient distribution center (DC) is one that receives, stores, picks and packs products into new logistics units and then dispatches them to points of sale at the minimal operating cost. The picking and packing processes represent the highest operating cost of a DC, and both require a suitable space for their operation. An effective coordination between these zones prevents bottlenecks and has a direct impact on the DC’s operational results. In the existing literature, there are no studies that optimize the distribution of the picking and packing areas simultaneously while also reducing operating costs. This article proposes an integer nonlinear integer programming model that minimizes order preparation costs. It does so by predicting customer demand based on historical data and defining the ideal area for picking and packing activities. The model is validated through a real case study of seven clients and fifteen products. It achieves a [Formula: see text] reduction in operating costs when the optimal allocation of the picking and packing areas is made.