Due to opportunities for economic and social development in the biofuels market, improvement to the supply chain has become a relevant matter. In agro-industrial supply chains, procurement costs are highly relevant. Since sugarcane is a high performance raw material for ethanol production, this paper proposes a Mixed-Integer Linear Programming Model for cost optimization for harvesting, loading and transportation operations. The model determines the quantity of machines and workers to meet the biofuel plant requirements. Costs of resources for harvesting and loading as well as transportation costs from the land parcel to the production plant are minimized. Also, the model calculates the cost of penalties for shortages (unmet demand) and the cost of equipment idle time. The implementation of the model in a Peruvian biofuels company, showed a cost reduction of around 11 % when compared to the current costs.

No abstract

El Sistema Universitario Estatal (SUE) colombiano utiliza un modelo matemático para evaluar las universidades públicas “rankeandolas” según su desempeño. Sin embargo, se hace necesario proponer otro(s) enfoque(s) pues los resultados han generado inconformidades. Este trabajo propuso un modelo alternativo (Soto & Arenas, 2005) basado en Análisis Envolvente de Datos (DEA) que permite calcular el desempeño de las universidades del SUE.El modelo DEA convencional no incluye directamente la posibilidad de evaluar la sensibilidad de la eficiencia a variaciones en la información. Tener una medida de hasta qué punto un conjunto de Unidades de Decisión (Decision Making Unit-DMU) conserva su eficiencia debido a estas variaciones es fundamental para conocer la robustez de los resultados.Este artículo propone utilizar el enfoque de Análisis de sensibilidad de modelos DEA para cambios simultáneos en la información, desarrollado por (Seiford & Zhu, 1998), para medir la sensibilidad de los resultados del modelo SUE basado en DEA. Inicialmente se expondrán algunas de las razones para analizar la sensibilidad del modelo. Luego se presentará el enfoque escogido describiendo su metodología y se aplicará al modelo SUE basado en DEA. Finalmente se presentarán sus resultados y conclusiones

La aplicación de modelos DEA estocásticos utilizando Estadística Bayesiana es una técnica que está surgiendo en los últimos años, para ser usada se debe hacer simulación de distribuciones de probabilidad multivariadas. En este artículo se presenta un generador bivariado para variable continua. Adicionalmente se ha creado una discretización de este para lograr simulaciones de distribuciones a posteriori de una manera fácil de aplicar. Se presentará la aplicación del generador a dos funciones de densidad de probabilidad bivariadas, una de ellas normal, con sus respectivas pruebas de bondad de ajuste. Se usaron datos del sector educativo en base de datos del DANE (Departamento Administrativo Nacional de Estadística) Colombia para resolver el problema de un modelo DEA estocástico Bayesiano. Los resultados muestran la utilidad, potencia y facilidad del uso del generador propuesto en este tipo de problema.

No abstract