Planificación táctica de la producción: Simulación de datos ante escenarios de incertidumbre
Palabras clave:
incertidumbre, simulación, números aleatorios, planeación
Resumen
El estudio desarrolló un modelo de simulación para su aplicación en pequeñas empresas respecto a problemas de planificación táctica de la producción en escenarios de incertidumbre. Se utilizaron herramientas informáticas como Microsoft Excel con aplicaciones VBA, SPSS 25 y Minitab 18. Los planes agregados de producción siguieron estrategias heurísticas. Se evidenció que una estrategia de nivelación representaba el menor costo de producción (295,984 dólares). La simulación de 1000 escenarios aleatorios para las ventas determinó que en el 96.1% de los casos se debería mantener la estrategia de nivelación. Se demostró que la estrategia de nivelación mantendría costos entre 258,665 y 281,801 dólares en un 50% de escenarios probables, en un 25% los costos superarían los 281,801 dólares, mientras que los montos superiores a 313,268 dólares serían atípicos. El intervalo de confianza para su media estaría comprendido entre los 269,111 y 271,247 dólares. Finalmente, se pudo concluir que la simulación puede reducir el grado de incertidumbre en la toma de decisiones de pequeñas empresas.
Citas
Araque, G., Gómez, M., Vélez, J. y Suárez, A. (2021). Big Data y las implicaciones en la cuarta revolución industrial - Retos, oportunidades y tendencias futuras. Revista Venezolana de Gerencia, 26(93), 33-47. https://doi.org/10.52080/rvg93.04
Artunduaga, O. (2017). Modelo de Simulación en Visual Basic para Aplicaciones (VBA) para la Proyección de la Producción de Hidrocarburos en el Campo Chichimene de Ecopetrol S.A. [Tesis de pregrado). Universidad Nacional Abierta y a Distancia, Neiva]. https://repository.unad.edu.co/bitstream/handle/10596/13434/7731600.pdf?sequence=1&isAllowed=y
Barrios, K., Contreras, J. y Olivero, E. (2019). Modelo de Simulación de Alternativas de Productividad para Apoyar los Procesos de Toma de Decisiones en Empresas del Sector Floricultor Antioqueño. Información Tecnológica, 30(2), 57- 72. http://dx.doi.org/10.4067/S0718-07642019000200057
Blanco, F., León, E. y Acosta, A. (2020). Toma de Decisiones Estratégicas en Entornos Inciertos. Revista de Métodos Cuantitativos para la Economía y la Empresa, 30(1), 79-96. https://doi.org/10.46661/revmetodoscuanteconempresa.3845
Brand, H., Mejía, A., Paredes, M., & Arias, N. (2020). Elaboración de un plan maestro logístico en una empresa de la industria de jabones. Scientia Et Technica, 25(3), 471–477. https://doi.org/10.22517/23447214.20961
Caicedo, A., Criado, A. y Morales, K. (2019). Modelo matemático para la planeación de la producción en una industria metalmecánica. Scientia Et Technica, 24(3), 408–419. https://doi.org/10.22517/23447214.16031
Cano, J., Campo, E., & Gómez, R. (2018). Simulación de eventos discretos en la planificación de producción para sistemas de confección modular. Revista Técnica de la Facultad de Ingeniería Universidad del Zulia, 41(1), 50-58. http://ve.scielo.org/scielo.php?pid=S0254-07702018000100007&script=sci_arttext&tlng=en
Castillo, S., María, L. y Sánchez, C. (2019). Algoritmo Genético para solucionar problemas de Inventarios en Pymes. Investigación, Tecnología E Innovación, 11(11), 12–24. https://doi.org/10.53591/iti.v11i11.87
Cerda, V., Pérez, A., Guardado, E., Cerda, G., Diéguez, K., Benítez, I. y González, E. (2021). Simulation Strategy to Reduce Quality Uncertainty in the Sugar Cane Honey Process Design. Ingeniería e Investigación, 41(1), 1-11. https://doi.org/10.15446/ing.investig.v41n1.81484
Chicaiza, K., Gómez, A., Ruiz, P. y Cevallos, L. (2019). Modelo de simulación para la optimización del inventario de una distribuidora, basado en Simulación Monte Carlo y Algoritmo Metaheurístico Genético. Ecuadorian Science Journal, 3(2), 33-38. https://doi.org/10.46480/esj.3.2.32
Coronado, J., Romero. A., Zapateiro, O., Rios, W. y Umaña, S. (2019). Generación de escenarios de demanda para productos de innovación. Boletín de Innovación, Logística y Operaciones, 1(1), 15-20. https://doi.org/10.17981/bilo.01.01.2019.03
Crespo, E., Cossío, N., Santana, K., & Rosero, C. (2018). Plan agregado de una empresa textil. Caso de estudio de Imbabura, Ecuador. Revista UNIANDES Episteme, 5(3), 263-278. https://dialnet.unirioja.es/servlet/articulo?codigo=6756315
Cruz, L. y Benites, A. (2020). Planeación jerárquica de la producción y su impacto en la productividad en una planta de incubación. CentroSur Social Science Journal, 1(7), 92-108. http://centrosuragraria.com/index.php/revista/article/view/39/87
Cubillos, A., Aroca, L., & Cortés, K. (2019). Planeación y control de la producción aplicada a una empresa de productos líquidos de aseo. Semilleros, 5(9), 91-106. https://revistas.fio.unam.edu.ar/index.php/semillero/article/view/190
Cuisano, J., Chirinos, L. y Barrantes, E. (2020). Eficiencia energética en sistemas eléctricos de micro, pequeñas y medianas empresas del sector de alimentos. Simulación para optimizar costos de consumo de energía eléctrica. Información tecnológica, 31(2), 267- 276. http://dx.doi.org/10.4067/S0718-07642020000200267
Da Silva, M., Menezes, F., Chambal, P. & Pereira, F. (2019). A simulation-optimization approach using genetic algorithm for dynamic job shop scheduling with stochastic demand. Ingeniare, 27(2), 217-222. http://dx.doi.org/10.4067/S0718-33052019000200217
Echeverry, F. (2019). Diseño de simulador de la planificación de la producción en la plataforma Excel y VBA. [Tesis de pregrado. Universidad de Guayaquil]. http://repositorio.ug.edu.ec/handle/redug/47329
Escobar, J., Marceles, J. y Quevedo, D. (2020). Modelo matemático para la programación de la producción en compañías fabricantes de alambres y cables para la construcción. Revista Espacios, 41(24), 297-307. http://www.revistaespacios.com/a20v41n24/a20v41n24p24.pdf
Gelisen, G. y Griffis, F. (2014). Productivity-Based Automated Itinerarey Anime: A Simulation based on the Approach of Time-Cost Analysis Compensation. Journal of Construction Engineering and Management, 140(4), 1-15. https://doi.org/10.1061/(ASCE)CO.1943-7862.0000685
Giraldo, E., Giraldo, J. y Valderrama, J. (2018). Modelo de Simulación de un Sistema Logístico de Distribución como Plataforma Virtual para el Aprendizaje Basado en Problemas. Información Tecnológica, 29(6), 185 – 198. http://dx.doi.org/10.4067/S0718-07642018000600185
Gómez, R. & Martínez, E. (2017). Quantitative methods for a linear regression model with multicollinearity. application to yields of treasury bills. Revista De Métodos Cuantitativos Para La economía y La Empresa, 24(1), 169-189. https://www.upo.es/revistas/index.php/RevMetCuant/article/view/2886
Herrera, G., Campo, J., Bernal, J. y Tilvesmartinez, R. (2018). Modelo de teoría de restricciones con consideraciones de optimización y simulación - Un caso de estudio. Revista Espacios, 39(3), 10-28. http://www.revistaespacios.com/a18v39n03/a18v39n03p10.pdf
Hernández, J., Espinosa, J., García, D. y Bermúdez, V. (2019). Sobre el uso adecuado de la regresión lineal: conceptualización básica mediante un ejemplo aplicado a las ciencias de la salud. Archivos Venezolanos de Farmacología y Terapéutica, 38(5), 608-614. http://saber.ucv.ve/ojs/index.php/rev_aavft/article/view/17430
Jurado, X., Peña, J., Veloz, K. y Cevallos, L. (2019). Análisis de un modelo de inventario en productos perecederos aplicando Algoritmo metaheurístico Tabú y simulación Montecarlo. Ecuadorian Science Journal, 3(1), 8-14. https://journals.gdeon.org/index.php/esj/article/view/25/25
Lara, H., Naranjo, I. & Banguera, C. (2020). Aplicación del modelo Montecarlo-Difuso para la correcta Gestión de Inventarios en empresas Pymes. Ecuadorian Science Journal, 4(2), 80-88. https://doi.org/10.46480/esj.4.2.84
López, A., Bringas, C., Iniestra, G. y Vargas, G. (2014). Simulación de la tasa de reciclaje de productos electrónicos un modelo de dinámica de sistemas para la red de logística inversa. Contaduría y Administración, 59(1), 9 – 41. https://dialnet.unirioja.es/servlet/articulo?codigo=5118470
Luna, K., Guanin, J. y Cordero, G. (2019). Aplicación de un proceso analítico jerárquico (AHP) para mejorar la gestión de inventarios en cadenas de abastecimientos. Ecuadorian Science Journal, 3(2), 25-32. https://doi.org/10.46480/esj.3.2.31
Madariaga, C., Lao, Y., Curra, D. y Lorenzo, R. (2022). Empleo de algoritmos KNN en metodología multicriterio para la clasificación de clientes, como sustento de la planeación agregada. Retos de la Dirección, 16(1), 178-198. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2306-91552022000100178
Miñan, G., Símpalo, W. & Castillo, W. (2020). Diseño y evaluación de estrategias para el planeamiento agregado de una empresa dedicada a la fabricación de conservas de pescado en Ancash – Perú. Latin American and Caribbean Consortium of Engineering Institutions (LACCEI), 1(18). http://dx.doi.org/10.18687/LACCEI2020.1.1.254
Musilek, M., Hubalovsky, S., Hubalovska, M. (2018). Mathematical modeling and computer simulation of simple permutation brainteaser in MS Excel. Lecture Notes in Electrical Engineering, 428(1), 175-181. https://doi.org/10.1007/978-3-319-53934-8_21
Peralta, P., Cervantes, V., Salgado, R. y Espinoza, A. (2020). Dirección estratégica para la innovación en pequeñas y medianas empresas de la ciudad de Barranquilla –Colombia. Revista Venezolana de Gerencia, 25 (89), 229-243. https://doi.org/10.37960/revista.v25i89.31380
Rahmer, B., Garzón, H., & Garzón, J. M. (2022). Análisis comparativo de modelos de planificación agregada. El caso de las empresas manufactureras colombianas. Revista De Métodos Cuantitativos Para La Economía Y La Empresa, 33(1), 285–309. https://doi.org/10.46661/revmetodoscuanteconempresa.3946
Salazar, E. y Alzate, W. (2018). Aplicación de la simulación Monte Carlo en la proyección del estado de resultados. Un estudio de caso. Espacios, 39(51), 1-8. http://www.revistaespacios.com/a18v39n51/a18v39n51p11.pdf
Samanamud R., Córdova, J., Pacora J., Amado, J., & Gutiérrez, J. (2020). Manufactura esbelta con simulación dinámica estocástica para incremento de productividad, línea de Nuggets en empresa avícola. Región Lima, 2019. INGnosis, 5(2), 139–153. https://doi.org/10.18050/ingnosis.v5i2.1597
Serrano, B. y Garzón, V. (2019). Estudio de la caída de las ventas de la farmacia Farmicentro MM a través de la simulación de eventos discretos. Revista pedagógica de la Universidad de Cienfuegos, 15(67), 38-44. http://conrado.ucf.edu.cu/index.php/conrado
Shirinkina, E. y Kodintsev, A. (2018). Management of human capital in the national economy: Estimation and simulation. Revista Espacios, 39(44), 28-36. http://www.revistaespacios.com/a18v39n44/a18v39n44p28.pdf
Silva, J., Díaz, C. & Galindo, J. (2017). Herramientas cuantitativas para la planeación y programación de la producción: estado del arte. Ingeniería Industrial. Actualidad y Nuevas Tendencias, 5(18), 99-114. https://www.redalyc.org/pdf/2150/215052403008.pdf
Vilá, R., Torrado, M. y Reguant, M. (2019). Análisis de regresión lineal múltiple con SPSS: un ejemplo práctico. REIRE Revista d’Innovació i Recerca en Educació, 12(2), 1–10. http://doi.org/10.1344/reire2019.12.222704
Wang, Y., Akeju, O. y Cao, Z. (2016). Bayesian Equivalent Sample Toolkit (BEST): an-Excel VBA program for probabilistic characterisation of geotechnical properties from limited observation data. Georisk, 10(4), 251-268. https://doi.org/10.1080/17499518.2016.1180399
Yori, L., Hernández, J. y Chumaceiro, A. (2011). Planificación de escenarios: una herramienta estratégica para el análisis del entorno. Revista Venezolana de Gerencia, 16(54), 274-290. https://www.produccioncientificaluz.org/index.php/rvg/article/view/10617/10605
Artunduaga, O. (2017). Modelo de Simulación en Visual Basic para Aplicaciones (VBA) para la Proyección de la Producción de Hidrocarburos en el Campo Chichimene de Ecopetrol S.A. [Tesis de pregrado). Universidad Nacional Abierta y a Distancia, Neiva]. https://repository.unad.edu.co/bitstream/handle/10596/13434/7731600.pdf?sequence=1&isAllowed=y
Barrios, K., Contreras, J. y Olivero, E. (2019). Modelo de Simulación de Alternativas de Productividad para Apoyar los Procesos de Toma de Decisiones en Empresas del Sector Floricultor Antioqueño. Información Tecnológica, 30(2), 57- 72. http://dx.doi.org/10.4067/S0718-07642019000200057
Blanco, F., León, E. y Acosta, A. (2020). Toma de Decisiones Estratégicas en Entornos Inciertos. Revista de Métodos Cuantitativos para la Economía y la Empresa, 30(1), 79-96. https://doi.org/10.46661/revmetodoscuanteconempresa.3845
Brand, H., Mejía, A., Paredes, M., & Arias, N. (2020). Elaboración de un plan maestro logístico en una empresa de la industria de jabones. Scientia Et Technica, 25(3), 471–477. https://doi.org/10.22517/23447214.20961
Caicedo, A., Criado, A. y Morales, K. (2019). Modelo matemático para la planeación de la producción en una industria metalmecánica. Scientia Et Technica, 24(3), 408–419. https://doi.org/10.22517/23447214.16031
Cano, J., Campo, E., & Gómez, R. (2018). Simulación de eventos discretos en la planificación de producción para sistemas de confección modular. Revista Técnica de la Facultad de Ingeniería Universidad del Zulia, 41(1), 50-58. http://ve.scielo.org/scielo.php?pid=S0254-07702018000100007&script=sci_arttext&tlng=en
Castillo, S., María, L. y Sánchez, C. (2019). Algoritmo Genético para solucionar problemas de Inventarios en Pymes. Investigación, Tecnología E Innovación, 11(11), 12–24. https://doi.org/10.53591/iti.v11i11.87
Cerda, V., Pérez, A., Guardado, E., Cerda, G., Diéguez, K., Benítez, I. y González, E. (2021). Simulation Strategy to Reduce Quality Uncertainty in the Sugar Cane Honey Process Design. Ingeniería e Investigación, 41(1), 1-11. https://doi.org/10.15446/ing.investig.v41n1.81484
Chicaiza, K., Gómez, A., Ruiz, P. y Cevallos, L. (2019). Modelo de simulación para la optimización del inventario de una distribuidora, basado en Simulación Monte Carlo y Algoritmo Metaheurístico Genético. Ecuadorian Science Journal, 3(2), 33-38. https://doi.org/10.46480/esj.3.2.32
Coronado, J., Romero. A., Zapateiro, O., Rios, W. y Umaña, S. (2019). Generación de escenarios de demanda para productos de innovación. Boletín de Innovación, Logística y Operaciones, 1(1), 15-20. https://doi.org/10.17981/bilo.01.01.2019.03
Crespo, E., Cossío, N., Santana, K., & Rosero, C. (2018). Plan agregado de una empresa textil. Caso de estudio de Imbabura, Ecuador. Revista UNIANDES Episteme, 5(3), 263-278. https://dialnet.unirioja.es/servlet/articulo?codigo=6756315
Cruz, L. y Benites, A. (2020). Planeación jerárquica de la producción y su impacto en la productividad en una planta de incubación. CentroSur Social Science Journal, 1(7), 92-108. http://centrosuragraria.com/index.php/revista/article/view/39/87
Cubillos, A., Aroca, L., & Cortés, K. (2019). Planeación y control de la producción aplicada a una empresa de productos líquidos de aseo. Semilleros, 5(9), 91-106. https://revistas.fio.unam.edu.ar/index.php/semillero/article/view/190
Cuisano, J., Chirinos, L. y Barrantes, E. (2020). Eficiencia energética en sistemas eléctricos de micro, pequeñas y medianas empresas del sector de alimentos. Simulación para optimizar costos de consumo de energía eléctrica. Información tecnológica, 31(2), 267- 276. http://dx.doi.org/10.4067/S0718-07642020000200267
Da Silva, M., Menezes, F., Chambal, P. & Pereira, F. (2019). A simulation-optimization approach using genetic algorithm for dynamic job shop scheduling with stochastic demand. Ingeniare, 27(2), 217-222. http://dx.doi.org/10.4067/S0718-33052019000200217
Echeverry, F. (2019). Diseño de simulador de la planificación de la producción en la plataforma Excel y VBA. [Tesis de pregrado. Universidad de Guayaquil]. http://repositorio.ug.edu.ec/handle/redug/47329
Escobar, J., Marceles, J. y Quevedo, D. (2020). Modelo matemático para la programación de la producción en compañías fabricantes de alambres y cables para la construcción. Revista Espacios, 41(24), 297-307. http://www.revistaespacios.com/a20v41n24/a20v41n24p24.pdf
Gelisen, G. y Griffis, F. (2014). Productivity-Based Automated Itinerarey Anime: A Simulation based on the Approach of Time-Cost Analysis Compensation. Journal of Construction Engineering and Management, 140(4), 1-15. https://doi.org/10.1061/(ASCE)CO.1943-7862.0000685
Giraldo, E., Giraldo, J. y Valderrama, J. (2018). Modelo de Simulación de un Sistema Logístico de Distribución como Plataforma Virtual para el Aprendizaje Basado en Problemas. Información Tecnológica, 29(6), 185 – 198. http://dx.doi.org/10.4067/S0718-07642018000600185
Gómez, R. & Martínez, E. (2017). Quantitative methods for a linear regression model with multicollinearity. application to yields of treasury bills. Revista De Métodos Cuantitativos Para La economía y La Empresa, 24(1), 169-189. https://www.upo.es/revistas/index.php/RevMetCuant/article/view/2886
Herrera, G., Campo, J., Bernal, J. y Tilvesmartinez, R. (2018). Modelo de teoría de restricciones con consideraciones de optimización y simulación - Un caso de estudio. Revista Espacios, 39(3), 10-28. http://www.revistaespacios.com/a18v39n03/a18v39n03p10.pdf
Hernández, J., Espinosa, J., García, D. y Bermúdez, V. (2019). Sobre el uso adecuado de la regresión lineal: conceptualización básica mediante un ejemplo aplicado a las ciencias de la salud. Archivos Venezolanos de Farmacología y Terapéutica, 38(5), 608-614. http://saber.ucv.ve/ojs/index.php/rev_aavft/article/view/17430
Jurado, X., Peña, J., Veloz, K. y Cevallos, L. (2019). Análisis de un modelo de inventario en productos perecederos aplicando Algoritmo metaheurístico Tabú y simulación Montecarlo. Ecuadorian Science Journal, 3(1), 8-14. https://journals.gdeon.org/index.php/esj/article/view/25/25
Lara, H., Naranjo, I. & Banguera, C. (2020). Aplicación del modelo Montecarlo-Difuso para la correcta Gestión de Inventarios en empresas Pymes. Ecuadorian Science Journal, 4(2), 80-88. https://doi.org/10.46480/esj.4.2.84
López, A., Bringas, C., Iniestra, G. y Vargas, G. (2014). Simulación de la tasa de reciclaje de productos electrónicos un modelo de dinámica de sistemas para la red de logística inversa. Contaduría y Administración, 59(1), 9 – 41. https://dialnet.unirioja.es/servlet/articulo?codigo=5118470
Luna, K., Guanin, J. y Cordero, G. (2019). Aplicación de un proceso analítico jerárquico (AHP) para mejorar la gestión de inventarios en cadenas de abastecimientos. Ecuadorian Science Journal, 3(2), 25-32. https://doi.org/10.46480/esj.3.2.31
Madariaga, C., Lao, Y., Curra, D. y Lorenzo, R. (2022). Empleo de algoritmos KNN en metodología multicriterio para la clasificación de clientes, como sustento de la planeación agregada. Retos de la Dirección, 16(1), 178-198. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2306-91552022000100178
Miñan, G., Símpalo, W. & Castillo, W. (2020). Diseño y evaluación de estrategias para el planeamiento agregado de una empresa dedicada a la fabricación de conservas de pescado en Ancash – Perú. Latin American and Caribbean Consortium of Engineering Institutions (LACCEI), 1(18). http://dx.doi.org/10.18687/LACCEI2020.1.1.254
Musilek, M., Hubalovsky, S., Hubalovska, M. (2018). Mathematical modeling and computer simulation of simple permutation brainteaser in MS Excel. Lecture Notes in Electrical Engineering, 428(1), 175-181. https://doi.org/10.1007/978-3-319-53934-8_21
Peralta, P., Cervantes, V., Salgado, R. y Espinoza, A. (2020). Dirección estratégica para la innovación en pequeñas y medianas empresas de la ciudad de Barranquilla –Colombia. Revista Venezolana de Gerencia, 25 (89), 229-243. https://doi.org/10.37960/revista.v25i89.31380
Rahmer, B., Garzón, H., & Garzón, J. M. (2022). Análisis comparativo de modelos de planificación agregada. El caso de las empresas manufactureras colombianas. Revista De Métodos Cuantitativos Para La Economía Y La Empresa, 33(1), 285–309. https://doi.org/10.46661/revmetodoscuanteconempresa.3946
Salazar, E. y Alzate, W. (2018). Aplicación de la simulación Monte Carlo en la proyección del estado de resultados. Un estudio de caso. Espacios, 39(51), 1-8. http://www.revistaespacios.com/a18v39n51/a18v39n51p11.pdf
Samanamud R., Córdova, J., Pacora J., Amado, J., & Gutiérrez, J. (2020). Manufactura esbelta con simulación dinámica estocástica para incremento de productividad, línea de Nuggets en empresa avícola. Región Lima, 2019. INGnosis, 5(2), 139–153. https://doi.org/10.18050/ingnosis.v5i2.1597
Serrano, B. y Garzón, V. (2019). Estudio de la caída de las ventas de la farmacia Farmicentro MM a través de la simulación de eventos discretos. Revista pedagógica de la Universidad de Cienfuegos, 15(67), 38-44. http://conrado.ucf.edu.cu/index.php/conrado
Shirinkina, E. y Kodintsev, A. (2018). Management of human capital in the national economy: Estimation and simulation. Revista Espacios, 39(44), 28-36. http://www.revistaespacios.com/a18v39n44/a18v39n44p28.pdf
Silva, J., Díaz, C. & Galindo, J. (2017). Herramientas cuantitativas para la planeación y programación de la producción: estado del arte. Ingeniería Industrial. Actualidad y Nuevas Tendencias, 5(18), 99-114. https://www.redalyc.org/pdf/2150/215052403008.pdf
Vilá, R., Torrado, M. y Reguant, M. (2019). Análisis de regresión lineal múltiple con SPSS: un ejemplo práctico. REIRE Revista d’Innovació i Recerca en Educació, 12(2), 1–10. http://doi.org/10.1344/reire2019.12.222704
Wang, Y., Akeju, O. y Cao, Z. (2016). Bayesian Equivalent Sample Toolkit (BEST): an-Excel VBA program for probabilistic characterisation of geotechnical properties from limited observation data. Georisk, 10(4), 251-268. https://doi.org/10.1080/17499518.2016.1180399
Yori, L., Hernández, J. y Chumaceiro, A. (2011). Planificación de escenarios: una herramienta estratégica para el análisis del entorno. Revista Venezolana de Gerencia, 16(54), 274-290. https://www.produccioncientificaluz.org/index.php/rvg/article/view/10617/10605
Publicado
2022-11-25
Cómo citar
Miñan-Olivos, G. S., Cardoza-Sernaque, M. A., & Cisneros-Hilario, C. B. (2022). Planificación táctica de la producción: Simulación de datos ante escenarios de incertidumbre. Revista Venezolana De Gerencia, 27(8), 1213-1229. https://doi.org/10.52080/rvgluz.27.8.31
Sección
Organización y sociedad: mirada de sectores estratégicos clave
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0.
.png)
