Page 16 - Ingeniantes congreso Misantla 623 final

Revista Ingeniantes 2019 Año 6 No. 2 Vol. 3

CONCLUSIONES to the agricultural practices in the production of
Se construye una base de conocimiento que registra Persian lime (Citrus latifolia tanaka) in the seaso-
las variables de: Fecha Semanal, Tipo de Suelo, Porta nal orchard, Computers and Electronics in Agri-
Injerto, Temporada, m.s.n.m, Edad Promedio, Árboles culture, Volume 116, Pages 162-172, https://doi.
en producción, Tipo de Poda, Temperatura, mm de org/10.1016/j.compag.2015.06.007.
lluvia, Foliar(lt/ha), Nutriente (gr/árbol), Herbicida (lt/ [7] Saman, Hassanzadeh Amin. y Jafar Razmi. “An
ha), Kg Cosecha, kg fruta exportable, Calidades de integrated fuzzy model for supplier management:
fruta, Kg fruta nacional, para el cultivo de Lima persa. A case study of ISP selection and evaluation”, Ex-
El entrenamiento se realiza con el 66.6% de los datos pert Systems with Applications, 36, 8639-8648,
con validación cruzada con Percentage Split. La co- 2009.
rrelación resulta en 99.65%, con error medio absoluto [8] Stević, Željko. (2017). “Criteria for Supplier Se-
de 895.79 kg, error absoluto relativo de 9.57%. lection: A Literature Review International Journal of
Estos resultados de validación generan la confianza Engineering, Business and Enterprise Applications
para predicciones en la simulación de escenarios (IJEBEA) Criteria for Supplier Selection: A Litera-
de producción de Lima persa, bajo la actual base de ture Review.” International Journal of Engineering,
conocimiento. El seguimiento a estos resultados es Business and Enterprise Applications (IJEBEA) 19
el diseño de un sistema de apoyo a la decisión para (1): 23–27.
estimar la calidad de Lima persa en huertos de tem- [9] Sung Ho Ha and Ramayya Krishnan. (2008) A
poral. hybrid approach to supplier selection for the main-
AGRADECIMIENTO tenance of a competitive supply chain, Expert Sys-
Esta investigación es financiada por el proyecto TEC- tems with Applications, 34. 1303–1311.
NM Clave: 7165.19.P.

BIBLIOGRAFÍA
[1] Chun Ching Lee, y C. Ou-Yang. (2009) A neural
networks approach for forecasting the supplier`s
bid prices in supplier selection negotiation pro-
cess, Expert Systems with Applications, 36, 2961-
2970.

[2] Desheng Wu. (2009) “Supplier selection: A hy-
brid model using DEA, decision tree and neural
network”, Expert Systems with Applications, 36.
9105–9112.

[3] Gaikwad, Lokpriya, and Vivek Sunnapwar.
(2019). “Supplier Evaluation and Selection in Au-
tomobile Industry.” Industrial Engineering, 1–12.
https://doi.org/10.5772/intechopen.84383.

[4] Hakan Kagnicioglu C. (2006) A fuzzy multiob-
jective programming approach for supplier selec-
tion in a supply chain, The Business Review, Cam-
bridge, Vol. 6, Num. 1, 2006.

[5] Fernández L. G., Alberto A. A. Lasserre, Mar-
co M. A., Constantino G. M. S., Blanca O. I. R.,
Catherine Azzaro-Pantel. (2014) An expert system
for predicting orchard yield and fruit quality and its
impact on the Persian lime supply chain, Enginee-
ring Applications of Artificial Intelligence, Volume
33, Pages 21-30, https://doi.org/10.1016/j.enga-
ppai.2014.03.013.

[6] Fernández L. G., Alberto A. L., Catherine Az-
zaro-Pantel, Marco A. M. A., Rubén P.V., María
del Rosario P. S. (2015) Behavior patterns related

12