Traducido del inglés al español - www.onlinedoctranslator.

com

Investigación de gestión de operaciones https://

doi.org/10.1007/s12063-021-00208-w

¿Es la inteligencia artificial un facilitador de la resiliencia de la cadena de suministro

después de COVID-19? Una revisión exploratoria del estado del arte para futuras

investigaciones

farheen naz1· Anil Kumar2· Abhijit Majumdar3· Rohit Agrawal3

Recibido: 29 junio 2021 / Revisado: 27 julio 2021 / Aceptado: 8 agosto 2021

© Los autores, bajo licencia exclusiva de Springer Science+Business Media, LLC, parte de Springer Nature 2021

Resumen
Las situaciones desafiantes y las interrupciones que ocurrieron debido al brote de la pandemia de COVID-19 han creado una gran necesidad de
resiliencia en la cadena de suministro (SCR). Ha habido un interés creciente entre los investigadores por investigar la resiliencia en las operaciones de
la cadena de suministro para superar los riesgos y las interrupciones y lograr una gestión de proyectos exitosa. La cadena de suministro de todo
negocio requiere de proyectos innovadores para lograr una ventaja competitiva en el mercado. Este estudio se realizó para identificar la importancia
de la inteligencia artificial (IA) para crear una cadena de suministro sostenible y resiliente, y también para brindar soluciones óptimas para la
mitigación de riesgos de la cadena de suministro. Se ha llevado a cabo una revisión sistemática de la literatura para examinar la posible contribución o
dirección de la investigación en el campo de la IA y la RCS. En total, Se preseleccionaron 162 artículos de la base de datos SCOPUS en el campo de
investigación elegido. Se empleó Structural Topic Modeling (STM), un enfoque basado en big data, para generar varios temas temáticos de IA en SCR
basados en los artículos preseleccionados, y se discutieron todos los temas. Además, el análisis bibliométrico se realizó utilizando R-package para
investigar las tendencias de investigación en el área de IA en SCR. Con base en la revisión de la literatura realizada, se propuso un marco de
investigación para la IA en SCR que facilitará a los investigadores y profesionales mejorar el desarrollo tecnológico en las empresas de la cadena de
suministro. El propósito es combatir los riesgos e interrupciones repentinos para que la gestión de proyectos funcione bien después de COVID-19. El
estudio también será útil para que futuros investigadores y profesionales identifiquen direcciones de investigación basadas en la literatura existente
cubierta en este documento en el campo de SCR. Se proponen direcciones de investigación futuras para la gestión de la cadena de suministro
resiliente habilitada por IA. Este estudio también proporcionará varias implicaciones para que los gerentes de la cadena de suministro logren la
resiliencia requerida en sus cadenas de suministro después de COVID-19 al centrarse en los elementos del marco de investigación propuesto.

Palabras claveInteligencia artificial · Cadena de suministro · Resiliencia · STM · Gestión de proyectos · COVID-19 · Minería de texto · Análisis
de big data

1. Introducción
* Rohit Agrawal
mailerrohit@gmail.com
El brote de coronavirus (COVID-19) no solo ha provocado una tragedia
farheen naz mundial en vidas humanas, sino que también ha afectado las actividades
farheen.naz@phd.uni-szie.hu
comerciales y económicas, por ejemplo, los procesos de fabricación, la
Anil Kumar logística y las cadenas de suministro, la hospitalidad y muchas otras (Golan et
A.Kumar@londonmet.ac.uk
al.2020). COVID-19 ha desafiado a académicos y profesionales por el flujo
Abhijit Majumdar fluido del proceso, ya que esta pandemia se convirtió en una de las
majumdar@textile.iitd.ac.in
interrupciones de la cadena de suministro más graves de la historia (Spieske y
1 Birkel2021). Estas interrupciones, ya sean causadas por humanos o naturales,
Instituto de Economía, Universidad Húngara de Agricultura y
Ciencias de la Vida, Godollo, Hungría son una parte integral de todas las cadenas de suministro a nivel mundial,
2 independientemente de la naturaleza de los bienes o servicios
Guildhall School of Business and Law, Universidad Metropolitana de
Londres, Londres, Reino Unido proporcionados o del nicho de mercado en el que operan estas cadenas de
3 suministro (Golan et al.2020). La mayoría de las empresas de todo el mundo
Departamento de Ingeniería Textil y de Fibras, Instituto Indio de
Tecnología, Delhi, Nueva Delhi 110016, India se enfrentan a enormes desafíos en cada etapa de

Vol.:(0123456789)

sus cadenas de suministro. Las obligaciones de entrega que no cumplen
los proveedores, las demandas impredecibles de los clientes y las
compras de pánico son algunos de los desafíos que enfrentan las
empresas (Ivanov2020). Estos riesgos e interrupciones crearon la
necesidad de mejorar la resiliencia de las cadenas de suministro para
enfrentar este tipo de riesgos e interrupciones repentinos. Además, el
cambio en el entorno del mercado está obligando a las empresas a
actualizar con frecuencia sus procesos y productos (Haus-Reve et al.2019
). Para lograr un liderazgo efectivo en el mercado, la gestión y el
lanzamiento de proyectos de innovación se vuelven cruciales, lo que
complica aún más la gestión de la cadena de suministro (SCM) (Kwak et
al.2018). Además, la transformación digital conduce a varios desarrollos
tecnológicos en la cadena de suministro (Kwak et al.2018), y por ello, la
gestión de proyectos se vuelve vital para SCM (Gaudenzi y Christopher
2016). Asimismo, Shishodia et al. (2019) en su estudio hizo hincapié en
una cadena de suministro impulsada por proyectos que es una
combinación de gestión de proyectos y cadena de suministro y requiere
coordinación entre las actividades del proyecto en el sitio y los procesos
de la cadena de suministro fuera del sitio.
Además, algunas consecuencias negativas conducen a un bajo
desempeño de la empresa, que implican retrasos en las entregas,
pérdidas de participación en ventas y mercado, y disminución en el nivel
de servicio y satisfacción del consumidor, todo lo cual afecta
directamente la imagen de la empresa (Kara et al.2020; Spieske y Birkel
2021). Estos impactos negativos severos e impredecibles obligan a la
resiliencia de la cadena de suministro (SCR) a ser el foco de atención de
las empresas y académicos (Reeves y Whitaker2020). Para mejorar el
SCR, las empresas deben expandir las capacidades analíticas aplicando
de manera eficiente el conocimiento de la empresa residente,
mejorando así las capacidades de información existentes de la
organización (Wong et al.2020). En lo que respecta a la tecnología
habilitada para inteligencia artificial (IA), estudios previos han
demostrado que los algoritmos ofrecen soluciones mediante la
promoción de innovaciones para mejorar el rendimiento de la cadena de
suministro (SCP) (Baryannis et al.2019a; Nayal et al.2021). Según Ivanov
et al. (2019), las tecnologías emergentes como la industria 4.0, la IA, las
aplicaciones avanzadas de seguimiento de productos y la fabricación
aditiva tienen un potencial considerable para el análisis de riesgos de la
cadena de suministro, lo que fortalece la SCR y la gestión de proyectos.
La integración de tecnologías avanzadas hace que la cadena de
suministro se asemeje a proyectos a gran escala para coordinar y
gestionar varias actividades, lo que permite una gestión de proyectos
fluida (Gaudenzi y Christopher2016). Wei et al. (2021) aclaró que la
creciente complejidad de la gestión de proyectos y la inclusión de SCM
en ella hace que sea fundamental que los directores de proyectos
gestionen y coordinen los requisitos adoptando el mejor enfoque. Por
ejemplo, en la industria de la construcción naval es ventajoso integrar
los sistemas de información de gestión de proyectos junto con SCM,
donde los requisitos por fases son gestionados por la gestión de
proyectos y los problemas de la cadena de suministro son abordados
por SCM (Braglia y Frosolini2014).
13
F. Naz et al.
En lo que respecta a SCR, su principal objetivo es recuperarse rápidamente
de las interrupciones de la cadena de suministro y mejorar el rendimiento
original de la cadena de suministro (Ponomarov y Holcomb2009). El impacto
de cualquier interrupción se intensifica a medida que las cadenas de
suministro se vuelven más complejas en un contexto global (Kwak et al.2018).
Thunberg et al. (2017) afirmó que los procesos de gestión de proyectos y la
cadena de suministro están interrelacionados y, a menudo, se afectan entre sí.
En este sentido, el desempeño de la cadena de suministro podría mejorarse a
través de las capacidades de adaptación y procesamiento de la información
que ofrecen las técnicas de IA (Belhadi et al.2021a). De manera similar, para
proyectos exitosos, la IA se aplicó en varios sectores para mejorar la
flexibilidad, la comunicación y reducir las fluctuaciones innecesarias (Lalmi et
al.2021). En los últimos años, las aplicaciones de IA se han desarrollado debido
a la creciente disponibilidad de potencia informática, el crecimiento de los
enfoques de aprendizaje automático y el análisis de big data. Esto ha llevado a
los investigadores de la cadena de suministro a considerar el potencial de las
técnicas de IA en términos de identificación, evaluación, predicción y
respuesta de riesgos (Baryannis et al.2019b). Para superar el impacto de los
riesgos y las interrupciones, Katsaliaki et al. (2021) sugirió que es necesario
desarrollar resiliencia mediante la integración de tres aspectos, es decir,
asociaciones a largo plazo, aplicaciones de TI para mejorar los negocios y
políticas gubernamentales que faciliten la flexibilidad.
Además, el brote de COVID-19 ha atraído mucha atención de los
académicos para construir SCR (Kumar y Anbanandam2020) y agilidad
en la gestión de proyectos (Bushuyev et al.2020). Crear agilidad en
proyectos a gran escala a través de la adaptación de varias estrategias
desarrollará la SCR, si los procesos del proyecto se gestionan en una
etapa temprana (Thunberg et al.2017). Además, se ha notado el impacto
directo a corto plazo de la IA en la SCR, y se propone utilizar su
capacidad de procesamiento de información para construir la SCR,
mejorando así la SCR a largo plazo (Belhadi et al.2021a). Esto se puede
hacer implementando tecnologías emergentes en toda la red de la
cadena de suministro (Ivanov et al.2019) y la gestión de proyectos de
este modo. Con este fin, se realizó el estudio actual para analizar la
importancia de la IA en la SCR posterior a la COVID-19. Las
interrupciones causadas por la pandemia de COVID-19 en toda la cadena
de suministro y la gestión de proyectos crearon la necesidad de una
revisión sólida de la literatura en el campo relacionado para analizar los
problemas y soluciones existentes. Los estudios involucrados en este
documento se realizaron antes y durante la pandemia de COVID-19, por
lo que proporciona evidencia relevante de IA en SCR. Es crucial
comprender mejor la relevancia y la implicación práctica de los modelos
basados en IA existentes para resolver problemas relacionados con SCR
que existen durante o después de las interrupciones de COVID-19.
Según el conocimiento de los autores, este estudio es el primer intento
de mostrar el papel de la IA en la SCR durante o después de la pandemia
de COVID-19. Para esto, se presentó una revisión sistemática
recopilando artículos en el campo de la IA y la RCS. Para recopilar
artículos, se utilizó la base de datos SCOPUS utilizando palabras clave
relevantes en AI y SCR. 162 artículos fueron
¿Es la inteligencia artificial un facilitador de la resiliencia de la cadena de suministro después de COVID-19? Un exploratorio…
elegidos para realizar la revisión sistemática. En primer lugar, se utilizó
el enfoque de minería de textos basado en el modelado estructural de
temas (STM) para producir temas temáticos. En segundo lugar, con base
en los temas temáticos generados, se revisaron los artículos
preseleccionados. Luego, se realizó el estudio bibliométrico para
examinar las tendencias de investigación en los campos de IA y SCR.
Finalmente, se sugirió un marco conceptual que incorpora prácticas de
IA y SCR. Las siguientes preguntas de investigación se forman para
responder en este estudio:
RQ1.¿Cuáles son las técnicas de IA que podrían ayudar a crear una cadena
de suministro resiliente?
RQ2.¿Cuáles son las tendencias de investigación actuales asociadas con la
IA en SCR?
RQ3.¿Cuáles son las posibles direcciones futuras de investigación en
IA en SCR?
Este estudio comienza con una revisión sistemática de la
literatura para responder a las preguntas anteriores. Para generar
los temas, se empleó una técnica de minería de texto basada en
STM. Se exploraron varios aspectos de AI y SCR y se investigaron
varias técnicas de AI para adoptar para SCR y mitigación de riesgos.
Para analizar las tendencias de investigación se realizó un análisis
bibliométrico. Además, se propuso un marco conceptual para
proporcionar la utilización de técnicas de IA en el SCR posterior a
COVID-19.
Los restantes apartados de este artículo son los siguientes: Secc.
2muestra la metodología de revisión sistemática de la literatura,
Secc.3muestra el análisis bibliométrico, Secc.4muestra el enfoque
STM, mientras que la revisión de artículos basados en temas
generados se presentó en la Secc.5. La discusión y las implicaciones
se presentaron en la Secc.6, mientras que la secta.7muestra las
conclusiones del estudio.
2 Revisión sistemática de la literatura
En este documento se utilizó una metodología de revisión
sistemática de la literatura para obtener información integral sobre
estudios realizados anteriormente sobre SCR e IA. La metodología
SLR adopta un procedimiento replicable, científico y transparente
que difiere de las revisiones narrativas tradicionales (Tranfield et al.
2003). El estudio actual siguió la metodología SLR realizada por
Agrawal et al. (2021). Para este propósito, se recopilaron los
artículos publicados de la base de datos SCOPUS, ya que se
encuentra entre las bases de datos más grandes que consisten en
una gran cantidad de artículos revisados por pares. A través de la
base de datos SCO-PUS, se presentó un SLR definiendo palabras
clave y buscando artículos sobre palabras clave seleccionadas
(Vinodh et al.2020). El SLR del estudio se basa en el enfoque de
revisión de cuatro etapas, como se muestra en la Fig.1. Además,
varios investigadores participaron en este estudio para evitar
sesgos individuales (Tranfield et al.2003).
En la primera etapa de esta metodología de cuatro etapas, la recuperación
de artículos se realizó con base en la búsqueda de artículos sobre SCR e IA.
Las palabras clave preseleccionadas se utilizaron para recopilar los artículos
de la base de datos SCOPUS.
La siguiente etapa implicó el estudio bibliométrico de los
artículos recopilados. Para ello se utilizó el paquete R y VOSviewer.
Posteriormente, se analizaron los campos de investigación en
relación con el área de investigación, lo que se realiza mediante el
uso de STM. El enfoque STM se realizó utilizando el paquete R para
generar diez campos de investigación emergentes en SCR e IA. En
la tercera etapa, se discutieron los temas de investigación en
evolución identificados y se establecieron propuestas de dirección
futura. Finalmente, en la última etapa, se propuso un marco de
investigación futuro y se llegó a una conclusión en base a los
resultados generados.
3 Estudio bibliométrico
En los últimos años, el análisis bibliométrico ha ganado gran
popularidad en el campo de la investigación empresarial y de
gestión (Donthu et al.2021). Los métodos bibliométricos se utilizan
para proporcionar un análisis cuantitativo de artículos escritos o
publicaciones (Ellegaard y Wallin2015). El análisis se realiza a partir
de la identificación de la cantidad de literatura referente a un área
de investigación. Varias herramientas estadísticas se utilizan
rápidamente para realizar análisis bibliométricos, por ejemplo,
paquete R, Pajek, Histcite, Bibexel y Gephi (Agrawal et al.2021).
En la investigación empresarial, la popularidad del análisis
bibliométrico se debe a la manifestación de su eficiencia para manejar
una gran cantidad de datos científicos y crear un alto impacto en la
investigación (Donthu et al.2021). Para realizar el análisis bibliométrico,
se utilizó el paquete R. Se empleó una interfaz web del paquete R
denominada biblioshiny, que permite a los usuarios realizar análisis
bibliométricos y visuales relevantes. Biblioshiny es una interfaz web
interactiva que reduce en gran medida la intensidad de entrada de
información de los usuarios y también el umbral de uso (Xie et al.2020).
Mesa1presentó la información principal de los artículos
preseleccionados sobre SCR e IA.
Las publicaciones anuales de los artículos en SCR y AI se indican
en la Fig.2. En este campo de investigación se observa una
tendencia creciente a partir de 2005. Sin embargo, se observó un
rápido aumento de esta tendencia desde 2018, mientras que en
2019 hubo un aumento del 81 % en las publicaciones en
comparación con 2018.
Figura3demuestra el número de artículos publicados en
SCR y AI por país. Es evidente a partir de la Fig.3que Estados
Unidos es el país líder en cuanto a publicaciones en este
campo. Irán y China ocupan la segunda y tercera posición,
respectivamente, con contribuciones significativas en el
campo de SCR e IA.
13
 F. Naz et al.

Figura 1diagrama de flujo réflex

Buscar artículos en el campo de AI y SCR

Palabras clave buscadas:TITLE-ABS-KEY ("Resiliente" O

"Resiliencia" O "Alteración" O "Alteración")
Y
TÍTULO-ABS-CLAVE ("Artificial Inteligencia" O
"Aprendizaje automático" O "Aprendizaje profundo" O Buscar base de datos:
"Red neuronal de convolución" O "Árbol de decisiones" ALCANCE
O "Procesamiento del lenguaje natural" O "Clustering"
O "Red neuronal artificial" O "Algoritmo genético" O
"Máquina de vectores de soporte" O "Bayesiano Red" O
"Propagación hacia atrás" O "Regresión lineal" O
"Lógica difusa" O "Regresión logística")
Y
TITLE-ABS-KEY ("cadena de suministro")

recuperación total:
Número total de artículos=249
Número de artículos después de eliminar artículos en idiomas distintos del inglés =245
Número de artículos después de considerar solo artículos de revistas =162

Análisis Bibliométrico y de Redes

Modelado de temas estructurales

Temas de investigación emergentes sobre IA y SCR

Direcciones futuras de investigación para AI y SCR

de la fig.4, se encuentra que Estados Unidos es el
país líder en cuanto a citas recibidas en el campo de
IA y SCR. Le siguen Irán y Reino Unido.
Mesa2muestra las principales revistas líderes en el campo
de IA y SCR.
Mesa2muestra que el International Journal of Production
Research es la revista líder en publicar la mayor cantidad de
artículos (norte=16) en el campo de AI y SCR. Sin embargo,
las otras revistas son Computers and Industrial Engineering
e International Journal of Production Economics con un
número significativo de artículos publicados en este campo.
En cuanto a la contribución de los autores en este campo de
investigación, la Tabla3presentó a los diez autores más influyentes
con un número máximo de artículos publicados en esta área.
Ivanov D y Hosseini S son dos autores destacados que contribuyen
a este campo de investigación con 7 y 6 artículos publicados,
respectivamente.
Mesa4representa a las diez principales organizaciones que
contribuyen al campo de investigación de SCR e IA. Entre estas
organizaciones, la Universidad Islámica de Azad, Irán, es la organización
líder en publicar 11 artículos en esta área. A esto le sigue la Escuela de
Economía y Derecho de Berlín, Universidad de Irán.
of Science and Technology, y la Universidad del Sur de
Mississippi con 6 artículos publicados, cada uno.
En mesa5, se muestra la ocurrencia de las principales palabras clave
en el campo de SCR y AI. Muestra que la palabra clave 'cadenas de
suministro' apareció 80 veces en la búsqueda de los artículos
relacionados con el área de estudio. Le sigue la 'gestión de la cadena de
suministro' y la 'toma de decisiones' que ocurrieron 42 y 33 veces,
respectivamente. Mesa5muestra 20 palabras clave de este tipo y sus
ocurrencias en el campo de AI y SCR. Figura5 representa la 'nube de
palabras' de las palabras clave presentes en los resúmenes de los
artículos y destaca las palabras más comunes disponibles en la base de
datos. En consecuencia, el tamaño de la palabra representa la aparición
de la palabra clave en los artículos seleccionados. Como se muestra en la
Fig.5que las palabras clave de este estudio son cadenas de suministro,
SCM e IA, que están en el centro del mapa. Estas palabras clave
aparecieron varias veces en los artículos seleccionados y fueron
constantes a lo largo de la investigación.
Se realizó un análisis de redes para comprender cómo
los países y los autores han colaborado en base a la
coautoría. Para ello, se utilizó el paquete de visor VOS
para examinar la red de colaboración entre países y
entre autores. En este estudio se consideraron un total
de 162 artículos y hay 464 autores en el

13
¿Es la inteligencia artificial un facilitador de la resiliencia de la cadena de suministro después de COVID-19? Un exploratorio…

tabla 1Principal información recopilada sobre los artículos de IA y SCR a la baja conectividad de los mismos con otros autores. La figura
muestra seis redes diferentes donde el tamaño de los nodos
Descripción Resultados
representa el número de publicaciones recopiladas, mientras que el
Información principal sobre los datos color de los nodos representa el grupo al que pertenecen estas
Espacio de tiempo 2005:2021 publicaciones. La red desarrollada tiene seis clústeres con 52
Fuentes (Revistas, Libros, etc.) 107 enlaces y 56 puntos fuertes de enlace totales. El grupo rojo es el
Documentos 162 grupo más grande con siete autores, mientras que los grupos
Promedio de años desde la publicación 3.51 verde, azul y amarillo tienen cinco autores cada uno. El sexto grupo
Promedio de citas por documento 20.27 es el más pequeño e incluye solo tres autores. La red de
Promedio de citas por año por 4.243 colaboración de autores también muestra que el autor Ivanov D
documento Referencias 9078 tiene la conexión máxima con otros autores con un total de 12
Tipos de documentos enlaces y la fuerza total del enlace es 15.
Artículo 152 La red de colaboración por país se presenta en la
Revisar 10 Fig.7. Muestra la colaboración de diferentes países
Contenido del documento
entre sí para realizar investigaciones relacionadas
Palabras clave más (ID) 1046 con SCR e IA. Un total de 55 países están involucrados
Palabras clave del autor (DE) 557 en la publicación de los 162 artículos. Hicimos un
Autores clúster considerando todos los países. De la red de
Autores 464 colaboración de países, podemos ver que se
Apariciones del autor 522 formaron ocho grupos que incluyen 33 países,
Autores de documentos de un solo autor 10 mientras que otros países se eliminan debido a la
Autores de documentos de varios autores 454 baja conectividad de ellos con otros países. Estados
Autores Colaboración Unidos e Irán han contribuido significativamente al
Documentos de un solo autor 11 campo de investigación de AI y SCR y han publicado
Documentos por autor 0.349 una cantidad considerable de investigaciones
Autores por Documento 2.86 científicas en esta área. La red desarrollada tiene
Índice de colaboración de 3.22 ocho clústeres con 69 enlaces y 91 puntos fuertes de
coautores por documentos 3.01 enlace totales. Los cinco grupos principales (rojo,
verde, azul oscuro, amarillo y violeta) tienen cinco
países cada uno, mientras que el grupo marrón es el
artículos considerados. Hicimos un grupo considerando a todos los más pequeño e incluye solo dos países.
autores. Figura6muestra la red de colaboración de los autores en el
campo de la IA y la SCR. De la red de colaboración de los autores,
podemos ver que se formaron 6 grupos que incluyen 27 autores,
mientras que otros autores se eliminan debido

Figura 2Publicación anual de artículos 40

en el campo de la IA en SCR

35 34

30 29

25 24
Nº de artículos

20
dieciséis

15
10 10
10 7 7 8
6
5 4
1 2 1 1 2
0
2005200720082009201020112012201320142015201620172018201920202021
Año

13

Fig. 3Número de artículos publicados por países en AI y SCR
4 Análisis de texto usando un tema estructural
modelado
El modelado de temas (TM) se utiliza para escanear y analizar textos
de un conjunto de documentos, y se considera una técnica de
aprendizaje automático no supervisado. Es una técnica esencial que
agrupa grupos de palabras automáticamente, aprende a sí mismo
agrupando expresiones similares y explora diferentes temas que
describen mejor los documentos recopilados (Kuhn2018; Sharma et
al.2021). La MT permite a los investigadores organizar y estudiar
muchos documentos. Un método probabilístico para definir los
documentos recopilados en términos de
Figura 4Citas por países en el campo de la IA y la RCS
13
F. Naz et al.
temas se llama modelado de temas estructurales (STM), que es
una forma de STM (Kuhn2018). El objetivo de STM es permitir
que un investigador documente los metadatos encontrando
temas y analizando su conexión (Roberts et al.2019).
Con base en la frecuencia y similitud de palabras, se analizó
el texto de los documentos y se generaron temas temáticos
utilizando STM. Es un modelo generativo de conteo de
palabras, lo que implica que para cada documento se define el
método de generación de datos. Luego, al usar los datos,
encuentra los valores más probables para los parámetros en el
modelo (Roberts et al.2019). El proceso generativo de STM se
concreta en los siguientes pasos:
¿Es la inteligencia artificial un facilitador de la resiliencia de la cadena de suministro después de COVID-19? Un exploratorio…

Tabla 2 Importantes artículos de publicación de revistas en el campo de la IA en Tabla 4 Importante organización que publica artículos en el campo de la IA
RCS en SCR

Revistas Artículos afiliaciones Artículos

International Journal of Production Research dieciséis Universidad Islámica Azad 11

Computers and Industrial Engineering 8 Escuela de Economía y Derecho de Berlín 6
International Journal of Production Economics 5 Universidad de Ciencia y Tecnología de Irán 6
Annals of Operations Research 4 Universidad del Sur de Mississippi 6
European Journal of Operational Research IEEE 4 Instituto Indio de Tecnología Universidad 5
Transactions on Engineering Management Supply 4 Estatal de Carolina del Norte 5
Chain Management 4 Universidad de Ingeniería y Tecnología de Bangladesh 4
Sistemas Expertos con Aplicaciones Problemas 3 Universidad de Huddersfield 4
Matemáticos en Ingeniería International Journal of 3 Universidad de Tecnología de Sídney 4
Information Management 2 Universidad de Tecnología de Cracovia 3

Paso 1:Analizar el parámetro del temaθDpara cada palabra en el Dibuje la asignación de temas de palabras en función de un modelo
documentoDutilizando el modelo lineal logarítmico normal de no supervisado que se puede generar a partir de la distribución
el vector de covariables del documentoXD. multinomial:

D|XDΥ,
���⃗
Σ∼LogísticaNormal( =XDΥ, Σ) (1) D∼multinomial( ���⃗ D)
ZD,norte| ���⃗ (3)

donde,XDrepresenta 1-por-P vector, ϒ representa P-por-(k-1)

matriz de coeficientes, y Σ representa una matriz de D,norte|ZD,norte, D,k=Z D,norte
D∼multinomial( D,k=Z
���⃗
D,norte
) (4)
covarianza de (k-1)- por- (K-1).
Para producir temas temáticos a partir de documentos seleccionados, el

Paso 2:Genere el modelo de tema β que represente las palabras texto del título del artículo, el resumen y las palabras clave se combinaron

de cada tema (k, utilizando la distribución de referencia (metro) para preparar un corpus de texto y se utilizaron como entrada en el enfoque
(t)de STM. Al principio, la limpieza del texto se hacía eliminando palabras de uso
de longitud V, el tema de desviación específico del temak, lak,v
desviación del grupo de covariables(C) de temak, común o stop. En segundo lugar, también se eliminaron los caracteres
yarda,v
especiales, los números, las ecuaciones y las palabras que no están en inglés
y la interacción entre cada tema y la desviación del
(I) para que el corpus de texto sea compatible con el enfoque STM.
grupo yarda k v , ,
Se seleccionaron un total de 162 artículos (Tabla1). R-package se usa
)
Exp(metrov+k(t +
k,v
k(C)
yarda,v
+ k(I))
yarda,k,v
para realizar el enfoque STM mediante el uso de la biblioteca STM

D,k,v=∑ (2) incorporada. Los temas temáticos generados a partir del enfoque STM
vExp(metrov+k(t)+k(C)+k(I)
k,v yarda,v yarda,k,v
) se muestran en la Fig.8.
Las etiquetas de los temas se generaron a partir de la Fig.8. El Tema 1
Paso 3:Por cada palabra en los documentos recopilados (n
etiqueta "Riesgo asociado con la gestión de la cadena de suministro"
{1,2, 3,……..norteD}):
generado a partir de la distribución probabilística de las palabras clave más
utilizadas como "proveedor", "riesgo", "cadena", "red", "perturbación",
"modelo" y "costo". '. De manera similar, otros temas se generan a partir de
las respectivas palabras clave que se presentan en la Tabla6.
Tabla 3Autores importantes que Tema 1:Riesgo asociado con la gestión de la cadena de suministro, Tema
Autores Artículos
publican artículos en el campo de la IA
2:Transporte y logística sostenible,Tema 3: Resiliencia en la cadena de
en SCR Ivanov D. 7 suministro,Tema 4:Gestión de riesgos de proveedores,Tema 5:Cadena de
hosseini s 6 suministro basada en datos,Tema 6:Modelo de decisión en la cadena de
Azeem A 4 suministro,Tema 7:Gestión de la tecnología en las empresas de la cadena de
agaie a 3 suministro,Tema 8:Diseño de redes en la cadena de suministro,Tema 9:
BlackhurstJ 3 Aprendizaje automático en la cadena de suministro,Tema 10: Algoritmo de
Tiwari MK 3 optimización en la cadena de suministro.
Ali SM 2 Las palabras más frecuentes en cada tema generado se
América Y 2 muestran en la Tabla6. También se presentan otras dos métricas,
antoniou g 2 Frex y Lift, donde lift muestra palabras frecuentes que tienen
Azad norte 2 importancia solo para un tema en particular y pueden considerarse

13
 F. Naz et al.

Tabla 5Principales palabras clave en el

Palabras Ocurrencias Palabras Ocurrencias
campo de la IA en SCR

Cadenas de suministro 80 Mejoramiento 13

Toma de decisiones de gestión de la 42 Análisis de incertidumbre de las 13
cadena de suministro 33 interrupciones de la cadena de suministro 13
Gestión de riesgos 25 Sistemas Estocásticos 11
Algoritmos Genéticos de 24 Costos 10
Inteligencia Artificial 24 Selección de proveedores de efectos 10
Evaluación de riesgos 24 económicos y sociales 10
Redes bayesianas 23 Red de cadena de suministro 10
Fabricación de Sistemas de Apoyo 17 Pronóstico 9
a la Decisión 13 Programación entera 9

como palabras raras. Frex, por otro lado, denota palabras frecuentes y
exclusivas a un tema específico. Luego de la generación del tema por
enfoque STM, se revisaron los artículos basados en cada tema. La
discusión de cada tema se proporciona en la siguiente sección. El mapa
mundial de los temas de investigación en evolución se muestra en la Fig.
9.
5 temas de investigación emergentes de la IA
y resiliencia de la cadena de suministro
5.1 Riesgos asociados a la gestión de la cadena
de suministro
En este contexto, el riesgo se puede definir como la posibilidad de que
surjan repercusiones negativas inesperadas o no deseadas de una
actividad o evento (Rowe1980) y desastres naturales o provocados por el
hombre (Shahed et al.2021). Los riesgos asociados a la cadena de
suministro se pueden definir como la interrupción causada por la
exposición a un evento o actividad que afecta la gestión de la red de la
cadena de suministro (Christopher y Lee2004). En este moderno
y el entorno global, la gestión de riesgos se está convirtiendo gradualmente
en un desafío debido a las incertidumbres asociadas con la oferta y la
demanda, la subcontratación de empresas globales y los ciclos de vida cortos
de los productos (Ghadge et al.2012). Además, los riesgos asociados con una
gestión de proyectos mal manejada se reflejan en toda la cadena de
suministro porque los riesgos del proyecto no se comunican bien en toda la
cadena de suministro (Thunberg et al.2017). Del mismo modo, Zuo et al. (2009
) afirmó que la disponibilidad de fuentes internacionales ya no es beneficiosa
debido a la falta de comunicación entre la gestión de proyectos y los equipos
de adquisiciones y debido a la falta de gestión en toda la cadena de
suministro. Por otro lado, el abastecimiento global a menudo está relacionado
con complejidades en comparación con una cadena de suministro o proyecto
interno simple, por ejemplo, regulaciones de exportación, impuestos,
aranceles de importación y exportación, fluctuaciones del tipo de cambio,
aumento de los costos de transporte, etc. (Tang y Musa2011).
Shahed et al. (2021) se refirió a los riesgos de la cadena de suministro
experimentados debido a las interrupciones causadas por desastres
naturales como un brote de coronavirus. Desde noviembre de 2019, el
coronavirus (SARS-COV-2) se ha convertido en un riesgo de interrupción
y ha destruido todas las actividades de la cadena de suministro (Taqi

Figura 5Nube de palabras para trabajos de

investigación de IA y SCR

13
¿Es la inteligencia artificial un facilitador de la resiliencia de la cadena de suministro después de COVID-19? Un exploratorio…
Figura 6Colaboración de autor para trabajos de investigación de IA y SCR
et al.2020) a través de instalaciones de transporte aéreo restringidas,
falta de disponibilidad de suministro de materias primas, cierre de
fronteras y el cierre total de las actividades de producción (Chowdhury et
al.2020). La pandemia en curso ha afectado significativamente a todo
tipo de cadena de suministro, como la cadena de suministro de
alimentos (Barman et al.2021), cadena de suministro de medicamentos
(Goodarzian et al.2021a), cadena de suministro de productos
comerciales (Paul y Chowdhury2020), etc
La pandemia creó interrupciones duales como un rápido aumento en
la demanda de productos de alta demanda como desinfectante para
manos, papel higiénico, etc., y una disminución en el suministro de
materia prima en las cadenas de suministro (Koonin2020). Para reducir
los impactos negativos de la pandemia de COVID-19 se propuso la
gestión ágil de proyectos (Koch y Schermuly2021). Se estableció un
modelo de recuperación de la producción mediante el uso de un
enfoque de modelado matemático para superar estas interrupciones en
la cadena de suministro de productos esenciales y de alta demanda
durante la pandemia (Paul y Chowdhury2020). Para desarrollar SCM
sostenible, se aplicó un enfoque de excelencia operativa a través del
papel del análisis de big data (Bag et al.2020). Además, se identificaron
33 barreras en las innovaciones para SCM sostenible en la industria
manufacturera de un país en desarrollo, y se proporcionó un marco para
superar estas barreras utilizando el mejor y el peor
método (Gupta et al.2020). Sin embargo, Fasan et al. (2021) informó
que las empresas con prácticas verdes de SCM experimentaron
rendimientos bursátiles anormales menos negativos durante la
pandemia. Sugirieron que la SCM verde se identifique como una
herramienta eficaz de gestión de riesgos. Así, propusimos las
siguientes proposiciones:
Proposición 1:Desarrollar un modelo de cadena de suministro utilizando
técnicas de IA para mitigar los riesgos repentinos y las interrupciones
causadas por la pandemia de COVID-19.
Proposición 2:Recomendar la aplicabilidad y los beneficios de la
tecnología emergente como IA, soluciones de impresión 3D,
blockchain, automatización, etc., para resolver problemas en tiempo
real y crear una cadena de suministro resistente después de
COVID-19. Proposición 3:Evaluar tanto las fortalezas como las
debilidades de las tecnologías habilitadas para IA en la gestión de
proyectos y SCR post-COVID-19.
5.2 Transporte y logística sostenibles
El crecimiento y el desarrollo de una economía conducen a un aumento
masivo de las actividades de transporte. En los países industrializados, el
transporte se ha convertido en un elemento crucial y
13

Figura 7Colaboración de países para el
trabajo de investigación de IA y SCR
actividad básica para el desarrollo social y económico. A medida que crece el
producto interno bruto, las actividades de transporte ciertamente aumentan
(Faulin et al.2019). El transporte está relacionado con varios efectos externos
adversos, como la contaminación del aire y el ruido, las emisiones de gases de
efecto invernadero, los accidentes, etc. Además, es uno de los principales
contribuyentes al cambio climático inducido por el hombre. Se informa que las
emisiones de gases de efecto invernadero han crecido globalmente a un ritmo
más rápido en el sector del transporte.
Figura 8Etiquetas de tema generadas
a partir del enfoque STM
13
F. Naz et al.
que en cualquier otro sector (Tchanche2021). Las
actividades logísticas y de transporte tienen numerosos
efectos perjudiciales sobre el entorno social y natural que
es necesario reducir. Por lo tanto, el desarrollo sostenible
del transporte y la logística requiere actividades sostenibles
que reduzcan los impactos ambientales adversos y traigan
beneficios sociales y económicos significativos (Abbasi y
Nilsson2016).
 Tabla 6 Principales palabras identificadas en cada tema
S. No Etiqueta de tema
1. Riesgo asociado a la gestión de la cadena de
suministro
2. Transporte y logística sostenibles
3. Resiliencia en la cadena de suministro
4. Gestión de riesgos de proveedores
5. Cadena de suministro basada en datos
6. Modelo de decisión en la cadena de suministro
7. Gestión de la tecnología en las empresas de la cadena de
suministro
8. Diseño de redes en la cadena de suministro
9. Aprendizaje automático en la cadena de suministro
10. Algoritmo de optimización en la cadena de suministro
13
Palabras con mayor probabilidad
Proveedor, riesgo, cadena, red, interrupción,
modelo, costo
Proveedor, cadena, transporte, sistema, proveedor,
red, realizar
Resiliente, proveedor, cadena, red, uso,
realizar, investigar
Sistema, proveedor, riesgo, estudios, gestión,
proveedor, resiliencia
modelo, datos, Decisión, informar, exigir,
uso del producto
Proveedor, modelo, disrupción, proveedor, algo-
ritmo, cadena, propuesta
Proveedor, cadena, interrupción, tecnología, empresa,
efecto, gestión
proveedor, red, Cadena, mejorar, gestionar-
ment, realizar, racimo
Datos, proveedor, cadena, interrupción, uso, máquina,
predecir
Proveedor, cadena, algoritmo, optimización,
modelo, disrupción, costo
Frex
Riesgo, probabilidad, tomar, propagar, global,
cadena, totales
Transporte, seguro, interdependencia, infraestructura
tura, ANN, robo, combinar
Resiliencia, literatura, capaz, diseño
metodología enfoque, originalidad valor,
propósito, clave
Activo, agregado, preparado, contrato,
peso, proactivo, meta
Pronóstico, bloqueo, local, monitor, datos,
en tiempo real, covid-
Minorista, proveedor, beneficio, genética, región, decisión
sistema de soporte de iones, algoritmo
Tecnología, empresa, innovación, alimentación, ondulación,
pandemia, adoptar
Clúster, flexible, mejorar, logística, granja,
inventarios, topología
Característica, máquina, lean, aprender, inferir, datos
Multiobjeto, optimización, genet, algoritmo,
mínimo, solución, configuración
Elevar
Socio, preventivo, reconocimiento, marca,
encuentro, interdependencia, exploración
Bosque, terminal, carga, cubierta, ferrocarril, envolvente,
unimodal
Absorción, agencia, igual, respuesta, nación,
síntesis, amenaza
Agregado, fecha, duración, reunión, preparado,
agua, capa
Creador de políticas, bloqueo, movimiento, pico, stock,
Basilea, licencia
Multiperíodo, asignación, avers, capacidad, costo-
riesgo, JIT (justo a tiempo)
¿Es la inteligencia artificial un facilitador de la resiliencia de la cadena de suministro después de COVID-19? Un exploratorio…
Atención, magnitud, multietapa, alto riesgo,
indirecto, organización, paciente
Entrar, atender, retirar, almacenar, desperdiciar, per-
hijo, personaje
Claridades, lista, tránsito, espera, regular, continuo
Interdictor, cola, refinerías, binivel, clásico,
intenso, luego

Figura 9Mapa de palabras de diez temas de investigación emergentes de IA y resiliencia de la cadena de suministro
El sistema de transporte comprende la movilidad de pasajeros y
el transporte de carga, lo que implica numerosos procesos
adicionales como gestión de inventario, gestión de
almacenamiento, problemas de devoluciones y desechos, gestión
de proyectos, etc. Estas actividades hacen que sea más desafiante y
preocupante seguir investigando sobre el desarrollo sostenible
(Gonzalez-Feliu2018). Para apoyar la toma de decisiones, se están
aplicando métodos cuantitativos en muchos campos, como
logística, transporte, SCM y minimización de riesgos (Render y
Stair).2017). Pishvaee y Razmi (2012) propusieron un modelo de
programación matemática difusa que se utiliza para desarrollar una
cadena de suministro ambiental durante las interrupciones. Se
presentó un enfoque integrado basado en la simulación de
dinámicas de sistemas y un proceso analítico de redes para
examinar las políticas de transporte sostenible (Sayyadi y Awasthi
2020). Neto et al. (2008) revisó las principales actividades en las
redes logísticas que afectan la rentabilidad y el desempeño
ambiental. Destacaron los beneficios de utilizar la programación de
objetivos múltiples (MOP) para desarrollar o diseñar una red
sostenible. No obstante, se utiliza un método híbrido multicriterio
para examinar los aspectos económicos, sociales, ambientales y de
riesgo, empleando el proceso de jerarquía analítica difusa (AHP) y
los métodos fuzzy vlsekriterijumska optimizacija i kompromisno
resenje (VIKOR) para crear una cadena de suministro y una logística
sostenibles (Wang et al.2021). Así, propusimos lo siguiente:
Proposición 4:Analizar la efectividad de las tecnologías
avanzadas para reducir los impactos sociales,
económicos y ambientales del transporte y la logística.
13
F. Naz et al.
Proposición 5:La emergencia del COVID-19 implica la
necesidad crítica de implementar prácticas sostenibles
en logística y transporte.
Proposición 6:Desarrollar un modelo basado en IA para resolver
problemas sociales y ambientales en las cadenas de suministro y
vincularlo con el desarrollo sostenible.
Proposición 7:Los estudios futuros pueden evaluar el impacto de
diferentes prácticas de transporte y logística sostenibles, como el diseño
ecológico, la cadena de suministro de carbono neto cero, la gestión de la
investigación y el desarrollo, etc.
5.3 Resiliencia en la cadena de suministro
Se han observado muchas fallas o interrupciones en la cadena de
suministro por las cuales las empresas se ven afectadas debido a los
cambios inesperados en la demanda de los consumidores y en parte
debido a la incapacidad de adopción de nuevas innovaciones
tecnológicas (Singh et al.2019). Los riesgos económicos y comerciales
recientes que ocurrieron debido al brote de la pandemia de COVID-19
han cambiado el enfoque de los profesionales e investigadores para
desarrollar una red de cadena de suministro resistente (Spieske y Birkel
2021). Aunque la resiliencia se considera un concepto amplio, la
preocupación central implica la medición de la eficacia y el rendimiento
de todo el sistema que comprende la línea de producción, la red de la
cadena de suministro, la red de telecomunicaciones, etc. (Singh et al.
2019). En todo el proyecto, incluso el retraso en algunas actividades
puede interrumpir toda la red y reducir la resiliencia del proyecto. En
este sentido, las disrupciones provocadas por la pandemia de COVID-19
son probablemente las más graves de la última década en la cadena de
suministro global (Araz
¿Es la inteligencia artificial un facilitador de la resiliencia de la cadena de suministro después de COVID-19? Un exploratorio…
et al.2020). La literatura previa proporciona evidencia de varios
estudios para explicar los antecedentes de SCR (Bode et al.2011;
Kim et al.2015).
Para gestionar de manera eficiente las interrupciones en la cadena
de suministro en caso de una pandemia, un sistema de apoyo a la toma
de decisiones basado en el Sistema de Inferencia Fuzzy (FIS) es eficaz
para gestionar la demanda de suministros sanitarios (Govindan et al.
2020). Teniendo en cuenta el brote y los riesgos correspondientes en la
cadena de suministro, se propone un modelo de simulación para
gestionar la interrupción de la cadena de suministro global y predecir los
resultados graves del impacto de COVID-19 en el desempeño de la
cadena de suministro (Ivanov y Dolgui2020). Kumar y Anbanandam (
2020) ofreció un marco SAP-LAP para mejorar la resiliencia de la cadena
de suministro e iniciar procesos de creación de resiliencia. Además, se
desarrolló un modelo basado en agentes (ABM) utilizando un software
de simulación que proporciona planes de recuperación y varias
estrategias para gestionar la demanda vertiginosa de artículos
esenciales durante la pandemia (Rahman et al.2021). Así, propusimos las
siguientes proposiciones:
Proposición 8:Se requiere un modelo de recuperación de la cadena
de suministro que utilice tecnología innovadora y análisis de big data
para superar los problemas de SCR durante un brote. Proposición 9:
La emergencia de COVID-19 ha creado la necesidad de estrategias
resilientes para reducir las complejidades de producción y entrega.
Proposición 10:Evaluar no solo el modelo de recuperación a corto plazo
para SCR, sino también las estrategias a largo plazo para recuperarse y
recuperar la fuerza después de la pandemia mediante el uso de la
eficiencia de la IA. Proposición 11:Los estudios futuros deben integrar el
papel de la gestión de proyectos en la SCR posterior a la pandemia porque
solo existe un número limitado de estudios sobre la gestión de proyectos y
la SCR.
5.4 Gestión de riesgos de proveedores
La gestión de riesgos de proveedores considera los riesgos
asociados con las irregularidades o conductas indebidas de los
proveedores (Canzaniello et al.2017). La decisión de selección de
proveedores se considera uno de los principales problemas en el
contexto de la gestión de proyectos (Sabbaghi2020) y SCM que
enfrentan los gerentes para mantener la competitividad (Bai y
Sarkis2010). El riesgo asociado con la selección de proveedores
puede causar interrupciones en toda la gestión del proyecto y,
posteriormente, afectar la cadena de suministro. Además, el costo
total de compra está influenciado por la selección del proveedor
adecuado, lo que impacta en el costo total del producto final
(Pazhani et al.2016).
sol et al. (2012) propuso un modelo de gestión de riesgos de calidad y
desarrolló un modelo de solución de gráfico P para mitigar los riesgos de
calidad en una cadena de suministro de estructura proveedor-ensamblador.
Se estudió el problema en la cadena de suministro de manufactura que
comprende múltiples proveedores y múltiples incertidumbres, y
Se formuló una política integrada de gestión de inventario utilizando el
enfoque de programación dinámica estocástica para permitir la gestión
de riesgos de los proveedores (Song et al.2014). Wu et al. (2010)
desarrollaron un modelo difuso de programación multiobjetivo para la
selección de proveedores considerando factores de riesgo. Muchos
estudios relacionados con la gestión de riesgos de proveedores tienen
similitudes con el trabajo de modelado de decisiones. Se desarrolló un
modelo de decisión aplicando un enfoque tradicional de gestión de
riesgos de suministro considerando factores de riesgo cualitativos y
cuantitativos en la selección de proveedores y evaluando otras
estrategias para la mitigación de riesgos (Yoon et al.2018). Además, se
utilizó un enfoque de minería de datos para la gestión de riesgos del
proveedor al determinar la asociación latente entre los datos de
precalificación del proveedor y la calificación general del proveedor (Jain
et al.2014). Sin embargo, existen muchas técnicas en IA como redes
bayesianas, lógica difusa, evolución diferencial, etc., que no se emplean
en este campo de investigación de gestión de riesgos de proveedores
(Hamdi et al.2018). En el campo de la gestión de riesgos de la cadena de
suministro y la selección de proveedores, Hamdi et al. (2018) realizó un
estudio de revisión de la literatura y concluyó que la investigación en
este campo no se considera suficiente en comparación con otros
campos de la gestión de riesgos de la cadena de suministro. Así,
propusimos las siguientes proposiciones:
Proposición 12:Desarrollar un marco habilitado para IA para
mitigar los riesgos asociados con la selección de proveedores y
la gestión de proyectos.
Proposición 13:Desarrollar un modelo de gestión de riesgos de
proveedores utilizando técnicas de IA como lógica difusa, redes
bayesianas, redes neuronales artificiales (ANN), evolución
diferencial, etc.
Proposición 14:Existe la necesidad de más investigación
científica en este campo de SCM que ofrezca soluciones óptimas
utilizando análisis de big data.
Proposición 15:Los estudios futuros pueden incorporar prácticas de
SCM verde en la gestión de selección de proveedores.
5.5 Cadena de suministro basada en datos
Una cadena de suministro basada en datos es una cadena de suministro que
emplea big data como el núcleo de las técnicas cualitativas y cuantitativas
para mejorar la competitividad de la cadena de suministro (Shamsuzzoha et
al.2020). Hoy en día, las empresas están invirtiendo mucho en proyectos
basados en tecnología de la información para optimizar los niveles de
inventario, automatizar transacciones, rastrear el suministro y las
operaciones, y varias decisiones de la cadena de suministro (Yu et al.2018).
Esta tendencia de la cadena de suministro automatizada o basada en datos
ofrece importantes perspectivas para mejorar la eficiencia y reducir los costos
(Wu et al.2016). El alcance mundial de la cadena de suministro aporta un gran
volumen de datos recopilados de sus numerosos procesos. Estos grandes
datos son analizados e interpretados por los profesionales de la cadena de
suministro para respaldar decisiones y recomendar nuevas técnicas de
organización de la cadena de suministro.
13

(Hazen et al.2014). La implementación de una estrategia de big data en la
gestión de proyectos y la cadena de suministro podría generar mejoras
potenciales en la eficacia y la eficiencia a través de todas las actividades del
proyecto, como la previsión de la demanda, el seguimiento de la ubicación, la
planificación del suministro, la aceptación de productos y servicios, la
comprensión del comportamiento de los proveedores y los clientes, etc.
(Kwon et al.2014).
Durante la próxima década, se esperan grandes cambios en la cadena de
suministro y la logística, como la influencia de la tecnología en los flujos de
información o datos, la toma de decisiones autónoma, nuevos modelos de
cooperación en las conexiones de redes de valor, análisis de big data, etc.
(Nitsche et al.2021). Wanke et al. (2017) sugirió que un buen modelo de
asignación de inventario maneja varias decisiones con respecto al plan
logístico de inventarios de los vendedores a los consumidores cuando no hay
existencias suficientes para satisfacer la demanda de cada consumidor. Se
puede emplear un enfoque basado en datos para determinar los factores que
permiten la resiliencia en la cadena de suministro y se puede enfatizar la
importancia del intercambio de información de calidad y la confianza rápida
(Papadopoulos et al.2017). Cavalcante et al. (2019) desarrolló una técnica
híbrida basada en datos para teorizar los conceptos de rendimiento de la
cadena de suministro resiliente. Además, basado en el intercambio de
información y el uso de la estrategia de la industria híbrida 3.5, también se
puede desarrollar un enfoque de gestión y asignación de recursos materiales
en las cadenas de suministro que pueden cumplir con una tasa de
cumplimiento material del consumidor de alrededor del 90 por ciento (Kuo et
al.2021). Así, propusimos las siguientes proposiciones:
Proposición 16:Se debe desarrollar un enfoque de múltiples productos y
múltiples horizontes utilizando big data e IA para brindar resiliencia en la
cadena de suministro posterior a COVID-19. Proposición 17:La
emergencia de COVID-19 indica la necesidad de un modelo de pronóstico
basado en datos que proporcione aumentos repentinos de la oferta y la
demanda durante un brote y permita a las empresas de la cadena de
suministro monitorear sus operaciones en consecuencia.
Proposición 18:En un escenario que cambia rápidamente, se requiere
modificar las estrategias existentes para superar las interrupciones de la
cadena de suministro durante la pandemia.
5.6 Modelo de decisión en la cadena de suministro
En cada nivel de la cadena de suministro, la toma de decisiones efectiva juega
un papel vital en la reducción del costo del inventario, satisfacer las demandas
de los consumidores, expandir la participación de mercado y mejorar el nivel
de servicio al cliente (Singh et al.2019). De igual forma, la toma de decisiones
ejerce un impacto significativo sobre las capacidades resilientes de la
empresa. Para este propósito, el desarrollo de un sistema de soporte de
decisiones mediante la automatización de la cadena de suministro es uno de
los varios enfoques para una toma de decisiones óptima (Wang et al.2013).
Riahi et al. (2014) establecieron un modelo matemático de toma de decisiones
para evaluar la puntuación de seguridad del contenedor mediante el uso de la
jerarquía analítica y el bayesiano
13
F. Naz et al.
proceso de red. Este modelo se utilizó para reducir los riesgos en el
proceso logístico, analizar las interrupciones basadas en la seguridad y
proporcionar un nivel de seguridad aceptable. Para cuantificar varias
estrategias resilientes para la mitigación de riesgos, se puede
desarrollar un modelo de soporte de decisiones con la combinación del
proceso de red analítica en capas (ANP) y la teoría gris como en el
estudio de caso de las empresas productoras de productos electrónicos
realizado por Rajesh (2020).
Se recomienda un sistema de soporte de decisiones basado en
ontologías para fortalecer la resiliencia en la cadena de suministro
durante una interrupción mediante el uso de PSO-DE como técnica de
optimización (Singh et al.2019). Al contemplar la conciencia de los
consumidores en línea con respecto a las emisiones de carbono, se
puede establecer un modelo de toma de decisiones bajo en carbono
basado en tiendas y vendedores en línea (Wu et al.2021). Pamúcar et al. (
2020) propusieron un enfoque neutrosófico difuso para la toma de
decisiones para la selección y evaluación de proveedores. Además, se
debe examinar el impacto de las interrupciones de COVID-19 en las
decisiones de la cadena de suministro y se puede proponer un modelo
de optimización estocástica para compartir y asignar un recurso crítico
durante una pandemia (Mehrotra et al.2020). Así, propusimos las
siguientes proposiciones:
Proposición 19:Investigar los habilitadores de una cadena de
suministro sostenible y proponer un modelo de decisión basado
en IA para superar los desafíos que se presentan debido a las
pandemias. Proposición 20:Desarrollar el modelo usando MIC-
MAC difuso y TISM difuso y basado en recomendaciones de
expertos sin sesgos.
5.7 Gestión de la tecnología en las empresas de la cadena de suministro
La gestión de la tecnología se define ampliamente como “un
proceso, que incluye la planificación, dirección, control y
coordinación del desarrollo e implementación de capacidades
tecnológicas para dar forma y lograr los objetivos estratégicos y
operativos de una organización” (Cetindamar et al.2009). Es
crucial evaluar el impacto de la tecnología de la información en
la organización actual, ya que se ha convertido en un aspecto
fundamental de SCM. Un SCM eficiente y exitoso se basa en la
gestión de la calidad y la tecnología dentro del sistema técnico
y social de la cadena de suministro. Estos sistemas técnicos y
sociales se establecen sobre las conexiones de varios factores
que se encuentran dentro de la gestión de la calidad y la
tecnología (Kuei et al.2001). En transporte y logística, el
desarrollo tecnológico está trayendo eficiencia y mejoras. Las
actividades relacionadas con la innovación tecnológica pueden
ayudar a las empresas de la cadena de suministro a aumentar
la productividad, reducir riesgos y costos (Fu et al.2021).
Lee et al. (2018) afirmó que la innovación tecnológica es un
factor importante para el crecimiento sostenible de la empresa y en
los últimos años, muchas empresas están cambiando su
¿Es la inteligencia artificial un facilitador de la resiliencia de la cadena de suministro después de COVID-19? Un exploratorio…
atención a la gestión de la tecnología para lograr una ventaja
competitiva. Para ello, propusieron un modelo conjunto de apoyo a
la integración tecnológica para lograr el crecimiento sostenible de
las empresas. Por otro lado, para el transporte de carga, se
evaluaron tecnologías sustentables utilizando el enfoque AHP
difuso esférico y TOPSIS (Jaller y Otay2020). El impacto de la gestión
de la tecnología se investigó en el desempeño sostenible de la
empresa a través de la investigación empírica (Tasleem et al.2019).
Además, se investigaron las barreras de adopción de la tecnología
blockchain para lograr una cadena de suministro sostenible
(Kouhizadeh et al.2021). Un marco estratégico de dos etapas fue
establecido por Kuei et al. (2002) que proporcionan estrategias para
la gestión de la tecnología y la mejora de la calidad de la cadena de
suministro. Sin embargo, al revisar a fondo la literatura, se
encuentra que hay escasez de literatura sobre las empresas de la
cadena de suministro y los modelos de gestión de tecnología. Así,
propusimos las siguientes proposiciones:
Proposición 21:Desarrollar un marco utilizando técnicas de IA para
facilitar estrategias de recuperación y operaciones sostenibles en
cadenas de suministro que abarquen varios sectores. Proposición
22:Identificar los impulsores y las barreras en la gestión de la
tecnología para crear una cadena de suministro sostenible y
resiliente.
5.8 Diseño de redes en la cadena de suministro
El diseño de red en la cadena de suministro a veces se considera una
planificación estratégica de la cadena de suministro, que forma parte del
proceso de planificación de SCM. Gobierna la estructura física y la
infraestructura de la cadena de suministro (Govindan et al.2017). La
capacidad de una empresa o sistema para volver a su condición inicial o
más bien a un estado más ventajoso después de la interrupción se
denomina resiliencia (Tang2006). Esta habilidad en SCM está
directamente influenciada por el diseño de la red, que es una de las
partes más importantes de cualquier proyecto. Sin embargo, una red
resiliente de la cadena de suministro debe operar de manera efectiva en
ambas situaciones, ya sea normalmente o durante las interrupciones
(Hasani et al.2021). En el área de la creación de modelos confiables de
diseño de redes de cadena de suministro, muchos estudios consideran
la probabilidad de falla como una restricción preespecificada para el
transporte o las instalaciones bajo interrupciones (Hatefi et al.2015). En
lo que respecta a las interrupciones causadas por la pandemia de
COVID-19, existe una necesidad crítica de un diseño de red sostenible
para superar los desafíos presentes y futuros. Según Majumdar et al. (
2020), durante el COVID-19, la creciente preocupación por cumplir con
los requisitos ambientales y sociales está empujando a las farmacias/
hospitales a contemplar la influencia del diseño de redes de cadena de
suministro sostenible en el medio ambiente y la sociedad. Sin embargo,
hay escasez de buenos modelos matemáticos en esta área de
investigación (Goodarzian et al.2021a).
Fattahi (2020) propuso un enfoque basado en datos para el
desarrollo de redes de cadenas de suministro socialmente responsables
en caso de interrupciones. Se propuso un modelo de optimización
multiobjetivo para permitir un diseño de red de cadena de suministro
sostenible bajo incertidumbre mediante el uso del algoritmo evolutivo
de Pareto de fuerza 2 (SPEA2) (Hasani et al.2021). Zahedi et al. (2021)
desarrolló una red de cadena de suministro de socorro utilizando
Internet de las cosas (IoT) para analizar varios casos sospechosos
durante la pandemia. Se sugirió el enfoque de Mehar para resolver el
problema de la distancia en la red de la cadena de suministro, mediante
el uso del método lexicográfico para comparar números borrosos
pitagóricos con valores de intervalo (Bhatia et al.2021). Para establecer
una red de cadena de suministro sostenible Lahri et al. (2021)
propusieron un modelo de programación lineal entera posibilista
multiobjetivo utilizando la programación posibilista integrada, TOPSIS,
BWM y el método de restricción Epsilon (ε). Así, propusimos las
siguientes proposiciones:
Proposición 23:Uso de la técnica de IA para minimizar los riesgos del
diseño de red de cadena de suministro resiliente de dos escalones.
Proposición 24:Explorar el papel de las técnicas de la industria 4.0 en
la creación de un diseño de red de cadena de suministro resiliente.
Proposición 25:Para determinar la efectividad de las aplicaciones de
IA en la gestión y recuperación de la cadena de suministro de
interrupciones repentinas como una pandemia.
5.9 Aprendizaje automático en la cadena de suministro
El aprendizaje automático es la herramienta que facilita la reducción y
eliminación del impacto negativo de la interpretación de datos porque
no implica la participación humana directa. Responde rápidamente a las
demandas de las industrias al incorporar el gran conjunto de datos
como entrada al sistema (Tjahjono et al.2017). Para sobrevivir a la
creciente competencia, la automatización está creciendo rápidamente
en las entidades industriales donde utilizan sistemas habilitados por
software como medio de comunicación (Siderska y Jadaan2018). El
aprendizaje automático se considera una de las mejores herramientas
en el escenario actual, ya que se centra en la optimización de recursos
en la cadena de suministro (Nagar et al.2021). El aprendizaje automático
ayuda a los gerentes de proyectos a organizar fácilmente miles de tareas
mientras administran todos los recursos y proyectos. Sindhwani et al. (
2019) informaron que la entrada y el análisis de datos en la cadena de
suministro tradicional y la gestión de proyectos se realizaban
manualmente, lo que limita el manejo efectivo de los problemas a lo
largo de la cadena de suministro. Además, el análisis de datos no fue
adecuado en algunos casos, lo que condujo a la interpretación de una
influencia negativa en la confiabilidad de las operaciones comerciales
(Kersten et al.2019).
Por lo tanto, para mitigar estos riesgos y efectos adversos de las
interrupciones en la cadena de suministro, la aplicación del
aprendizaje automático ha recibido una atención creciente en los
últimos años (Baryannis et al.2019b). Para medir el comportamiento
de riesgo se utilizó la teoría de la red bayesiana para examinar la
13

Interrupciones en tiempo real en la cadena de suministro de múltiples
niveles que enfrentan la red (Ojha et al.2018). Se desarrolló y utilizó una
técnica híbrida que combina el aprendizaje automático y la simulación
para examinar su aplicabilidad en el apoyo a la toma de decisiones en
SCP y la selección resiliente de proveedores (Cavalcante et al.2019).
Además, Wichmann et al. (2020) discutió el mapeo automatizado de la
cadena de suministro para mantener la visibilidad estructural de la
cadena de suministro mediante el uso de aprendizaje profundo que
facilitó la extracción automática de la relación proveedor-comprador del
texto en lenguaje natural. Permitió a las empresas validar los mapas
existentes de la cadena de suministro, generar automáticamente mapas
fundamentales de la cadena de suministro y mejorar los mapas
existentes con más información de los proveedores. Así, propusimos las
siguientes proposiciones:
Proposición 26:Explorar otras técnicas de aprendizaje
automático y un conjunto de datos con más funciones, como
el aprendizaje profundo y las redes neuronales, etc., y
examinar su aplicabilidad y eficacia.
Proposición 27:Identificar las barreras en soluciones SCR
y big data utilizando técnicas de aprendizaje automático
aplicando relaciones causa-efecto.
5.10 Algoritmo de optimización en la cadena de suministro
Un algoritmo de optimización es un método para comparar varias
soluciones hasta generar una solución efectiva y óptima para un
problema (Sadeghi et al.2021). En esta era de digitalización e inteligencia
artificial, la regulación de la cadena de suministro a través de
tecnologías emergentes se convierte en una parte integral de las
empresas para generar una producción sostenible. El algoritmo de
optimización proporciona un sistema eficaz para gestionar y controlar
grandes proyectos. El alcance de big data en muchos campos es
enorme, pero hay escasez de literatura sobre el diseño y la formulación
de modelos de optimización utilizando análisis de big data para los
problemas relacionados con la cadena de suministro (Goodarzian et al.
2021b). Se propuso un modelo de optimización de distribución de la
cadena de suministro de dos etapas utilizando una optimización de
enjambre de partículas modificada (MPSO) para resolver problemas de
control de inventario y ubicación integrada (Mousavi et al.2017). Fathi et
al. (2021) desarrolló un modelo de optimización para la cadena de
suministro de ubicación-inventario empleando un enfoque de dos fases
basado en la optimización estocástica y la teoría de colas, y se creó un
algoritmo genético híbrido para tratar matemáticamente el problema.
Sin embargo, para resolver los problemas sustanciales en la cadena de
suministro utilizando características de big data, se propusieron dos
algoritmos meta-heurísticos híbridos (Goodarzian et al.2021b). Así,
propusimos las siguientes proposiciones:
Proposición 28:La adopción de algoritmos de IA para realizar análisis de
datos en tiempo real para resolver los problemas de resiliencia en la
cadena de suministro durante las interrupciones.
13
F. Naz et al.
Proposición 29:Explorar la fuerza de las técnicas de IA y los algoritmos de
optimización en la búsqueda de soluciones para crear redes de cadena de
suministro sostenibles de múltiples etapas o canales.
6 Discusión y modelo de investigación propuesto
El estudio actual se realizó para analizar el impacto de las
técnicas de IA en la creación de una cadena de suministro
resiliente. El estudio también ha tenido en cuenta las
interrupciones causadas por la pandemia de COVID-19 en el
SCM global. Se adoptó el enfoque STM y una revisión sistémica
de la literatura para explorar la investigación sobre SCR e IA.
Los temas temáticos generados, como Riesgo asociado con
SCM, transporte y logística sostenibles, resiliencia en la cadena
de suministro, gestión de riesgos de proveedores, cadena de
suministro basada en datos, modelo de decisión en la cadena
de suministro, gestión de tecnología en las empresas de la
cadena de suministro, diseño de red en suministro Se han
identificado la cadena, el aprendizaje automático en la cadena
de suministro, el algoritmo de optimización en la cadena de
suministro. Se ha observado una contribución significativa con
respecto a SCR y la aplicación de AI. También se informó que la
industria 4.2020). Shih (2020) apoyó esta condición de
pandemia actual, donde la falta de disponibilidad de mano de
obra humana es el problema más crítico que potencialmente
daña las operaciones de la cadena de suministro.
Posteriormente, muchos investigadores sugirieron que las
tecnologías de la industria 4.0, como la IA, el IoT y el análisis de
big data, pueden ayudar a desarrollar la resiliencia en SCM
(Dolgui e Ivanov2020; Birkel y Hartmann2020; Nayal et al.2021).
El brote del nuevo coronavirus (COVID-19) ha puesto al descubierto la
vulnerabilidad de las cadenas de suministro a principios del año 2020
(Govindan et al.2020), aunque las cadenas de suministro también están
bajo una presión extrema antes de esta pandemia (Lechler et al.2019).
Sin embargo, las interrupciones requieren resiliencia solo en una sola
cadena de suministro, pero las amenazas sistémicas y las pandemias
perturban toda una cadena de suministro que involucra múltiples
cadenas de valor y suministro solo en un corto tiempo (Golan et al.2020).
La pandemia y el confinamiento en un país provocan interrupciones
logísticas junto con una escasez de mano de obra que finalmente
provocó crisis en la cadena de suministro. Además, trae un aumento
inesperado en el lado de la demanda de la cadena de suministro de
alimentos debido al comportamiento de acumulación y compras de
pánico entre los consumidores (Hobbs2020). Por lo tanto, el sistema
logístico se vuelve vulnerable al gestionar interrupciones repentinas y
recuperar la cadena de suministro (Choi2020) que plantea la necesidad
de una cadena de suministro más sólida, innovadora y resistente. La
literatura reconoce que la IA se considera una herramienta de análisis
pionera para mejorar el rendimiento de la cadena de suministro (Grover
et al.2020). Se realizaron varios estudios para analizar la eficacia de la IA
en el manejo de la cadena de suministro
¿Es la inteligencia artificial un facilitador de la resiliencia de la cadena de suministro después de COVID-19? Un exploratorio…

interrupción debido a COVID-19 (Ivanov y Dolgui2020; Nayal
et al.2021; Belhaddi et al.2021a).
Nayal et al. (2021) evaluó los desafíos de emplear el aprendizaje
automático y la IA en la cadena de suministro agrícola para reducir los
impactos de COVID-19 mediante el uso de un enfoque híbrido de Delphi
ISM-Fuzzy MICMAC-ANP. Informaron que la privacidad y la seguridad de
los datos son los mayores desafíos en la implementación del aprendizaje
automático y la IA en la cadena de suministro, aunque estas aplicaciones
tecnológicas resultaron ser un poderoso habilitador para predecir con
precisión y minimizar las incertidumbres. El IoT es una herramienta
robusta para SCR, ya que permite que los artículos rastreen y
determinen métricas cruciales a lo largo de toda la cadena de suministro
(Kara et al.2020). En otro estudio, se adoptaron las estrategias a corto y
largo plazo, y se desarrolló el modelo SCR mediante el uso de un método
mixto secuencial para la evaluación de la resiliencia, el análisis del
impacto financiero (FI) y la integración del tiempo de recuperación (TTR).
Los resultados del estudio respaldaron el uso avanzado de las
tecnologías de la industria 4.0 para mitigar los riesgos relacionados con
la pandemia; además, el análisis de big data desempeña un papel crucial
en las actividades de la cadena de suministro al proporcionar
información en tiempo real para reducir las interrupciones (Belhadi et al.
2021b). Además, se recomienda que a nivel de tienda minorista, las
empresas implementen un sistema de pago sin contacto para garantizar
las medidas de seguridad (Mollenkopf et al.2020). De manera similar, se
propuso facilitar el flujo de capital para hacer frente a la escasez de
capital para la digitalización y la reestructuración de la cadena de
suministro durante o después de COVID-19 (Deaton y Deaton2020).
Mejorar la capacidad tecnológica en las cadenas de suministro es
crucial para superar las interrupciones causadas por la pandemia. Por lo
tanto, los requisitos y la aceptación de los servicios móviles han crecido
significativamente ya que los clientes prefieren recibir productos y
servicios en la puerta de su casa durante el COVID-19 (Choi2020). Para
ello, se sugiere que las empresas utilicen las ventas en línea, la
digitalización, los servicios móviles y las tecnologías de la información
para observar la cadena de suministro y mitigar los riesgos asociados.
En este sentido, se recomiendan varias tecnologías como IA, impresión
3D, análisis de Big Data, computación en la nube e IoT (Chowdhury et al.
2021). Además, para predecir interrupciones en la cadena de suministro,
se sugiere agregar agilidad a los datos (Brintrup et al.2020). Un marco
de investigación futuro se propone en la Fig.10.
El marco de investigación propuesto comprende diez temas de
investigación emergentes de SCR en la primera etapa. La segunda etapa
involucra varias técnicas de IA que se pueden incorporar para lograr
resiliencia en la cadena de suministro. En la última etapa, se presentan
los beneficios de implementar técnicas de IA en SCM. Estos beneficios se
pueden lograr durante o después de una pandemia para superar las
interrupciones.
6.1 Implicaciones
El presente estudio se realizó utilizando análisis bibliométrico y
STM para examinar la literatura previa sobre IA en SCR. Con
base en temas generados por STM, se realiza una revisión
sistemática de la literatura. Este estudio contribuye a la

Investigación SCR Técnicas de IA Beneficios del SCR

Temas

Riesgo asociado a la gestión de la cadena de suministro.

Mitigación de riesgos,
Aprendizaje automático,
Transporte y logística sostenible Detección de errores.
Aprendizaje profundo,

Árbol de decisión, Flujo suave de

Resiliencia en la cadena de suministro
Lenguaje natural inventario,
Procesando,
Gestión de riesgos de proveedores El tiempo de entrega,
Neural Artificial
La red,
Cadena de suministro impulsada por datos.
Recuperación de
Genético
interrupción repentina,
Algoritmo,
Modelo de decisión en la cadena de suministro Vector de soporte agilidad de datos,

Máquina,
predicción precisa,
Gestión de la tecnología en las empresas de la cadena de suministro
red bayesiana,
Lógica difusa, Evaluación de datos,
Robótica, Informática
Diseño de redes en la cadena de suministro
Integrado Tecnología
Fabricación. administración.
Aprendizaje automático en la cadena de suministro

Algoritmo de optimización en la cadena de suministro

Figura 10Un marco de investigación propuesto para la IA en SCR

13
 F. Naz et al.

literatura proporcionando una revisión de los estudios existentes en el SCR. También se recomienda analizar el impacto perjudicial de
campo de la IA, la gestión de proyectos, la cadena de suministro y la la IA en la SCR y proporcionar evidencia sobre la debilidad y los
SCR. El estudio actual proporciona una revisión de los estudios desafíos de las tecnologías habilitadas para la IA en el contexto
realizados antes y durante la pandemia de COVID-19 relacionados con de la SCR.
SCR. Se suma a la literatura proporcionando una revisión sistemática de
la literatura junto con la aplicación de técnicas bibliométricas y análisis
de redes para identificar los trabajos más influyentes en este campo de
estudio.
Referencias
El resultado desarrollado a partir de los estudios anteriores ayudará
Abbasi M, Nilsson F (2016) Desarrollo ambientalmente sostenible
a los gerentes a utilizar la IA y la técnica de la industria 4.0 para lograr la Logística: exploración de temas y desafíos desde la perspectiva de los
resiliencia en la cadena de suministro durante o después de la proveedores de servicios de logística. Transp Res Parte d: Transp Environ 46:

pandemia. Este estudio también ayudará a las empresas y los 273–283

Agrawal R, Wankhede VA, Kumar A, Upadhyay A, Garza-Reyes JA
profesionales al proporcionar futuras propuestas de investigación. La
(2021) Nexo de la economía circular y el desempeño empresarial
implementación de técnicas de IA permitirá a las empresas y gerentes sostenible en la era de la digitalización. Int J Prod Realizar Manag Vol.
mitigar las interrupciones repentinas causadas por cualquier brote de antes de la impresión No. antes de la impresión.https://doi.org/
virus y recuperar la cadena de suministro al instante. Las innovaciones 10.1108/IJPPM-12-2020-0676
Araz OM, Choi TM, Olson D, Salman FS (2020) Análisis de datos para
tecnológicas y las aplicaciones de IA ayudarán a crear una cadena de
gestión del riesgo operacional. Decis Sci 51(6):1316–1319 Bag S,
suministro resistente y facilitarán aún más la mitigación de riesgos, la Wood LC, Xu L, Dhamija P, Kayikci Y (2020) Análisis de macrodatos
selección de proveedores, el modelado de decisiones, la gestión de como un enfoque de excelencia operativa para mejorar el desempeño sostenible de

tecnología, el diseño de redes, algoritmos de optimización y basados en la cadena de suministro. Recurso Conservación Reciclado 153:104559
Bai C, Sarkis J (2010) Integración de la sostenibilidad en la selección de proveedores
datos en la cadena de suministro.
con sistema gris y metodologías aproximadas. Int J Prod Econ 124
(1): 252–264
Barman A, Das R, De PK (2021) Impacto de COVID-19 en el suministro de alimentos

7. Conclusiones cadena: Interrupciones y estrategia de recuperación. Investigación actual en

ciencias del comportamiento 2: 100017
Baryannis G, Dani S, Antoniou G (2019a) Predicción de los riesgos de la cadena de suministro
La transmisión generalizada del nuevo COVID-19 ha generado graves incertidumbres en la cadena de suministro global. Los
utilizando el aprendizaje automático: el equilibrio entre el rendimiento y la
efectos de la pandemia han interrumpido toda la cadena de suministro, principalmente en todos los sectores. En este sentido, interpretabilidad. Futur Gener Comput Syst 101:993–1004 Baryannis G, Validi

académicos y profesionales han cambiado su enfoque para crear una cadena de suministro más sostenible y resistente. Para
S, Dani S, Antoniou G (2019b) Riesgo de la cadena de suministro
administración e inteligencia artificial: estado del arte y futuras
ello, el desarrollo tecnológico basado en IA ha proporcionado herramientas y técnicas para implementar en las operaciones de
líneas de investigación. Int J Prod Res 57(7):2179–2202
suministro. El estudio actual se centra en el trabajo de investigación realizado en el campo de la IA en SCR. Se identificaron los
Belhadi A, Kamble S, Jabbour CJC, Gunasekaran A, Ndubisi NO,
diversos temas, a saber, Riesgo asociado con SCM, transporte y logística sostenibles, resiliencia en la cadena de suministro, Venkatesh M (2021a) Resiliencia de la cadena de suministro de
gestión de riesgos de proveedores, cadena de suministro basada en datos, modelo de decisión en la cadena de suministro,
fabricación y servicios ante el brote de COVID-19: Lecciones aprendidas
de las industrias automotriz y aérea. Pronóstico tecnológico Soc Chang
gestión de tecnología en las empresas de la cadena de suministro, diseño de red en el scs , aprendizaje automático en la
163:120447
cadena de suministro, algoritmo de optimización en SCs. Se realizaron análisis bibliométricos y STM para comprender las
Belhadi A, Mani V, Kamble SS, Khan SAR, Verma S (2021b)
tendencias de investigación en IA y SCR. Esta investigación proporcionará una visión más profunda y mejor de la implicación de Innovación impulsada por inteligencia social para mejorar la resiliencia y el

la IA en la SCR y ayudará a la SCM a mitigar los riesgos asociados. Se intenta incluir la mayoría de los trabajos previos
rendimiento de la cadena de suministro bajo el efecto del dinamismo de la
cadena de suministro: una investigación empírica. Ann Oper Res.https://
relacionados con IA en SCR en base a los temas identificados. El estudio se limita solo a artículos de revistas y no incluye otros
doi.org/ 10.1007/s10479-021-03956-x
documentos como documentos de conferencias, informes de campo, informes de empresas, capítulos de libros, etc. El análisis
Bhatia TK, Kumar A, Appadoo SS, Gajpal Y, Sharma MK (2021)
bibliométrico permitirá al investigador clasificar el patrón de crecimiento y la cantidad de literatura previa disponible. sobre IA Enfoque de Mehar para encontrar la ruta más corta en la red de la cadena de

en SCR. En consecuencia, recomendamos futuros estudios sobre la implicación de la IA y la mitigación de las barreras en Se
suministro. Sostenibilidad 13(7):4016
Birkel HS, Hartmann E (2020) Internet de las cosas: el futuro del hombre.
realizaron análisis bibliométricos y STM para comprender las tendencias de investigación en IA y SCR. Esta investigación
riesgos de envejecimiento de la cadena de suministro. Supply Chain Manag
proporcionará una visión más profunda y mejor de la implicación de la IA en la SCR y ayudará a la SCM a mitigar los riesgos
25(5):535–548 Bode C, Wagner SM, Petersen KJ, Ellram LM (2011) Comprensión
asociados. Se intenta incluir la mayoría de los trabajos previos relacionados con IA en SCR en base a los temas identificados. El respuestas a las interrupciones de la cadena de suministro: perspectivas desde el

estudio se limita solo a artículos de revistas y no incluye otros documentos como documentos de conferencias, informes de
procesamiento de la información y la dependencia de los recursos. Acad Manag J 54
(4): 833–856
campo, informes de empresas, capítulos de libros, etc. El análisis bibliométrico permitirá al investigador clasificar el patrón de
Braglia M, Frosolini M (2014) Un enfoque integrado para implementar
crecimiento y la cantidad de literatura previa disponible. sobre IA en SCR. En consecuencia, recomendamos futuros estudios
sistemas de información de gestión de proyectos dentro de la empresa
sobre la implicación de la IA y la mitigación de las barreras en Se realizaron análisis bibliométricos y STM para comprender las ampliada. Gerente de Proyecto Int J 32(1):18–29
tendencias de investigación en IA y SCR. Esta investigación proporcionará una visión más profunda y mejor de la implicación de
Brintrup A, Pak J, Ratiney D, Pearce T, Wichmann P, Woodall P,
McFarlane D (2020) Análisis de datos de la cadena de suministro para predecir
la IA en la SCR y ayudará a la SCM a mitigar los riesgos asociados. Se intenta incluir la mayoría de los trabajos previos
interrupciones de proveedores: un estudio de caso en la fabricación de activos
relacionados con IA en SCR en base a los temas identificados. El estudio se limita solo a artículos de revistas y no incluye otros
complejos. Int J Prod. Res. 58(11):3330–3341
documentos como documentos de conferencias, informes de campo, informes de empresas, capítulos de libros, etc. El análisis Bushuyev S, Bushuiev D, Bushuieva V (2020) Gestión de proyectos
bibliométrico permitirá al investigador clasificar el patrón de crecimiento y la cantidad de literatura previa disponible. sobre IA
durante la Infodemia de la Pandemia COVID-19. Tecnologías
innovadoras y soluciones científicas para industrias 2(12):13–21
en SCR. En consecuencia, recomendamos futuros estudios sobre la implicación de la IA y la mitigación de las barreras en Esta investigación proporcionará una visión más profunda y mejor de la implicación de la IA en la SCR y ayudará a la SCM a mitigar los riesgos asociados. Se intenta inclui

13
Traducido del inglés al español - www.onlinedoctranslator.com
grandes datos y
computación cognitiva
Revisar
Big Data Analytics en la gestión de la cadena de suministro: una revisión
sistemática de la literatura y direcciones de investigación
En Lee * y George Mangalaraj
----
---
Citación:Lee, I.; Mangalaraj, G. Big Data
Analytics en la gestión de la cadena de
suministro: una sistemática
Revisión de literatura y direcciones de
investigación.Cognición de Big Data.
computar 2022,6, 17. https://doi.org/
10.3390/bdcc6010017
Editor académico: Carson K. Leung
Recibido: 30 de diciembre de 2021
Aceptado: 28 de enero de 2022
Publicado: 1 de febrero de 2022
Nota del editor:MDPI se mantiene neutral
con respecto a reclamos jurisdiccionales en
mapas publicados y afiliaciones
institucionales.
Derechos de autor:© 2022 por los
autores. Licenciatario MDPI, Basilea,
Suiza. Este artículo es un artículo de
acceso abierto distribuido bajo los
términos y condiciones de la licencia
Creative Commons Attribution (CC BY)
(https:// creativecommons.org/
licenses/by/ 4.0/).
Cognición de Big Data. computar2022,6, 17.
Escuela de Ciencias de la Computación, Facultad de Negocios y Tecnología, Universidad de Western Illinois,
Macomb, IL 61455, EE. UU.; g-mangalaraj@wiu.edu
* Correspondencia: I-Lee@wiu.edu
Resumen:El análisis de big data se ha utilizado con éxito para diversas funciones comerciales, como contabilidad,
marketing, cadena de suministro y operaciones. Actualmente, junto con el desarrollo reciente en el aprendizaje
automático y la infraestructura informática, el análisis de big data en la cadena de suministro está adquiriendo una
importancia creciente. A la luz del gran interés y la naturaleza evolutiva del análisis de big data en las cadenas de
suministro, este estudio realiza una revisión sistemática de los estudios existentes en el análisis de big data. Este
estudio presenta un marco de revisión sistemática de la literatura desde perspectivas interdisciplinarias. Desde la
perspectiva organizacional, este estudio examina los fundamentos teóricos y los modelos de investigación que explican
la sostenibilidad y los desempeños logrados mediante el uso de análisis de big data. Luego, desde el punto de vista
técnico, este estudio analiza los tipos de análisis, técnicas, algoritmos y características de big data desarrollados para
mejorar las funciones de la cadena de suministro. Finalmente, este estudio identifica la brecha de investigación y
sugiere direcciones futuras de investigación.
Palabras clave:análisis de grandes datos; análisis de datos; gestión de la cadena de suministro; sustentabilidad; actuaciones;
modelo SCOR; análisis predictivo
1. Introducción
Los avances en las técnicas de minería de datos y las tecnologías móviles condujeron al crecimiento
explosivo del análisis de big data (BDA) en todas las industrias. BDA transforma datos sin procesar de bajo valor
en información de alto valor para los responsables de la toma de decisiones empresariales. El uso de BDA puede
generar beneficios, como ahorro de costos, mejor toma de decisiones y mayor calidad de productos y servicios.
1]. BDA se ha utilizado con éxito en funciones empresariales básicas, como contabilidad, marketing, cadena de
suministro y operaciones. Por ejemplo, las compañías de seguros han estado utilizando BDA y la extracción de
datos para realizar precios de pólizas más precisos mediante el uso de una variedad de grandes datos
disponibles en múltiples fuentes [2].
La cadena de suministro se ha convertido en la unidad organizativa central en la economía globalizada.3].
En el entorno empresarial actual, en el que la competencia se da entre las redes de la cadena de suministro, las
empresas se enfrentan a la necesidad de gestionar eficazmente las actividades de la cadena de suministro cada
vez más amplias más allá de sus límites [4]. BDA en las cadenas de suministro ha ganado importancia
recientemente, ya que la computación en la nube permite a los socios de la cadena de suministro recopilar,
transmitir, almacenar y procesar una enorme cantidad de datos de forma económica y compartir los datos/
información en tiempo real. Además, BDA para las cadenas de suministro demuestra un gran potencial para la
mejora de procesos, la reducción de costos y una mejor toma de decisiones para la gestión de la cadena de
suministro (SCM).
Debido al desarrollo reciente en el aprendizaje automático y la infraestructura informática, BDA en la
gestión de la cadena de suministro (SCM) está evolucionando rápidamente. De acuerdo con
marketsandmarkets.com [5], se espera que el tamaño del mercado mundial de big data crezca de USD 138 900
millones en 2020 a USD 229 400 millones para 2025, a una tasa de crecimiento anual compuesta (CAGR) del 10,6
% durante el período de pronóstico. Entre las soluciones, se espera que el segmento de análisis de big data
crezca a la CAGR más alta durante el período de pronóstico y mantenga el tamaño de mercado más grande
durante el período de pronóstico.
https://doi.org/10.3390/bdcc6010017 https://www.mdpi.com/journal/bdcc
Cognición de Big Data. computar2022,6, 17 2 de 29

Si bien BDA es un subconjunto de análisis de datos, nuestro estudio muestra que BDA es la
tendencia dominante en SCM. En los últimos años, ha habido un aumento en la investigación de BDA en
el área de SCM. Los investigadores han examinado varios aspectos del uso de BDA en SCM y han
publicado su trabajo en diversos medios de investigación en diversas áreas, como SCM, IS, gestión de
operaciones e informática, entre otros. Sanders et al. [6] destacan que las disciplinas dispares que
estudian los aspectos de SCM pueden correr el riesgo de inconsistencias en los hallazgos y la
fragmentación de la investigación. Requieren enfoques de investigación interdisciplinarios en SCM, y este
estudio responde a este llamado y realiza una revisión exhaustiva de la literatura de BDA en SCM desde
perspectivas interdisciplinarias. Presentamos una revisión sistemática de la literatura de artículos de
investigación publicados entre 2011 y 2021 en revistas técnicas y de gestión.
La perspectiva interdisciplinaria nos permite sintetizar la investigación existente sobre las perspectivas
técnicas y organizacionales y contribuir de muchas maneras. Primero, una oleada reciente de investigación
(especialmente en 2019-2021) en el análisis de big data en las áreas de SCM requiere una nueva mirada a la
investigación publicada en esta área. Por lo tanto, este estudio proporciona una visión contemporánea de la
BDA publicada en la investigación SCM. En segundo lugar, el uso de los enfoques de arriba hacia abajo y de
abajo hacia arriba identifica las tendencias de investigación y presenta temas transversales en la investigación
de BDA en el área de SCM. En tercer lugar, este estudio considera tanto las perspectivas organizacionales como
técnicas, como fueron evidentes en el análisis bibliométrico de la investigación existente, lo que nos permite
responder preguntas, como el tipo de aplicaciones BDA para las diferentes funciones de la cadena de
suministro de la organización. Finalmente, nuestro análisis de los temas de investigación utilizando perspectivas
técnicas y organizativas también nos permite encontrar lagunas en la investigación y sugerir futuras direcciones
de investigación. Por ejemplo, en algunas áreas, como la seguridad y la privacidad, el tipo de análisis y los
aspectos interorganizacionales, destacan tanto los aspectos técnicos como los organizativos.

Nuestro artículo continúa con una discusión de la metodología para la revisión sistemática de la literatura
en la Sección2, una discusión de las perspectivas organizacionales sobre BDA en la Sección3, una discusión de
las perspectivas técnicas sobre BDA en la Sección4, una discusión de las direcciones de investigación en la
Sección5, y una conclusión en la Sección6.

2. Metodología para la revisión sistemática de literatura de BDA en SCM

BDA se está volviendo cada vez más importante para el campo de SCM. Por lo tanto, en la última
década, ha habido una gran cantidad de investigaciones publicadas sobre BDA en el área de SCM y, en
consecuencia, hay muchos artículos de revisión publicados en esta área. Nuestro estudio revisa la
investigación en BDA en SCM desde las perspectivas de arriba hacia abajo y de abajo hacia arriba y
aborda algunas de las deficiencias de la investigación publicada existente, mientras que al mismo tiempo
las complementa. Mesa1resume artículos de revisión seleccionados sobre análisis de datos en el área de
SCM.
El examen de las revisiones de la literatura publicada revela la importancia y diversidad de BDA
para la investigación de SCM. Además, también revela vías para obtener información adicional al revisar
más a fondo la investigación publicada, y son las siguientes. Primero, las revisiones existentes tomaron
aspectos técnicos (p. ej., [7,15]) o perspectivas organizativas (p. ej., [13,17]). Sin embargo, Arunachalam et
al. [18] destacan que los desafíos en el uso de BDA en SCM involucran aspectos tanto técnicos como
organizacionales. Por lo tanto, una perspectiva interdisciplinaria que involucre perspectivas técnicas y
organizacionales en la investigación publicada podría proporcionar una visión holística de la BDA en la
investigación SCM para la audiencia. En segundo lugar, con una perspectiva interdisciplinaria, este
estudio incluyó un conjunto exhaustivo de bibliotecas digitales (Scopus, Web of Science, IEEE eXplore y
biblioteca digital ACM) para explorar la investigación sobre BDA en SCM. Esto es diferente a las revisiones
anteriores sobre BDA en SCM, que se han basado en SCOPUS y Web of Science en gran medida, lo que ha
resultado en la exclusión de la investigación orientada hacia aspectos tecnológicos. Este estudio también
incluye publicaciones de investigación de IEEE eXplore y ACM Digital Library para brindar una visión más
inclusiva de los aspectos organizativos y técnicos en la investigación de BDA en el área de SCM. En tercer
lugar, algunos de los artículos de revisión anteriores se basaron en áreas específicas en el uso de análisis
de big data en cadenas de suministro (p. ej., cadena de frío: [19]), o técnicas específicas de análisis de big
data en la gestión de la cadena de suministro (por ejemplo, máquina
Cognición de Big Data. computar2022,6, 17 3 de 29

aprendiendo: [15]). Por lo tanto, se justifica una revisión del corpus de investigación en todo el análisis de big data en
SCM. En cuarto lugar, a diferencia de estudios anteriores, en los que un enfoque puramente ascendente utiliza
herramientas de software (p. ej., modelado de temas: [20]) o un enfoque de arriba hacia abajo utilizando la
categorización manual (por ejemplo, análisis de contenido de la literatura: [19]), nuestro estudio se basa en enfoques de
arriba hacia abajo y de abajo hacia arriba para sintetizar la investigación de BDA en el SCM. Usamos herramientas
bibliométricas para identificar patrones en la investigación y luego analizamos por separado artículos seleccionados
usando marcos teóricos para discutir los patrones en la investigación.

Tabla 1.Artículos de revisión de literatura seleccionados sobre análisis de datos.

Papel Tema Fuente Periodo de tiempo Recomendaciones

Examinando las áreas

Nguyen et al. [7]
Tiwari et al. [8]
BDA en áreas de negocio que
Ardito et al. [9]
Chehbi-Gamoura et al. [10]
Inamdar et al. [11]
Kamble y Gunasekaran [12]
Yudhistyra et al. [13]
Ogbuke et al. [14]
Aamer et al. [15]
Maheshwari et al. [dieciséis]
BDA en el SCM
BDA en el SCM
incluye SCM usando
análisis bibliométrico
Modelo SCOR con datos
análisis en SCM
adopción de BDA
BDA y rendimiento
medición
BDA en logística y
cadena de suministro
BDA en el SCM
Análisis de datos/máquina
aprendizaje en demanda
pronóstico de SCM
BDA en SCM/logística
gestión/inventario
administración
Varias bibliotecas digitales. donde se usa BDA en
(Science Direct, Esmeraldas, SCM, nivel de análisis
2011-2016
Exploración de IEEE, Scopus, usados, tipos de BDA
EBSCO) modelos utilizados y
técnicas utilizadas.
Investigación clasificada en
análisis de big data en SCM en
Harzing Publicar o Perecer
definición y beneficio;
software que depende de 2010-2016
aplicación y
Citas de Google Académico
exploración; tecnología
y métodos.
Encontré lo siguiente
clústeres: teórico
desarrollo;
transición de la gestión a
Web de la Ciencia 2012-2017
BDA; recursos firmes,
capacidades, y
rendimiento; y BDA para
SCM.
Harzing Publicar o Perecer Procesos SCOR y BDA
software que depende de 2001-2018 uso a través de diferentes
Citas de Google Académico diarios
Siete áreas de investigación
con la mayoría en
Web de la Ciencia 2014-2018
fabricación y
Servicio.
Investigación clasificada en
Scopus Hasta 2018 análisis de rendimiento
capacidad y procesos.
Encontrado cambio de rol de
Scopus 2011-2018 BDA y desafíos en
BDA.
Revisión cualitativa de
120 artículos e identificados
Scopus 2005-2020
7 temas con
14 subtemas.
neuronal identificado
redes, redes neuronales
artificiales, regresión y
Scopus y Web of Science 2010-2019
máquinas de vectores de soporte
como las más utilizadas
algoritmo.
Encontrado varios dominios
como educación, finanzas, telecomunicaciones,
Web de la Ciencia 2015-2019
comercio minorista, atención médica,
y gobernabilidad.

Para abordar las deficiencias mencionadas anteriormente, este estudio adopta el método de
revisión sistemática de la literatura propuesto por Denyer y Tranfield [17] para examinar la investigación
publicada sobre BDA en el área de SCM. Una revisión sistemática de la literatura tiene como objetivo
lograr una síntesis científica de un tema específico a través de un análisis riguroso de los estudios
publicados. Los cinco pasos del método de revisión sistemática de la literatura propuesto por Denyer y
Tranfield.17] incluyen (1) formación de preguntas de investigación, (2) ubicación de estudios, (3) selección
y evaluación de estudios, (4) análisis y síntesis, y (5) presentación de los
Cognición de Big Data. computar2022,6, 17 4 de 29

resultados Para una revisión transparente, auditable y replicable, este estudio sigue de cerca los cinco
pasos antes mencionados.

2.1. Formación de preguntas de investigación

Dada la revisión bibliográfica fragmentada y el cambio rápido de BDA, este estudio intenta realizar
una revisión bibliográfica exhaustiva utilizando la metodología mencionada anteriormente. El primer
paso para realizar una revisión sistemática de la literatura es la formación de las preguntas de
investigación, que deben ser claras para establecer el enfoque del estudio.
Con base en el análisis de los artículos de revisión de literatura seleccionados mencionados
anteriormente, identificamos áreas específicas para investigar en profundidad. Aplicamos la lógica CIMO
(contexto, intervención, mecanismo y resultado), sugerida por Denyer et al. [21], para especificar preguntas de
investigación bien formuladas. Definimos el BDA en SCM como el contexto de este estudio. Identificamos
métodos de intervención (p. ej., tipos de aplicaciones de BDA en SCM) y mecanismos de generación de valor (p.
ej., formas específicas de adoptar e implementar BDA), y analizamos los resultados en términos de desempeños
específicos logrados a partir del uso de varios métodos y mecanismos de intervención de BDA. en SCM. También
identificamos direcciones de investigación futuras algo poco estudiadas, pero prometedoras para la comunidad
investigadora. Específicamente, las siguientes preguntas de investigación han sido desarrolladas para guiar
sistemáticamente la revisión de la literatura.

RQ1: ¿Cuáles son los puntos de vista teóricos sobre los mecanismos de generación de valor de BDA en
RQ2.1: SCM? ¿Cuáles son los impactos de BDA en el desempeño organizacional?
RQ2.2: ¿Cuáles son los impactos de BDA en la sostenibilidad?
RQ3: ¿Qué tipos de aplicaciones, arquitectura e infraestructura de BDA se han utilizado para las diferentes
funciones de la cadena de suministro?
RQ4: ¿Cuáles son las prestaciones técnicas de las técnicas y algoritmos BDA? ¿Cuáles
RQ5: son las oportunidades y direcciones de investigación para BDA en SCM?
RQ1, RQ2.1 y RQ2.2 se abordan en la Sección3. RQ3 y RQ4 se analizan en la Sección
4y RQ5 se trata en la Sección5.

2.2. Estudios de localización

Para la localización de estudios se incluyeron tres bases de datos de uso frecuente para los temas
relacionados con las cadenas de suministro: Scopus, ACM Digital Library e IEEE Xplore. Las consultas de la base
de datos se desarrollaron con la interfaz de búsqueda de cada base de datos para recuperar artículos
relacionados con BDA en SCM. A partir del 1 de noviembre de 2021, la búsqueda en la base de datos se limitó a
artículos de revistas publicadas entre 2011 y 2021. La revisión bibliográfica sistemática de este artículo no
incluye capítulos de libros ni artículos de congresos, ya que es posible que algunos de estos artículos no hayan
pasado por un riguroso proceso de revisión académica. Se han publicado revisiones y muchos artículos de alta
calidad en revistas de renombre. Los resultados de búsqueda resultantes son 320 artículos de Scopus, 39 de
ACM Digital Library y 30 de IEEE Xplore. Mesa2muestra las cadenas de consulta utilizadas en cada una de las
bases de datos.

2.3. Selección y evaluación de estudios

Se establecieron un conjunto de criterios de inclusión y exclusión para seleccionar los estudios más
relevantes entre 389:

- Relevancia para BDA en SCM

- Calidad del trabajo: Fundamentos teóricos, diseño de investigación e implementación.
- Se excluyeron artículos conceptuales, artículos de literatura, editoriales, artículos matemáticos o
artículos tutoriales.
- Se excluyeron múltiples artículos con modelos de investigación similares publicados por los mismos
autores.
- Se excluyeron los artículos cuyo texto completo no fuera accesible desde las bases de datos.
Mesa3muestra los cuatro pasos empleados para la selección y evaluación del estudio y el número
de trabajos seleccionados en cada paso. Se identificaron artículos con temas sobre BDA entre los 378
artículos y, en promedio, el 60% de los 378 artículos se centran en BDA en SCM. Debido a la
Cognición de Big Data. computar2022,6, 17 5 de 29

fuerte interés en BDA, decidimos centrar nuestra revisión de la literatura en BDA en SCM. En el
Paso 3, eliminamos 151 artículos sin centrarnos en BDA. Figura1muestra la frecuencia año a año
de los artículos publicados, cuyo tema es BDA. Para fortalecer la validez de la selección, la selección
de artículos fue evaluada por los dos investigadores. Un investigador seleccionó los artículos y otro
revisó los artículos. Cuando hubo desacuerdo, los investigadores discutieron los temas hasta
lograr un consenso para la selección de los artículos.

Tabla 2.Cadenas de consulta utilizadas en cada una de las tres bases de datos.

Base de datos Consulta Resultados

TITLE-ABS-KEY(“cadena de suministro” y
"análisis de datos") Y (LÍMITE A
(SRCTYPE, "j")) Y (LÍMITE A
(PUBYEAR, 2021) O LÍMITE A
(PUBYEAR, 2020) O LÍMITE A
(PUBYEAR, 2019) O LÍMITE A
Scopus
(PUBYEAR, 2018) O LIMITADO A
https://www.scopus.com 320 artículos
(PUBYEAR, 2017) O LIMITADO A
Búsqueda Avanzada
(PUBYEAR, 2016) O LIMITADO A
(PUBYEAR, 2015) O LIMITADO A
(PUBYEAR, 2014) O LIMITADO A
(PUBYEAR, 2013) O LÍMITE A
(PUBYEAR, 2012) O LÍMITE A
(AÑO PUBLICO, 2011))

“consulta”: {AllField:(“cadena de suministro”) Y

Biblioteca Digital ACM AllField:(“análisis de datos”)} “filtro”:
https://dl.acm.org/ {ACM Pub type: Journals, Publication Date: 39 artículos
Búsqueda Avanzada (1 de enero de 2011 TO 31
diciembre de 2021), Contenido ACM: DL}

(“Todos los metadatos”:cadena de suministro) Y

Explorar IEEE (“Todos los metadatos”: análisis de datos) 30 artículos
Filtros aplicados: Revistas 2011–2021

Tabla 3.Cuatro pasos de selección y evaluación de estudios.

Paso 1 Paso 2 Paso 3 Etapa 4

389 artículos 378 artículos 226 artículos 60 artículos

Eliminación duplicada de 11
Scopus: 320; Biblioteca Digital
artículos debido a la duplicación
ACM: 39; Exploración IEE: 30
entre las tres bases de datos
Eliminación de 166 artículos con
inclusión y exclusión
Eliminación de 151 artículos
criterios; seleccionado 35
sin centrarse en big data
artículos centrados en la gestión
analítica
y 25 centrados en la tecnología
artículos

Aplicando la eliminación de duplicados entre la base de datos, los criterios de inclusión y exclusión, y el
acuerdo entre los dos investigadores de los artículos seleccionados, finalmente se seleccionaron 60 artículos en
el Paso 4. Entre los 60 artículos, 35 artículos están relacionados con las perspectivas de la organización y 25
artículos están relacionados a las perspectivas técnicas.
Cognición de Big Data. computar2022,6, 17 6 de 29

Figura 1.Tendencia de publicación de BDA en SCM.

2.4. Análisis y Síntesis

El enfoque ascendente emplea el análisis automatizado de palabras clave de los artículos
seleccionados. El enfoque de arriba hacia abajo se utiliza para desarrollar un marco de revisión
sistemática de la literatura basado en el juicio de los autores. El análisis de palabras clave utiliza
VOSviewer para identificar los intereses comunes entre los 60 artículos seleccionados. Con al menos tres
coincidencias de palabras clave, se identificaron 16 palabras clave. Figura2muestra la red de co-
ocurrencia de palabras clave.

Figura 2.Análisis de co-ocurrencia de palabras.

Las palabras clave que coinciden con más frecuencia son big data, gestión de la cadena de
suministro, análisis de big data, cadenas de suministro, aprendizaje automático, análisis, toma de
decisiones, sostenibilidad, rendimiento empresarial y aprendizaje automático, etc. Según el análisis
de palabras de co-ocurrencia, desarrollamos un marco de revisión sistemática de la literatura, que
consta de dos perspectivas de investigación: perspectivas organizacionales y perspectivas técnicas.
Las perspectivas organizacionales consisten en tres temas: (1) desempeño organizacional, (2)
sustentabilidad y (3) desafíos de implementación. Las perspectivas técnicas consisten en dos
temas: (1) aplicaciones de BDA y (2) arquitectura/infraestructura de BDA. Higo-
Cognición de Big Data. computar2022,6, 17 7 de 29

ure3muestra el marco con temas y subtemas que guiarán nuestra revisión de la literatura en
las siguientes secciones. La figura refleja que la sustentabilidad y el desempeño
organizacional se logran mediante el uso de tecnologías BDA.

Figura 3.Un marco de revisión sistemática de la literatura para BDA en SCM.

Los datos recopilados de los documentos seleccionados incluyen:

- Referencia completa incluyendo el título del artículo, año de publicación y nombre de la revista
- Los autores)
- Objetivos y preguntas de la investigación.
- Temas/subtemas de investigación
- Métodos de búsqueda
- Funciones de la cadena de suministro apoyadas por BDA
- Desempeño organizacional/sostenibilidad
- Tipos de BDA
- Técnicas y algoritmos
- Arquitectura e infraestructura
- Prestaciones técnicas
Para extraer y mapear datos del artículo seleccionado, se desarrollaron formularios tabulares y los
resultados de los análisis detallados se discuten en las siguientes secciones.

3. Perspectivas organizacionales sobre BDA en SCM

BDA ha sido utilizado por una amplia gama de participantes de la cadena de suministro para
apoyar y mejorar sus actividades. BDA en SCM proporciona muchos beneficios y plantea desafíos para las
organizaciones. Por ejemplo, BDA puede ayudar a predecir mejor la demanda/oferta, analizar el cambio
de preferencias de los clientes, mejorar la visibilidad de la cadena de suministro y mejorar la resiliencia
de la cadena de suministro. Esta sección analiza tres temas de las perspectivas organizacionales con
respecto a los impactos de BDA en SCM en las organizaciones: (1) desempeño organizacional, (2)
sostenibilidad y (3) desafíos de implementación.

3.1. Desempeño Organizacional

Esta sección se enfoca en los impactos de BDA en el desempeño organizacional e intenta responder
a RQ1: ¿Cuáles son los puntos de vista teóricos sobre los mecanismos de generación de valor de
Cognición de Big Data. computar2022,6, 17 8 de 29

BDA en SCM? y RQ2.1: ¿Cuáles son los impactos de BDA en el desempeño organizacional? Mesa4resume
los autores, el propósito, las teorías/puntos de vista y las construcciones/subconstrucciones relevantes
para las teorías y puntos de vista de los 16 artículos seleccionados. Muchas teorías y puntos de vista
desarrollados en los campos de la organización y la estrategia tienen fundamentos teóricos para
comprender los impactos de BDA en las cadenas de suministro y el desempeño organizacional: vista de
capacidades dinámicas (siete artículos), teoría del procesamiento de información organizacional (OIPT)
(tres artículos), el recurso -based view (RBV) (tres artículos) y mindfulness organizacional (un artículo). El
método de investigación utilizado con más frecuencia es una encuesta (12 artículos), seguido de un
estudio de caso (un artículo), una entrevista (un artículo) y el método Delphi (un artículo). El modelo de
ecuaciones estructurales de mínimos cuadrados parciales (PLS-SEM) fue el más utilizado para el análisis
de datos (10 artículos), seguido de regresión (dos artículos) y modelado estructural interpretativo (un
artículo). A continuación, el análisis de la literatura sobre el desempeño organizacional se divide en una
vista de capacidades dinámicas, una teoría de procesamiento de información organizacional y una vista
basada en recursos.

Tabla 4.Papel, propósito, teorías/puntos de vista y construcciones/subconstrucciones de los desempeños organizacionales.

Construcciones/Subconstrucciones
teorías/
Papel Propósito Relevante para las teorías
Puntos de vista
y Vistas
Investigar el impacto del uso
organizacional de BDA en
Chen et al. [22] productividad empresarial y Capacidades dinámicas Uso organizacional de BDA.
crecimiento y factores de
uso organizacional de BDA.

Capacidad de planificación de BDA,

Explore el impacto de las
manda [23] capacidades de gestión de BDA en
resiliencia de la cadena de suministro.
toma de decisiones de inversión de
Capacidades dinámicas
BDA, capacidad de coordinación de
BDA y control de BDA.

Investigar el papel de la
Capacidad BDA:
dinámica habilitada para BDA
Wamba et al. [24] Capacidades dinámicas detectar, capturar y
capacidad en la organizacion
reconfigurando
rendimiento.
Identificar habilitadores basados en
BDA para la capacidad de la cadena de Apoyo financiero, habilidades de las
Bamel & Bamel [25] suministro y establecer una jerarquía e Capacidades dinámicas personas, infraestructura de TI y
interrelación entre los compromiso de liderazgo.
facilitadores.

Examinar el desarrollo de
Capacidad BDA (BDAC) para mejorar la
BDAC y
Dubey et al. [26] agilidad de la cadena de suministro Capacidades dinámicas
agilidad de la cadena de suministro.
y lograr competitividad
ventaja.
Examinar la alineación
entre BDAC y un tipo específico
Gu et al. [27] de estrategia de adquisiciones Capacidades dinámicas BDAC
y su impacto en la empresa
rendimiento.
Examinar cómo las empresas pueden

desarrollar el riesgo empresarial

Capacidades de infraestructura de TI
Singh y Singh [28] resiliencia de la cadena de suministro Capacidades dinámicas
y BDAC.
eventos de disrupción por
desarrollo de BDAC.
Cognición de Big Data. computar2022,6, 17 9 de 29

Tabla 4.continuación

Papel Propósito
Investigar asociaciones
Srinivasan y Swink [29] entre visibilidad, análisis
capacidad y flexibilidad.
Investigar los roles de BDAC
en la integración de la cadena
Yu et al. [30]
de suministro del hospital y
flexibilidad.
Construcciones/Subconstrucciones
teorías/
Relevante para las teorías
Puntos de vista
y Vistas
Capacidad de análisis, visibilidad de la
Información organizativa
demanda, visibilidad de la oferta y
teoría del procesamiento
flexibilidad organizativa.
BDAC y tres dimensiones
de la integración de la cadena de
Información organizativa suministro del hospital (integración
teoría del procesamiento interfuncional, hospital-paciente)
integración, y
integración hospital-proveedor).

Investigar el impacto de BDA

en el desarrollo de SCM y el Información organizativa Aplicaciones y suministro de BDA
Rossmann et al. [31]
rol organizacional de teoría del procesamiento transparencia de la cadena.
gerentes de la cadena de suministro.

Investigar hasta qué punto la

conectividad y el intercambio de
información afectan la aceptación
del análisis predictivo de big data
Conectividad e información
Gunasekaran et al. [32] (BDPA) y capacidades de Vista bajo recurso
intercambio.
asimilación y el impacto de la
asimilación de BDPA en el suministro
funcionamiento de la cadena y
desempeño de la organización.

Investigar la relación entre

la predicción de big data
análisis (BDPA), tecnología de
Shafique et al. [33] Vista bajo recurso Tecnología BDPA y RFID.
identificación por
radiofrecuencia (RFID) y suministro
rendimiento de la cadena.

Investigar los efectos de BDA,

seguridad de datos y capacidades de
Infraestructura de seguridad de datos
Fernando et al. [34] innovación de la cadena de suministro de Vista bajo recurso
e infraestructura BDA.
servicios en el suministro de servicios
rendimiento de la cadena.

Preocupación por el fracaso,

Investigar el papel de BDAC
renuencia a simplificar
y organizacional
operaciones, sensibilidad a las
Dennehy et al. [35] atención plena en cadenas de Atención plena organizacional
operaciones, compromiso con la
suministro resilientes en un desastre
resiliencia y deferencia a
contexto de respuesta.
pericia.
Analizar cómo el caso
Plan-Hacer-Verificar-Acción
empresa
Lin y Lin [36] Sin teoría/punto de vista específico (PDCA) ciclo y planificación estratégica
desarrolla un sistema de valor agregado
de sistemas de información.
de servicios logísticos globales.

Gestión de datos y uso de

paquetes de software avanzados
y recursos humanos calificados
Identificar los factores que ayudan y capacitación para análisis,
Jha et al. [37] una empresa en o impedir Sin teoría/punto de vista específico poder intraorganizacional
que construya su BDAC. dinámica, mundial
conexión y exterior
paisaje y análisis
capacidades.
Cognición de Big Data. computar2022,6, 17 10 de 29

3.1.1. Vista de capacidades dinámicas

Teece et al. [38] propuso el enfoque de capacidades dinámicas para analizar las fuentes de creación de
riqueza por parte de las empresas. La visión de capacidades dinámicas (DCV) sugiere que la creación de riqueza
privada en entornos tecnológicos que cambian rápidamente depende en gran medida del perfeccionamiento de
los procesos tecnológicos, organizativos y de gestión internos dentro de la empresa.38]. Eisenhardt y Martín [39
] (p. 1107) definió las capacidades dinámicas como “los procesos de la empresa que utilizan recursos,
específicamente los procesos para integrar, reconfigurar, obtener y liberar recursos, para igualar e incluso crear
cambios en el mercado”.
Varios estudios sobre BDA en SCM emplearon DCV para comprender la relación entre BDA y el
desempeño organizacional. Por ejemplo, Chen et al. [22] conceptualizó el uso organizacional de BDA como la
creación de capacidades dinámicas. Aplicando el marco de tecnología organización-ambiente (TOE),
encontraron que los factores organizacionales y ambientales afectan indirectamente el uso organizacional de
BDA a través del apoyo de la alta dirección, y los factores tecnológicos afectan directamente el uso
organizacional de BDA, que a su vez afecta la creación de valor organizacional. manda [23] argumentó que las
capacidades de gestión de BDA también son capacidades dinámicas que dan como resultado la resiliencia de la
cadena de suministro. Descubrió que la planificación de BDA, la coordinación de BDA y el control de BDA son
facilitadores críticos de tres dimensiones de resiliencia de la cadena de suministro: preparación de la cadena de
suministro, estado de alerta de la cadena de suministro y agilidad de la cadena de suministro.

Wamba et al. [24] conceptualizó las capacidades dinámicas de BDA como una escala multidimensional de
capacidades de detección, captura y reconfiguración y descubrió que BDA tiene efectos positivos en la mejora
de la agilidad de la cadena de suministro, la adaptabilidad de la cadena de suministro y las medidas de
desempeño. Bamel y Bamel [25] integró la vista basada en recursos y la vista de capacidad dinámica. Al aplicar
el modelo estructural interpretativo total difuso (TISM), identificaron el apoyo financiero para BDA, las
habilidades de las personas para usar BDA, la infraestructura de TI para BDA y el compromiso de liderazgo para
BDA como facilitadores de la capacidad de la cadena de suministro y la competitividad de la empresa.
Dubey et al. [26] examinó los impactos de la capacidad de análisis de big data (BDAC) en la agilidad de la
cadena de suministro (SCA) y la ventaja competitiva. Los resultados demostraron que BDAC tiene un efecto
positivo y significativo en SCA y que la ventaja competitiva y la flexibilidad organizacional tienen un efecto de
moderación positivo y significativo en el camino que une BDAC y SCA. Gu et al. [27] investigó cómo BDAC se
asocia con el desempeño de la empresa y demostró que el BDAC de una empresa no solo tiene un efecto
positivo directo en el desarrollo de proveedores, sino también un efecto positivo directo en su desempeño
comercial. También encontraron un efecto de mediación total de BDAC en la relación entre el desarrollo de
proveedores y el desempeño de la empresa. Singh y Singh [28] encontró que BDAC permite a las empresas
desarrollar de manera efectiva la capacidad de resiliencia al riesgo de la cadena de suministro y media
parcialmente el impacto de la infraestructura de TI en la capacidad de resiliencia al riesgo de la empresa.

En resumen, los estudios mencionados anteriormente sugieren que BDAC como capacidades
dinámicas crea valor para la organización, mejora la resiliencia/adaptabilidad/agilidad del riesgo SC y
logra una ventaja competitiva y desarrollo de proveedores.

3.1.2. Teoría del Procesamiento de la Información Organizacional (OIPT)

De acuerdo con la teoría del procesamiento de información organizacional (OIPT), a medida que aumenta
la incertidumbre de la tarea, una organización puede reducir la necesidad de información o aumentar la
capacidad de procesamiento de información para hacer frente a la incertidumbre de la tarea.40]. Tomás et al. [
41] sugirió que un mayor grado de uso de la información conduce a una mejor interpretación estratégica, y la
atención a una amplia gama de información tiende a influir positivamente en la interpretación de los temas
estratégicos. BDAC aumenta la velocidad de toma de decisiones y acelera el cambio de poder en la organización
[42]. Las necesidades de procesamiento de información de SCM y el uso de BDA para una toma de decisiones
rápida son consistentes con los principios de OIPT.
Empleando OIPT, Srinivasan y Swink [29] identificó la visibilidad de la oferta y la demanda como una
fuente fundamental de la capacidad de análisis y la flexibilidad organizacional como complemento de la
capacidad de análisis y demostró que la capacidad de análisis está más fuertemente asociada con el
desempeño operativo cuando las organizaciones de la cadena de suministro también poseen
Cognición de Big Data. computar2022,6, 17 11 de 29

flexibilidad organizativa. Yu et al. [30] demostró que BDAC tiene un impacto significativo en tres dimensiones de
la integración de la cadena de suministro del hospital: integración interfuncional, integración hospital-paciente e
integración hospital-proveedor, y tanto la integración hospital-paciente como la integración hospital-proveedor
afectan la flexibilidad operativa. Utilizando un método Delphi, Rossmann et al. [31] demostró que las
aplicaciones BDA permiten la reducción de la incertidumbre en las operaciones de la cadena de suministro y
mejoran la transparencia de la cadena de suministro, lo que facilita la rápida toma de decisiones y las
respuestas a las interrupciones de la cadena de suministro.
En resumen, BDA contribuye a la reducción de incertidumbre a través de la capacidad de procesamiento
de información, afecta positivamente la integración de la cadena de suministro y mejora la transparencia y el
rendimiento operativo de la cadena de suministro.

3.1.3. Vista bajo recurso

De acuerdo con una visión basada en recursos (RBV), cada empresa necesita tener un conjunto
único de recursos que la empresa pueda aprovechar para lograr una ventaja competitiva.43,44]. Como
no todos los recursos son iguales para crear una ventaja competitiva sostenible, muchos investigadores
se centraron en identificar los recursos que crean ventajas. Por ejemplo, Barney [43,45] sugirió que los
recursos que crean ventajas deben ser específicos de la empresa, raros y difíciles de imitar. RBV sugiere
que las empresas compiten no solo en términos de productos finales, sino más fundamentalmente en
términos de los recursos subyacentes, que hacen posible la diversificación de la producción y los
productos.46]. Se observa que mientras el DCV explica cómo los procesos tecnológicos, organizacionales
y gerenciales internos permiten a las empresas generar rentas económicas en entornos dinámicos, el
RBV es una visión estática de los recursos de la empresa.47].
Gunasekaran et al. [32] conceptualizó la conectividad y el intercambio de información como
recursos y la asimilación del análisis predictivo de big data (BDPA) como una capacidad y descubrió que la
conectividad y el intercambio de información bajo el efecto de mediación parcial del compromiso de la
alta dirección están positivamente relacionados con la aceptación de BDPA y la asimilación de BDPA está
relacionada positivamente con desempeño de la cadena de suministro y desempeño organizacional,
respectivamente. Shafique et al. [33] investigó los impactos de BDPA y la tecnología de identificación por
radiofrecuencia (RFID) como recursos en las organizaciones farmacéuticas y demostró que existe un
efecto positivo directo de BDPA en el rendimiento de la cadena de suministro (SCP), y la tecnología RFID
tuvo un efecto de mediación parcial entre BDPA y SCP . Fernando et al. [34] investigó las asociaciones
entre BDA, seguridad de datos, capacidades de innovación de la cadena de suministro y desempeño de la
cadena de suministro de servicios y demostró que la seguridad de datos y BDA tienen un efecto positivo
en las capacidades de innovación de la cadena de suministro de servicios. BDA también tiene un efecto
positivo en tres desempeños de la cadena de suministro de servicios: flexibilidad, confiabilidad y servicios
al cliente.
En resumen, la conectividad y el intercambio de información como recursos están positivamente
relacionados con la aceptación de BDPA. El proceso de asimilación de BDPA se relaciona positivamente con el
desempeño de la cadena de suministro y el desempeño organizacional. BDA/BDPA también tiene un efecto
positivo en SCP.

3.2. Sustentabilidad
Esta sección se centra en los impactos de BDA en el desarrollo sostenible e intenta responder a la
RQ1: ¿Cuáles son los puntos de vista teóricos sobre los mecanismos de generación de valor de BDA en
SCM? y RQ2.2: ¿Cuáles son los impactos de BDA en la sostenibilidad? Seuring y Müller [48] argumentó
que la gestión sostenible de la cadena de suministro ha recibido una atención cada vez mayor por parte
de los profesionales y sugirió la sostenibilidad ambiental, económica y social como tres dimensiones de
la sostenibilidad. Carter y Rogers [49](p. 368) definió la gestión sostenible de la cadena de suministro
como “la integración y el logro estratégicos y transparentes de los objetivos sociales, ambientales y
económicos de una organización en la coordinación sistémica de los procesos comerciales clave entre
organizaciones para mejorar el desempeño económico a largo plazo de la empresa individual y sus
cadenas de suministro”.
Mesa5resume los autores, el propósito, las teorías/puntos de vista y las construcciones/subconstrucciones
relevantes para las teorías y puntos de vista de los 13 artículos seleccionados. Los 13 documentos han confirmado
Cognición de Big Data. computar2022,6, 17 12 de 29

la contribución directa o indirecta de la BDA/BDAC a la sostenibilidad empresarial/economía circular. Los

fundamentos teóricos de los 13 artículos seleccionados incluyen la visión de las capacidades dinámicas (4), la
teoría de las partes interesadas (2), la teoría institucional (1), la teoría de la orquestación de recursos (1), la visión
basada en el conocimiento (1) y la teoría del procesamiento de la información organizacional (1 ). La encuesta
fue el método de investigación más utilizado (8), seguido de la entrevista (2) y el método Delphi (1). Para los
estudios de encuestas, el modelo de ecuaciones estructurales de mínimos cuadrados parciales (PLS-SEM) fue el
método de investigación más utilizado (6), seguido del modelo estructural interpretativo (2).

Tabla 5.Papel, propósito, teorías/puntos de vista y construcciones/subconstrucciones de sostenibilidad.

Construcciones/Subconstrucciones
Papel Propósito Teorías/Puntos de vista Relevante para las teorías
y Vistas
Habilidades técnicas, habilidades de
Investigar los efectos del BDPA
gestión, aprendizaje organizacional,
Dubey et al. [50] en el desempeño social y el Capacidades dinámicas
y decisión basada en datos
desempeño ambiental.
haciendo.

Evaluar el papel de la capacidad

Bolsa et al. [51]
Singh y El Kassar [52]
Stekelorum et al. [53]
de BDA en la mejora de la Capacidades de talento y
Capacidades dinámicas
cadena de suministro sostenible capacidades de gestión.
rendimiento.
Investigar el impacto de
recurso humano verde
prácticas de gestión de la
Capacidades dinámicas Compromiso corporativo
integración de grandes datos
tecnologías con
procesos.
Investigar los impactos de la
ambidestreza de la cadena de
Ambidestreza en la cadena de suministro
suministro del proveedor y BDAC Capacidades dinámicas
y BDAC.
sobre gobernanza responsable y
prácticas de economía circular.

Explore la relación entre la

responsabilidad social
RSC interna y externa
Wang et al. [54] corporativa (RSC), la SCM verde La teoría de las partes interesadas
RSC.
y el desempeño de la empresa en
el contexto de la BDAC.

Investigar el impacto de BDA Apoyo mutuo, coordinación,

Gupta et al. [55] en la adopción de la circular La teoría de las partes interesadas y procesamiento e intercambio
paradigma de la economía. de información integral.

Examinar los impactos de las fuerzas

institucionales en los recursos tangibles y
las habilidades de la fuerza laboral
en el desarrollo de la
Bolsa et al. [56]
inteligencia artificial BDA y en
la fabricación sostenible
prácticas y circulares
Presiones institucionales (p. ej.,
presiones coercitivas, normativa
Teoría/recurso institucional presiones, y mimético
- vista basada presiones) y recursos
(recursos tangibles y
habilidades de la mano de obra).

capacidades de la economía.

contratación electrónica,

Al Nuaimi et al. [57]
capacidades tecnológicas
Investigar los efectos de BDAC (disponibilidad de datos y
Orquestación de recursos
en la contratación electrónica y el infraestructura tecnológica),
teoría
desempeño ambiental. y capacidades humanas
(experiencia gerencial y
habilidades de los empleados).
Cognición de Big Data. computar2022,6, 17 13 de 29

Tabla 5.continuación

Construcciones/Subconstrucciones
Papel Propósito Teorías/Puntos de vista Relevante para las teorías
y Vistas
Explore la aplicación de BDA
Mani et al. [58] en la mitigación de la oferta Vista basada en el conocimiento BDA como base de conocimientos
cadena de riesgo social.

Evaluar los beneficios de la tecnología BDA-IA,

Benzidia et al. [59]
inteligencia artificial BDA en la aprendizaje digital verde
Información organizativa
integración de la cadena de suministro orientación, integración de
teoría del procesamiento
proceso y su impacto en el procesos ambientales, y verde
desempeño ambiental. colaboración en la cadena de suministro.

Prácticas organizacionales, prácticas

Investigar si BDA actúa como
de gestión ajustada, prácticas de
mediador para influir en la
SCM, prácticas sociales en la
rendimiento empresarial de una
Raut et al. [60] Sin teoría/punto de vista específico cadena de suministro, prácticas
cadena de suministro sostenible
ambientales, prácticas financieras y
al considerar lean, ágil,
gestión de calidad total.
aspectos resilientes y verdes.

Evaluar los impulsores de BDA en el contexto
de las cadenas de suministro de alimentos
Kazancoglu et al. [61] para la transición a una
economía circular y la gestión
de operaciones sostenibles.
Controladores de BDA:
incentivos gubernamentales,
gestión y tecnología de la
información, equipo directivo
capacidad, colaboraciones
Sin teoría/punto de vista específico
entre la cadena de suministro
socios,
visibilidad de la cadena de
suministro, gestión del talento y
innovación basada en datos.

Identificar las barreras para

BDA en SCM humanitaria Quince barreras para BDA en la
Bolsa et al. [62] sostenible y comprender las Sin teoría/punto de vista específico asistencia humanitaria sostenible
interrelaciones entre los SCM
barreras

3.2.1. Vista de capacidades dinámicas

Recientemente, ha habido una creciente atención y un llamado a seguir investigando sobre el
DCV en la economía circular y la sostenibilidad (p. ej., [63]). Varios estudios sobre BDA en SCM
aplicaron DCV para comprender la relación entre BDA y el desempeño de la cadena de suministro
sostenible. Por ejemplo, Dubey et al. [50] conceptualizó BDPA como una construcción reflexiva de
orden superior que refleja habilidades técnicas, habilidades de gestión, aprendizaje organizacional
y toma de decisiones basada en datos como fuentes de capacidades dinámicas. Descubrieron que
las capacidades dinámicas de BDPA tienen un impacto significativo en el desempeño social y
ambiental, pero no encontraron evidencia de roles moderadores de orientación flexible y
orientación de control entre BDPA y el desempeño social y ambiental. Bolsa et al. [51]
conceptualizó las capacidades de gestión de BDA y las capacidades de talento como capacidades
dinámicas y demostró que las capacidades de gestión de BDA afectan positivamente el desarrollo
de productos ecológicos innovadores y las capacidades de talento de BDA afectan el desarrollo de
los empleados.
Singh y El Kassar [52] sugirió que el apoyo y el compromiso de la alta dirección juegan un papel
fundamental en la creación de capacidades únicas de procesamiento de información de BDA y descubrió
que el compromiso corporativo influye en la asimilación de big data a través de rutas de aceptación y
rutinización, lo que, a su vez, mejora el desempeño sostenible de las empresas. Stekelorum et al. [53]
descubrió que el desarrollo de proveedores de una empresa focal influye positivamente en la
Cognición de Big Data. computar2022,6, 17 14 de 29

BDAC a través de la ambidestreza de la cadena de suministro del proveedor y que el BDAC del proveedor
influye significativa y positivamente en las prácticas de economía circular de la empresa focal.

3.2.2. La teoría de las partes interesadas

La teoría de las partes interesadas explica las relaciones de la empresa con otras partes interesadas, como
clientes, proveedores, acreedores y comunidades locales.64,sesenta y cinco]. Sobre la base de la teoría de las partes
interesadas, Hasan et al. [66] argumentó que al forjar relaciones sólidas con las partes interesadas clave a través de la
participación en cuestiones sociales, una empresa puede utilizar los activos de manera eficiente, obtener ventajas
competitivas sobre los rivales y crear valor para los accionistas.
Basándose en la teoría de las partes interesadas, Wang et al. [54] demostró que tanto la RSE interna
(práctica de gestión hacia los empleados) como la RSC externa (práctica de gestión hacia las partes interesadas
externas) tienen un efecto positivo en la gestión de la cadena de suministro verde, la gestión de la cadena de
suministro verde tiene un efecto positivo en el desempeño de la empresa y BDAC está moderando el relación
entre la RSE externa y la gestión global de la cadena de suministro. Gupta et al. [55] propuso una perspectiva de
las partes interesadas sobre la economía circular y sugirió que el apoyo mutuo y la coordinación impulsados
por una perspectiva de las partes interesadas, junto con el procesamiento y el intercambio de información
holística por parte de BDA, pueden crear efectivamente una base para lograr beneficios económicos, ecológicos
y sociales.

3.2.3. Otras teorías/puntos de vista

Aplicando la teoría institucional y una visión basada en los recursos, Bag et al. [56] demostró que
los caminos "BDA-inteligencia artificial y fabricación sostenible" y "BDA-IA y capacidades de economía
circular" son significativos. Sobre la base de la teoría de la orquestación de recursos, AlNuaimi et al. [57]
demostró que la implementación percibida de e-procurement (EP) no tiene un efecto significativo en el
desempeño ambiental (ENP), pero BDAC media completamente entre EP y ENP. Sobre la base de una
visión basada en el conocimiento, Mani et al. [58] demostró cómo las empresas pueden predecir diversos
problemas sociales utilizando BDA y mitigar los riesgos ambientales, económicos y sociales. Aplicando la
teoría del procesamiento de la información organizacional, Benzidia et al. [59] demostró que el uso de
BDA-inteligencia artificial (IA) tiene un efecto significativo en la integración de procesos ambientales y la
colaboración en la cadena de suministro verde y que tanto la integración de procesos ambientales como
la colaboración en la cadena de suministro verde tienen un impacto significativo en el desempeño
ambiental.

3.3. Desafíos de implementación

Esta sección se centra en los desafíos de implementación e intenta responder a RQ1:
¿Cuáles son los puntos de vista teóricos sobre los mecanismos de generación de valor de BDA
en SCM? Mesa6 resume los autores, el propósito, las teorías/puntos de vista y las
construcciones/subconstrucciones relevantes para las teorías y puntos de vista de los seis
artículos seleccionados. Tres documentos investigaron los desafíos y riesgos de
implementación en el contexto de las empresas manufactureras. Los artículos de esta
categoría se centran en los impulsores, los riesgos y los desafíos de la adopción y la
implementación. La mayoría de los estudios no utilizan teorías particulares. Para identificar y
analizar los desafíos de implementación, los investigadores aplican métodos Delphi (4) y
encuestas (2). Si bien varios estudios de sostenibilidad y desempeño se basaron en la visión
de las capacidades dinámicas y la teoría del procesamiento de la información organizacional,
los estudios sobre los desafíos de implementación utilizaron una visión basada en los
recursos, la difusión de la teoría de la innovación (DOI), un marco de tecnología-organización-
ambiente (TOE), y otros. Es interesante notar que,
Cognición de Big Data. computar2022,6, 17 15 de 29

Tabla 6.Documento, propósito, teorías/puntos de vista y construcciones/subconstrucciones de los desafíos de implementación de BDA.

Construcciones/Subconstrucciones
Papel Propósito Teorías/Puntos de vista Relevante para las teorías
y Vistas
Beneficios percibidos, tecnología
Difusión de la teoría de la
complejidad, calidad de los datos,
Identificar los factores que afectan a las empresas. innovación (DOI) y la tecnología–
Lai et al. [67] infraestructura/capacidades de TI,
intención de adoptar BDA. organización–entorno
preparación financiera y
(TOE) marco.
apoyo de la alta dirección
Proponer un marco para La teoría de las partes interesadas, Los aspectos técnicos, culturales,
abordar los desafíos en vista bajo recurso, éticos, operativos, tácticos,
kan [68]
empleando BDA para el servicio economía de costos de transacción, procedimentales, funcionales y
cadenas de suministro. y teoría de sistemas. desafío organizacional.
Riesgos tecnológicos.
Proponer un marco de riesgos marco TOE y
riesgos institucionales,
Kusi-Sarpong et al. [69] para implementar BDA dentro humanoorganizacional-tecnológico
riesgos humanos, y
cadenas de suministro sostenibles. (CALIENTE) marco.
riesgos organizacionales

Constructos de oportunidad:
“visibilidad de la cadena de suministro y
transparencia” y
“eficiencia de las operaciones y
Identificar el potencial mantenimiento"
desafíos y oportunidades relacionados Construcciones de desafío:
Kache y Seuring [70] Sin teoría específica
con BDA en una empresa "Capacidades e infraestructura de TI"
y el nivel de la cadena de suministro. e “información y cibernética
seguridad"
Constructo de oportunidad
y desafío: “integración y
colaboración".
cinco mas importantes
sub-barreras entre 15
sub-barreras identificadas: (1) falta
de instalaciones de infraestructura,
Identificar las barreras críticas para
Moktadir et al. [71] Sin teoría específica (2) complejidad de los datos
la adopción de BDA.
integración, (3) privacidad de datos,
(4) falta de disponibilidad de
herramientas BDA, y (5) alto costo de
inversión.
Las 4 barreras más críticas:
Identificar los obstáculos para la “falta de apoyo de la alta
implementación de BDA en el contexto dirección”, “falta de apoyo
Raut et al. [72] Sin teoría específica
de la manufactura india financiero”, “falta de habilidad” y
cadena de suministro. “falta de técnicas o
procedimientos”.

Empleando la teoría de la difusión de la innovación (DOI) y el marco de tecnología-organización-ambiente

(TOE), Lai et al. [67] encontró que los beneficios percibidos y el apoyo de la alta dirección pueden influir
significativamente en la intención de adopción de BDA, y los factores ambientales y la conectividad de la cadena
de suministro pueden moderar significativamente las relaciones directas entre los factores impulsores y la
intención de adopción. kan [68] empleó múltiples teorías/puntos de vista (es decir, teoría de las partes
interesadas, punto de vista basado en recursos, economía de costos de transacción y teoría de sistemas) para
explorar los desafíos en la adopción de BDA y demostró que los aspectos técnicos, culturales, éticos, operativos,
tácticos, procedimentales, funcionales y organizacionales Los factores tienen un impacto significativo en la
adopción de BDA y los impactos más altos y más bajos provienen de factores éticos y técnicos.

Varios documentos emplearon el método Delphi para identificar los desafíos de

implementación de BDA en SCM. Kusi-Sarpong et al. [69] empleó un método Delphi y desarrolló el
Cognición de Big Data. computar2022,6, 17
Papel
Brandtner et al. [73]
Egilmez et al. [74]
Chae [75]
16 de 29
TOE integrado y marco humano-organizacional-tecnológico (HOT) para clasificar el riesgo de
implementar BDA para una cadena de suministro sostenible. Kache y Seuring [70] aplicó un
método Delphi con un panel de 15 expertos en análisis de big data de la industria. Después de las
tres rondas del estudio Delphi, los expertos encontraron 43 oportunidades/desafíos y los
categorizaron en cinco constructos generales de oportunidades/desafíos.
Moktadir et al. [71] aplicó un enfoque de proceso de jerarquía analítica (AHP) basado en Delphi para
identificar las barreras para el uso de BDA y clasificó 15 subbarreras en cuatro barreras principales: barreras
relacionadas con la tecnología, barreras relacionadas con la experiencia y la inversión, barreras relacionadas
con los datos, y barreras organizativas. Entre las principales barreras, las barreras relacionadas con los datos
son las más importantes, seguidas de las barreras relacionadas con la tecnología. Raut et al. [72] utilizaron
modelos estructurales interpretativos (ISM) para identificar barreras y realizaron un análisis MICMAC difuso
para estudiar las interrelaciones entre las barreras identificadas. Entre las 12 barreras identificadas, las cuatro
barreras más críticas contra la adopción de BDA son "falta de apoyo de la alta dirección", "falta de apoyo
financiero", "falta de habilidad" y "falta de técnicas o procedimientos".
4. Perspectivas técnicas sobre BDA en SCM
Esta sección intenta responder a la RQ3: ¿Qué tipos de aplicaciones, arquitectura e
infraestructura de BDA se han utilizado para las diferentes funciones de la cadena de
suministro? y RQ4: ¿Cuáles son las prestaciones técnicas de las técnicas y algoritmos BDA? La
revisión de la literatura demostró que se han desarrollado y evaluado numerosas
tecnologías/infraestructuras para BDA en SCM. Con base en el análisis temático de los
artículos seleccionados, las perspectivas técnicas se clasifican ampliamente en (1)
aplicaciones de BDA y (2) arquitectura/infraestructura.
4.1. Aplicaciones de BDA
Mesa7resume los autores, el propósito, los procesos SCOR, los tipos de BDA y las técnicas/
algoritmos de los 17 artículos seleccionados. Estos artículos se centran en el análisis descriptivo
(tres artículos), el análisis predictivo (12 artículos) y el análisis prescriptivo (dos artículos).
Tabla 7.Papel, propósito, procesos SCOR, tipos de BDA y técnicas/algoritmos de aplicaciones.
Técnicas/
Propósito Proceso SCOR Tipos de análisis
Algoritmos
Investigar el impacto
de COVID-19 en el lado del Estadísticas descriptivas
cliente del comercio minorista y categorización
Entregar Analítica descriptiva
cadenas de suministro en técnicas con
supermercado fisico extracción de textos.
Compras en Austria.
Desarrollar un análisis
sustentabilidad
Visualización de datos,
marco de evaluación Origen, fabricación y
análisis de IO y ciclo de vida
para evaluar el carbono entregar Analítica descriptiva
evaluación (LCA), y
huella de nosotros
enfoques estadísticos.
oferta economica
cadenas
Análisis de texto, sentimiento
Explore el uso de Twitter análisis, descriptivo
para el suministro Todos los procesos de SCOR Analítica descriptiva estadísticas, red
prácticas en cadena. análisis, y
visualización.
Cognición de Big Data. computar2022,6, 17
Papel
Keller et al. [76]
Kinra et al. [77]
Wang et al. [78]
Yeboah-Ofori et al. [79]
Scheidt y Chung [80]
Leung et al. [81]
Iftikhar y Khan [82]
Tabla 7.continuación
Propósito
Investigar el uso de
datos
técnicas de minería para
filtrado y
agregando RFID sin procesar
datos.
Explora el potencial
para el desarrollo de
un texto automatizado
enfoque BDA que puede
proporcionar país
desempeño logístico
evaluaciones
Desarrolla una línea
cadena de suministro financiera
evaluación del riesgo de crédito
sistema de índices para
un banco comercial para
evaluar la cadena de suministro
riesgo financiero.
Integrar amenazas cibernéticas
inteligencia y
aprendizaje automático
tecnicas para predecir
patrones de ciberataques en
cadena de suministro cibernético
sistemas
Evaluó la eficacia
de un servicio de atención al cliente
calidad
programa de mejora
que usaba el habla
herramientas de análisis en una llamada
centrar.
Desarrollar predictivo
análisis para la previsión
casi en tiempo real
orden de comercio electrónico
llegadas a distribución
centros.
Mejorar la demanda
pronóstico en un suministro
cadena usando redes sociales
datos de medios de
Twitter y Facebook.
17 de 29
Técnicas/
Proceso SCOR Tipos de análisis
Algoritmos
Regresión logística,
árboles de decisión, artificiales
Entregar Analítica predictiva
redes neuronales y
clasificador basado en reglas.
Una mezcla de supervisado
análisis de palabras clave,
palabra sin supervisión
Entregar análisis de frecuencia, y
Analítica predictiva
análisis de colocación,
y
clasificador bayesiano ingenuo
para la clasificación de textos.
Mínimos cuadrados no lineales
vectores de apoyo
Habilitar Analítica predictiva máquinas (LS-SVM)
modelo y logistica
Modelo de regresión.
Regresión logística,
vectores de apoyo
Habilitar Analítica predictiva
máquina, al azar
bosque y decisión
árbol.
análisis estadístico
Habilitar Analítica prescriptiva
y reconocimiento de voz.
Un adaptativo
Entregar
Analítica predictiva inferencia neuro-difusa
sistema.
análisis de palabras, tema
modelado usando
Dirichlet latente
Plan análisis predictivo; Asignación, Naïve Bayes
análisis descriptivo (NB) algoritmo, y
máquinas de vectores soporte
(SVM) para sentimiento
análisis.
Cognición de Big Data. computar2022,6, 17 18 de 29

Tabla 7.continuación

Técnicas/
Papel Propósito Proceso SCOR Tipos de análisis
Algoritmos
Análisis de los sentimientos
basado en SVM, análisis
Proponer BDA para social
de palabras y hashtags,
datos de medios para la
Singh et al. [83] análisis predictivo; y jerárquica
identificación de SCM Habilitar
análisis descriptivo agrupamiento con
problemas en la comida
pags-valores usando
industrias
arranque multiescala
remuestreo
Analizar vehículo
Análisis de sentimientos y
Sathyan et al. [84] atributos y desarrollar análisis predictivo;
Plan neurales artificiales
un modelo para pronosticar análisis descriptivo
la red.
demanda.

Aprendizaje automático
(agrupamiento
Desarrollar un predictivo basado en algoritmos),
modelo para el eficiente positivo y sin etiqueta
Chang et al. [85] detección de Habilitar análisis predictivo; aprendiendo,
ambiental análisis descriptivo largo a corto plazo
violadores memoria, logística
regresión, AdaBoost,
etc para comparar
propósito.

Un modelo híbrido
combinando la actualidad,
Explore las herramientas de BDA para frecuencia, y
análisis predictivo;
Wang et al. [86] Comercio electrónico B2B Plan valor monetario (RFM)
análisis descriptivo
cliente modelo, k-medias
segmentación. agrupamiento, Naïve Bayes
algoritmo, y vinculado
Filtros de floración.

Paralelo orientado a aspectos

análisis de los sentimientos,
modelo de tema;
Diseñar un BDA ventas basadas en sentimientos
metodologia para pronóstico lineal
Lau et al. [87] Plan análisis predictivo;
análisis de sentimiento para regresión,
análisis descriptivo
mejorar las ventas vectores de apoyo
pronóstico regresión y la
coevolutivo paralelo
aprendizaje extremo
máquina.

Predecir un cliente
tiempo de compra y envío
el producto a la basado en clúster
Lee [88] Analítica prescriptiva;
distribución más cercana Entregar minería de reglas de asociación y
análisis predictivo
centros antes de la algoritmo genético.
el cliente coloca el
pedidos en línea.

Explore el uso de BDA

para analizar RFID Estadísticas descriptivas y
datos logísticos y Analítica prescriptiva; visualización de datos.
Zhong et al. [89] Hacer
entender comportamientos análisis predictivo para el análisis de tendencias y
de fabricación inteligente rendimiento clave.
objetos.
Cognición de Big Data. computar2022,6, 17 19 de 29

4.1.1. Analítica descriptiva

Las recientes interrupciones de la cadena de suministro global inducidas por la pandemia destacan los desafíos
que enfrentan los participantes de la cadena de suministro y demostraron la importancia de la SCM basada en análisis.
Brandtner et al. [73] investigó el impacto de COVID-19 en los clientes que compran comestibles en las cadenas de
suministro minoristas en Austria a través del análisis de los datos y sentimientos de los consumidores disponibles en los
sitios web utilizando estadísticas descriptivas y minería de texto para analizar datos textuales no estructurados para
identificar patrones significativos y correlaciones en los datos [90]. Su análisis identificó factores que dieron forma a los
sentimientos de los consumidores, como el diseño y las instalaciones de la tienda, la disponibilidad del producto y el
tiempo de espera. Egilmez et al. [74] presentó un procedimiento que emplea evaluación del ciclo de vida (LCA) de
entrada-salida (IO), visualización de datos y enfoques estadísticos para rastrear las emisiones de gases de efecto
invernadero detalladas dentro de la cadena de suministro de la industria manufacturera de EE. UU. Chae [75] propuso
un marco analítico de análisis de Twitter para el análisis de los tweets de la cadena de suministro y brindó información
sobre el papel potencial de Twitter para la práctica y la investigación de la cadena de suministro.

4.1.2. Análisis predictivo

Keller et al. [76] examinó el uso de BDA para el filtrado de datos RFID y la detección en tiempo real de
eventos de proceso en SCM. Evaluaron la regresión logística, el árbol de decisión, la red neuronal artificial y el
clasificador basado en reglas y encontraron que el clasificador basado en reglas con un algoritmo de
entrenamiento iterativo para la generación de reglas de decisión logró el mejor rendimiento de clasificación
general. Kinra et al. [77] desarrolló un enfoque BDA textual automatizado que puede proporcionar evaluaciones
del desempeño logístico de un país de un corpus de texto de la publicación periódica Global Perspectives.
Aplicaron una combinación de análisis supervisado de palabras clave, frecuencia de palabras no supervisada y
análisis de colocación, y un clasificador de Bayes ingenuo para la clasificación de texto y descubrieron que el
rendimiento del clasificador para las categorías de rendimiento logístico era mucho mejor que la precisión de
referencia. Wang et al. [78] investigó el uso de BDA para la evaluación del riesgo crediticio financiero de la
cadena de suministro en línea en un banco comercial y descubrió que la precisión de la predicción del modelo
de máquinas de vectores de soporte de mínimos cuadrados no lineales (LS-SVM) era mayor que la del modelo
de regresión logística.
Yeboah-Ofori et al. [79] integró inteligencia de amenazas cibernéticas y técnicas de aprendizaje
automático para predecir patrones de ataques cibernéticos en los sistemas de la cadena de suministro
cibernético y descubrió que, en general, el bosque aleatorio y la regresión logística funcionaron mejor que la
máquina de vector de soporte, el bosque aleatorio y el árbol de decisiones. Scheidt y Chung [80] analizó el
análisis de voz para el Programa de mejora de la calidad del servicio al cliente (CSQIP) para las operaciones del
centro de llamadas y demostró que el reconocimiento de voz y los métodos estadísticos ayudaron a CSQIP a
mejorar significativamente la calidad del servicio al cliente en los centros de llamadas. Leung et al. [81] propuso
un sistema de inferencia neurodifuso adaptativo (ANFIS) para pronosticar la llegada de pedidos de comercio
electrónico casi en tiempo real a los centros de distribución y demostró que el enfoque propuesto basado en
ANFIS brinda un rendimiento de predicción 200 % mejor que el promedio móvil integrado autorregresivo
( ARIMA) en la previsión de llegadas de pedidos.
Otros estudios combinaron análisis descriptivos y análisis predictivos. Iftikhar y Khan [82] desarrolló
análisis descriptivos y predictivos para el análisis de sentimientos y el pronóstico de la demanda y
demostró que la precisión del pronóstico de su modelo mejorado de emociones propuesto mejoró
significativamente en comparación con la precisión del pronóstico del modelo Bass original. Singh et al. [
83] usó análisis de datos de redes sociales, máquina de vectores de soporte (SVM) y agrupación
jerárquica con remuestreo de arranque multiescala para identificar las causas fundamentales que
afectan la satisfacción del consumidor en varios segmentos en las cadenas de suministro de la industria
alimentaria y demostró que el rendimiento de SVM es mejor que el de el clasificador Naive Bayes (NB) en
términos de clasificación de sentimientos.
Sathyan et al. [84] desarrolló un modelo predictivo para pronosticar la demanda utilizando el
análisis de opinión de la revisión del producto y una red neuronal artificial y demostró que el enfoque
propuesto logró una precisión del 95,5 %. Chang et al. [85] desarrolló modelos de predicción basados
en el aprendizaje automático para atrapar de manera eficiente a los infractores ambientales en función
del análisis de los datos de gases residuales del sistema de monitoreo continuo de emisiones
Cognición de Big Data. computar2022,6, 17 20 de 29

(CEMS) y un conjunto de datos de infracciones y castigos (VPD) disponible públicamente. Los resultados
demostraron que los modelos de predicción basados en aprendizaje automático propuestos
demostraron solidez y buen rendimiento en la detección de infractores, debido a su simplicidad,
eficiencia y precisión de detección.
Wang et al. [86] desarrolló un modelo BDA híbrido que combina el modelo de actualidad, frecuencia y
valor monetario (RFM), agrupamiento de K-means, algoritmo Naïve Bayes y filtros Bloom vinculados para la
segmentación de clientes de comercio electrónico B2B. Aplicaron el modelo BDA propuesto a una empresa de
bienes de consumo de rápido movimiento (FMCG) en Indonesia para abordar diversas estrategias de pedidos o
fijación de precios para los clientes. Lau et al. [87] propuso un análisis de sentimiento paralelo orientado a
aspectos y la máquina de aprendizaje extremo coevolutiva paralela (PELM) basada en una red neuronal de
alimentación hacia adelante de capa oculta para extraer sentimientos sensibles al contexto de los comentarios
del producto para mejorar el rendimiento de la previsión de ventas. Sus experimentos demostraron que el
modelo predictivo PELM potenciado por la función de opinión supera al mejor modelo de referencia en un 12,2
% en términos de error cuadrático medio (RMSE).

4.1.3. Analítica prescriptiva

En nuestra revisión de la literatura, se identificaron dos artículos centrados en el análisis
prescriptivo con el análisis predictivo como herramienta complementaria. Lee [88] propuso un modelo
de optimización para determinar la asignación de productos a diferentes centros de distribución en
función de múltiples factores, incluidos el costo de transporte, el tiempo de viaje y la confianza de los
resultados de la predicción. La minería de reglas de asociación basada en clústeres se aplica para
analizar los grandes datos y descubrir patrones de compra de clientes ocultos y predecir compras
futuras. Con las reglas obtenidas, se utilizó un algoritmo genético (GA) para generar una solución casi
óptima para el envío anticipado. Zhong et al. [89] exploró el uso de BDA para analizar comportamientos
de objetos de fabricación inteligente. Modelaron datos RFID para talleres inteligentes equipados con
sistemas RFID y redes inalámbricas y utilizaron BDA para calcular un conjunto de indicadores de
rendimiento. El conocimiento logístico descubierto y las reglas logísticas fueron útiles para que varios
usuarios tomaran decisiones logísticas.

4.1.4. BDA para procesos SCOR

El Consejo de la Cadena de Suministro desarrolló el modelo de Referencia de Operaciones de la Cadena
de Suministro (SCOR) en 1996. De acuerdo con el Modelo de Referencia de Operaciones de la Cadena de
Suministro SCOR Versión 12.0 [91], el modelo SCOR se centra en el proceso operativo de las cadenas de
suministro e incluye procesos SCOR de nivel macro: (1) plan, (2) origen, (3) fabricación, (4) entrega, (5)
devolución y (6) habilitar. Zhou et al. [92] demostró que las relaciones entre cuatro procesos originales de la
cadena de suministro en el modelo SCOR son generalmente compatibles. Los modelos SCOR se han utilizado
ampliamente en las prácticas y la investigación de la cadena de suministro (por ejemplo, [93–96]). Entre las seis
funciones del modelo SCOR, "entregar" (cinco documentos) y "habilitar" (cinco documentos) son las funciones
más populares compatibles con BDA, seguidas de "planificar" (cuatro documentos) y "hacer" (un documento).

4.2. Arquitectura/Infraestructura para BDA

La revisión de la literatura mostró que se han desarrollado e implementado muchas arquitecturas/
infraestructuras para BDA en SCM. Entre los ocho artículos seleccionados, tres artículos se centraron en
el análisis descriptivo y cinco artículos se centraron en el análisis prescriptivo. Mesa8resume los autores,
el propósito, los procesos SCOR, los tipos de BDA y las características de los ocho artículos seleccionados.
Se observa que siete estudios sobre el desarrollo de la arquitectura y la infraestructura se centraron en
la función "habilitar" del modelo SCOR. Solo un estudio se centró en la función de "entrega" del modelo
SCOR. A continuación, se analizan las arquitecturas/infraestructuras.
Cognición de Big Data. computar2022,6, 17 21 de 29

Tabla 8.Papel, propósito, procesos SCOR, tipos de BDA y características de la arquitectura/infraestructura.

Papel Propósito Proceso SCOR Tipos de análisis Características

desarrollar un sistema
arquitectura que
integra cadena de bloques,
internet de las cosas (IoT),
Venkatesh et al. [97]
y BDA para permitir a los
vendedores monitorear sus
cadena de suministro sociales
sustentabilidad.
Cinco capas de arquitectura
del sistema: inteligente
objetos, comunicación
Habilitar Analítica descriptiva
canales, análisis de datos,
red de cadena de bloques,
y aplicaciones.

Circuito cerrado inteligente

sistema de trabajo
Presentar un estudio de caso sobre el
datos de seguridad espacial
monitoreo de la calidad del aire
Molka-Danielsen et al. [98] Habilitar Analítica descriptiva análisis integrado
en dos talleres de una
con sensor inalámbrico
base logística en tierra.
red (WSN)
tecnologías
Un dron con
Presentar un no tripulado
un solo tablero
vehículo aéreo
computadora (SBC) y un
(UAV) basado en sistema
lector de etiquetas, inalámbrico
destinado a automatizar
comunicaciones
la gestión del inventario
interfaz a tierra
y manteniendo el
Helechoandez-carammiet al. [99] Entregar Analítica descriptiva estación, interna
trazabilidad de
módulos de software para
articulos industriales
enviar lo recogido
adjunto a
información a un
frecuencia de radio
control remoto descentralizado
identificación (RFID)
red de almacenamiento o una
etiquetas
cadena de bloques.

Arquitectura de 5 capas,
una multitud de agentes de
software responsables de
Desarrollar un
procesos de producción, un
basado en múltiples agentes
modulo de agentes
cadena de suministro
Analítica prescriptiva; responsable del suministro
sistema de gestión
Giannakis y Louis [100] Habilitar análisis descriptivo; cadena
que incorpora BDA
análisis predictivo gestión de eventos,
que puede ejercer
y un módulo de agentes
correctivo autónomo
responsable de
acciones de control.
riesgo de interrupción
administración
procesos.
Explora las condiciones
rodeando el diseño Datos de interrupción como
y Analítica prescriptiva; entradas, reactivo
Ivanov y Dolgui [101] implementacion de Habilitar análisis descriptivo; plan de recuperación y
gemelos digitales para análisis predictivo proactivo resiliente
gestionando la disrupción diseño de la cadena de suministro.

riesgos en las cadenas de suministro.

Cognición de Big Data. computar2022,6, 17 22 de 29

Tabla 8.continuación

Papel Propósito Proceso SCOR Tipos de análisis Características

Cinco etapas principales:

Proponer un integrado
infraestructura para
Zhan y Tan [102]
rompiendo el
silos de información.
• Etapa uno: captura
de datos y
administración
• Etapa dos: limpieza
de datos y
integración
Analítica prescriptiva; • Etapa tres: análisis
Habilitar análisis descriptivo; de datos
análisis predictivo • Etapa cuatro:
conjunto de competencias

análisis—deducción
grafico
• Etapa cinco:
información
interpretación y
Toma de decisiones.

Introducir un proceso
Sistema de análisis
(PRANAS) que fue Analítica prescriptiva;
Proceso de almacén y
Kim et al. [103] desarrollado para evaluar Habilitar análisis descriptivo;
cubo de proceso
el operativo análisis predictivo
desempeño del suministro
operaciones en cadena.

desarrollar un dato
basado en la minería
marco para el
Almacén de datos de riesgos
identificación,
ErKara et al. [104] Habilitar Analítica prescriptiva y minería de datos
evaluación, y
módulo.
mitigación de diferentes tipos
de riesgos en el suministro
cadenas

4.2.1. Arquitectura/Infraestructura para análisis descriptivo

Venkatesh et al. [97] desarrolló un sistema de gestión de la sostenibilidad social de la cadena de
suministro (BSCSSM) basado en blockchain que integra el uso de blockchain, IoT y análisis de big data para la
trazabilidad de la sostenibilidad social. Las cuatro áreas de aplicación de BSCSSM incluyen la trazabilidad de
producción y logística, la transparencia de la cadena de suministro, los derechos laborales y humanos, y la salud
y seguridad en el lugar de trabajo. Molka-Danielsen et al. [98] propuso un enfoque de análisis de sistemas para
gestionar big data en el control de la calidad del aire en un lugar de trabajo industrial. Presentaron un estudio
de caso relacionado con el análisis de grandes datos de calidad del aire que se recopilan con tecnologías de
redes de sensores inalámbricos (WSN) y demostraron la aplicabilidad de los análisis para la toma de decisiones
en la industria del transporte marítimo. Helechoandez-carammiet al. [99] describió un sistema de drones
basado en RFID con una cadena de bloques y una red de almacenamiento descentralizada para realizar tareas
de gestión de inventario y demostró que el sistema ayuda a un almacén real a recopilar datos de inventario
notablemente más rápido que un operador humano.

4.2.2. Arquitectura/Infraestructura para Prescriptive Analytics

Las técnicas de simulación y optimización se utilizan ampliamente para el análisis prescriptivo. Giannakis y
Louis [100] desarrolló la arquitectura de un sistema de cadena de suministro basado en múltiples agentes y
demostró cómo los sistemas propuestos pueden promover la agilidad de la cadena de suministro. Sobre la base
de los escenarios hipotéticos, mostraron su ventaja potencial sobre las herramientas de TI convencionales para
SCM eficaz y la toma de decisiones autónoma del sistema de cadena de suministro basado en múltiples agentes.
Ivanov y Dolgui [101] identificó tres áreas principales de
Cognición de Big Data. computar2022,6, 17 23 de 29

gestión de riesgos de interrupción de la cadena de suministro habilitada para gemelos: identificación de interrupciones,
modelado de interrupciones y evaluación de impacto de interrupciones e ilustró el uso del gemelo digital como un
modelo prescriptivo para la toma de decisiones en SCM.
Zhan y Tan [102] propuso una infraestructura integrada para acabar con los silos de información y
mejorar el rendimiento de la cadena de suministro. Al aplicar el modelo de gráfico de deducción, la
visualización de datos y la optimización a un fabricante de equipos deportivos, demostraron la utilidad de
la infraestructura analítica para el desarrollo de nuevos productos. Kim et al. [103] presentó un Sistema
de análisis de procesos (PRANAS) para evaluar de manera eficaz y eficiente el rendimiento operativo de
las cadenas de suministro con el uso de cubos de procesos, almacenes de procesos, análisis de procesos,
análisis de datos y análisis híbrido. ErKara et al. [104] presentó un marco de gestión de riesgos de la
cadena de suministro respaldado por herramientas/técnicas de extracción de datos para la identificación,
evaluación y mitigación de diferentes tipos de riesgos de la cadena de suministro y demostró el uso del
marco para descubrir información oculta y útil a partir de datos de riesgo no estructurados.

5. Direcciones futuras de investigación

Esta sección intenta responder a RQ5: ¿Cuáles son las oportunidades y direcciones de
investigación para BDA en SCM? Con base en el análisis de la investigación y las prácticas
principales en el campo de BDA en SCM, identificamos oportunidades de investigación algo poco
estudiadas pero importantes para el desarrollo adicional de BDA en SCM: técnicas, tipos de
análisis, seguridad y privacidad, perspectivas teóricas alternativas e inter. -Análisis de big data
organizacional.

5.1. Técnicas
Nuestra investigación ha demostrado que los investigadores han utilizado una amplia variedad de
técnicas de análisis de datos en el análisis de big data en el campo de la gestión de la cadena de
suministro. Por ejemplo, Yudhistyra et al. [13] encontró una amplia variedad de técnicas BDA utilizadas
en investigaciones anteriores, y el nivel de uso de estas técnicas también difería entre las publicaciones
de SCM y revistas de logística. Sin embargo, Aamer et al. [15], en su revisión del análisis de big data,
especialmente el aprendizaje automático en la previsión de la demanda, descubrió que, aunque se
usaban muchas técnicas y redes neuronales/redes neuronales artificiales, se usaban en casi la mitad de
los estudios que revisaron. Por lo tanto, existen diferencias en el uso de técnicas BDA entre las subáreas
de SCM y dentro de técnicas particulares en BDA. Por lo tanto, asumir BDA como una corriente única de
investigación con técnicas analíticas específicas puede ocultar los matices individuales entre las áreas
dispares de las técnicas SCM o BDA.
Además, el procesamiento del lenguaje natural y las técnicas de aprendizaje de reglas de asociación
rara vez se utilizan en el BDA asociado con la gestión de la cadena de suministro.13]. La investigación
futura debe centrarse en proporcionar marcos integrados para la selección y el uso de técnicas BDA.
Además, este tipo de investigación puede ser bastante útil para los profesionales que se embarcan en el
uso de técnicas BDA para sus necesidades.

5.2. Tipos de análisis

Las técnicas de análisis de datos se clasifican en análisis descriptivo: lo que está sucediendo, análisis
predictivo: lo que sucederá y análisis prescriptivo: lo que debería estar sucediendo.105]. Según una
revisión [106], los análisis predictivos y prescriptivos se examinan con más frecuencia en las áreas de
logística y gestión de la cadena de suministro. Asimismo, Nguyen et al. [7] encontró que el análisis
prescriptivo es prominente en las subáreas de la cadena de suministro y la logística, como la fabricación,
la logística y el transporte. Además, un artículo de revisión reciente en la investigación de gestión de la
cadena de suministro sobre análisis de big data encontró un enfoque cada vez mayor en el análisis
predictivo en comparación con otras técnicas de análisis [107]. Las diferentes técnicas de analítica
también están relacionadas en cuanto a las fases en las que se llevan a cabo y el valor de negocio
resultante [108]. Con técnicas de análisis dispares disponibles en las áreas de SCM, la investigación futura
debería examinar las implicaciones en el uso de estas técnicas de análisis con respecto a su rendimiento
para producir los resultados deseados. Para
Cognición de Big Data. computar2022,6, 17 24 de 29

Por ejemplo, la investigación futura puede examinar la comparación entre el rendimiento de referencia y
los resultados analíticos prescriptivos propuestos.

5.3. Seguridad y privacidad

Este estudio encontró que las consideraciones de seguridad y privacidad no se investigan mucho con
respecto a BDA en SCM. Los hallazgos de nuestra investigación respaldan la afirmación de Ogbuke et al. [14]
que las cuestiones de seguridad, privacidad y ética están poco exploradas en la BDA en el área de SCM. La
importancia de la seguridad de los datos en la gestión de la cadena de suministro está aumentando. Por
ejemplo, varias tecnologías emergentes, como blockchain, IoT y aprendizaje automático, se utilizan cada vez
más en las cadenas de suministro globales y requieren transparencia, seguridad y confiabilidad [109]. El flujo
continuo de datos y las capacidades analíticas resultantes de los socios de la cadena de suministro requieren
consideraciones de seguridad sólidas. La investigación futura en estos conceptos es de vital importancia, ya que
las organizaciones confían cada vez más en BDA con grandes conjuntos de datos confidenciales. Asimismo, la
privacidad es otra consideración que necesita una mayor exploración en relación con BDA en el área de SCM.
Por ejemplo, el Reglamento General Europeo de Protección de Datos tiene un impacto en SCM digitalizado y el
uso y acceso de datos [110]. Por lo tanto, la investigación futura que examine las regulaciones y su impacto en
BDA es de vital importancia.

5.4. Perspectivas teóricas alternativas

Una de las corrientes de investigación en BDA es el estudio de sus efectos sobre el desempeño
organizacional. Por lo tanto, los investigadores que examinan los efectos de SCM BDA en el desempeño de la
empresa han utilizado en gran medida las capacidades dinámicas. Las capacidades dinámicas son rutinas
organizacionales y estratégicas mediante las cuales las empresas logran nuevas configuraciones de recursos.39
]. Por ejemplo, Bahrami y Shokouhyar [111] utilizó la perspectiva de capacidades dinámicas para estudiar el
efecto de BDA en la resiliencia de la cadena de suministro y el desempeño de la empresa.
Un estudio bibliométrico reciente sobre BDA destaca que las capacidades dinámicas se utilizan
ampliamente para estudiar BDA en las organizaciones y la gestión de la cadena de suministro no es una
excepción.112]. Sin embargo, también podrían explorarse otras perspectivas alternativas. Por ejemplo, Grover
et al. [113], en su investigación sobre la creación de valor utilizando BDA en las empresas, destaca varias lógicas
teóricas, una visión basada en recursos, alineación estratégica de TI, pensamiento de opciones reales y
capacidad de absorción para agregar perspectivas sobre la creación de valor. Por lo tanto, la investigación
futura que utilice múltiples marcos puede capturar mejor el papel de BDA en el área de SCM.

5.5. Análisis de Big Data entre organizaciones

Bala y Venkatesh [114] destacan que gran parte de la investigación de SCM se ha realizado a nivel
organizacional con poca o ninguna investigación sobre el proceso, los estándares y las capacidades
analíticas a nivel de empleado. De manera similar, BDA debe examinarse a nivel interorganizacional. La
investigación actual sobre BDA en la cadena de suministro se centra en el desempeño organizacional.
Por ejemplo, Oncioiu et al. [115] examinar el impacto de BDA en el desempeño de la empresa. Sin
embargo, las cadenas de suministro son inherentemente interorganizacionales, y los análisis utilizados
en dicho contexto interorganizacional deben examinarse. En un estudio reciente de relaciones
interorganizacionales, Browder et al. [116] afirman que la lógica del proceso de innovación de BDA debe
ser diferente con un enfoque en la creación de valor a través de la experimentación colectiva. Por lo
tanto, se necesita investigación futura para examinar más a fondo la creación de valor y el valor
comercial de BDA con perspectivas interorganizacionales. Por ejemplo, se puede examinar el impacto de
BDA entre organizaciones en la sostenibilidad y el desempeño organizacional.

6. Conclusiones
La gestión de la cadena de suministro se ha convertido en un componente crítico en el funcionamiento de
las economías globales. Los eventos recientes, como la pandemia en curso, han aumentado las incertidumbres
de la cadena de suministro [117]. Estos factores intrínsecos (p. ej., cuellos de botella en puertos, escasez de
contenedores) y externos (p. ej., escasez de piezas, aumentos repentinos de la demanda) han acentuado las
incertidumbres en la gestión de la cadena de suministro, aumentando la importancia de BDA en SCM. BDA
juega un papel vital en el funcionamiento de SCM a través de varios medios, como el manejo de clientes
Cognición de Big Data. computar2022,6, 17 25 de 29

cambios de preferencia, mejoras de visibilidad y resiliencia. Debido a esto, existe un creciente interés por
BDA en SCM para ambos profesionales (por ejemplo, [5]) y académicos (aumento de las publicaciones de
investigación). Al igual que en el caso de la investigación en el área SCM [6], se necesita una perspectiva
interdisciplinaria para obtener una mayor comprensión de BDA en la investigación de SCM. Aunque
existen bastantes revisiones de literatura sobre BDA en SCM [7–dieciséis], falta un enfoque
interdisciplinario en los trabajos anteriores.
En este contexto, el objetivo de este estudio es revisar la literatura sobre BDA en SCM utilizando el método
de revisión sistemática de literatura [17] y abordar las preguntas de investigación presentadas utilizando una
perspectiva interdisciplinaria. Con este fin, este estudio arrojó una amplia red para identificar investigaciones
BDA adecuadas en SCM, incluidas revistas técnicas y orientadas a los negocios. Para el enfoque de arriba hacia
abajo, utilizamos los detalles de 389 artículos de investigación y realizamos el análisis de coincidencia de
palabras clave. Este análisis identificó los principales temas de investigación de la investigación existente, que
incluían perspectivas organizativas y técnicas. Posteriormente, examinamos una lista selecta de 60 artículos
basados en criterios de inclusión/exclusión predefinidos para el enfoque de abajo hacia arriba para obtener
una perspectiva más profunda y rica de la investigación existente. Por lo tanto, los hallazgos de este estudio
complementan de manera única revisiones previas de la literatura en BDA en SCM.
Este estudio utiliza temas transversales (p. ej., fundamentos teóricos, procesos SCOR, tipos de
análisis, etc.) para ubicar los hallazgos en las perspectivas tanto organizacionales como técnicas en la
investigación de BDA en SCM. Además, este estudio se basó tanto en el enfoque de abajo hacia arriba
(clasificación de estudios basada en el análisis bibliométrico) como en el enfoque de arriba hacia abajo
(utilizando un marco para clasificar los hallazgos). Algunos de los hallazgos más destacados de este
estudio incluyen la identificación de teorías destacadas utilizadas en el estudio de BDA en SCM. Por
ejemplo, la visión de las capacidades dinámicas es una de las teorías más utilizadas para estudiar el
desempeño organizacional y la sustentabilidad. El análisis predictivo se examina predominantemente en
nuestra muestra de estudios. Estos hallazgos reafirman investigaciones previas que encontraron una
preponderancia de la vista de capacidades dinámicas [112] y análisis predictivo [107] en BDA en la
investigación SCM.
Nuestro enfoque en la sustentabilidad dentro de la investigación de BDA en SCM proporciona una perspectiva
única de nuestro conocimiento, ya que las revisiones de literatura anteriores sobre BDA en SCM no se centraron
explícitamente en él (por ejemplo, [118]). La sustentabilidad en SCM es un área importante de consideración debido a
sus impactos multifacéticos en la organización y el mundo. Nuestros hallazgos destacan el uso de teorías, como la
teoría de las partes interesadas, en investigaciones previas sobre sostenibilidad. Nuestro estudio también muestra el
uso de BDA en SCM en el contexto de los modelos SCOR y proporciona una visión actualizada de la literatura existente,
y complementa los hallazgos anteriores de revisiones de investigación [10].
Este estudio identificó brechas y proporcionó ideas para futuras investigaciones basadas en los
hallazgos de la revisión en perspectivas teóricas y métodos analíticos alternativos. Además, una escasez
de estudios exploró la perspectiva interorganizacional aparente en la revisión. Dado que SCM es
innatamente interorganizacional, la investigación futura puede centrarse en el papel de BDA en tales
contextos. Dado que SCM y BDA se han vuelto cada vez más prominentes en los últimos años, este
estudio oportuno se suma a la comprensión actual de BDA en la investigación de SCM al identificar
aspectos destacados desde las perspectivas organizativa y técnica.

Contribuciones de autor:Conceptualización: IL; investigación: IL y GM; metodología: IL y GM;

redacción: IL y GM Todos los autores han leído y están de acuerdo con la versión publicada del
manuscrito.

Fondos:Esta investigación no recibió financiación externa.

Declaración de la Junta de Revisión Institucional:No aplica.

Declaración de consentimiento informado:No aplica.

Declaración de disponibilidad de datos:No aplica.

Conflictos de interés:Los autores declaran no tener conflicto de intereses.

COMO CITAR Banda Ortiz, H., Garza Morales, Universidad del Zulia (LUZ)
R., y Cepeda Villasana, L. A. (2022). Cadena Revista Venezolana de Gerencia (RVG)
de suministro para pequeñas y medianas Año 27 No. 97 2022, 274-288
empresas de servicios industriales: Desarrollo ISSN 1315-9984 / e-ISSN 2477-9423
y aplicación de modelo de gestión. Revista
Venezolana de Gerencia, 27(97), 274-288
. https://doi.org/10.52080/rvgluz.27.97.19

Cadena de suministro para pequeñas

y medianas empresas de servicios
industriales: Desarrollo y aplicación de
modelo de gestión
Banda Ortiz, Humberto*
Garza Morales, Rodolfo**
Cepeda Villasana, Luis Alberto***

Resumen
El objetivo de la presente investigación fue proyectar un modelo de gestión de
cadenas de suministro para pequeñas y medianas empresas del sector de servicios
industriales del estado de Nuevo León, México. Se enmarcó en la investigación acción
desarrollada en la realidad de pymes mexicanas, es de corte cualitativo, de diseño no
experimental, se apoyó en el diseño de cuestionarios como instrumentos de recolección
de información, aplicados mediante encuestas a actores en los procesos propios de
las cadenas de suministro de servicios de las pymes; también se realizaron entrevistas
a gerentes y directivos de dichas empresas. Los hallazgos demuestran que existen
debilidades y fortalezas en estas empresas que las hacen más o menos competitivas
en el mercado. A partir de las debilidades detectadas, se proyectan cuatro dimensiones
para el desarrollo de la cadena de suministro: estratégica, estructural, relacional y
control. Se realizó el mapeo de la cadena de suministro de proyectos para la instalación
de sistemas de protección contra incendio en una pyme mexicana y se identificaron
procesos, sub procesos y actividades de la cadena, enmarcados en cinco fases. Se
concluye la necesidad de implantar un sistema de trabajo estandarizado integrando la

Recibido: 25.06.21 Aceptado: 15.10.21

* Doctor en Economía Financiera por ESADE-Barcelona España, Maestría en Dirección de Empresas por el
IPADE y Contador Público por ESCA-Sto tomas. Profesor-Investigador de tiempo completo de la Universidad
Autónoma de Querétaro UAQ-FCA México. humberto.banda@gmail.com. Orcid: 0000-0002-2542-5166
Autor para correspondencia.
** Doctorado en Ingeniería con especialidad en Investigación de Operaciones, University of Texas at Austin USA.
Maestría en Ingeniería Mecánica, University of Texas at Austin. Ingeniería en Sistemas Computacionales
ITESM. Profesor-Investigador de tiempo completo de la Universidad Autónoma de Nuevo León UANL- FIME
Mexico. rodgarzam@fime.uanl.mx Orcid:0000-0003-3866-282X
*** Candidato a doctor en Administración por la UAQ-FCA México. Maestría en Maestría en Economía UANL.
Licenciatura en Economía UANL.Profesor de tiempo completo en la Escuela de Finanzas y Contaduría
Pública de la Universidad Anáhuac, Querétaro, México luis.cepeda@anahuac.mx Orcid: 0000-0002-9946-
0503
 pp. 274-288
_______________Revista Venezolana de Gerencia, Año 27 No. 97, 2022

empresa en un mismo objetivo de forma clara. Institucionalizar el proceso de la cadena

de servicios mejorando la carga laboral. El modelo planteado es perfectamente aplicable
en pymes, proyecta beneficios en cuando a estandarización del trabajo, establecimiento
de alcances y responsabilidades en los cargos, documentación necesaria para los
procesos y mejora del desempeño laboral a causa de la restructuración del trabajo y la
gestión del liderazgo.

Palabras clave: cadena de suministro; servicios industriales; pymes

Supply chain for small and medium-sized

industrial services companies: Development
and application of a management model

Abstract
The objective of this research was to project a supply chain management model for
small and medium-sized companies in the industrial services sector in the state of Nuevo
León, Mexico. It was framed in the action research developed in the reality of Mexican
SMEs, it is qualitative, of non-experimental design, it was supported by the design of
questionnaires as instruments for collecting information, applied through surveys of
actors in the processes of the chains provision of services for SMEs; Interviews were
also conducted with managers and directors of these companies. The findings show that
there are weaknesses and strengths in these companies that are more or less competitive
in the market. Based on the weaknesses detected, four dimensions are projected for
the development of the supply chain: strategic, structural, relational and control. The
supply chain of projects for the installation of fire protection systems in a Mexican SME
was mapped and processes, sub-processes and activities of the chain were identified,
framed in five phases. The need to implement a standardized work system is concluded,
integrating the company with the same objective in a clear way. Institutionalize the service
chain process by improving the workload. The proposed model is perfectly applicable in
SMEs, it projects benefits in terms of work standardization, establishment of scope and
responsibilities in positions, necessary documentation for processes and improvement of
work performance due to the restructuring of work and leadership management.

Keywords: supply chain; industrial services; SMEs.

• Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional (CC BY-SA 4.0)
https://creativecommons.org/licenses/by-sa/4.0/deed.es https://www.produccioncientificaluz.org/index.php/rvg
275
Twitter: @rvgluz
Banda Ortiz, Humberto
Cadena de suministro para pequeñas y medianas empresas de servicios industriales_
1. Introducción
Las pequeñas y medianas
empresas (pymes), hacen la mayoría
en casi todos los países del mundo.
Para la European Commission (2019),
representan el 99% de todos los
negocios registrados en la región,
además de generar en los últimos cinco
años el 85% de los nuevos puestos de
trabajo, y dos terceras partes del total
de empleos en el sector privado. Estos
datos ponen en relieve la importancia de
las mipymes y pymes en el crecimiento
de las naciones.
A partir de la década de los 80’s
se incrementa el interés de su estudio
(Bernatonyte, Vilke & Volochovic,
2015), demostrando la India la
aportación de este tipo de empresas a
su crecimiento económico y desarrollo
social (Government of India, 2015).
De la misma manera, países como
China, Alemania, Japón, Rusia y Brasil
han vivido procesos similares, dando
muestra de incrementos a nivel de
productividad y crecimiento económico
(Shaffer, 2002; OECD, 2004; Beck et al,
2005; Leegwater & Shaw, 2008).
En el caso particular de México
del 100% de los establecimientos
comerciales (5,654,014), el 94.3% son
MiPyMEs, el 5.6% son PyMEs y solo
el 0.2% son grandes organizaciones
(Instituto Nacional de Estadística y
Geografía [INEGI], 2019), demostrando
cifras del INEGI, que 4 de cada 10
puestos de trabajo son generados por
las MipyMEs con aportaciones del 10%
al producto interno bruto (PIB) del país,
y las PyMEs alrededor del 25% al PIB
nacional, proporcionando empleo a 3 de
cada 10 personas ocupadas.
Como unidades de negocio
que operan en diferentes sectores de
actividad, deben, obligatoriamente, ser
276 • Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional (CC BY-SA 4.0)
https://creativecommons.org/licenses/by-sa/4.0/deed.es https://www.produccioncientificaluz.org/index.php/rvg
productivas para evitar su fracaso e
impulsar el crecimiento económico y
social (Van Stel et al, 2005), sin embargo,
un problema que enfrentan las PyMEs
en México es su supervivencia. Según
el INEGI (2019), el 34% de los negocios
del sector comercial sobreviven después
de un año, después de 5 años sobrevive
el 25%, y a los 25 años sobrevive solo el
9%, evidenciándose un 80% de fracaso
antes de los cinco años de operación
de pymes en México, producto de una
inadecuada gestión financiera, que hace
que el 90% cese operaciones antes
de los diez años por problemas que se
hubieran solucionado mediante una
consultoría integral (Salles, 2012).
Adicionalmente se encuentran
arropadas por una serie de debilidades
a nivel de su gestión, que evita su
crecimiento sostenido. Entre ellas
resalta la sensibilidad que tienen ante
entornos negativos, desinformación,
retraso tecnológico, baja productividad,
producción excesivamente diversificada,
limitado financiamiento, personal
poco calificado, incapacidad para
generar vínculos sinérgicos con otras
organizaciones, ausencia de estrategia,
entre otras (Cleri, 2013), así como
otros elementos que aportan una visión
holística de los elementos que hacen
parte del fracaso (Schendel et al,1976;
Slatter, 1984; Thain & Goldthorpe, 1989;
Arend, 2008; Schiuma et al, 2008;
Boyne & Meier; 2009).
También, la poca atención
que prestan los gobiernos a estas
empresas cuando plantean sus políticas
macroeconómicas y de emprendimiento
(Williams, 2014), limita su desarrollo,
y el disponer de recursos técnicos,
financieros y humanos para apoyar su
gestión y generar valor desde la esencia
de su actividad.
Esta agregación de valor desde lo
Twitter: @rvgluz

_______________Revista Venezolana de Gerencia, Año 27 No. 97, 2022
interno de su comportamiento, exige la
integración de etapas y actividades, de
manera que trabajen por productos o
servicios óptimos y eficientes a lo largo
de las diferentes actividades requeridas
en los procesos de transformación.
Para lograr el éxito, las PyMEs,
deben gestionar eficiente y efectivamente
la cadena de suministro, de manera que
puedan crear fortalezas a lo interno de
su gestión que le permitan competir en
mercados nacionales y globales (Acuña
et al, 2014). Disponer de sistemas de
gestión enlazados con sus proveedores,
clientes, y con sistemas de inventario,
información y calidad que agreguen el
valor deseado por sus clientes. Cabe
mencionar que para Jiménez-Sánchez
& Hernández-García (2002), las
empresas deben establecer una cadena
de suministro integrada con el fin de
disminuir las debilidades que tengan
y crear vínculos entre las empresas
participantes en la producción de bienes
y servicios.
Lo expresado en los párrafos
anteriores pone de manifiesto la
relevancia de la presente investigación,
la cual tiene como objetivo proyectar un
modelo de cadena de suministro que
coadyuve a las pymes a maximizar su
valor y garantizar su permanencia en el
mercado, el modelo se proyecta a partir
del análisis de la realidad de empresas
del sector de servicios industriales,
adaptando elementos que en grandes
empresas industriales han permitido
lograr un sistema de trabajo competitivo.
2. Cadena de suministro:
análisis desde el valor en
pymes
La organización de la cadena
de suministro es determinante en las
• Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional (CC BY-SA 4.0)
https://creativecommons.org/licenses/by-sa/4.0/deed.es https://www.produccioncientificaluz.org/index.php/rvg
Twitter: @rvgluz
pp. 274-288
organizaciones; influye directamente
en la rentabilidad de la empresa al
propiciar desempeños ordenados y
articulados que conllevan a ofrecer a
los clientes productos requeridos en un
entorno de racionalización de costos,
mediante procesos de negocios eficaces
y eficientes, impactando en los ingresos
de la empresa.
Bajo desempeños armónicos,
la garantía de valor es fundamental.
Una gestión adecuada de la cadena
de suministro para desarrollar las
operaciones de cualquier empresa;
a su vez considerándolo como un
nuevo enfoque importante (Moreno
et al, 2021) para que las empresas
representen pilares para construir un
crecimiento competitivo y sostenible en
las organizaciones (Flynn et al, 2010;
Johnson & Templar, 2011).
Asimismo, la integración de las
diferentes etapas que conforman la
cadena de suministro, impacta objetivos
y la estrategia empresarial como un
proceso evolutivo que requiere de
supervisión constante (Stevens &
Johnson, 2016). A nivel de las Pymes,
se requiere de esta integración de
manera que desarrollen procesos que
faciliten la adquisición de conocimientos
para proyectar desde la articulación de
actividades, desempeños eficientes
y sustentables que garanticen la
permanencia de las empresas en los
mercados.
Al respecto, plantea Marneou
& Guerrero (2010), que una gran
mayoría de pymes realizan estos
procesos de integración empíricamente,
desde el ensayo y error, teniendo
como consecuencia que solo el 34%
sobrevivan después del primer año. Los
desaciertos en la gestión en las etapas
iniciales tienen un costo económico alto,
del cual es difícil recuperarse
277
Banda Ortiz, Humberto
Cadena de suministro para pequeñas y medianas empresas de servicios industriales_
Las cadenas de suministro deben
gestionarse; esto implica planificación,
organización de recursos, y el
direccionamiento y control de los mismos
en cada una de las fases que la integra.
Sin embargo, la etapa de planificación
de la cadena de suministro resulta ser
un tema poco desarrollado en las pymes
(Calderón et al, 2017). En su mayoría
estas unidades de negocio, forman
parte de una cadena de suministro con
vínculos informales entre sus eslabones,
lo cual se traduce en un ineficiente uso
de recursos que impacta negativamente
en su rentabilidad.
Para reducir estas ineficiencias en
las cadenas, se revisaron y analizaron
modelos de gestión de cadenas de
suministro propuestos por Stevens &
Johnson (2016), Porter (1987), Andersen
(1999), Ballou (2004), Chopra & Meindl
(2008), Dumas et al, (2013); a partir de
ellos, se identifican elementos esenciales
que permiten su comprensión, análisis
y proyección en pequeñas y medianas
Figura 1
Factores para el desarrollo e implementación de la cadena de
suministro
Fuente: Elaboración propia
278 • Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional (CC BY-SA 4.0)
https://creativecommons.org/licenses/by-sa/4.0/deed.es https://www.produccioncientificaluz.org/index.php/rvg
empresas mexicanas.
Por otro lado, en cuanto a la
operatividad de las cadenas, se asume
en esta investigación, que para que
una cadena de suministro pueda
desarrollarse e implementarse se
requieren dos factores: 1) la parte de
soporte y, 2) la parte técnica.
La parte soporte se fundamenta
en tres factores: 1) estrategia, 2)
estructura organizacional, y 3) cultura
empresarial, constituyéndose en la base
de un proceso de mejora continua. En
lo que refiere a la parte técnica, esta se
integra por la identificación de sus flujos
y su posterior proceso de mejora. La
identificación de los flujos de la cadena
la integran cinco factores: 1) redes de
procesos y subprocesos, 2) registro de
información, 3) sistemas de gestión de
la información, 4) requerimientos del
personal necesario y, 5) colaboradores
externos que se requieren para que
la cadena de suministro sea efectiva,
eficiente y competitiva (Figura 1).
Twitter: @rvgluz

_______________Revista Venezolana de Gerencia, Año 27 No. 97, 2022
Como se observa en la figura
1, los factores antes mencionados
son necesarios y requeridos para el
desarrollo implementación de la cadena
de suministro de manera integrada,
sustentable y competitiva.
3. Elementos metodológicos
de la investigación
La investigación es de corte
cualitativo, de diseño no experimental.
Se cataloga como investigación acción,
en el sentido que se desarrolla en la
realidad de pymes del sector de servicios
industriales del estado de Nuevo León.
La pyme objeto de estudio, se dedica
a la comercialización, elaboración de
proyectos de instalación y mantenimiento
de equipos para tratamiento de agua
y sistemas contra incendio a nivel
industrial, comercial y residencial, la cual
inició sus operaciones en 1997.
La empresa forma parte del sector
de servicios industriales y tiene socios
comerciales para el suministro de
materiales de la alta calidad, lo que es
un factor adicional al servicio que ofrece.
Actualmente cuenta con 18 trabajadores
en el área técnica, administrativa y
gerencial y opera con una estructura
organizacional simple.
El sub-sector en que opera la
empresa se caracteriza por requerir
respaldo financiero para solventar sus
costos, dado que los precios de los
equipos para el desarrollo de proyectos
de tratamiento de agua y sistemas
contra incendio suelen ser elevados.
Además, se requiere de personal
especializado en el desarrollo de las
ingenierías e instalaciones, debido a
que se deben acatar normas estrictas
que pocos dominan en el mercado, lo
que incrementa la remuneración del
personal.
• Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional (CC BY-SA 4.0)
https://creativecommons.org/licenses/by-sa/4.0/deed.es https://www.produccioncientificaluz.org/index.php/rvg
Twitter: @rvgluz
pp. 274-288
En la fase preliminar, se diseñaron
instrumentos de recolección de
información tipo cuestionarios, aplicados
mediante encuestas a directivos,
gerentes y personal administrativo y
operativo, con la finalidad de evaluar el
estado actual de la empresa en cuatro
dimensiones básicas: la estratégica, la
estructural, la relacional y el control.
Las entrevistas realizadas al
director, gerente general y administrador
fueron mediante preguntas guiadas,
con la finalidad de abordar aspectos
a profundidad, y conocer el estado de
cada una de las dimensiones planteadas
en el modelo para el desarrollo de
la cadena de suministro. Una vez
realizadas las entrevistas se elaboró
un primer diagnóstico en la empresa, y
se aplicaron los cuestionarios mediante
encuestas al personal administrativo y
operativo para corroborar la información
obtenida en las entrevistas.
Al analizar los resultados, se
obtuvo información respecto a los
aspectos positivos y negativos de la
empresa, la contribución del personal
a dichos aspectos, la búsqueda de
posibles soluciones, y la identificación
de los factores que generaban mayor
motivación en el trabajo; también
se buscó que el personal asumiera
como propias las dificultades de la
organización y se reconocieran como
actores esenciales del proceso de
cambio.
En esta fase diagnóstica se
identificó la situación de la empresa
y se procedió a una etapa preliminar
en la que se presentó el modelo, se
obtuvieron los datos generales de la
organización, se analizó el entorno en
que trabaja, se plantearon los alcances
de la implementación y se establecieron
las responsabilidades mutuas.
Además, se realizó una
279
Banda Ortiz, Humberto
Cadena de suministro para pequeñas y medianas empresas de servicios industriales_
investigación sobre el proceso de
servicio al cliente de la compañía con
la técnica de Mystery Shopping, con el
fin de comparar su proceso con el de la
competencia, y detectar las fortalezas y
debilidades en el inicio de su cadena de
suministro de manera objetiva.
Finalmente en la etapa
denominada aprendizaje, se involucró a
todo el personal mediante sesiones de
trabajo, acordadas con los directivos,
con el objetivo de sensibilizarlos en
la identificación y comprensión de los
problemas que tiene la organización
e iniciar un proceso de apropiación y
gestión del cambio.
Se definió un objetivo y el
contenido temático de cada sesión de
trabajo, la cual se dividió en dos partes:
en la primera se dio una capacitación
y en la segunda se realizó un taller en
donde se aplicaron los contenidos vistos
en la primera parte a la realidad de la
empresa. Cabe mencionar que en esta
etapa se buscó que el personal de la
empresa reestructurara las operaciones
necesarias para que se generara una
integración organizacional.
Tras la realización de los
talleres los directivos decidieron que
únicamente se realizara el mapeo de
la cadena de suministro de proyectos
para la instalación de sistemas de
protección contra incendio, por lo que
no se analizó la cadena de suministro de
comercialización ni la de proyectos para
el tratamiento de agua.
4. Resultados del diagnóstico
realizado y sustentación del
modelo propuesto
Realizada la fase diagnóstica
en la pyme estudiada, se logró reunir
información, precisando en una primera
280 • Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional (CC BY-SA 4.0)
https://creativecommons.org/licenses/by-sa/4.0/deed.es https://www.produccioncientificaluz.org/index.php/rvg
fase, información relativa al servicio al
cliente, personal e infraestructura de la
empresa fundamentalmente. A nivel del
personal, los hallazgos demuestran que
en general ofrece respuestas rápidas
a los clientes, tienen un conocimiento
adecuado de los productos y servicios
que ofrece la empresa y es empático,
respetuoso y paciente.
En referencia a los vendedores, su
desempeño proyecta diferencias entre
ellos (grupo de vendedores) en cuanto
al dominio de los aspectos técnicos de
los productos. El tiempo de respuesta en
la elaboración de un proyecto no fue la
adecuada, y no se mostraba la realización
de seguimiento a procesos propios de
su cargo (por ejemplo: cotizaciones
requeridas). Cabe mencionar que en la
visita realizada a los puntos de venta
se observó que la presentación del
personal y la infraestructura no era la
adecuada, ya que el establecimiento
estaba desordenado, sucio y no había
lugar en donde atender a los clientes.
Estos aspectos relativos al
servicio, fueron comparados con la
realidad de dos empresas con similares
características, elegidas de manera
aleatoria. El resultado obtenido, fue
que la pyme objeto de estudio en esta
investigación, resultó ser superior en
amabilidad, empatía, compresión de las
necesidades del cliente, conocimientos
técnicos de los productos que ofrece
y claridad en la información. No
obstante, la competencia de la empresa
presenta mejor infraestructura en sus
puntos de venta. Estos resultados
permitieron tener una visión general
de la pyme estudiada y de su entorno
de trabajo, proyectando el análisis de
otros elementos y dimensiones que
contribuyen a responder al objetivo de
investigación formulado.
En una segunda fase, con base
Twitter: @rvgluz

_______________Revista Venezolana de Gerencia, Año 27 No. 97, 2022
en las entrevistas y los cuestionarios
se elaboró el diagnostico de las
dimensiones estratégica, relacional,
estructural y control.
En la dimensión relacional se
encontró que al contratar servicios
externos los flujos de las diferentes
cadenas de suministro presentan
inexactitudes en la información. No
obstante, la empresa tiene buenas
relaciones con sus proveedores para
el suministro de materiales, lo que
asegura la calidad de los productos que
ofrece. Cabe mencionar que algunos
proveedores han traspasado su relación
comercial al plano de la colaboración
proporcionando información para la
gestión y venta en sectores en donde
se puedan requerir proyectos y equipos
para el tratamiento de agua.
Por lo que respecta a la dimensión
estratégica se observó que la empresa
no tiene un proceso de planeación
estratégica definido, no obstante que
cuenta con una misión y visión. Así
mismo, se advirtieron limitaciones para
comunicar los servicios y productos que
ofrece. También quedo de manifiesto que
no tienen identificados sus mercados
específicos y una tendencia a ofrecer
servicios en los que carecen de la
capacitación técnica necesaria. Además,
pese a que existe una reunión anual para
fijar objetivos de ventas, no se realiza
una planeación financiera, además de
que la dirección toma decisiones de
inversión en activos fijos sin un análisis
de sus beneficios. Adicionalmente, la
estrategia de comercialización es que los
clientes los busquen y no ha realizado
un estudio de mercado para identificar a
sus clientes y a sus competidores.
En lo que respecta a la dimensión
estructural se advirtió que el nivel de
apalancamiento es bajo, comparado con
los ingresos percibidos; además, de que
• Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional (CC BY-SA 4.0)
https://creativecommons.org/licenses/by-sa/4.0/deed.es https://www.produccioncientificaluz.org/index.php/rvg
Twitter: @rvgluz
pp. 274-288
no presentan altos niveles de inventarios.
La empresa no mostró procesos que
agreguen valor a sus servicios a lo
largo de sus cadenas de suministro.
Respecto a las tecnologías de la
información se observó que la gestión se
realiza mediante dos software, uno que
administra las funciones de facturación,
pagos y compras y otro para la fuerza
de ventas. No obstante, ninguno de
estos sistemas permite la comunicación
en tiempo real de los trabajadores ni la
integración de la información generada
en todos los procesos de la empresa
además de ser un recurso importante
para su funcionamiento (Hoyo y Lasso
de la Vega, 2017).
Es evidente que existe competencia
entre los trabajadores e inconformidad
por la carga de trabajo y condiciones
laborales, por discrepancias en sueldos
y responsabilidades. Además, no existe
un programa de inducción a la compañía
y el personal técnico es insuficiente para
cubrir los requerimientos de trabajo.
Quedo de manifiesto que los encargados
no cuentan con las competencias
necesarias para el mantenimiento o
reparación de maquinaria e instalaciones
especializadas. Cabe resaltar que existen
cuatro trabajadores claves: gerente
general, administrador, líder de ventas
y líder del equipo técnico, los cuales
tienen un alto conocimiento de su área
pero no lo comparten. Se advirtió que el
estilo de liderazgo es poco favorecedor y
que ha generado un clima negativo que
obstaculiza la retroalimentación positiva,
el manejo de conflictos y que solo se
premien los esfuerzos individuales.
Quedo de manifiesto que las
interacciones de los procesos en sus
diferentes cadenas de suministro
son deficientes. Los departamentos
interactúan de manera limitada con
el resto de la empresa y la dirección.
281
Banda Ortiz, Humberto
Cadena de suministro para pequeñas y medianas empresas de servicios industriales_

También se advirtió que la empresa 4. Modelo de cadena de

carece de una segmentación de servicio
logístico.
Es de resaltar que se identificaron
tres cadenas de suministro en la empresa:
la comercialización, la de proyectos para
la instalación de sistemas de protección
contra incendio y la de proyectos para el
tratamiento de agua.
En la dimensión de control se
observó que no hay sistemas de
información en tiempo real para el
control de las áreas estratégicas y para
evaluar la satisfacción de los clientes.
También se encontró que no cuentan con
manuales de procesos ni descripción de
puestos, por lo que el personal tiene
confusión respecto al trabajo que debe
desarrollar y su responsabilidad, además
de que obstaculiza la identificación de
fallas en los procesos de la cadena y sus
involucrados.
suministro para pymes
de servicios industriales.
Propuesta y aplicación
Se seleccionó para la
modelización, la cadena de suministro
de proyectos para la instalación de
sistemas de protección contra incendio.
Para el mapeo fue necesario identificar
los procesos, sub procesos y actividades
de la cadena, además de tener la
documentación necesaria para llevarlos
a cabo.
En el mapeo se detallaron 5
procesos que integran la cadena de
suministro: 1) Ingeniería, 2) Proyecto,
3) Desarrollo y control, 4) Finalización
y cierre de proyecto, 5) Servicio post-
venta. Cabe mencionar que estos
procesos siguen el orden establecido y
se retroalimentan mutuamente (Figura
2).

Figura 2
Procesos que integran la cadena de suministro en la pyme
estudiada

Fuente: elaboración propia

282 • Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional (CC BY-SA 4.0)
https://creativecommons.org/licenses/by-sa/4.0/deed.es https://www.produccioncientificaluz.org/index.php/rvg
Twitter: @rvgluz

_______________Revista Venezolana de Gerencia, Año 27 No. 97, 2022
• Ingeniería: Con respecto a la
fase de ingeniería se establecen
aspectos relativos a la cotización
de la ingeniería del proyecto, los
requisitos de la venta (Documentos
–Pagos) y la orden de servicio,
precisando en cada caso los criterios
de diseño, catálogo de conceptos,
volumetría obra, estimación tiempos
ejecución, condiciones, restricciones
y responsabilidades, planos entre
otros requisitos necesarios para
generar la orden de servicio. En
esta etapa del proyecto, que forma
parte de la cadena de suministro de
servicios, se elabora el documento
de ingeniería contentivo de los
detalles del proyecto que bajo una
fase de negociación con el cliente
se consigna en un Documento de
ingeniería que recibe el cliente
en reunión de entrega con su
respectiva acta con los detalles del
proyecto
• Proyecto: en la fase de proyecto, se
realiza seguimiento a lo acordado
en la fase previa: Negociación de
alcances y cierre de venta, pagos,
facturación, registros, orden de
servicio, buscando alinear el
desempeño de la empresa con
las expectativas del cliente y los
propósitos del proyecto, emitiendo
el acta de constitución del proyecto.
En esta etapa de la cadena de
suministro del servicio, se designa
el equipo de trabajo, indicando el
director de proyecto, se Enuncia el
trabajo del proyecto, se precisan
acuerdos, estableciendo cláusulas
que estipulan los niveles de un
servicio, la lista de alcances del
proyecto aprobados, penalizaciones
y bonos, dejando establecida el
Acta constitución del proyecto.
Es importante en esta fase
• Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional (CC BY-SA 4.0)
https://creativecommons.org/licenses/by-sa/4.0/deed.es https://www.produccioncientificaluz.org/index.php/rvg
Twitter: @rvgluz
pp. 274-288
dejar claramente establecida la
estructura de desglose de trabajo
(EDT), desarrollar cronograma
de actividades, planificar gestión
de personal, comunicaciones,
traslados, gestión de adquisiciones,
determinar presupuesto base y
planificar gestión de calidad.
• Desarrollo y Control: se establece
la gestión para el arranque del
proyecto, incluyendo el plan de
gestión y el desarrollo mismo del
servicio.
• Finalización y cierre del proyecto:
se indican los avances a cliente, los
cueles deben estar completados en
un 95%, se emite lista de actividades
para completar y corregir, se realiza
la inspección pre-final, se elabora el
Acta de Punch List con correcciones,
modificaciones y aditivas, se ajusta
al cronograma de ser necesario y se
verifica la ejecución Punch List para
proceder al cierre del proyecto
• Servicio Postventa: se ofrecen
atenciones post ventas PQR,
emitiendo ordenes de servicio de
inspección y el acta de visita de
servicio
Al terminar la etapa de aprendizaje
los directivos recibieron el mapeo de
la cadena de suministros de proyectos
para la instalación de sistemas de
protección contra incendio. Al analizar
dicho mapeo los directivos entendieron
la necesidad de implantar un sistema
de trabajo estandarizado que conectara
a los integrantes de la empresa, de
tal manera que trabajen en un mismo
objetivo de forma clara.
Cabe resaltar que no solo se logró
identificar e institucionalizar el proceso
de la cadena de servicios, si no que se
mejoró la carga laboral. Así mismo, se
espera que con la contratación de nuevos
trabajadores se cubran funciones claves
283
Banda Ortiz, Humberto
Cadena de suministro para pequeñas y medianas empresas de servicios industriales_

para el control del proyecto, área donde crecimiento mediante el mejoramiento

existen mayores quejas por parte de
los clientes, por no existir la supervisión
necesaria para asegurar la calidad y los
tiempos en el desarrollo de la obra.
En este sentido, una vez
identificados los elementos esenciales
para que las cadenas de suministro de
servicio, se procede a plantear y explicar
el modelo propuesto para las PyMEs.
El modelo tiene entre sus objetivos
apoyar a las PyMEs a sobrevivir en un
primer momento, y apoyarlas en su
de su cadena de suministro. Además,
mediante la aplicación del modelo las
PyMEs generaran competitividad y
rendimientos, los cuales se rigen por
los principios de interdependencia y
compromiso frente al cambio en la
empresa y en el mercado.
Como se puede observar en la
figura 3, el modelo plantea la existencia
e interrelación de cuatro dimensiones
básicas: la estratégica, la estructural, la
relacional y el control.

Figura 3
Dimensiones para el desarrollo de la cadena de suministro en
PyMES.

Fuente: Elaboración propia

284 • Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional (CC BY-SA 4.0)
https://creativecommons.org/licenses/by-sa/4.0/deed.es https://www.produccioncientificaluz.org/index.php/rvg
Twitter: @rvgluz

_______________Revista Venezolana de Gerencia, Año 27 No. 97, 2022
La dimensión relacional impacta
directamente a las otras dimensiones,
ya que dependiendo de las relaciones
que se tengan con los diferentes grupos
de interés, internos y externos, se
podría modificar la estrategia planteada
para el mercado objetivo, la manera
de gestionar las diferentes cadenas de
suministro y los mecanismos de control
para la mejora continua. Dichos grupos
de interés tienen que ser identificados y
gestionados mediante el liderazgo que
tengan los directivos con dichos grupos.
Esta dimensión tiene como objetivo
generar las sinergias estratégicas
necesarias entre los procesos y los
grupos de interés que participan en el
funcionamiento de la empresa, con el fin
de que sirvan de motor de la estructura.
La dimensión estratégica se
enfoca en dos elementos claves para
la definición del negocio: el mercado y
servicio, sin dejar de lado la estructura
organizacional a la que influye y
condiciona. En esta dimensión se busca
determinar los productos a ofrecer,
segmentar a los clientes, establecer el
nivel de servicio, definir la capacidad
instalada y analizar a la competencia
a fin de determinar las áreas en donde
se genera valor para la organización.
Esta dimensión tiene la finalidad de que,
mediante el análisis, se adecuen los
productos y los mecanismos de acción
para que la empresa pueda competir
sólidamente y guie sus operaciones
logísticas de forma particular para los
diferentes clientes.
La dimensión estructural se
integra por la cadena de suministro
y organizacional, los cuales definen
la estructura de la empresa con base
en los requerimientos establecidos
en la dimensión estratégica. En esta
dimensión se busca identificar las
diferentes cadenas de suministro para
• Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional (CC BY-SA 4.0)
https://creativecommons.org/licenses/by-sa/4.0/deed.es https://www.produccioncientificaluz.org/index.php/rvg
Twitter: @rvgluz
pp. 274-288
poder mapearlas y establecer los roles
y responsabilidades de las personas
que integran la empresa para que, en
caso de ser necesario, se redefina la
estructura. Esta dimensión tiene como
finalidad brindar un sistema de trabajo,
el cual puede ser mejorado con el apoyo
de las dimensiones relacional y control.
La dimensión de control busca
la mejora continua de la empresa. En
esta dimensión se busca establecer los
indicadores de gestión que permitan dar
seguimiento a las diferentes cadenas de
suministro. Esta dimensión tiene como
finalidad que, mediante el seguimiento y
evaluación, se logre la estabilización y la
eficiencia de los procesos que integran
la cadena de suministro.
5. Consideraciones finales
En diferentes estudios se reconoce
la importancia de las PyMEs como
uno de los factores que promueven
el crecimiento económico. En el
caso de México, las condiciones de
emprendimiento no surgen a partir de
la identificación de oportunidades de
negocio y representan una manera de
autoempleo con conocimiento empírico
de las operaciones más no de la gestión,
por lo que la tasa de mortalidad de estas
organizaciones es alta y pocas las que
logran consolidarse.
Por lo planteado en el párrafo
anterior en esta investigación se
estableció un modelo basado en la
cadena de suministro para apoyar a
las PyMEs a sobrevivir en un primer
momento y, posteriormente, apoyarlas en
su crecimiento mediante el mejoramiento
de su cadena de suministro.
El modelo planteado se aplicó
en una PyME del sector de servicios
industriales. En esta se desarrolló su
cadena de suministro y se mapearon sus
285
Banda Ortiz, Humberto
Cadena de suministro para pequeñas y medianas empresas de servicios industriales_
procesos, con lo cual se comprobó que
el modelo planteado es perfectamente
aplicable en PyMEs de dicho sector,
dado los beneficios generados en la
empresa en cuando a estandarización
del trabajo, establecimiento de alcances
y responsabilidades en los cargos,
la documentación necesaria para los
procesos y mejora del desempeño
laboral a causa de la restructuración
del trabajo y la gestión del liderazgo.
Así mismo, se puso de manifiesto la
factibilidad de replicar la aplicación del
modelo en otras empresas del ramo de
servicios.
En futuras investigaciones se
analizaáa la etapa de retroalimentación
del modelo, debido al tiempo que se
requiere entre la etapa de aprendizaje
y retroalimentación. Así mismo, se
recomienda implementar el modelo
propuesto en diversos sectores de la
economía, debido a que se estima que
la teorización y metodología propuesta
es susceptible de aplicarse en cualquier
PyMe.
Referencias bibliográficas
Acuña, C., Alomoto, N., Ortiz, J., Ruiz-
Torres, A. J., y Salvador, M. (2014).
La gestión de la cadena de suministro
en Ecuador. Formación Gerencial,
13(2), 170-197.
Andersen, B. (1999). Business process
improvement toolbox. ASQ Quality
Press.
Arend, R. J. (2008). Differences in RBV
Strategic Factors and the Need
to Consider Opposing Factors in
Turnaround Outcomes. Managerial
and Decision Economics, 29, 337–
355.
Ballou, R. H. (2004). Logística:
Administración de la cadena de
suministro. Pearson Educación.
286 • Esta obra está bajo una licencia de Creative Commons Atribución-CompartirIgual 4.0 Internacional (CC BY-SA 4.0)
https://creativecommons.org/licenses/by-sa/4.0/deed.es https://www.produccioncientificaluz.org/index.php/rvg
Beck, T., Demirguc-Kunt, A. & Levine, R.
(2005). SMEs, Growth, and Poverty:
CrossCountry Evidence. Journal of
Economic Growth, 10(3), 199–22.
Bernatonyte, D., Vilke, R., & Volochovic,
A. (2015). Regional peculiarities of
development of Lithuanian SME.
Economics and Management, (14),
676-684.
Boyne, G. A. & Meier K. J. (2009).
Environmental Change, Human
Resources and Organizational
Turnaround. Journal of Management
Studies, 46, 835–863.
Calderón, M. A., Roark, G., Urrutia, S.,
Paravié, D. y Rohvein, c. (2017).
Metodología para la clasificación
y diagnóstico de cadenas de
suministro. Revista Ciencias
Estratégicas, 25(38), 279-298.
Chopra, S., & Meindl, P. (2008).
Administración de la cadena de
suministro: Estrategia, planeación y
organización.
Cleri, C. (2013). El libro de las pymes.
Ediciones Granica.
Dumas, M., La Rosa, M., Mendling, J., &
Reijers, H. A. (2013). Fundamentals
of business process management
(pp. I-XXVII). Heidelberg: Springer.
European Commission (2019).
Entrepreneurship and Small and
medium-sized enterprises (SMEs).
Growth: Internal Market, Industry,
Entrepreneurship and SMEs. http://
ec.europa.eu/growth/smes/
Flynn, B.B., Huo, B., & Zhao, X. (2010).
The impact of supply chain integration
on performance: a contingency and
configuration approach. Journal of
Operations Management, 28(1), 58-
71.
Government of India. (2015). Annual
report of Ministry of Micro, Small and
Medium Enterprise -MSME- of India.
Twitter: @rvgluz
Traducido del inglés al español - www.onlinedoctranslator.com

economías

Artículo

Costes de personal y productividad laboral: el caso de la

industria manufacturera europea
Alina Stundziene * y Asta Baliute

Escuela de Economía y Negocios, Universidad Tecnológica de Kaunas, 44249 Kaunas, Lituania; asta.baliute@ktu.lt
* Correspondencia: alina.stundziene@ktu.lt

Resumen:El objetivo del artículo es evaluar el impacto de los costes de personal en la

productividad laboral aparente empleando los datos de panel de 1995-2018 de la industria
manufacturera en 27 países europeos. Los métodos de muestras independientes.t-test, análisis de
correlación, test de causalidad de Granger, test de raíz unitaria y ARDL. El análisis muestra que
existe una relación a largo plazo entre los costes de personal y la productividad laboral aparente, y
no existen diferencias significativas entre los países europeos en cuanto al impacto de los costes
de personal en la productividad laboral aparente, pero varía en el tiempo. Las empresas a menudo
evitan aumentar los salarios, ya que disminuyen las ganancias de la empresa, y buscan aumentar
la facturación para reducir el costo de los bienes vendidos. Esta investigación muestra que el
crecimiento de los costos de personal no necesariamente significa una menor rentabilidad. El
crecimiento de los costes de personal aumenta la tasa bruta de explotación si la rotación por
persona ocupada es estable. El crecimiento de la facturación tiene un efecto positivo en la
productividad laboral aparente, pero un impacto negativo en la tasa operativa bruta.

Palabras clave:Productividad laboral; costos de personal; salarios; industria manufacturera

----
---
1. Introducción
Citación:Stundziene, Alina y Asta
La alta calidad de la mano de obra puede considerarse como un indicador de la productividad laboral, que
Baliute. 2022. Costos de personal y
es uno de los impulsores endógenos clave de la competitividad de una empresa. El problema de investigación
productividad laboral: el caso de la
sobre cómo aumentar la productividad laboral sigue siendo un tema de actualidad tanto para las naciones en
industria manufacturera europea.
desarrollo como para las desarrolladas, ya que está estrechamente relacionado con los procesos de desarrollo
economías10: 31. https://doi.org/
10.3390/economies10020031 sostenible a largo plazo (hermano 2020). La cuestión de si los costos de personal y los salarios son importantes
para el nivel de productividad laboral y permiten atraer empleados motivados es relevante para todas las
Recibido: 23 de diciembre de 2021
empresas que desean obtener ventajas comparativas en los mercados competidores. El enfoque inverso
Aceptado: 21 de enero de 2022
establece que las empresas consideran el crecimiento de la productividad como una base para el aumento de
Publicado: 26 de enero de 2022
los salarios (Yusof 2008;Sharpe et al. 2008). Sin embargo, cuando se buscan formas prácticas de aumentar la
Nota del editor:MDPI se mantiene neutral productividad, también surge la pregunta de cómo el crecimiento de los salarios y los costos generales de
con respecto a reclamos jurisdiccionales en personal pueden afectar el crecimiento de la productividad.
mapas publicados y afiliaciones La lista de factores que influyen en la productividad endógena y exógena es ampliamente
institucionales. discutida y analizada empíricamente en la literatura académica cuando se buscan oportunidades
para mejorar la productividad total de los factores y los indicadores de productividad parcial, como
la productividad laboral y la productividad del capital. Dado que nuestro estudio empírico se centra
en los vínculos entre los indicadores de personal y la productividad laboral, concentramos nuestra
Derechos de autor:© 2022 por los
atención en argumentar la causalidad que va desde los salarios reales y otros componentes de los
autores. Licenciatario MDPI, Basilea,
costos de personal a la productividad laboral. Algunos economistas que intentaban explicar los
Suiza. Este artículo es un artículo de
vínculos positivos entre salarios más altos pagados y productividad, moral y lealtad destacaron las
acceso abierto distribuido bajo los
ganancias económicas de un empleador a partir de políticas salariales más altas.Leibenstein 1957;
términos y condiciones de la licencia
reynolds 1978; Solow 1979;dunlop 1985;Lorenzo 2016). La relación entre salarios y productividad
Creative Commons Attribution (CC BY)
(https:// creativecommons.org/
llamó mucho la atención de los investigadores que intentaban justificar los vínculos entre estos dos
licenses/by/ 4.0/). indicadores (Katz 1986;Eremburgo 1998;Wakeford 2004;Mora et al. 2005;

omies2022,10, 31. https://doi.org/10.3390/economies10020031

economía https://www.mdpi.com/journal/economies
economías2022,10, 31 2 de 17

Feldstein 2008;Zhang y Liu 2013;Stansbury y Veranos 2018;hermano 2020). Otros estudios

empíricos se dirigieron hacia el análisis de la interrelación en un conjunto de indicadores:
productividad laboral, salarios reales, empleo temporal y desempleo (Alejandro 1993;Yusof 2008;
López-Villavicencio y Silva 2011;Cirillo y Ricci 2020) o productividad, salarios reales e inflación (
Kumar et al. 2012;Tang 2014;Yildirim 2015;Piper et al. 2020). El impacto de los factores endógenos
(como el sistema de capacitación del personal, la inversión intangible en recursos humanos y
conocimiento) sobre la productividad laboral también se probó empíricamente en la literatura
moderna (Negro y Lynch 2002;Corrado et al. 2014;Dossi et al. 2019). La evidencia empírica del
impacto de la regulación del mercado laboral en el crecimiento de la productividad se presentó en
estudios empíricos (Tormenta y Naastepad 2007;Bassanini y Venn 2008; Kleinknecht 2020). Se
analizaron y discutieron los efectos de las PG (brechas salariales entre ejecutivos y empleados) en
la productividad de las empresas (Faleye et al. 2013;banquero et al. 2016;Dai et al. 2017), mientras
que los efectos de la desigualdad salarial en la productividad laboral fueron examinados porLiu(
2002);Policardo et al.(2019);Kampelman et al.(2018) analizó empíricamente los vínculos entre la
productividad laboral y el sistema nacional de educación y formación, lo que podría ser tratado
como un problema estrechamente relacionado con la calidad de los recursos humanos y la
productividad laboral.
Nuestro objetivo es ampliar la investigación empírica previa sobre los factores de productividad
laboral centrándonos en el análisis de los costes de personal. Nuestro estudio empírico examina los
vínculos entre los costos de personal y la productividad laboral aparente para justificar los esfuerzos de
una empresa por estimular la productividad. El propósito de nuestra investigación empírica es evaluar el
impacto de los costes de personal en la productividad laboral aparente empleando los datos de panel de
la industria manufacturera europea. El sector de la industria manufacturera incluye las actividades
previstas en la NACE Rev. 2 Sección C (Eurostat 2021). La investigación se realizó para responder a las
siguientes preguntas: ¿Cómo contribuyen los costos de personal, que incluyen salarios y costos de
seguridad, al crecimiento aparente de la productividad laboral y por qué es beneficioso aumentar los
salarios? Con referencia al análisis de la literatura, los métodos de muestras independientest-test, análisis
de correlación, test de causalidad de Granger, test de raíz unitaria y ARDL.
Aunque existe un número suficiente de investigaciones sobre el análisis de los
vínculos entre la productividad y los salarios, todavía no hay una respuesta sobre cuánto
contribuye el aumento del salario al crecimiento de la productividad. Los resultados
dependen mayormente del país o región que se analice. Además, la literatura no
destaca la motivación de las empresas para aumentar los salarios. Nuestra contribución
al tema se basa en realizar un análisis detallado del impacto de los costos de personal
en la productividad laboral aparente, encontrando que el aumento de salario tiene un
impacto positivo significativo en la productividad en la industria manufacturera, y que
esta forma de aumentar la productividad es más beneficiosa en comparación con la
posibilidad de impulsarlo a través de la facturación.

El resto de este documento se ha organizado de la siguiente manera. La segunda sección

introduce la revisión de la literatura científica sobre la relación entre la productividad laboral y los
costes de personal. La tercera sección cubre la metodología y descripción de los datos utilizados en
el estudio empírico. La cuarta sección del artículo presenta los resultados del análisis y la discusión.
La sección final proporciona el resumen de los resultados y las principales conclusiones.

2. Revisión de la literatura

Según la definición estadística (Eurostat 2021), los costes de personal se refieren a la remuneración total,
en efectivo o en especie, pagadera por un empleador a un empleado a cambio del trabajo realizado por este
último durante el período de referencia. Los costos de personal también incluyen los impuestos y las
contribuciones a la seguridad social de los empleados retenidas por la unidad; además, cubren las cotizaciones
sociales obligatorias y voluntarias del empleador. Los costos totales de personal consisten en sueldos, salarios y
costos de seguridad social de un empleador. Dado que los salarios son el componente principal de los costos de
personal, la literatura científica anterior es rica en varios enfoques que intentan
economías2022,10, 31 3 de 17

explicar conceptualmente la relación entre salarios y productividad (Leibenstein 1957; reynolds 1978;Solow 1979
;dunlop 1985;Katz 1986). Un modelo genérico de salario de eficiencia distingue entre dos casos: si la demanda
total de trabajo es menor que la oferta total de trabajo, los salarios se fijan de tal manera que la elasticidad del
esfuerzo con respecto al salario es la unidad (Roma 2018). Si la demanda laboral total (basada en el cálculo de la
eficiencia) es igual o mayor que la oferta laboral, el salario sube para que el mercado laboral esté en equilibrio;
en este caso, la productividad determina los salarios.Leibenstein(1957) desarrolló un modelo simple en el que se
supone que la salud física de un empleado y, en consecuencia, la productividad dependen positivamente del
salario real pagado. Con este enfoque, las empresas obtienen empleados más productivos y saludables si pagan
salarios más altos.Tan bajo(1979) sugirió un concepto formalmente similar para las economías desarrolladas.
Según este concepto, el aumento de los salarios mejora la moral y la motivación y, por lo tanto, influye
directamente en la productividad a través del mayor esfuerzo de los empleados. Los puntos de vista de otros
estudiosos (reynolds 1978;dunlop 1985) se basan en los beneficios potenciales obtenidos por las empresas con
niveles salariales más altos. Los beneficios mencionados anteriormente incluyen mayor esfuerzo y menor
evasión de empleados, mayor calidad de trabajo, mayor moral y mayor lealtad de los empleados a la empresa.
De acuerdo con la teoría del salario de eficiencia, los vínculos entre la productividad y el salario pueden
justificarse mediante ganancias económicas para un empleador de políticas de salarios altos. Es probable que
las empresas que ofrecen salarios más altos atraigan a empleados más capaces y productivos (Hellebrandt et al.
2015). Sin embargo,Katz(1986) argumenta que la crítica a los modelos de salario de eficiencia es que los
mecanismos de vinculación pueden resolver problemas de obtención de esfuerzo, rotación y selección adversa
de manera eficiente, lo que significa que los mecanismos de vinculación que resuelven un problema de salario
de eficiencia exacerban otros problemas.Wakeford (2004);Tormenta y Naastepad(2007) destacan otro aspecto
de los salarios y los esfuerzos: si las empresas pagan salarios más altos, los empleados hacen un mayor
esfuerzo para evitar ser despedidos. Los salarios reales más altos elevan el costo de oportunidad de la pérdida
de un empleo, lo que puede estimular un mayor esfuerzo laboral para evitar la redundancia. Un aspecto
importante es que un aumento en los salarios reales se traducirá en un crecimiento de los costos laborales
unitarios y hará que las empresas sustituyan trabajo por capital, lo que, a su vez, se verá reflejado en un
aumento en la productividad marginal del trabajo. Mayores stocks de capital elevan la demanda de trabajo,
afectando el alza del salario real y la productividad.

La causalidad inversa que explica los vínculos entre la productividad y los salarios reales se destaca en la
teoría de la productividad marginal y la teoría de la negociación (Yusof 2008). Según estas teorías, la causalidad
va desde la productividad hasta los salarios reales. Un supuesto clave de la teoría de la productividad marginal
es que la evolución de la productividad es exógena, mientras que los salarios se ajustan a la productividad.
Cuando la participación del trabajo permanece constante, el crecimiento de la productividad laboral debería
reflejarse proporcionalmente en el crecimiento del salario real (Sharpe et al. 2008). Como fue señalado por
Escaso y Speckesser(2011), en la práctica, este modelo se utiliza comúnmente para justificar las reglas de fijación
de salarios, con el fin de garantizar que el crecimiento de los salarios no supere el crecimiento de la
productividad cuando se busca la generación de pleno empleo.Stansbury y Summers(2018Los hallazgos de )
confirman evidencia sustancial del vínculo entre la productividad y la compensación, ya que 1 punto porcentual
más de crecimiento de la productividad se ha asociado con 0,7 a 1 punto porcentual más de crecimiento medio
y promedio de la compensación.Wakeford(2004) advierte que el concepto de productividad marginal tiene en
cuenta la contribución al producto del último trabajador contratado, aunque este indicador no se puede medir
fácilmente.Blanchard(2006) establece que los salarios negociados están alineados con la producción futura
anticipada y propone esto como el proceso clave que causa el aumento del desempleo.

La literatura moderna proporciona estudios empíricos sobre el problema bajo investigación y

cubre diferentes hallazgos. En los estudios empíricos deWakeford(2004), quien empleó los datos
de Sudáfrica y argumentó que una elasticidad de salarios y productividad a largo plazo consiste en
0,58; el autor también indicó que la productividad crece más rápidamente que los salarios. La
evidencia econométrica mostró que en el corto plazo los salarios reales impactan negativamente
en la productividad, pero la productividad no tiene efecto en los salarios reales; además, la
productividad tiene un patrón autorregresivo débil, mientras que los salarios reales carecen por
completo de este. El erudito señaló
economías2022,10, 31 4 de 17

que el desempleo está divorciado del equilibrio a largo plazo entre salarios reales y productividad. Los
hallazgos deEspiga(2014), que empleó datos de Malasia, apoyó la afirmación de la teoría de los salarios
de eficiencia y sugirió que el efecto de los salarios reales en la productividad laboral no es lineal y tiene
una relación en forma de U invertida. La prueba de causalidad de Granger mostró que los salarios reales
de Granger causan la productividad laboral, pero no hay evidencia de una causalidad inversa. Según la
evidencia empírica deBildirici y Alp (2008), que empleó el análisis de cointegración TAR, se rechazó la
relación lineal a largo plazo entre salarios y productividad en Turquía frente a la relación no lineal a largo
plazo. La aplicación de las pruebas de causalidad de Granger enKumar et al.(2012). Los estudios
empíricos revelaron una causalidad bidireccional entre los salarios reales y la productividad en Australia
y condujeron a resultados bastante consistentes sobre el impacto de los salarios reales en la
productividad con una elasticidad salarial estimada que oscila entre 0,5 y 0,8.Policardo et al.(2019).
investigó si existe una relación entre la desigualdad salarial y la productividad laboral promedio y
confirmó que una alta desigualdad salarial está asociada con una menor productividad laboral.Yildirim(
2015) examinó las interrelaciones entre la productividad, los salarios reales y la inflación en la industria
manufacturera turca y concluyó que existe una causalidad unidireccional entre los salarios reales y la
productividad, lo que implica una ruptura del vínculo entre productividad y salario. De acuerdo a
Alejandro's (1993) evidencia empírica, los salarios reales, la inflación y la productividad tienen un vínculo
de cointegración en el Reino Unido, que propone que las tasas salariales más altas estimulan la
productividad laboral a través del argumento de los salarios de eficiencia.Escaso y Speckesser (2011)
utilizó datos de las economías de la UE y la OCDE entre 1995 y 2009 y asumió que los aumentos salariales
y el crecimiento de la productividad están claramente relacionados a largo plazo. Los salarios crecieron
por debajo de la productividad en la mayoría de las economías de Europa continental, pero la brecha
entre salarios y productividad fue bastante diferente en los diferentes estados miembros de la UE.Sharpe
et al.(2008), que realizó el estudio empírico en Canadá empleando datos a largo plazo, encontró que el
crecimiento del salario real es más lento que el crecimiento de la productividad laboral. El análisis se
centró en la evaluación del impacto de la productividad laboral en los salarios reales y llevó a los autores
a concluir que la tasa de crecimiento del salario real puede divergir de la tasa de crecimiento de la
productividad laboral en el corto y mediano plazo debido al impacto de factores cíclicos, pero a largo
plazo, el crecimiento de los salarios tiende a seguir de cerca el crecimiento de la productividad laboral.

Concluyendo la revisión de la literatura, se puede afirmar que aunque los estudiosos prestan atención a
los efectos de los salarios sobre la productividad laboral, la evidencia no es concluyente. Los hallazgos varían
debido a los diferentes niveles de desarrollo económico en países seleccionados, las diferentes tasas de salarios
y costos totales de personal en diferentes industrias manufactureras, el impacto de los factores ambientales y
el comportamiento distintivo de las empresas individuales. Nuestro documento está diseñado para ampliar
investigaciones empíricas previas que emplean datos sectoriales de industrias manufactureras en países
europeos para sacar conclusiones sobre los efectos de los costos de personal en la productividad laboral en la
región.

3. Metodología
Este estudio empírico utiliza datos anuales de industrias manufactureras en 27 países europeos
para el período 1995-2018. El sector manufacturero incluye una amplia gama de actividades y técnicas de
producción, desde pequeñas empresas que utilizan técnicas de producción tradicionales (p. ej.,
fabricación de instrumentos musicales), hasta empresas muy grandes ubicadas en la cima de una
pirámide alta y amplia de proveedores de piezas y componentes que fabrican colectivamente un
complejo. productos, tales como aviones (Eurostat 2021). Dos países europeos no están incluidos en el
análisis econométrico, ya que Irlanda se encuentra como un caso atípico y Malta tiene muchos datos
perdidos. El análisis engloba todos los indicadores relacionados con la productividad y los costes de
personal que proporciona Eurostat para la industria manufacturera. Las variables de control se
seleccionan en función de su impacto potencial en los indicadores de productividad (es decir, indicadores
relacionados con la industria o la macroeconomía). Los indicadores bajo investigación incluyen:
• indicadores relacionados con la productividad:

# productividad aparente del trabajo (valor añadido bruto por ocupado)—

miles de euros (ALP);
economías2022,10, 31 5 de 17

# productividad laboral ajustada por salarios (productividad laboral aparente por costos
promedio de personal)—porcentaje (WALP);
# facturación por persona ocupada—miles de euros (TPE);
• Indicadores relacionados con los costes de personal:

# costes medios de personal (costes de personal por persona empleada)—miles de

euros (AC);
# cargas sociales del empleador como porcentaje de los costos de personal—porcentaje (CH);
# participación de los costos de personal en la producción—porcentaje (CPR);
# participación de los costos de personal en el valor agregado bruto—porcentaje (CGVA); de
# sueldos y salarios en valor agregado bruto—porcentaje (WGVA); participación de los costos
# de la seguridad social en el valor agregado bruto—porcentaje (SSGVA);

• otros indicadores relacionados con la industria o la macroeconomía:

# personas empleadas—número (PE),

# empresas—número (EN),
# personas ocupadas por empresa—número (PEE),
# tasa operativa bruta—porcentaje (GOR),
# índices de nivel de precios, EU15 = 100 (PL),
# producto interior bruto a precios de mercado, precios corrientes, euros per cápita (PIB).
Se utilizan los siguientes métodos de investigación:

• las muestras independientest-la prueba se utiliza para distinguir indicadores que difieren
significativamente entre países con una productividad laboral aparente más alta y países con una
productividad laboral aparente más baja;
• la prueba de raíz unitaria se emplea para definir el orden de integración de una serie de tiempo;
• el análisis de correlación se usa para mostrar qué tan fuerte es la relación entre la
productividad laboral aparente y otros indicadores bajo investigación;
• la prueba de causalidad de Granger se utiliza para definir el efecto retardado (lags) y la
dirección de la relación entre la productividad laboral aparente y otros indicadores bajo
investigación;
• El análisis de cointegración se utiliza para examinar si existe una relación de equilibrio a largo plazo
entre ALP y AC u otros indicadores. La técnica de cointegración de retraso distribuido
autorregresivo (ARDL) (prueba de límites ARDL) desarrollada porPesarán et al.(2001) es adoptado.
La ventaja de este modelo es que puede usarse en series de tiempo que no están integradas en el
mismo orden (es decir, mezcla de I(0) o i(1), pero no de I(2)). También permite que la serie tenga
diferentes retrasos óptimos. Estimaciones de prueba ARDL del siguiente modelo de corrección de
errores sin restricciones:

pags q
∆yt=β0+∑βI∆yt−i+∑γj∆Xt−j+θ1yt−1+θ2Xt−1+mit, (1)
I=1 j=0

aquí∆yty∆yt−i,I=1, . . . ,pags, son la productividad aparente del trabajo diferenciada en el tiempot yt -

yorespectivamente,yt−1es la productividad aparente del trabajo en el tiempot -1,∆Xt−j,j=1, . . . ,
q, son los costes de personal medios diferenciados en el momentot-j,Xt−1es el costo promedio de
personal en el tiempot -1,pagsyqson números de rezagos de productividad laboral aparente y costos
promedio de personal, respectivamente,β0,βI,γj,θ1, yθ2son parámetros, ymites un término de error.

Los valores de los retrasospagsyqse encuentran utilizando el criterio de información de Schwarz

(SC). Un requisito previo en el modelo ARDL es que los errores sean serialmente independientes. Existe
cointegración entre dos variables si H0se rechaza:

H0:θ1=θ2= 0, H1:θ
16=θ26=0.
economías2022,10, 31 6 de 17

El resultado a largo plazo del modelo de corrección de errores sin restricciones se encuentra mediante la fórmula
− (θ2/θ1).
Para todas las pruebas de hipótesis se utiliza el nivel de significación de 0,05. Los cálculos se hacen usandoVistas
electrónicas(2021) 11 programas.

4. Resultados y discusión
La productividad laboral aparente (ALP) media de la industria manufacturera europea para el
período 1995-2018 asciende a 46,0 miles de euros y varía en un intervalo comparativamente
grande, es decir, de 2,9 a 118,6 miles de euros. El valor mediano de ALP (44,4 miles de euros) está
cerca de la media. La productividad laboral aparente más alta se ha registrado en Dinamarca y
Bélgica en los últimos tres años. Mientras tanto, Bulgaria, Rumania, Letonia y Lituania se
distinguen por la productividad laboral aparente más baja con una mejora comparativamente
lenta. La productividad laboral aparente en estos países se ha duplicado en los últimos 10 años,
pero aún era de cinco a ocho veces más baja que en Dinamarca o Bélgica en 2018 (Gráfico1).

Figura 1.La tendencia de la productividad aparente del trabajo. Fuente: elaboración propia a partir de datos de Eurostat
y cálculos de los autores.

Se puede observar que el crecimiento de ALP recientemente no es tan rápido en los países
menos productivos como lo era hace 15 años. Así, surge el problema de que la brecha entre países
menos y más productivos dejará de reducirse pronto. La tasa de crecimiento de ALP en los países
más productivos no cambió durante 15 años y, por lo general, varió en el intervalo de 0 a 5 por
ciento por año. Esto lleva a la conclusión de que cuanto mayor sea la ALP, menor será el
crecimiento esperado de la ALP en el futuro. La relación entre ALP y su tasa de crecimiento se
puede definir mediante la función logarítmica (Figura2). Como ALP en países menos productivos
(Bulgaria, Rumania, Lituania, Letonia, Estonia, Eslovaquia, Eslovenia, Chequia, Croacia, Hungría,
Polonia, Portugal, Chipre y Grecia, donde ALP es más bajo que el promedio) alcanzó 14-41 mil
euros en 2018, se espera que la tasa de crecimiento futuro de ALP sea del 3% al 6% anual, que no
es mucho más alta que la tasa de crecimiento esperada de los países más productivos (1% al 2%
anual).
economías2022,10, 31 7 de 17

Figura 2.La relación entre ALP y su tasa de crecimiento futuro. Fuente: elaboración propia a partir de
datos de Eurostat y cálculos de los autores.

Por lo tanto, es importante encontrar formas de impulsar ALP, especialmente en países menos
productivos. Se prueba más la posibilidad de impulsar ALP aumentando los salarios. Los costos de personal
promedio (CA) oscilaron entre 1,2 y 76,1 en 1995-2018 con un valor medio de 27,7 y un valor mediano de 24,1.
AC es menor y su tasa de crecimiento es mayor en los países menos productivos en comparación con los países
más productivos (Figura3). Así, se puede sospechar que la AC está relacionada con la ALP, es decir, mayores
salarios permiten un aumento de la productividad aparente del trabajo.

Figura 3.La tendencia de los costes medios de personal. Fuente: elaboración propia a partir de datos de Eurostat y
cálculos de los autores.

ALP es un proceso estacionario con tendencia e intersección, y AC es un proceso integrado de

orden uno sin tendencia ni intersección. Por lo tanto, la cointegración entre ellos se analiza
mediante pruebas de enlace ARDL. La relación entre los cambios en ALP (∆ALPt) y los cambios en
AC (∆ACt) es moderado (el coeficiente de correlación es 0,60). La causalidad de Granger
economías2022,10, 31 8 de 17

La prueba muestra que los cambios en ALP pueden explicarse por cambios en AC, pero no al revés. Los
resultados son similares a los presentados porEspiga(2014) quien muestra que los salarios reales
Granger causan la productividad laboral en Malasia, pero no hay evidencia de causalidad inversa. Sin
embargo, contradice aYusof(2008) quien afirma que una mayor productividad conduce a salarios más
altos en Malasia.Wakeford(2004) yYildirim(2015) también están de acuerdo en que la productividad no
tiene ningún efecto sobre los salarios reales en Sudáfrica y Turquía, respectivamente. También está en
línea con los resultados obtenidos porKumar et al.(2012),Tormenta y Naastepad(2007), pero no apoya la
investigación realizada porGermán(2020),Stansbury y Summers(2018) y otros, que probaron el impacto
de la productividad en los salarios (es decir, relación opuesta).
Los criterios de selección del orden de retraso del VAR indican que ARDL(2, 0) es el mejor ya que su
valor de SC es el más bajo. La prueba del multiplicador de Lagrange para efectos aleatorios indica que se
deben incluir los efectos del tiempo. La prueba de Hausman rechaza H0 indicando que se deben incluir
efectos fijos. Los resultados del modelo ARDL(2, 0) estimado se presentan en la Tabla1.

Tabla 1.Resultados de las pruebas de límites ARDL.

Variables independientes Coeficiente estándar Error pags-Valor

C 0.3946 0.2566 0.1249

∆MONTAÑA(−1) − 0.0699 0.0387 0.0718
∆MONTAÑA(−2) − 0.1486 0.0380 0.0001
∆C.A. 1.3101 0.0811 0.0000
MONTAÑA(−1) − 0.0580 0.0244 0.0178
C.A(−1) 0.1032 0.0359 0.0042
R-cuadrado ajustado 0.5848
pags-valor del CD de Pesaran 0.3136
H0: todosθI=0 conjuntamente estadística F Chi-cuadrado
pags-valor 0.0016 0.0015
Multiplicador a largo plazo de AC 1.7776

El modelo es estacionario (es decir, dinámicamente estable), tiene una precisión

moderada y los residuos no están correlacionados. Con base en los resultados de la prueba
de Wald, se rechaza la hipótesis nula, lo que significa que los coeficientes no son iguales a
cero en conjunto. En otras palabras, ALP y AC tienen una asociación a largo plazo. AC tiene un
impacto positivo y significativo en ALP. Así, el efecto a largo plazo de los costes de personal
por persona ocupada sobre la productividad aparente del trabajo asciende a 1,7776 con un
error estándar de 0,1879. Significa que un aumento del 1% en los costos de personal tiene un
efecto a largo plazo del 1,78% en la productividad laboral aparente. La prueba de Wald
rechaza la hipótesis nula sobre su igualdad a cero (prob(t-statistic) = 0,0000; prob(F-statistic) =
0,0000; prob(ji-square) = 0,0000). Por lo tanto, el efecto de AC sobre ALP es significativo.
Kumar et al.(2012), quienes estimaron que un aumento de 1% en los salarios reales se tradujo
en un aumento de la productividad de entre 0,5% y 0,8%.
La investigación indica que la productividad laboral ajustada por salarios (WALP) es
mayor y que una parte de los salarios, así como de los costos de personal en el VAB o la
producción, es menor en los países menos productivos (Cuadro2). El valor promedio de
WALP es 159,3% para el período 1995-2018 y es ligeramente superior a la mediana
(155,8%). WALP varía en el intervalo de 116,3% a 283,1% durante el período de
investigación. Los valores más altos de WALP se estiman para Letonia (283,1 % en 2001),
Polonia (224–260 % en 2003–2005), Bulgaria (230,7 % en 2007) y Hungría (224 % en
2015). Sin embargo, Polonia tenía solo el 117,1 % del WALP en 2002, que era solo un
poco más alto que el mínimo del 116,3 % que pertenecía a Luxemburgo en 2009.
Bulgaria, Hungría y Polonia siguen siendo los líderes en WALP, que era igual al 183,9%,
198,5% y 185,5% respectivamente en 2018. Sin embargo, Reino Unido (184,4%) y
Dinamarca (176,6%) también estuvieron entre los líderes en 2018. Mientras tanto, se
estiman los valores más bajos de productividad laboral ajustada por salarios para
Francia (130,0%), Alemania (136,2%),
economías2022,10, 31 9 de 17

Mientras tanto, los empleados en muchos países que se caracterizan por una productividad laboral
aparente baja, por ejemplo, Bulgaria, Rumania, Hungría, Letonia, Lituania y otros, crean un valor
agregado bajo, pero es bastante alto en relación con el costo de personal, lo que significa que un En
estos países, la mayor parte del VAB en comparación con los países de altos ingresos se destina al
ahorro (utilidades, depreciación) y a los impuestos.

Tabla 2.Resultados de muestras independientest-prueba.

Prueba de Levene para

Países con Estadísticas del grupo Varianzas iguales Igualdad de t-Test de Igualdad de Medias
Indicador ALP Menor (1) o Asumido (A)/No variaciones
Mayor (2) que el Asumido (NA)
Sig.
Promedio norte Significar estándar desarrollo F Sig. t
(2 colas)
1 280 22.65 10.96 A − 41.82 0.000
MONTAÑA 28.70 0.000
2 267 70.48 15.50 N/A − 41.49 0.000

1 276 167.86 24.18 A 9.89 0.000

VUELTA 30.49 0.000
2 267 150.35 16.15 N/A 9.95 0.000

1 280 94.19 43.54 A − 29.88 0.000

TPE 94.54 0.000
2 267 285.83 97.63 N/A − 29.41 0.000

1 324 13.12 8.66 A − 44.40 0.000

C.A. 8.80 0.003
2 267 47.07 9.92 N/A − 43.82 0.000

1 323 21.62 5.82 A 1.70 0.090

CH 12.16 0.001
2 266 20.73 6,90 N/A 1.67 0.095

1 329 15.19 3.68 A − 10.91 0.000

RCP 9.86 0.002
2 267 18.30 3.17 N/A − 11.08 0.000

1 285 0.57 0.08 A − 11.77 0.000

CGVA 3.12 0.078
2 267 0,64 0.07 N/A − 11.84 0.000

1 282 0,45 0.07 A − 10.26 0.000

WGVA 0.09 0.761
2 266 0.51 0.07 N/A − 10.28 0.000

1 282 0.12 0.04 A − 3.27 0.001

SSGVA 17.85 0.000
2 266 0.13 0.05 N/A − 3.25 0.001

1 279 10.40 2.52 A 5.65 0.000

GOR 3.87 0.050
2 267 9.20 2.47 N/A 5.65 0.000

1 333 77.276,16 110.557,56 A − 1.73 0.084

ES 4.86 0.028
2 263 92.842,19 106.857,11 N/A − 1.74 0.083

1 312 933.999,82 1.103.793,57 A − 5.42 0.000

EDUCACIÓN FÍSICA 89.69 0.000
2 267 1.655.737,49 2.027.583,93 N/A − 5.19 0.000

1 308 16.94 12.40 A − 3.83 0.000

PIPÍ 5.52 0.019
2 263 20.46 8.98 N/A − 3.92 0.000

1 374 12.023,48 6.940,51 A − 29.02 0.000

PIB 65.30 0.000
2 267 37.935,96 15.195,13 N/A − 26.00 0.000

1 329 78.57 14.31 A − 25.39 0.000

ES 0.03 0.873
2 267 107.55 13.28 N/A − 25.59 0.000

1 280 27.99 11.15 A − 35.16 0.000

ALP_PL 5.36 0.021
2 267 65.92 13.98 N/A − 34.97 0.000

1 280 117.37 47.09 A − 23.14 0.000

TPE_PL 47.53 0.000
2 267 269.41 98.83 N/A − 22.79 0.000

1 295 17.11 8.40 A − 38.12 0.000

AC_PL 0.47 0.493
2 267 43.92 8.24 N/A − 38.16 0.000

Sin embargo, hay un grupo de países donde tanto ALP como WALP son altos, según los
datos de 2018. Incluye Bélgica, Dinamarca y los Países Bajos. Mientras tanto, Chequia, Estonia
y Eslovaquia tienen ALP y WALP bastante bajos.
La muestra independientet-test indica que existen diferencias significativas en muchos
indicadores entre los países menos productivos y los países más productivos (Cuadro2).
economías2022,10, 31 10 de 17

Suponga que los países con ALP inferior al promedio conforman el primer grupo, mientras que los países
con ALP superior al promedio conforman el segundo grupo. Es obvio que la ALP promedio en el primer
grupo es significativamente menor (tres veces) que la ALP promedio en el segundo grupo, mientras que
la WALP promedio en el primer grupo es significativamente mayor que la WALP promedio en el segundo
grupo. Muchos otros indicadores, como la rotación por persona empleada (TPE), los costos de personal
promedio (AC), la participación de los costos de personal en la producción (CPR), la participación de los
costos de personal en el valor agregado bruto (CGVA), la participación de los sueldos y salarios en bruto
valor agregado (WGVA), y la participación de los costos de seguridad social en el valor agregado bruto
(SSGVA), en el primer grupo son significativamente más bajos en comparación con los indicadores en el
segundo grupo. Mientras tanto, las cargas sociales de un empleador como porcentaje de los costos de
personal (CH) no tienen una diferencia significativa entre dos grupos de países. Una parte relativamente
pequeña de los costos de personal en la producción y en el VAB, así como una tasa operativa bruta (GOR)
significativamente alta, dan la base para aumentar aún más los salarios, lo que aumenta el problema del
ALP estancado en los países del primer grupo.
En general, una ALP baja puede deberse a una baja rotación por persona empleada,
que, a su vez, puede estar determinada por el tamaño de una industria (un país). El
segundo grupo tiene un PIB, número de empresas (EN) y personas empleadas (PE)
significativamente mayores, así como un mayor número de personas empleadas en una
empresa (PEE). Aunque EN es menor en el primer grupo, la diferencia no es significativa
(al nivel de significación de 0,05). Las empresas más grandes podrían reducir ciertos
costos administrativos, obtener mayores ganancias y crear más oportunidades para
invertir en tecnologías y personal para trabajar de manera más eficiente. El valor
absoluto de la facturación, así como la facturación por persona empleada, también está
influenciado por el nivel de precios (PL), que es significativamente más alto en el
segundo grupo de países. Sin embargo, no es motivo de baja rotación como ALP en el
primer grupo,2) son todavía significativamente inferiores en el primer grupo.

Los coeficientes de correlación entre las diferencias de ALP y las diferencias de otros
indicadores se presentan en la Tabla3. ALP tiene una fuerte correlación positiva no solo con los
costos promedio de personal sino también con el PIB. Sin embargo, la prueba de causalidad de
Granger muestra que ALP Granger causa el PIB, pero no al revés. Mientras tanto, un aumento en la
participación de los salarios o los costos de personal en el VAB tiene un efecto negativo
significativo en ALP. Existe causalidad recíproca entre ALP e indicadores relativos relacionados con
costos de personal, es decir, costos de personal en valor de producción, costos de personal en VAB
y salarios en VAB que a su vez están estrechamente correlacionados. Los resultados también
muestran que el crecimiento de ALP permite reducir las cargas sociales del empleador y el número
de empleados en la empresa. El crecimiento de ALP aumenta el GOR y el PIB también. Existe una
relación recíproca entre la ALP y el PIB a largo plazo. Por lo tanto,
economías2022,10, 31 11 de 17

Tabla 3.Resultados de la prueba de causalidad de Granger y análisis de correlación (r).

Prueba de causalidad de Granger cuando

H: **** r
l=1 l=2 l=3
∆VUELTA→∆MONTAÑA 0.3852 0.1756 0.4126
0.4683 ***
∆MONTAÑA→∆VUELTA 0.0337 0.0021 0.0001

∆C.A.→∆MONTAÑA 0.0988 0.0185 0.0939

0,6018 ***
∆MONTAÑA→∆C.A. 0.3414 0.7779 0.8748

∆CH→∆MONTAÑA 0.8024 0.9229 0.4981

− 0.0129
∆MONTAÑA→∆CH 0.0272 0.0222 0.0181

∆RCP→∆MONTAÑA 0.0051 0.0041 0.0012

− 0,3170 ***
∆MONTAÑA→∆RCP 0.9900 0.0000 0.0000

∆CGVA→∆MONTAÑA 0.1559 0.0486 0.1604

− 0.5534 ***
∆MONTAÑA→∆CGVA 0.0291 0.0003 0.0012

∆WGVA→∆MONTAÑA 0.0768 0.0284 0.1318

− 0.6164***
∆MONTAÑA→∆WGVA 0.1015 0.0130 0.0106

∆SSGVA→∆MONTAÑA 0.7897 0.3142 0.3790

− 0,2672 ***
∆MONTAÑA→∆SSGVA 0.0002 0.0000 0.0001

∆GOR→∆MONTAÑA 0.1211 0.0694 0.3251

0,4588 ***
∆MONTAÑA→∆GOR 0.9587 0.0016 0.0001

∆EDUCACIÓN FÍSICA→∆MONTAÑA 0.2634 0.3841 0.1509

0,0970 **
∆MONTAÑA→∆EDUCACIÓN FÍSICA 0.3031 0.1503 0.3123

∆PIPÍ→∆MONTAÑA 0.1337 0.6224 0.5387

− 0.0324
∆MONTAÑA→∆PIPÍ 0.0230 0.0693 0.1529

∆ES→∆MONTAÑA 0.1859 0.2597 0.2428

0.0762 *
∆MONTAÑA→∆ES 0.9813 0.4665 0.4731

∆ES→∆MONTAÑA 0.9699 0.7594 0.9712

0,2357 ***
∆MONTAÑA→∆ES 0.9368 0.6465 0.7501

∆PIB→∆MONTAÑA 0.2521 0.2635 0.0363

0,6125 ***
∆MONTAÑA→∆PIB 0.7236 0.0100 0.0088

0.0000 0.0001 0.0001

∆MONTAÑA→∆TPE∆TPE→∆MONTAÑA 0.5203 ***
0.0000 0.0000 0.0001

∆C.A.→∆TPE 0.3408 0.2202 0.4171

0,3029 ***
∆TPE→∆C.A. 0.1400 0.3317 0.5912
* pags<0,1; **pags<0,05; ***pags<0.01. **** la hipótesis de que el indicador X no causa Granger Y (X→Y) se prueba en
la primera fila, mientras que la hipótesis de que Y no causa Granger X (Y→X) se prueba en la segunda fila.

El crecimiento de los salarios es beneficioso tanto a nivel micro como macro. Sin embargo, las
empresas a menudo evitan aumentar los salarios porque disminuyen las ganancias de la empresa. La
tasa operativa bruta (GOR) varió de 3,4 a 29,2 en Europa en 1995-2018 con una mediana y un valor medio
de 9,8. El GOR en los países menos productivos (el promedio es 9,2) es un poco más alto que en los
países más productivos (el promedio es 10,4) y se basa en los resultados de las muestras independientest
-prueba, esta diferencia es significativa.
Sin embargo, el crecimiento de AC no significa necesariamente una menor rentabilidad. GOR
en Bulgaria, Dinamarca y Luxemburgo ha aumentado más durante 15 años, mientras que GOR en
Polonia y Grecia ha disminuido más (Figura4). Dinamarca y Chipre se caracterizaron por tener el
GOR más alto en 2018, mientras que el GOR fue el más bajo en Francia (Gráfico5).
economías2022,10, 31 12 de 17

Figura 4.Comparación de cambios de AC y GOR. Fuente: elaboración propia a partir de datos de Eurostat y
cálculos de los autores.

Figura 5.Gráfico de dispersión de AC y GOR en 2018. Fuente: elaboración propia a partir de datos de Eurostat y cálculos
de los autores.

GOR es un indicador de rentabilidad que corresponde a la participación del excedente bruto de

explotación en la facturación. El excedente bruto de explotación es el excedente generado por las actividades
de explotación una vez retribuido el insumo del factor trabajo. Se puede calcular a partir del valor añadido al
coste de los factores menos los costes de personal. Si todos estos indicadores se dividen por el número de
personas empleadas, entonces el GOR se puede calcular de la siguiente manera:

MONTAÑA−C.A.
GOR = . (2)
TPE
Se puede demostrar que si TPE es estable, el crecimiento de los costos de personal (AC) también aumenta el GOR
porque el crecimiento de AC aumenta ALP, es decir,

GORt MONTAÑAt− C.A.t MONTAÑAt−1−C.A.t−1,

= / (3)
GORt−1 TPEt TPEt−1

GORt − C.A.t
=
MONTAÑAt
si TPEt= TPEt−1los norte . (4)
GORt−1 MONTAÑAt−1−C.A.t−1
economías2022,10, 31 13 de 17

Con base en el modelo ARDL(2, 0) estimado, un aumento en AC de 1 mil euros provoca un

aumento en ALP de 1.3101 miles de euros durante el año en curso. Por lo tanto,

GORt 1.3101 + ALPt−1−1−C.A.t−1 0,3101 + ALPt−1−C.A.t−1.

= = (5)
GORt−1 MONTAÑAt−1−C.A.t−1 MONTAÑAt−1−C.A.t−1

Como el numerador es mayor que el denominador con cualquier valor de ALPt−1y aire acondicionadot−1
demuestra que aumentar el salario también permite aumentar la rentabilidad de la empresa. En la Tabla
se presenta el aumento esperado en GOR debido al crecimiento de AC en 1000 euros en cada país con
datos de 2018, suponiendo que la facturación y el número de personas empleadas se mantengan
estables.4. Los cálculos muestran que debido al crecimiento de AC en 1 mil euros, el GOR aumenta entre
un 0,6% y un 4,6%. El mayor efecto del aumento de AC sobre el GOR se registra en Bulgaria y Rumanía,
mientras que el menor efecto se registra en Dinamarca y Bélgica.

Tabla 4.El aumento esperado en GOR debido al crecimiento de AC y cambios en AC necesarios para mantener estable
GOR cuando aumenta TPE.

El aumento esperado
Indicador previsto Crecimiento de CA
en Gor
suposiciones CA aumenta en 1 TPE aumenta en 1
miles de euros miles de euros
TPE es const. GOR es const.
País PE es const. PE es const.

Bélgica 0,56% − 0.11%

Bulgaria 4,58% − 1,00%
Chequia 2,24% − 0,35%
Dinamarca 0,59% − 0,17%
Alemania 1,37% − 0,08%
Estonia 2,89% − 0,29%
Grecia 2,03% − 0,32%
España 1,32% − 0,14%
Francia 1,59% − 0,04%
Croacia 3,39% − 0,53%
Italia 1,18% − 0,17%
Chipre 2,05% − 0,52%
letonia 3,21% − 0,78%
Lituania 3,26% − 0,46%
luxemburgo 0.95% − 0,08%
Hungría 1,83% − 0,52%
Países Bajos 0,66% − 0,10%
Austria 0.98% − 0.11%
Polonia 2,22% − 0,57%
Portugal 2,47% − 0,35%
Rumania 3,89% − 0,63%
Eslovenia 1,93% − 0,30%
Eslovaquia 2,61% − 0,24%
Finlandia 0,88% − 0.11%
Suecia 0,84% − 0,13%
Reino Unido 0,89% − 0,23%
Noruega 1,15% − 0,05%

El aumento de TPE tiene un impacto negativo en el GOR, por lo que si aumenta la rotación, el GOR
puede no aumentar tanto o incluso disminuir. Sin embargo, aumentar el volumen de ventas puede
reducir el costo de los bienes vendidos y aumentar el ALP. Los cambios en TPE se relacionan
positivamente con los cambios en ALP y cambios en AC, aunque el coeficiente de correlación no es tan
alto (0,52 y 0,30, respectivamente). TPE es un proceso estacionario con intercepto basado en el método
de Levin, Lin & Chu t (supone un proceso de raíz unitaria común), pero un proceso integrado de orden 1
sin tendencia e intercepto según ADF—Fisher Chi-square y PP—Fisher Chi -
economías2022,10, 31 14 de 17

métodos cuadrados (supone un proceso de raíz unitaria individual). La prueba de causalidad de

Granger muestra que existe una causalidad recíproca entre ALP y TPE, pero AC y TPE no tienen
una relación causal de Granger (Tabla3).
La cointegración entre ALP, AC y TPE se analiza mediante pruebas de límites ARDL. Los criterios de
selección del orden de retardo del VAR indican que ARDL(3, 0, 1) es el mejor, ya que su valor SC es el más
bajo. La prueba del multiplicador de Lagrange para efectos aleatorios indica que se deben incluir los
efectos del tiempo. La prueba de Hausman rechaza H0 indicando que se deben incluir efectos fijos. Los
resultados del modelo ARDL(3, 0, 1) estimado se presentan en la Tabla5.

Tabla 5.Resultados de las pruebas de límites ARDL.

Variables independientes Coeficiente estándar Error pags-Valor

C 0.1782 0.2487 0.4741

∆MONTAÑA(−1) − 0.0584 0.0438 0.1830
∆MONTAÑA(−2) − 0.0577 0.0373 0.1226
∆MONTAÑA(−3) 0.1117 0.0393 0.0047
∆C.A. 1.1797 0.0781 0.0000
∆TPE 0.0337 0.0049 0.0000
∆TPE(−1) 0.0279 0.0053 0.0000
MONTAÑA(−1) − 0.0854 0.0263 0.0013
C.A(−1) 0.1011 0.0342 0.0033
TPE(−1) 0.0048 0.0027 0.0701
R-cuadrado ajustado 0.6703
pags-valor del CD de Pesaran 0.5535
H0: todosθI=0 conjuntamente estadística F Chi-cuadrado
pags-valor 0.0083 0.0077
Multiplicador de largo plazo de
C.A. 1.1836
TPE 0.0565

El modelo es estacionario (es decir, dinámicamente estable), tiene una precisión moderada y los
residuos no están correlacionados. Con base en los resultados de la prueba de Wald, se rechaza la
hipótesis nula, lo que significa que los coeficientes no son iguales a cero en conjunto. En otras palabras,
ALP, AC y TPE tienen una asociación a largo plazo. TPE tiene un impacto positivo y significativo en ALP.
Así, el efecto de largo plazo de la rotación por persona ocupada sobre la productividad aparente del
trabajo asciende a 0,0565 con un error estándar de 0,0277. Significa que un aumento del 1% en la
facturación por persona ocupada tiene un efecto a largo plazo del 0,0565% sobre la productividad laboral
aparente. La prueba de Wald rechaza la hipótesis nula sobre su igualdad a cero (prob(t-statistic) = 0,0420;
prob(F-statistic) = 0,0420; prob(ji-square) = 0,0413). Por lo tanto, el efecto de TPE en ALP es significativo.

El efecto de AC en ALP es ligeramente menor en comparación con los resultados presentados

en la Tabla4como parte de los cambios en ALP que fueron descritos por los cambios en AC pueden
ser mejor explicados por TPE. El efecto a largo plazo de los costes de personal sobre la
productividad laboral aparente asciende a 1,1836 con un error estándar de 0,1865. La prueba de
Wald rechaza la hipótesis nula sobre su igualdad a cero (prob(t-statistic) = 0,0000; prob(F-statistic)
= 0,0000; prob(ji-square) = 0,0000).
Si la industria quiere mantener estable la RBG, el posible crecimiento de los costos de personal por
persona empleada cuando aumenta la facturación por persona se puede calcular utilizando la fórmula:

MONTAÑAt−C.A.t t−1 − C.A.t−1,

=
MONTAÑA
(6)
TPEt TPEt−1
C.A.t MONTAÑAt+ TPEt MONTAÑAt−1 TPEt
= − · . (7)
C.A.t−1 C.A.t−1 TPEt−1 C.A.t−1 TPEt−1
economías2022,10, 31 15 de 17

Según los resultados del modelo ARDL(3, 0, 1), si TPE aumenta 1 mil euros, ALP aumenta
0,0337 miles de euros durante el mismo año asumiendo que los demás indicadores se mantienen
estables. Entonces,
( )
C.A.t 0,0337 + ALPt−1+ 1 +TE PAGSt−11− MONTAÑAt−1.
= (8)
C.A.t−1 C.A.t−1 TPEt−1 C.A.t−1

El posible crecimiento de los costos de personal para cada país según los datos de 2018 cuando la
facturación por persona aumenta en 1 mil euros con el objetivo de mantener el GOR sin disminuir se calcula en
la Tabla4. Es obvio que el crecimiento de la facturación conduce a una reducción de los salarios para mantener
la rentabilidad. Esto se debe a que el crecimiento de TPE aumenta ALP considerablemente menos que el
crecimiento de AC.

5. Conclusiones
La productividad laboral aparente varía significativamente entre los países europeos y el ALP más
alto (en Dinamarca) supera al ALP más bajo (en Bulgaria) más de ocho veces. ALP está creciendo más
lento que el costo de personal en países con menor productividad. Una parte relativamente pequeña de
los costos de personal en la producción y en el VAB, así como una tasa operativa bruta significativamente
más alta, dan la base para aumentar aún más los salarios, lo que aumenta el problema del ALP estancado
en los países menos productivos.
Nuestra investigación muestra que los costos de personal tienen un impacto positivo en la
productividad laboral aparente. La prueba de límite ARDL muestra que existe una relación a largo plazo
entre estos indicadores. Un aumento del 1% en los costos de personal tiene un efecto a largo plazo de
1,7776% en la productividad laboral aparente, suponiendo que el impacto de otros indicadores en ALP
no sea significativo. El análisis muestra que no hay diferencias significativas en los países europeos en el
impacto de AC en ALP, pero varía con el tiempo.
Las empresas a menudo evitan aumentar los salarios, ya que disminuyen las ganancias de la empresa, y
buscan aumentar la facturación para reducir el costo de los bienes vendidos. Esta investigación muestra que el
crecimiento de AC no significa necesariamente una menor rentabilidad. El crecimiento de AC en 1 mil euros
aumenta el GOR en un 0,6–4,6% si la facturación por persona empleada es estable. El crecimiento de la
facturación tiene un efecto positivo en ALP pero un impacto negativo en GOR. Un aumento del 1% en la
facturación por persona ocupada tiene un efecto a largo plazo del 0,0565% sobre la productividad laboral
aparente. Por lo tanto, el impacto de la rotación en ALP es notablemente menor que el impacto de AC en ALP.

Dado que el crecimiento de ALP se está desacelerando en todos los países europeos, los países de menor
productividad pueden tardar muchos años en ponerse al día con otros países europeos, y necesita cambios y
esfuerzos significativos. En primer lugar, los países son diferentes en la tecnología utilizada, nivel de
automatización de procesos en las empresas. En segundo lugar, los gerentes de las empresas manufactureras
buscan aumentar sus ganancias y aumentar los salarios hasta cierto punto. Sabiendo eso, los empleados no
están dispuestos a ser mucho más productivos. Por lo tanto, no solo un aumento en los salarios, sino también
una mayor inversión en nuevas tecnologías puede conducir a un crecimiento más rápido de la productividad en
los países menos productivos. Sin embargo, cambiar la mentalidad de los gerentes puede requerir mucho más
esfuerzo y tiempo.
Esta investigación contribuye a la literatura existente que investiga el vínculo entre la productividad y los
salarios y fomenta la discusión sobre cómo resolver el problema del lento crecimiento de la productividad
laboral. Los resultados de esta investigación pueden ser útiles para los empresarios y los responsables políticos
que intentan encontrar una solución para aumentar la productividad laboral, especialmente en los países
menos productivos.
Esta investigación no analiza el impacto del nivel de tecnología, la inversión en tecnología, así como
otros indicadores, que pueden influir en la productividad aparente del trabajo. No tiene en cuenta los
cambios en el salario debido a los cambios en el tipo y la calidad de los especialistas necesarios para las
empresas debido a los cambios en la tecnología. Sin embargo, los resultados de esta investigación
demuestran que el aumento de los salarios, a pesar de las razones para ello, tiene un impacto positivo en
la productividad laboral aparente.
Traducido del inglés al español - www.onlinedoctranslator.com
Procesos de control
Este estudio considera un modelo ágil para la organización
de actividades de una empresa de transporte orientada a
proyectos.
Construir una empresa orientada a proyectos (gestión
orientada a proyectos) requiere una base teórica adecuada.
Se ha desarrollado el modelo ágil de operación de la
empresa de transporte, para lo cual se han determinado los
ciclos, se ha definido el contenido de cada ciclo y se ha
simulado el flujo de información. Se ha caracterizado la
transformación de la información en cada ciclo del modelo,
teniendo en cuenta la especificidad operativa de las
actividades de las empresas de transporte. Se comparó un
modelo determinado con las principales etapas del ciclo de
vida de un proyecto. Se han propuesto dos indicadores
como el grado de singularidad del proyecto y el grado de
complejidad del proyecto que reflejan las características
del proyecto correspondiente. La complejidad de las
actividades operativas del proyecto se refiere a la cantidad
de elementos y sus alternativas. Parte del proyecto es una
«operación» que forma una unidad del cronograma de la
red del proyecto. La singularidad del proyecto de
actividades operativas significa la diferencia entre el
proyecto actual y otros proyectos, ya implementados o en
ejecución por la empresa. Se han derivado las fórmulas de
estimación para estos indicadores. Los indicadores
propuestos para el ejemplo dado han sido calculados; se ha
propuesto la interpretación de los resultados. Los
resultados de los cálculos han demostrado la adecuación de
los datos de entrada y salida y la aplicabilidad práctica de
estos indicadores. Estas métricas no se limitan al contexto
de una especificación de proyecto adicional. Se propone
que su nivel se utilice en los procesos de estimación del
tiempo de los períodos de proyectos individuales y los ciclos
del modelo ágil dentro de la etapa inicial: creación de un
modelo de concepto de producto y preparación para la
implementación. Además, estos indicadores podrían usarse
de manera efectiva para la remuneración de los empleados.
Palabras clave: producto del proyecto, grado de singularidad del
proyecto, grado de complejidad del proyecto, gestión del tiempo
Fecha de recepción 27.11.2020 Copyright © 2021, N. Pavlova, S. Onyshchenko, A. Obronova, T. Chebanova, V. Andriievska
Fecha de aceptación 08.02.2021
Fecha de publicación 26.02.2021
1. Introducción
Partiendo de los proyectos relacionados con la información y el
software, la filosofía Agile penetra rápidamente en otras áreas de
actividad. Además, esta penetración se observa tanto a nivel de
proyectos como en la organización de las actividades operativas,
incluido el sector servicios. Las principales ventajas del enfoque Agile
son la reducción del período antes de la entrega del producto del
proyecto, así como una mejor conformidad del producto resultante con
las expectativas de los clientes. Estas ventajas son especialmente
relevantes en situaciones en las que el cliente no está preparado para
articular completamente todos los requisitos del producto final en el
momento del pedido. Este es particularmente el caso en el sector del
transporte cuando se trata de la entrega de cargas por tráfico
internacional que involucra varios modos de transporte.
UDC 519.8
DOI: 10.15587/1729-4061.2021.225529
CREANDO EL ÁGIL-
MODELO PARA GESTIONAR LAS
ACTIVIDADES DE PROYECTO-
TRANSPORTE ORIENTADO
EMPRESAS
n Pavlova
Profesor titular
Departamento de Explotación Portuaria y
Tecnología de manejo de carga** Correo
electrónico: pavlova_1983@ukr.net
S . O nyshchenko
Doctor en Ciencias Económicas, Profesor,
Director del Instituto Educativo y Científico
Instituto Educativo y Científico de Negocios Marinos**
Correo electrónico: onyshenko@gmail.com
UN . O bronova
Estudiante de posgrado*
Correo electrónico: alesiaobronova@gmail.com
t Chebanova
Doctor
Departamento de Emprendimiento y Turismo**
Correo electrónico: ilyusha182004@gmail.com
V. Andriievska
Doctorado, Profesor Asociado*
Correo electrónico: andri-vera@ukr.net
* Departamento de Sistemas Logísticos y Gestión de Proyectos**
Universidad Marítima Nacional de Odessa
Mechnikova str., 34, Odessa, Ucrania, 65029
Este es un artículo de acceso abierto bajo la licencia CC BY
(http://creativecommons.org/licenses/by/4.0)
Así, las empresas modernas de transporte y transitarios
son las organizadoras y «titulares» del transporte intermodal y
mixto, lo que lleva asociado la implicación y coordinación de
un número importante de participantes. La presencia de todas
las características de un proyecto en la entrega de mercancías
[1] hace posible que las empresas de transporte y expedición
se transformen en empresas orientadas a proyectos. Utilizar
aún más la gama completa de herramientas prácticas
disponibles y el marco teórico para la gestión de proyectos
para garantizar la eficacia de los procesos de gestión, incluida
la filosofía ágil. Esto requiere, en primer lugar, la construcción
de un modelo ágil que muestre cómo se deben trabajar los
proyectos operativos. Asegurar el éxito del modelo ágil
requiere el uso de herramientas adecuadas que permitan, en
concreto,
51
Revista de Europa del Este de Tecnologías Empresariales ISSN 1729-3774
Contar con un marco teórico adecuado para resolver este
problema permitirá a las empresas de transporte implementar de
manera práctica la gestión orientada a proyectos utilizando un enfoque
ágil, asegurando la efectividad y los beneficios proporcionados por la
metodología de gestión de proyectos y la filosofía ágil.
2. Revisión de la literatura y planteamiento del problema
La filosofía Agile, que se ha seguido durante mucho tiempo en
el desarrollo de software y que ha recibido una amplia aplicación
práctica desde la publicación de Agilemanifesto [2], se está
desarrollando a un ritmo acelerado, siendo una de las más
exitosas desde hace mucho tiempo. punto de vista práctico. Tenga
en cuenta que si bien los artículos utilizan los términos
«metodología ágil» [3–5], «enfoque ágil» [6] o «gestión ágil de
proyectos» [7, 8], la esencia de lo que sus autores ponen en estos
conceptos es casi idéntico. Esta situación se explica por el hecho
de que la filosofía ágil como metodología universal de gestión de
proyectos recién se está formando. Por lo tanto, de hecho, la
investigación sobre este tema emplea una determinada visión/
concepto/enfoque de acuerdo con la idea de ágil.
La mayoría de las publicaciones y estudios disponibles
relacionados con la gestión ágil de proyectos abordan proyectos de TI
(tecnologías de la información), por ejemplo [4, 5, 9]. Los trabajos
citados resumen la experiencia práctica del uso del enfoque Agile en la
implementación de esta categoría de proyectos. Los beneficios de la
gestión ágil de proyectos se describen en [6, 7], donde se especifican
las ventajas ágiles en áreas que no son de TI. El artículo [8] corrobora la
efectividad de la «orientación al cliente» ágil en principio para la
gestión de proyectos, independientemente de la especificidad de la
industria del proyecto. La posibilidad de utilizar la gestión ágil de
proyectos en varios campos se discutió en [10]. El enfoque Agile
también podría usarse ampliamente en el desarrollo de hojas de ruta
[11], hitos estratégicos especiales.
El mundo moderno es un mundo en el que se desdibujan los
límites entre los diferentes campos del conocimiento y se
transfieren los resultados de las diferentes ciencias [12]. Por lo
tanto, es natural que las ideas de la gestión ágil de proyectos
hayan comenzado a probarse en aquellas áreas donde antes
parecía poco práctico, además, el enfoque de proyectos no se
utilizó en principio.
Por ejemplo, los temas de gestión de proyectos en el
sector de la construcción basados en ágiles han sido
investigados en [13], en el sector público – en [14], al crear un
sistema de aprendizaje a distancia – en [15]. La especificidad
de cambiar el énfasis en el proceso de desarrollo y en el
diseño de metas bajo el enfoque ágil para la gestión de
proyectos de infraestructura fue presentada en [16].
Los riesgos en la gestión ágil de proyectos se han
identificado en [17] y, en comparación, con el enfoque
tradicional (no ágil) de gestión de proyectos.
La introducción de ágil en actividades prácticas también
requiere un cierto esquema; estas cuestiones se han abordado en
artículos [18–20].
Aunque el trabajo [21] no se dedica explícitamente a las cuestiones de
ágil, la herramienta de estrategia de «consumidor-proveedor» que propone
podría servir como un medio para implementar la ideología ágil para
establecer, por ejemplo, tiempos competitivos de entrega de servicios (como
es relevante para el sector del transporte).
El enfoque ágil implica aumentar el enfoque en la gestión del
tiempo del proyecto: encontrar opciones para reducir el tiempo de
cada operación; limitando cada sprint (ciclo) cuando se trata, por
ejemplo, de un framework scrum de la familia ágil.
52
1/3 ( 109 ) 2021
En este sentido, vale la pena señalar trabajos [22, 23], que, por
ejemplo, reportan resultados interesantes en la búsqueda de los plazos
más tempranos para las operaciones del proyecto, teniendo en cuenta
los diversos requisitos para el proyecto en su conjunto.
Las categorías centrales del desarrollo de la gestión ágil no
son solo el tiempo sino también el producto. Pero su especificidad
(la duración de las operaciones y el producto) son inherentes a
cada área específica. Por lo tanto, todos deben tener en cuenta
esta especificidad al desarrollar herramientas Agile.
Por lo tanto, existe un marco teórico importante para la
gestión de proyectos. Está formado por estándares
internacionales (por ejemplo, [24]), incluso para el sector del
transporte [25]. Las ventajas del uso práctico de la metodología de
proyectos y métodos relacionados en los «campos de proyectos
tradicionales» fueron condiciones previas para el desarrollo y la
extensión a diversas áreas, incluido el transporte, de las ideas de
la gestión orientada a proyectos. De acuerdo con esta idea, las
operaciones de empresas, empresas y organizaciones se
estructuran en forma de una cartera de proyectos. El desarrollo de
la ciencia y los resultados del uso práctico de Agile forman la
esencia de una nueva etapa en el desarrollo de la gestión de
proyectos: la gestión ágil de proyectos.
Dado que las empresas de transporte también han estado
involucradas en los procesos de transformación cambiando a
orientados a proyectos [1], el siguiente paso lógico es utilizar la idea de
la metodología ágil. Sin embargo, cabe señalar que, en el sector del
transporte, la gestión orientada a proyectos se considera, en principio,
solo de forma fragmentaria en los estudios teóricos. Al mismo tiempo,
muchas empresas de transporte «sin saberlo» utilizan elementos del
enfoque de proyectos, incluido Agile, en actividades prácticas.
Por lo tanto, la construcción y organización de la
operación de empresas orientadas a proyectos en el sector
transporte podría y debería llevarse a cabo considerando
la metodología ágil. Esto permitirá formar una base teórica
moderna de gestión orientada a proyectos de las
actividades operativas de las empresas de transporte,
teniendo en cuenta las herramientas basadas en los
marcos ágiles. Se necesitan herramientas adecuadas de
gestión del tiempo para hacer más eficiente el uso de la
gestión de proyectos en actividades prácticas. Aunque se
dispone de una serie de estudios que abordan este tema,
por ejemplo [22, 23], sin embargo, para las empresas de
transporte que organizan la entrega, el horario de la red
«comienza» después del acuerdo con el cliente. Por lo
tanto,
3. Finalidad y objetivos del estudio
El objetivo de este estudio es desarrollar un modelo ágil para la
organización de actividades por parte de empresas de transporte
orientadas a proyectos basado en el framework Scrum para asegurar
su efectividad en la formulación difusa de los requisitos iniciales para el
producto del proyecto.
Para lograr el objetivo, se han establecido las siguientes tareas:
– para definir el contenido de los sprints (ciclos) en el ágil
modelo de actividades de las empresas de transporte;
– diseñar indicadores que reflejen la especificidad de
proyectos desde el punto de vista del modelo ágil, y asegurar su
funcionamiento eficiente, para desarrollar un método de evaluación de
los mismos;
– calcular indicadores que reflejen la especificidad de los pro-
proyectos desde una perspectiva de modelo ágil, para un ejemplo específico,
Procesos de control
4. La identificación de ciclos dentro de un modelo Agile
de empresas de transporte
En este estudio, se entiende por «empresas de transporte» los
operadores de transporte multimodal, las empresas de transporte y
expedición, las empresas de transporte y logística, es decir, un amplio
abanico de empresas cuyas actividades están relacionadas con la
organización de la entrega de mercancías en el marco del transporte. o
servicios de logística. Para las empresas de transporte, los resultados
propuestos también podrían utilizarse con alguna adaptación para
situaciones en las que «transporte» podría interpretarse como un proyecto
(por ejemplo, cuando el transportista se hace cargo de otros tipos de
operaciones relacionadas con la entrega). Pero, a menudo, el «transporte»
en sí mismo no es un «producto de proyecto». Así, si consideramos la
entrega de mercancías sobredimensionadas (por ejemplo, turbinas eólicas
industriales, que en la mayoría de los casos se transportan en buques ro-ro),
el transporte marítimo en sí mismo no produce un «producto» terminado
[1]. La empresa que realiza la entrega de estos aerogeneradores debe
asegurar su carga/descarga, entrega en puerto/desde puerto a destino. Son
los aerogeneradores entregados en el lugar de instalación (a tiempo y sin
daños) los que tienen valor para el cliente.
Del mismo modo, al entregar, por ejemplo, granos para la
exportación. Bajo ciertas condiciones del contrato (para ser
entregado CIF), el exportador debe tener todo el envío del
contrato entregado en los puertos de destino dentro del tiempo
especificado, es decir, en la comunicación ferrocarril-mar o río-
mar. El producto de tal entrega es un lote de grano (de la calidad
necesaria). entregado a los puertos establecidos (puerto) en el
volumen requerido de acuerdo con el momento del envío.
Así pues, definiremos claramente qué debemos entender por
producto de proyectos de empresas de transporte orientadas a
proyectos. Según la metodología de gestión de proyectos, «el producto
del proyecto es el objeto que aparece después del proyecto: el objeto
material, el servicio prestado, etc.» [13]. Por lo tanto, el producto de los
proyectos de las empresas de transporte orientadas a proyectos es el
servicio prestado: la carga entregada. El proceso de prestación del
servicio es un conjunto de operaciones concertadas, que son la esencia
de las operaciones dentro del cronograma de red del proyecto. Tenga
en cuenta que los clientes están interesados principalmente en ciertos
parámetros del producto del proyecto: el resultado de la entrega
(costo, tiempo, calidad). El organizador de la entrega debe formar una
combinación de operaciones que asegure que se cumplan los
requisitos del producto del proyecto.
Al realizar un pedido para la entrega, por regla general,
el cliente puede formular de manera bastante «vaga» los
requisitos/condiciones básicos para la entrega: la
limitación de tiempo y dinero (costo). La frase «tan pronto
como sea posible por un valor razonable» es la más común
entre los clientes. Y solo en el proceso de organización, se
aclaran todos los detalles relacionados con la disposición y
ubicación de la carga, algunas de sus especificidades, etc.
Y esto, a su vez, afecta tanto el tiempo como el costo de la
entrega. Por lo tanto, se requiere aplicar el enfoque ágil a
una organización de entrega para que todos los requisitos
del cliente se tengan en cuenta dentro de un período
limitado sin actividades organizativas innecesarias. Por
ejemplo, no debería haber tal situación cuando todas las
actividades de entrega están organizadas y preparadas,
Además, el mercado del transporte permite utilizar no solo una
amplia variedad de proveedores, sino también diversas soluciones
tecnológicas en el proceso de entrega [27]. Esto también debe
discutirse con el cliente y, por lo general, no se puede ofrecer
inicialmente durante el proceso de realización del pedido.
La familia Agile de marcos incluye programación extrema, DSDM,
Scrum, FDD, BDD, etc. La mayoría de ellos son aplicables en gran
medida para el desarrollo de software (para el cual, de hecho, fueron
desarrollados). Pero Scrum y Kanban hoy en día son los más aplicados
dado su carácter universal para proyectos de diferente contenido.
Nuestro estudio se basa en el marco Scrum, cuya esencia es que todas
las actividades se dividen en sprints: intervalos de tiempo. Tan pronto
como se completa el sprint, se evalúa y analiza la operación para
comprender qué se podría mejorar [28]. Según la especificidad de
Scrum, cada sprint debe evaluarse en horas (días). Por lo general, de
una a tres personas trabajan en proyectos en una empresa de
transporte, por lo que Scrum es más apropiado dada la discusión diaria
de los resultados del sprint.
Así, el modelo ágil de operación de una empresa de transporte
orientada a proyectos debe entenderse como el esquema y la
correspondiente descripción de la esencia de la secuencia de
sprints y el adecuado intercambio de información con el cliente en
el proceso de entrega, así como un sistema de indicadores que
determinan la duración máxima de los sprints.
Así, el modelo ágil de actividades de las empresas de
transporte con el cliente implica un detallado y especificación
consistente, por un lado, de la información del cliente, por otro
lado, ofertas sobre las opciones de entrega de la empresa de
transporte. La implementación práctica de un modelo dado es
posible en presencia de una oficina virtual de gestión de proyectos
[1]. Proporciona no solo el acceso a la base de información para
proveedores de empresas de transporte, sino también la
integración de información sobre proyectos implementados o
planificados para crear las máximas sinergias.
El modelo ágil propuesto para la implementación de la
gestión orientada a proyectos en el sector transporte se
muestra en la Fig. 1. Los ciclos (sprints) del modelo ágil se
reflejan en la relación con el ciclo de vida del proyecto, donde
se destacan los principales eventos clave: la formación del
modelo de concepto de producto, el inicio de la
implementación y la recepción del producto del proyecto.
En el primer ciclo del modelo, al recibir una solicitud por parte
del proyecto manaedad r, el cliente forma los términos básicos de
entregaCz,z=1,Zo, en términos del proyecto, los requisitos para el
producto del proyecto.Zes el número de las condiciones
establecidas. Con base en estas condiciones, el gerente forma
variantes de productos (opciones de entrega) en la cantidad oF
metro , las características de las opciones están establecidas por
un conjunto τj,j=1,metro. La solicitud adicional de información (por
ejemplo, la ubicación de la carga, posibles ajustes de tiempo, etc.)
permitiría al cliente seleccionarmetro'opciones que consideran
aceptables como alternativas. Según estas opciones, ya recibe
información específica sobrelos características principales de la
produc tRj,Tj, ΔRj, ΔTj,j=1,metro′,donde, respectivamente, Rj,Tj,j=1,
metro′es el tiempo de entrega y el costo de la entrega, ΔRj, ΔTj,j=1,
metro′es el posible cambio en los gastos de envío y plazos de
entrega.
Por regla general, las posibles desviaciones en el tiempo son una
especificidad integral del transporte, especialmente cuando se trata de
varios modos de transporte. Las desviaciones de costos ocurren en esta
etapa, antes de que se elija la opción final, debido a la falta de información
confiable al momento de negociar con el cliente sobre el costo de todas las
transacciones durante el proceso de entrega. En esta etapa, no es
recomendable perder tiempo refinando todos losinf formación para formar
las característicasRj,Tj, ΔRj, ΔTj,j=1,metro′,En principio, el cliente podría
rechazar tantas variantes de este conjunto. Este enfoque es consistente con
la metodología Agile, ahorrando tiempo y definiendo gradualmente
características específicas de opciones de productos para el proyecto. Para
las empresas de transporte,
53
Revista de Europa del Este de Tecnologías Empresariales ISSN 1729-3774 1/3 ( 109 ) 2021

se utiliza un conjunto específico de características del producto, para

otras áreas de actividad, sin cambiar la esencia del modelo propuesto,
este conjunto debe ajustarse a la especificidad de la actividad.

CLIENTE

Solicitud, 1 4
información 3
2
Cz,z-1,Z
Aceptado
Condiciones Fig. 2. Especificación gradual del proyecto
Informa- opción
R,T,-R,-T caracteristicas de producto
ción Producto

Producto opciones
Opción
opciones - ,jj-1,metro'
caracteristicas
- , j-1,metro 5. Los indicadores que conforman el modelo ágil
R'j,T',-j T j
I

Opción rendimiento eficiente

caracteristicas j-1,metro''
Solicitud de R,jT,-jR,-T j j Por lo tanto, la implementación práctica del
adicional
información j-1,metro' modelo ágil requiere de herramientas de gestión del
tiempo adecuadas para el proyecto, ya que sin
establecer unos límites de tiempo [29] para cada ciclo
(sprint) en un modelo dado, es imposible recibir el
Oficina Virtual
producto del proyecto en tiempo y forma. Al mismo
para gestionar proyectos
de un proyecto orientado
tiempo, los plazos de cada ciclo deben tener en
empresa cuenta la especificidad del proyecto.
PROYECTO Tal evaluación es necesaria, por un lado,
GERENTE para la gestión del tiempo del proyecto y, por
Implementación Recibió otro lado, para la gestión de los recursos
proyecto
comienzo
humanos.
producto
modelo de concepto
Sin embargo, los proyectos que son relevantes para
de proyecto
las actividades operativas, así como cualquier otro
producto
proyecto, además de los indicadores tradicionales,
t0 t1 t2 t3 Hora podrían evaluarse desde dos posiciones más: desde el
ciclo de vida del proyecto
punto de vista de la complejidad y la singularidad.

Tr(DD,DU) La complejidad del proyecto operativo debe

entenderse como el número de elementos y sus
Fig. 1. El modelo ágil de operación de la empresa de transporte alternativas. Un elemento del proyecto es la
«operación», formando una unidad del
En el tercer ciclo del modelo, el cliente especifica los requisitos cronograma de red clásico del proyecto.
para el producto.R,T, ΔR, ΔT, que permite al administrador La singularidad del proyecto operativo debe
seleccionarmetro″opciones demetro, solicita información entenderse como la diferencia entre el proyecto actual y
actualizadarma ción de los proveedores, y formar los conjuntosR′j, otros proyectos, ya implementados o en implementación
Tj′, ΔTj′, j=1,metro",que caracterizan el costoR′j,horaj′,y posible en la empresa.
desviación de tiempo ΔT′para cada opción. El tercer ciclo podría Se propone introducir indicadores apropiados para su
repetirse si fuera necesario, considerando, por ejemplo, ajustes uso en los procesos de gestión: el grado de complejidad
repentinos por parte del cliente, o cambios en las condiciones del DDy el grado de unicidadDU. Estas métricas deben ser la
proveedor, etc. El resultado de este ciclo es la elección de la opción base para determinar los plazos de los ciclos y fases de
por parte del cliente, que es aceptada para su implementación. . desarrollo del modelo conceptual del producto.Tr, es decir,
Así, en cada ciclo se especifican las características del producto del Tr(DD,DU).
proyecto para cada una de sus variantes (en este caso, el tiempo, El método de cálculo de los indicadores en consideración,
sus desviaciones y el costo de entrega); gráficamente, podría por supuesto, debe tener en cuenta la especificidad de las
representarse en la forma que se muestra en la Fig. 2. actividades de la organización y el producto del proyecto. Para
Cada sprint (ciclo) del modelo ágil, o al menos el tiempo de las empresas de transporte, el producto de tél proyecto se
obtención del prototipo del producto, debe estar acotado en el caracteriza por un conjunto de parámetrosCz,z=1,Z, que podría
tiempo. Es el enfoque del proyecto para la entrega lo que permite incluir dentro de tél conjunto mínimo, por ejemplo,C1,C2, C3,
considerar su desarrollo e implementación dentro de los límites dondeC1Cz,z=1,Z, es el punto de partida,C2es el destino,C3es la
bien definidos de las etapas del ciclo de vida. Y aquí hay una carga. Al mismo tiempo, la «carga» se caracteriza en términos
necesidad de diferenciar el tiempo destinado al ciclo o etapa de de la especificidad de la entrega, por ejemplo, como una
desarrollo en función de la especificidad del proyecto. Incluso la implementación práctica deC3se podría usar lo siguiente:
entrega de la carga podría ser de diversa complejidad en términos
de la especificidad de la carga (por ejemplo, peligrosa), en – C3= 1 – mercancía de tara en el paquete;
términos de un punto de despacho, la necesidad de transporte – C3= 2 – cargas a granel en tanques;
marítimo en la comunicación principal-alimentador, etc. – C3= 3 – cargas en contenedor frigorífico, etc.

54
Procesos de control
Con base en estos datos iniciales sobre el producto del proyecto, el
especialista forma el «marco» de la futura entrega, que ya incluye los
puertos de salida y destino, puertos de transbordo, si es necesario. Es
decir, el gerente detalla el «producto» en términos del movimiento
físico de la carga. El resultado es (al menos) un conjunto deC1,A1,C2,A2,C
3, dondeA1,A2son, respectivamente, los puertos de salida y de destino.
Naturalmente, la versión propuesta es el conjunto más simple (mínimo)
que podría ampliarse.
La singularidad del proyecto corresponde a la singularidad del
conjuntoC1,A1,C2,A2,C3para la compañía. Cabe señalar aquí que un
producto que es un producto de un alto grado de singularidad
para una empresa puede ser de singularidad media para otra
empresa. Todo está determinado por la experiencia de la empresa
en determinados productos.
Evaluar el grado de singularidad es especialmente importante para
las empresas orientadas a proyectos, es decir, las empresas que siguen
la metodología de proyectos en el curso de sus operaciones. Para las
empresas de transporte en cuestión, muchos de los servicios prestados
pueden resultar bastante «repetitivos». Así, la entrega de mercancías
(textiles, electrodomésticos, etc.) en un contenedor desde el puerto de
Shanghai a Kiev se caracteriza por un bajo grado de singularidad. Por
regla general, los empleados de las empresas de transporte tienen
claro quién debe participar en esta entrega y cuál es su coste
aproximado. Por el contrario, el ejemplo anterior de entrega de los
llamados bienes proyectados (por ejemplo, turbinas eólicas
industriales) muestra un alto grado de singularidad. Esta entrega
requiere la participación tanto de un transportista marítimo específico
como de un transportista especializado en el transporte de carga
sobredimensionada. Además, el proceso de carga/descarga en esta
situación no es trivial y requiere el desarrollo de la tecnología
adecuada, lo que implica la elección de las terminales portuarias donde
existe tal posibilidad. Organizar dicha entrega requiere, por supuesto,
más tiempo para cada sprint.
Por otro lado, bajo las condiciones del alto nivel de competencia en
el mercado de servicios de transporte, donde trabajan hoy miles de
empresas (solo en Ucrania), el control de tiempo dentro de cada sprint
brinda a la gerencia la oportunidad de proporcionar, en última
instancia, un tiempo competitivo. de la organización de entrega.
Lo siguiente se propone como una evaluación de la singularidad
ness del proyecto:
1
DU= , ( 1) oferta para una entrega basada en vehículos y una entrega de envío y
( ) ( ) ( ) ( ) ( )
1+norte C1 ⋅norte A1 ⋅norte C2 ⋅norte A2 ⋅norte C3
dondenorte(C1),norte(A1),norte(C2),norte(A2),norte(C3),
respectivamente, es el número de productos (entregas), dondeC1es el
punto de partida,A1es el puerto de salida, etc.
En este caso,C1,A1,C2,A2,C3toman valores muy específicos y (1) no
se basan en el número de dichos conjuntos en el fondo de la empresa,
sino en el número de conjuntos que incluyen elementos individuales
del conjuntoC1,A1,C2,A2,C3. Si todos los elementos de este conjunto son
completamente únicos, es decir, la empresa no tenía proyectos con
coincidencia parcial de productos, entoncesnorte(C1) =norte(A1) =norte(
C2) =norte(A2) =norte(C3) = 0, respectivamente,DU=1, es decir, el
proyecto es bastante único para una empresa determinada. Por el
contrario, cuanto más «tradicionales» sean los elementos del producto,
másDU→0.
Cabe señalar que la interpretación deDUcálculos implica la
existencia de una cierta escala de estimación en la siguiente
forma:
– DU³DUA–un proyecto con una singularidad de alto grado;
– DUB£DU<DUA–un proyecto con una singularidad mía-
grado medio;
– DU<DUB–un proyecto con una singularidad de bajo grado.
Los valores límiteDUA,DUBse determinan para cada empresa
individualmente en función de su tamaño, experiencia, número de
empleados, etc.
En el área en consideración, el producto del proyecto (tecnología del
producto del proyecto) implica acordar un gran número de operaciones
entre diferentes participantes en el proceso de entrega, entonces,
naturalmente, cuanto mayor sea el número de ellos, más complejo será el
proceso de negociación. Por lo tanto, solo el componente portuario de la
entrega involucra, además de las operaciones de carga, por ejemplo, control
fitosanitario, control aduanero, etc. Por lo tanto, la tarea principal del
organizador de la entrega no es solo seleccionar la composición de los
participantes, que prevé reuniones las condiciones necesarias (costos y
tiempo de entrega) sino para coordinar sus actividades. Cualquier
inconsistencia resulta en retrasos en el progreso de las operaciones y/o
costos adicionales.
Cualquier entrega (proyecto) podría caracterizarse, por un lado,
por el número de operaciones (forman la programación de la red del
proyecto), por otro lado, algunas de estas operaciones tienen una
alternativa desde el punto de vista de los ejecutantes ( proveedores).
Por lo tanto, el transporte marítimo o por camión en un lugar de
entrega en particular podría ser realizado por diferentes transportistas,
y el tiempo, el costo y la confiabilidad de los servicios de estas
empresas (confiabilidad en términos de puntualidad, en este caso) es
diferente. Y el organizador considera todas las alternativas, llegando
poco a poco con el cliente a la opción que mejor se adapta a las
condiciones planteadas (Fig. 1).
Por lo tanto, se propone una evaluación de la complejidad del proyecto
de la siguiente manera:
V
∑norteav
DD=v=1Vs , (2)
∑norteasv
v=1
dondeVes el número de operaciones en el proyectot; nortea v es el
número de alternativas para cumplir una operaciónv=1,V;Vses el
número de operaciones dentro de un proyecto «típico»;nortea sves el
número de alternativas para un proyecto «típico».
Por proyecto «típico» se entiende el proyecto medio de un sector
determinado. Para las empresas de transporte, un proyecto típico es la
entrega de carga de piezas de tara en un contenedor, pro-
operaciones relacionadas, y una alternativa para operaciones dentro de 1–2.
Así, para cada empresa, como parte del análisis de su funcionamiento
Vs
actividades, se pudo determinar que ∑norteasv,que actúa como
v=1
un «co-medidor» para el resto de proyectos.
Así, (3) toma en consideración tanto el número total de
operaciones del proyecto como el número de alternativas para
cada operación en comparación con el proyecto típico.
Se mencionó anteriormente que el mercado del transporte moderno
también ofrece una variedad de soluciones tecnológicas para la entrega,
especialmente para mercancías a granel [27]. Por lo tanto, en el caso de
alternativas en este aspecto, cada solución tecnológica considera su propia
versión de operaciones y alternativas para su implementación. Por lo tanto,
(2) se puede ajustar para reflejar esto de la siguiente manera:
KVk
∑∑norteakv
DD=k=1v=1Vs , (3)
∑norteasv
v=1
dondekes el número de variantes de soluciones tecnológicas
(tecnología del producto del proyecto),Vkes el número de opera-
55
Revista de Europa del Este de Tecnologías Empresariales ISSN 1729-3774 1/3 ( 109 ) 2021

ciones para elk-ésima versión de la tecnología para recibir el

producto del proyecto;norteakves el número de alternativas para
realizar operaciones sobre cada variante de la tecnología de
obtención del producto del proyecto.
Por lo tanto, hemos introducido los indicadores que aseguran el
funcionamiento eficiente del modelo ágil propuesto y hemos derivado
sus fórmulas de estimación.

6. Cálculos experimentales de indicadores que

reflejar la especificidad de los proyectos desde el punto de vista
del modelo ágil

Fig. 3. Grados de unicidad del proyecto

Considere los siguientes datos de referencia para los tres proyectos que
figuran en la Tabla 1.
Cabe señalar que con un pequeño número de proyectos
tabla 1
implementados, el «multiplicador» de la fórmula propuesta (1)
Frecuencia de los componentes del producto del proyecto (situación 1) «aumenta» las diferencias entre proyectos y da una diferenciación
componente del producto Proyecto 1 Proyecto 2 Proyecto 3
más «tangible» en términos de singularidad. Mientras que cuando
se usa la fórmula (4) en tales situaciones, la «diferencia» en la
C1 2 3 5
unicidad no se vuelve tan pronunciada. Por eso, como
А1 1 4 5 herramienta para evaluar la singularidad de un proyecto, se
C2 3 4 5 ofrecen dos opciones, cada una de las cuales refleja mejor la
singularidad para dos tipos de condiciones.
А2 1 10 3
La Tabla 3 proporciona los datos iniciales para evaluar la
C3 2 20 20 complejidad de los proyectos. Como parámetros de un proyecto típico,
adoptarVs=8;norteasv=1.
El cálculo usando (1) produjo los siguientes resultados:
Tabla 3

DU1= 0,0769;DU2= 0,000104;DU3= 0,000133. Datos iniciales para evaluar la complejidad de un proyecto

Operaciones Proyecto 1 Proyecto 2 Proyecto 3

Así, el primer proyecto tiene el nivel más alto de singularidad,
1 1 2 3
los otros dos proyectos tienen casi el mismo nivel de singularidad,
lo que puede categorizarse como «bajo». 2 1 2 3
Nótese que para valores relativamente pequeños del componente 3 3 3 2
del producto del proyecto, la fórmula (1) produce resultados aceptables 4 3 4 4
en términos del orden de los valores recibidos. Sin embargo, para
5 4 1 1
empresas grandes, con un número significativo de proyectos
implementados (con el valor de los componentesC1,A1,C2,A2,C3
6 2 1 2
por encima de 100), los resultados obtenidos de (1) no son 7 5 5 1
convenientes para el uso práctico. Esto se debe al hecho de que se 8 2 1 –
obtienen valores que tienen 8–10 «0» después de la coma a la primera
9 2 – –
cifra significativa. En tales situaciones y para tales sociedades, se
10 1 – –
propone una «modificación» de (1) del siguiente tipo:

1
DU=
( ) ( ) ( ) ( )
1+norte C1 +norte A1 +norte C2 +norte A2 +norte C ( 3). ( 4) Como resultado de los cálculos, se obtuvieron los siguientes
valores para la complejidad de los proyectos:

Los resultados de los cálculos usando (2) a valores suficientemente DD1= 3;DD2= 2,75;DD3= 2
grandes deC1,A1,C2,A2,C3dar el nivel de valores del indicador bastante
aceptable para el análisis. Entonces, para los datos iniciales de los Así, el más difícil es el primer proyecto debido al número de
proyectos en la Tabla 2, con base en (4), obtuvimos los siguientes operaciones mayor a 8, con el número de alternativas para la
resultados (Fig. 3). mayoría de las operaciones superior a 1. El segundo proyecto,
aunque tiene el mismo número de operaciones que un proyecto
Tabla 2
típico, tiene un importante nivel de «alternativas» para muchas
Frecuencia de los componentes del producto del proyecto (situación 2) operaciones.
componente del producto Proyecto 1 Proyecto 2 Proyecto 3
Tenga en cuenta que las operaciones de «nivel de alternativas» en el
proyecto podrían actuar como un indicador independiente APW, mostrando
C1 30 100 50
el número promedio de alternativas para cada operación dentro de un
А1 200 400 50 proyecto:
C2 200 400 50 V

А2 30 10 30 ∑norteav
C3 500 300 200 APW=v=1 . (5)
V

56
Procesos de control

Por lo tanto, para implementar una gestión del tiempo efectiva
dentro del modelo ágil, se ofrecen nuevos indicadores para las
empresas de transporte orientadas a proyectos: el grado de
singularidad y el grado de complejidad del proyecto. Hemos
derivado fórmulas para calcular estos indicadores, lo que se
demuestra usando un ejemplo numérico específico.
7. Discusión de los resultados de diseñar e investigar
los componentes de un modelo ágil
Construir una empresa orientada a proyectos (gestión orientada a
proyectos) requiere una base teórica adecuada. Este estudio propone un
modelo ágil para empresas de transporte orientadas a proyectos y un
conjunto de herramientas adecuado en forma de conjunto de indicadores
para garantizar la eficacia del uso de un modelo determinado.
Nuestro modelo está en línea con los 12 principios del Manifiesto
Ágil [2]. La Tabla 4 da la conformidad de un modelo dado con cada uno
de estos principios.
El modelo ágil desarrollado para una empresa de transporte
estructura los procesos de intercambio de información con el cliente e
implementa la contabilidad en varias etapas de todos los requisitos.
mentos (incluidos sus cambios). Para asegurar su efectividad,
hemos propuesto los indicadores que determinan los parámetros
de tiempo de los sprints. El modelo permite mejorar la eficiencia
operativa de una empresa de transporte, así como un proceso de
prestación de servicios, al acordar claramente las etapas en la
determinación de los parámetros finales del producto del
proyecto. El uso de la «limitación» razonable de cada sprint en el
modelo permite minimizar el tiempo de prestación del servicio, lo
que asegura su competitividad.
El ámbito de aplicación de este modelo son las empresas de servicios
orientadas a proyectos, para las cuales la identificación del producto del
proyecto (antes de su implementación física) no se puede realizar en base a
un cronograma de red. Por lo tanto, un modelo dado está destinado a la
etapa de diseño conceptual, antes del inicio de las operaciones en el
proyecto para obtener realmente el producto del proyecto.
Así, nuestros resultados podrían ser utilizados no solo para las
empresas de transporte sino también en diversas áreas de actividades,
teniendo en cuenta los ajustes adecuados a los parámetros del
producto del proyecto. El ámbito de aplicación de los indicadores de
complejidad y singularidad del proyecto es más amplio; en particular,
podrían usarse para varios proyectos como base para la formación de
un sistema de remuneración del personal.

Tabla 4
Cumplimiento del modelo Agile desarrollado para organizar las actividades de una empresa de transporte orientada a proyectos
con los principios del Manifiesto Ágil

Principio ágil (según [2]) Coincidencia con el modelo propuesto

1. La máxima prioridad es satisfacer las necesidades del El modelo tiene en cuenta los requisitos de entrega del cliente y mantiene los
cliente plazos competitivos de la organización

2. Los requisitos cambiantes son bienvenidos, incluso en las Cada sprint bajo consideración proporciona un cambio en los requisitos del cliente.
últimas etapas de desarrollo

3. Un producto de trabajo debe lanzarse con la mayor frecuencia «Limitar» el tiempo en función del grado de singularidad y complejidad permite
posible. aumentar la productividad de la empresa de transporte

4. A lo largo del proyecto, los desarrolladores y los El modelo prevé el intercambio de información con el cliente dentro de cada sprint.
representantes comerciales deben trabajar juntos todos los días.

5. Profesionales motivados deben trabajar en el proyecto Tomar en consideración el grado de complejidad y singularidad del proyecto en la formación
de la remuneración es un mecanismo efectivo para motivar al personal

6. La comunicación directa es la forma más práctica y El intercambio de información propuesto se lleva a cabo mediante una «comunicación directa» tanto
efectiva de compartir información tanto con el equipo como con el cliente como con otros participantes involucrados
dentro del equipo.

7. Un producto operable es un indicador clave de progreso En este caso, un «producto operable» es un sistema de entrega formado, que debería ser el
resultado del primer sprint, y su composición podría cambiar dependiendo del cambio en los
requisitos del cliente dentro de cada sprint.

8. Los inversores, desarrolladores y usuarios deberían poder El modelo contiene 4 sprints principales, con 1–3 que podrían repetirse el número
mantener un ritmo constante indefinidamente requerido de veces

9. El enfoque constante en la excelencia técnica y la calidad del diseño La calidad en el contexto de la confiabilidad de la entrega (rendimiento y cumplimiento de
aumenta la flexibilidad del proyecto costos) se tiene en cuenta en cada sprint en forma de condicionesRj,Tj, ΔRj, ΔTj

10. La sencillez, el arte de minimizar el trabajo innecesario, es Todos los procedimientos propuestos no son redundantes, están enfocados en compartir solo la información
fundamental necesaria

11. Los mejores requerimientos, soluciones arquitectónicas
y técnicas nacen de equipos autoorganizados
Como parte del enfoque orientado a proyectos, el equipo del proyecto se forma para cada
entrega (proyecto) teniendo en cuenta su especificidad. El empleado que reciba el pedido
podrá formar el equipo considerando lo anterior, o ser designado para tal efecto por el titular
de la empresa. Este enfoque está en línea con el enfoque orientado a proyectos. El modelo
propuesto fue desarrollado para este tipo de empresas.

12. El equipo debe analizar sistemáticamente las posibles La experiencia de cada sprint y su análisis revela enfoques «indeseables» y
formas de mejorar la eficiencia y ajustar el estilo de su «constructivos» en el proceso de trabajo del proyecto. Además, el enfoque de
trabajo en consecuencia. proyecto implica analizar y discutir los resultados del proyecto. Todo esto hace
posible ajustar el estilo de trabajo de la empresa.

57
Revista de Europa del Este de Tecnologías Empresariales ISSN 1729-3774 1/3 ( 109 ) 2021

La desventaja de los resultados propuestos es que no
consideran un enlace a la siguiente etapa de los servicios de
transporte. Si bien la interacción principal y toda la coordinación
con el cliente tienen lugar en la etapa anterior al inicio del
transporte directo, sin embargo, en el futuro, dichos modelos
podrían utilizarse para la interacción con proveedores de diversos
servicios (transporte marítimo, camiones, carga, papeleo, etc). Esta
es la dirección para avanzar en los resultados propuestos para la
formación de un modelo ágil que cubra todas las etapas de las
actividades de la empresa de transporte.
8. Conclusiones
1. Basado en la idea del marco Scrum, tenemos
desarrolló un modelo ágil de actividades de las empresas de
transporte. Un modelo dado define el contenido de cada sprint (ciclo) y
la estructura del intercambio de información. Su base son los variados
parámetros del proyecto: las características de la entrega futura, es
decir, el precio, el tiempo, las posibles desviaciones en el tiempo y el
costo. En algún momento, estos parámetros se complementan con los
puertos de salida y destino. El modelo se refiere a la fase de diseño
conceptual del ciclo de vida del proyecto.
2. Se han propuesto dos indicadores como el grado
de la singularidad del proyecto y el grado de complejidad del proyecto,
reflejando las características correspondientes del proyecto.
La complejidad del proyecto operativo se refiere a la
cantidad de elementos y sus alternativas. Un elemento del
proyecto es una «operación», que forma una unidad del
cronograma de red clásico del proyecto. La singularidad
del proyecto operativo significa la diferencia entre el
proyecto actual y otros proyectos, ya implementados, o en
implementación en la empresa. Las fórmulas de
estimación de estos indicadores han sido derivadas. El
grado de singularidad se basa en la comparación del
conjunto de características del proyecto (despacho,
destino, puertos de transbordo, especificidad de la carga)
con otros proyectos ya implementados. El indicador de
complejidad toma en consideración la variabilidad del
producto del proyecto: el número de variantes de
soluciones tecnológicas, el número de operaciones para
cada variante;
3. Los cálculos de los indicadores propuestos para el conjunto
ejemplo, se han realizado tres proyectos. Los resultados de los cálculos
demostraron la adecuación de los indicadores de entrada recibidos y la
posibilidad práctica de establecer la especificidad de los proyectos en
términos de su complejidad y singularidad. El resultado de nuestros
cálculos es la modificación propuesta del indicador de unicidad del
proyecto para grandes empresas con experiencia significativa en
proyectos. Una determinada modificación permite obtener los valores
del indicador convenientes para el uso práctico (un número aceptable
de decimales).

Referencias

1. Pavlova, N., Onyshchenko, S. (2020). Organización de la gestión orientada a proyectos de la empresa de transporte (en el ejemplo de la
empresa de transporte de carga). Gestión del Desarrollo de Sistemas Complejos, 42, 23–28. doi: https://doi.org/10.32347/
2412-9933.2020.42.23-28
2. Beck, K., Beedle, M., Van Bennekum, A., Cockburn, A., Cunningham, W., Fowler, M. et. Alabama. (2001). Manifiesto para el desarrollo ágil de
software. Alianza ágil.
3. Raj, P., Sinha, P. (2020). Gestión de Proyectos en la Era de las Metodologías Agile y Devops. Revista internacional de investigación científica
y tecnológica, 9 (01), 1024–1033. Disponible en: http://www.ijstr.org/final-print/jan2020/Project-Management-In-Era-Of-Agile-And-
Devops-Methodlogies.pdf
4. Nazir, KA, Zafar, I., Abbas, M. (2017). El impacto de la metodología ágil (DSDM) en la gestión de proyectos de software. Conferencia internacional
sobre ingeniería, computación y tecnología de la información.
5. Kumar, R., Gupta, A., Singh, H. (2014). Metodologías Ágiles: Mecanismo de Trabajo con Pros y Contras. Revista electrónica Gian jyoti, 4 (2), 18–27.
6. Mirada fija, A. (2013). Gestión ágil de proyectos: ¿un enfoque futuro para la gestión de proyectos? Diario de gestión de relaciones
dinámicas, 2 (1), 43–53. doi: https://doi.org/10.17708/drmj.2013.v02n01a04
7. Bunsiri, T., Kumprom, T. (2016). Beneficios de la gestión ágil de proyectos. Revista Apheit, 5 (1), 23–29.
8. Gustavsson, T. (2016). Beneficios de la gestión ágil de proyectos en un contexto de desarrollo que no es de software: una revisión de la
literatura. En: Desarrollo de la Gestión de Proyectos – Práctica y Perspectivas: Quinta Conferencia Científica Internacional sobre Gestión
de Proyectos en los Países Bálticos, ACTAS DE LA CONFERENCIA. Riga: Universidad de Latvijas, 114–124.
9. Collier, KW (2011). Análisis ágil: un enfoque basado en el valor para la inteligencia empresarial y el almacenamiento de datos. PTG profesional de
Addison-Wesley, 368.
10. Conforto, EC, Salum, F., Amaral, DC, da Silva, SL, de Almeida, LFM (2014). ¿Puede la gestión ágil de proyectos ser adoptada por
industrias distintas del desarrollo de software? Revista de gestión de proyectos, 45 (3), 21–34. doi: https://doi.org/10.1002/
pmj.21410
11. Onyshсhenko, S., Bondar, A., Andrievska, V., Sudnyk, N., Lohinov, O. (2019). Construir y explorar el modelo para formar la hoja de ruta del
desarrollo empresarial. Diario de Europa del Este de Tecnologías Empresariales, 5 (3 (101)), 33–42. doi: https://doi.org/
10.15587/1729-4061.2019.179185
12. Bondar, A., Onyshсhenko, S., Vishnevskyi, D., Vishnevska, O., Glovatska, S., Zelenskyi, A. (2020). Construir e investigar un modelo de la
dinámica de entropía energética de las organizaciones. Diario de Europa del Este de Tecnologías Empresariales, 3 (3 (105)), 50–56. doi:
https://doi.org/10.15587/1729-4061.2020.206254
13. Bushuyev, S., Bushuiev, D., Bushueva, V., Boyko, O. (2020). Transformación ágil de enfoques en la gestión de proyectos de
edificación de las fases de iniciación y diseño. Gestión del Desarrollo de Sistemas Complejos, 41, 15–20. doi: https://doi.org/
10.32347/2412-9933.2020.41.15-20

58
Traducido del inglés al español - www.onlinedoctranslator.com

Planificación y control de la producción

La Gerencia de Operaciones

ISSN: (Impreso) (En línea) Página principal de la revista:https://www.tandfonline.com/loi/tppc20

El impacto de Industria 4.0 en la reconciliación de

capacidades dinámicas: evidencia de las industrias
manufactureras europeas

Andreas Felsberger, Fahham Hasan Qaiser, Alok Choudhary y Gerald Reiner

Para citar este artículo:Andreas Felsberger, Fahham Hasan Qaiser, Alok Choudhary y Gerald Reiner (2022) El
impacto de la Industria 4.0 en la reconciliación de capacidades dinámicas: evidencia de las industrias
manufactureras europeas, Planificación y control de la producción, 33:2-3, 277-300, DOI :
10.1080/09537287.2020.1810765

Para enlazar a este artículo:https://doi.org/10.1080/09537287.2020.1810765

© 2020 El(los) autor(es). Publicado por Informa UK Publicado en línea: 04 de septiembre de 2020.
Limited, comercializado como Taylor & Francis Group

Envíe su artículo a esta revista Vistas del artículo: 6383

Ver artículos relacionados Ver datos de Crossmark

Citando artículos: 18 Ver artículos citando

Los términos y condiciones completos de acceso y uso se pueden encontrar en

https://www.tandfonline.com/action/journalInformation?journalCode=tppc20
PLANIFICACIÓN Y CONTROL DE PRODUCCIÓN 2022,
VOL. 33, nn. 2–3, 277–300 https://doi.org/
10.1080/09537287.2020.1810765

El impacto de Industria 4.0 en la reconciliación de capacidades dinámicas:

evidencia de las industrias manufactureras europeas

Andreas Felsbergera , Fahham Hasan QaiserB, Alok ChoudharyBy Gerald ReinerC

aDepartamento de Operaciones, Energía y Gestión Ambiental, Universidad de Klagenfurt, Klagenfurt, Austria;BEscuela de Negocios y Economía,

Universidad de Loughborough, Loughborough, Reino Unido;CDepartamento de Sistemas y Operaciones de Información, Universidad de Economía y
Negocios de Viena, Viena, Austria

RESUMEN HISTORIA DEL ARTÍCULO

La Industria 4.0 ofrece un enorme potencial para implementar la sostenibilidad, que es una preocupación creciente para las industrias manufactureras mundiales. Este Recibido el 15 de junio de 2019

documento investiga el impacto de la implementación de Industria 4.0 con énfasis específico en la transformación digital en las dimensiones de sostenibilidad de las Aceptado el 2 de abril de 2020

industrias manufactureras europeas. Al hacerlo, proponemos un marco para identificar las implicaciones de la Industria 4.0 en la reconciliación de las capacidades
PALABRAS CLAVE
dinámicas, competencias y requisitos del mercado nuevos y existentes de la empresa para lograr una ventaja competitiva sostenible. Utilizando un diseño de
Industria 4.0; jefe de
investigación de casos múltiples, estudiamos seis empresas manufactureras europeas, incluida la fabricación aeroespacial (AM) y la fabricación de componentes y
operaciones; dinámica
sistemas electrónicos (ECS). La novedad de nuestro estudio radica en desarrollar un conjunto de proposiciones teóricas que revelan interrelaciones entre la Industria
capacidades; investigación de
4.0, las capacidades dinámicas de la empresa y distintas dimensiones de la sustentabilidad. Nuestros hallazgos muestran que la reconciliación de las capacidades estudios de casos; fabrica-
dinámicas media el impacto de la Industria 4.0 en los aspectos económicos, ambientales y sociales. El estudio proporciona información a los profesionales para industria industrial

fortalecer sus capacidades dinámicas con el fin de lograr la sostenibilidad al implementar la Industria 4.0. Además, los hallazgos también facilitan las decisiones de

inversión en proyectos de Industria 4.0. El estudio proporciona información a los profesionales para fortalecer sus capacidades dinámicas con el fin de lograr la

sostenibilidad al implementar la Industria 4.0. Además, los hallazgos también facilitan las decisiones de inversión en proyectos de Industria 4.0. El estudio proporciona

información a los profesionales para fortalecer sus capacidades dinámicas con el fin de lograr la sostenibilidad al implementar la Industria 4.0. Además, los hallazgos

también facilitan las decisiones de inversión en proyectos de Industria 4.0.

Introducción nivel de resiliencia, capacidades gerenciales y flexibilidad estructural

que permitan respuestas rápidas a estos desafíos. Para lograr
La creciente tendencia hacia un entorno de fabricación digitalizado es
flexibilidad y resiliencia, los costos adicionales en forma de recursos
un tema emergente para investigadores y profesionales de diferentes
adicionales están aumentando (Ben-daya, Hassini y Bahroun2019). En
campos (Hannola et al.2018). Varias industrias manufactureras
este contexto, los recursos adicionales incluyen, por ejemplo,
europeas han invertido en un número cada vez mayor de actividades
inversiones en activos existentes o nuevos o aprendizaje
para desarrollar y explorar el potencial de la innovación digital para
organizacional. Estas inversiones se basan en nuevas soluciones de
apoyar la Industria 4.0 con el fin de seguir siendo competitivos. La
software o avances en la ciencia de datos debido a las nuevas
integración de sistemas inteligentes e inteligentes y la adopción de
tecnologías de automatización, que ayudan a desarrollar capacidades
tecnología digital ha dado lugar a nuevos enfoques y capacidades de dinámicas y procesos comerciales sostenibles o a ampliar las
gestión. La adopción de estas nuevas oportunidades potenciales a capacidades de los procesos existentes. En este documento,
través de soluciones digitalizadas en el contexto de la Industria 4.0 se consideramos este constructo a través de la lente de la vista basada en
ha vuelto cada vez más importante debido al aumento de los requisitos recursos (RBV) basada en la investigación de Penrose. penrose (1959)
de los clientes para las cadenas de valor (Mukherjee, Mitchell y Talbot describió a la empresa como un conjunto de recursos y proporcionó
2000; Cagliano y Spina2000). Además, el entorno corporativo se está una teoría de la gestión eficaz de estos recursos que permite la
volviendo muy dinámico en términos de factores económicos (costos, creación de una ventaja competitiva. La investigación de Penrose
recursos, productividad, complejidad del producto), sociales (clientes establece el dogma de que el desempeño y el crecimiento de la
exigentes, mercados cambiantes, culturas organizacionales empresa se ven tanto facilitados como limitados por las capacidades y
cambiantes) y ambientales (eficiencia energética, desperdicio, el mejor uso de los recursos disponibles (Penrose1959). Teniendo en
cuenta el impacto de la Industria 4.0 en los recursos, las empresas
y cambios climáticos) requisitos (Christopher2016; podría ser capaz de ampliar los recursos en su poder (es decir, Simchi-Levi,
activos,
Kamisky y Levi2003; Ben-daya, Hassini y Bahroun2019). Para sobrevivir en capacidades, procesos
un entorno tan y conocimientos)
complejo, para formular
las empresas necesitan
volverse extremadamente ágiles y construir una alta e implementar estrategias competitivas explotando el efecto
de las capacidades dinámicas (Teece, Pisano y Shuen

CONTACTOAndreas Felsberger andreas.felsberger@aau.at Departamento de Operaciones, Energía y Gestión Ambiental, Universidad de Klagenfurt,
universidad€atsstraße 65–67, Klagenfurt am W€orthersee, A-9020, Austria
- 2020 El(los) autor(es). Publicado por Informa UK Limited, comercializado como Taylor & Francis Group
Este es un artículo de acceso abierto distribuido bajo los términos de la licencia Creative Commons Attribution-NonCommercial-NoDerivatives (http://creativecommons.org/licenses/by-nc-nd/4. 0/),
que permite la reutilización, distribución y reproducción no comercial en cualquier medio, siempre que la obra original se cite correctamente y no se altere, transforme o reconstruya de ninguna
manera.
278 A. FELSBERGER Y AL.
1997). Es necesario evaluar estas relaciones causales entre los recursos,
la creación de oportunidades productivas sostenibles para el
crecimiento y la innovación. La sustentabilidad organizacional y las
operaciones sustentables constan de tres componentes centrales:
desempeño económico, ambiental y social (Gimenez, Sierra y Rodon
2012). Varios estudios sugieren que las inversiones en recursos de TI y
soluciones digitales extendidas pueden proporcionar ventajas
competitivas y competencias empresariales sostenibles (Clemons y Row
1991; wade y hulland2004; Melville, Kraemer y Gurbaxani2004; Rivard,
Raymond y Verreault2006). Industria 4.0 puede apoyar la creación de
valor sostenible en todas las dimensiones de sostenibilidad (Stock y
Seliger2016). En un contexto más específico, algunos investigadores
también sugieren implicaciones positivas de la Industria 4.0 en la
ventaja competitiva sostenible de las organizaciones (Charro
y Schaefer2018; Synnes y Welo2016; Wang, nuestro estudio de casos múltiples y análisis de casos cruzados sobre
Gunasekaran, et al.2016). Sin embargo, retomando la idea de impactos logrados de los proyectos de digitalización realizados.
Penrose que el desempeño de una empresa depende de su
capacidad y recursos, por lo tanto, es necesario comprender el
papel de la capacidad dinámica en el impacto de la Industria 4.0 en
el logro de una ventaja competitiva sostenible, que es un vacío en
la literatura.
Este estudio es el primero de su tipo en investigar el estado actual
de las tecnologías digitales innovadoras y los sistemas de información
en las industrias manufactureras europeas y el impacto de estas
tecnologías en el desarrollo operativo sostenible (por ejemplo, las
dimensiones económica, ambiental y social) para lograr una ventaja
competitiva. El estudio también es único, ya que tiene en cuenta
diversas aplicaciones de la Industria 4.0 en las industrias
manufactureras europeas utilizando múltiples estudios de casos en
lugar de considerar un aspecto particular, como los grandes datos o el
Internet de las cosas. Esto ayuda a validar los datos recopilados de
diferentes empresas de casos sobre la conciliación de las capacidades
dinámicas y la ventaja competitiva sostenible.
El estudio proporciona información novedosa sobre los esfuerzos
de digitalización que se han llevado a cabo dentro de proyectos de
innovación en el dominio de la fabricación aeroespacial europea (AM) y
el dominio de componentes y sistemas electrónicos (ECS). La atención
se centra en la evaluación del impacto de las tecnologías digitales
desarrolladas y (parcialmente) implementadas y en la reconciliación de
las capacidades para mejorar el desempeño empresarial y el desarrollo
sostenible. Este desarrollo lleva a los investigadores y profesionales a
los siguientes desafíos: El digital
La transformación desencadenada por el paradigma Industria 4.0 Las operaciones se han vuelto más inteligentes al adoptar lentamente la información.
Requiere un replanteamiento y un cambio de mentalidad que determina
minas cómo se fabrican los productos y se producen, distribuyen/
suministran, venden y utilizan los servicios en la cadena de suministro
(Spath2013). Por lo tanto, impulsará una evolución teórica estructural
significativa y una revolución para las operaciones y la gestión de la
cadena de suministro. Este desarrollo desafía los problemas
emergentes de la competitividad sostenible en las empresas, como el
aumento de los costos, los requisitos cambiantes de calidad, la
eficiencia de los recursos, los requisitos dinámicos de los clientes y la
mejora de la satisfacción del cliente, la productividad y la flexibilidad
(Holmstro€et al.2016; ru €ßmann et al.2015). En el otro
Por otro lado, permite a las empresas ampliar sus capacidades
dinámicas y sus objetivos de gestión estratégica. Nuestros objetivos
conducen a las siguientes preguntas de investigación (RQ):
RQ1: ¿Cuáles son las implicaciones de la Industria 4.0 en la reconciliación
de las capacidades dinámicas y los requisitos del mercado?
RQ2: ¿Cuáles son los impactos económicos (desempeño
financiero y no financiero), ambientales y sociales causados por
la reconciliación mejorada en el curso del cambio tecnológico de
la Industria 4.0?
Este documento está organizado en cinco secciones principales.
Primero, proporcionamos una breve descripción de la literatura
existente en el campo de la Industria 4.0 y la identificación de medidas
clave de rendimiento con respecto al enfoque de triple resultado final
(TBL). Esta síntesis proporciona el trasfondo conceptual para nuestra
investigación. Luego nos enfocamos en introducir el diseño de
investigación de estudio de caso en nuestra metodología, seguido de
descripciones de casos y un esquema de la estructura de investigación.
En la cuarta sección, presentamos los resultados integrales de
Finalmente, destacamos las contribuciones del estudio y discutimos
propuestas basadas en el impacto de TBL. La sección 5 concluye este
documento con una nota sobre el alcance de la investigación futura.
Revisión de literatura
El rendimiento de la fabricación es un tema muy discutido en la
investigación de gestión de operaciones para el que no existe una
definición, modelo o sistema de medición uniforme. Investigaciones
anteriores se han centrado, por ejemplo, en métricas de fabricación
basadas en la calidad y el rendimiento (Leachman, Pegels y Kyoon2005
), la medida de la eficacia general del equipo (OEE) (Jonsson y
Lesshammar1999, Schwab et al.2017), o ha mapeado el área de
decisiones operativas durante un período de crecimiento a las tres
dimensiones de desempeño (económica, ambiental y social) del Triple
Bottom Line (TBL). Sin embargo, el enfoque explícito en la evaluación
del impacto de los proyectos de digitalización en el desempeño de la
fabricación aún no ha recibido suficiente atención. Por lo tanto, se
deben identificar enfoques para hacer que el impacto de las iniciativas
de digitalización, es decir, el impacto de las tecnologías de
digitalización industrial (IDT) actuales, sea visible y medible. Sin
embargo, la digitalización está cambiando el panorama de la
fabricación a medida que las empresas comienzan a utilizar Internet de
las cosas para conectar activos de fabricación, análisis de big data para
monitorear plantas e inteligencia artificial para respaldar los procesos
de toma de decisiones. Por lo tanto, la fabricación
Enfoques y tecnologías de la comunicación y la comunicación (Kusiak
2018) y fusionándolos con tecnologías de producción y proceso en el
umbral de una cuarta revolución industrial que afectará a diferentes
industrias. Los componentes y sistemas electrónicos (ECS) se entienden
ampliamente como facilitadores de la innovación de múltiples capas en
diversas industrias, desde la automotriz hasta la atención médica. Los
resultados de un informe de la Comisión Europea (B-eriot et al.2018)
muestran que las empresas líderes de la cadena de valor de ECS en
Europa han invertido alrededormi13.6 billones en proyectos de I+D en
los últimos años. Según la Hoja de Ruta Estratégica Industrial Europea
(Electronic Leaders Group2014), la industria ECS europea emplea a
unas 250 000 personas, mientras que más de 800 000 trabajan en la
integración de componentes en sistemas, mientras que otros 2,5
millones

se emplean en la cadena de valor de los componentes. Por lo tanto, la
investigación sobre cómo la propia industria ECS se beneficiará de la
digitalización es de gran importancia. Los IDT pueden mejorar la
eficiencia de los recursos de los procesos industriales. Considerando y la influencia en las Prácticas de Manufactura Esbelta. En general, los conocimientos
obtenidos de diferentes estudios industriales de los Estados Unidos
En el sector manufacturero del Reino Unido (Reino Unido), los IDT tienen la
oportunidad de reducir los costos de los recursos del Reino Unido en
aproximadamente £10 mil millones y de aumentar la productividad y la
competitividad internacional del Reino Unido (Made Smarter Review2017).
Resultados de la revisión Made Smarter (2017) muestran que una adopción
más rápida de la tecnología dará como resultado una mayor inversión y un
aumento de las actividades de fabricación que tienen lugar en el Reino
Unido. Transfiriendo esta declaración a la industria de fabricación
aeroespacial (AM), los IDT podrían ser la clave para desbloquear la
competitividad futura. Los hallazgos de una encuesta global realizada por
Deloitte muestran que aprovechar las nuevas tecnologías digitales podría
ser esencial para la diferenciación en el mercado. La aplicación de Industria
4.0 (I4.0) en el sector AM permite a las empresas desarrollar nuevos
productos y servicios rentables, lo que hace que los activos existentes sean
más inteligentes al aprovechar los procesos de fabricación avanzados
(Lineberger et al.2019).
Trabajo relacionado
Varios estudios demuestran que I4.0 mejora la sostenibilidad y
la seguridad de las industrias y la sociedad. I4.0 permite la
interacción entre el mundo físico y su contraparte digital
(Spath2013, Kusiak2018; sjo €Din et al.2018). Una razón clave
que los fabricantes adopten tecnologías de digitalización industrial,
como internet de las cosas, sistema físico cibernético (CPS), big data o
inteligencia artificial (IA), es aumentar la productividad y la eficiencia a
través de una gestión inteligente y remota. Otro tema obligado por las
industrias manufactureras es la inclusión de rutinas para recopilar y
procesar información y datos para vincular las experiencias de los
clientes con el diseño de ingeniería y los procesos de fabricación
(Garvin1998, Sisinni et al.2018). La integración de las tecnologías de
análisis de datos permite a las empresas recopilar una gran cantidad
de datos sobre clientes individuales y sus características únicas. Esto
permite a las empresas crear valores distintivos innovadores para
clientes individuales mediante el desarrollo de procesos de ventas
personalizados, diseño de productos y producción y servicios
personalizados (Feng y Shanthikumar2018). El desarrollo de las
tecnologías digitales crea la oportunidad para que los países, pero
también para industrias enteras, se conviertan en líderes en mercados
y regiones específicos (Made Smarter Review2017). La automatización
de los procesos de fabricación junto con la renovación de las
capacidades de ingeniería puede resultar en mejoras radicales en la
rentabilidad y la precisión (Slack y Lewis2002; Reseña hecha más
inteligente2017). Estas tecnologías generarán efectos generales en las
capacidades y crearán un nuevo potencial para las empresas.
cambiando la gestión estratégica, que puede conducir a un entorno de fabricación, el espacio computacional virtual mejoró la
competitividad sostenible. Competitividad mejorada junto con la información física del piso de producción permite un
tividad conducirá al crecimiento, el aumento de las ventas y el
aumento del empleo (Schwab2016). Varios estudios prueban que
los 4elrevolución industrial es un facilitador del desarrollo
sostenible (Ngjeqari2016, Beier, Niehoff y Xue2018). Últimos
estudios como los de De Man y Strandhagen (2017) examina el
PLANIFICACIÓN Y CONTROL DE LA PRODUCCIÓN 279
efectos de I4.0 en modelos de negocio sostenibles. Otros como
Kamble, Gunasekaran y Dhone (2020) discutir los impactos de
las tecnologías I4.0 en los entornos de producción
la armonización de I4.0 y la sostenibilidad siguen estando
subdesarrolladas (Beier, Niehoff y Xue2018, Machado, Winroth y
Ribeiro da Silva2020). Galati y Bigliardi (2019) identificaron diferentes
grupos mediante la revisión de manuscritos publicados en revistas/
conferencias sobre temas I4.0. En nuestra investigación, adoptamos
estos grupos y los fusionamos en tres categorías principales basadas
en el enfoque TBL para desarrollar la falta de convergencia de la
sostenibilidad y la transformación digital.
Grupo 1: impacto en el negocio y las operaciones
Hay varios estudios en la literatura que investigan el impacto de la
Industria 4.0 desde la perspectiva comercial y operativa. Los
estudios de impacto comercial parecen sugerir colectivamente que
los gobiernos y las industrias ahora están viendo la fabricación
desde una perspectiva diferente y están tratando de beneficiarse
de esta ola de revolución industrial. Nagy et al. (2018) estudió el
impacto de Industria 4.0 e IoT en la estrategia comercial de
empresas de fabricación y logística en Hungría utilizando el
modelo de las cinco fuerzas de Porter. Descubrieron que el
impacto no se limita al proceso de producción, sino que también
cubre otras funciones de la empresa. Esto crea un mayor nivel de
servicios logísticos, procesos más eficientes con sus socios y un
mayor desempeño y competitividad comercial y financiera, lo que
a su vez se traduce en una mayor sostenibilidad económica. Porter
y Heppelmann (2014) examinó el impacto de los productos
conectados inteligentes en la estructura de la industria y los límites
de la industria y discutió nuevas opciones estratégicas junto con
sus compensaciones. Strange y Zucchella (2017) estudió el efecto
de la Industria 4.0 sobre la naturaleza de la competencia y las
estrategias corporativas en muchas industrias dentro de un
contexto de cadena de valor global.
Por otro lado, gran parte de la literatura relevante también
evalúa el impacto de I4.0 en los procesos de producción y
operación, logística y cadena de suministro. Agrofoglio et al. (2017)
estudiaron el efecto de las tecnologías digitales emergentes en la
gestión de operaciones a través de la creación conjunta y
encontraron un impacto positivo en la eficiencia, la seguridad y la
sostenibilidad ecológica. Sin embargo, el estudio investigó la
relación directa sin considerar los factores mediadores. Rossini et
al. (2019) examinó la interrelación entre la Industria 4.0 y las
prácticas de producción ajustada y encontró una relación positiva
entre las dos. Del mismo modo, Tortorella y Fettermann (2018)
evaluó la implementación de I4.0 en empresas brasileñas y
encontró que I4.0 y las prácticas lean se complementan para lograr
mayores mejoras en el desempeño. La implementación de equipos
de automatización hace más eficientes los procesos de fabricación
y eleva la calidad del producto. En el
nuevo grado de control, vigilancia, transparencia y eficiencia en el
proceso de producción (Mladineo, Veza y Gjeldum2017). Además,
vaya €Izer y Fritzsche (2017) exploró el impacto de
big data sobre operaciones industriales y su implicación organizacional
mediante revisión de literatura. Sin embargo, su investigación es
280 A. FELSBERGER Y AL.

se limita solo al aspecto de big data de Industry 4.0 y no considera los requisitos rápidamente cambiantes de sus funciones. De
las perspectivas de sostenibilidad. manera similar, Pacaux-Lemoine et al. (2017) sensibilizó sobre los
riesgos potenciales asociados con la complejidad de los sistemas
de fabricación inteligente en el contexto de la Industria 4.0. Este
Clúster 2: impacto tecnológico y ambiental
trabajo destaca la necesidad de integrar de manera efectiva a los
Los estudios de este clúster pertenecen a las soluciones tecnológicas
humanos con los sistemas de fabricación inteligentes y brinda
que impactan en la dimensión ambiental de la sustentabilidad. Estos
soluciones para retener a los humanos en el circuito de control de
son diferentes del grupo anterior, ya que los documentos incluidos
procesos con diferentes niveles de automatización. Algunos
aquí se centran más en las características tecnológicas de la Industria
investigadores han propuesto soluciones tecnológicas para
4.0 y menos en las implicaciones en la producción, la logística y las
mejorar las capacidades de la fuerza laboral. Por ejemplo, Longo,
cadenas de suministro. Según Machado, Winroth y da Silva (2019), las
Nicoletti y Padovano (2017) diseñó y desarrolló una solución
soluciones I4.0 pueden crear una competitividad empresarial
práctica basada en contenidos de realidad aumentada y sistemas
sostenible en términos de productividad mejorada, flexibilidad y
de tutoría inteligente. La solución tiene como objetivo mejorar las
eficiencia de recursos basada en la reducción de desperdicios,
capacidades de los operadores y hacerlos altamente flexibles y
consumo de energía y consumo excesivo (por ejemplo, excedente de
adaptables en un entorno de trabajo muy dinámico. La efectividad
energía renovable compartido con otros fabulosas). Stock y Seliger (
del sistema propuesto se investiga a través del caso de uso de una
2016) dan ejemplos de redes cerradas de creación de valor, que
fresadora CNC (controlada numéricamente por computadora).
describen la vinculación cruzada inteligente entre empresas y la
Al observar la literatura existente que cubre varios aspectos de
creación de valor mejorado a través de una cadena de valor digitalizada
I4.0, los autores observaron que los proyectos de digitalización
de los ciclos de vida del producto o la reutilización de recursos y
tienen el potencial de mejorar la sostenibilidad en el contexto del
herramientas (Kiel et al.2017). Santos et al. (2019) presentó una nueva e
sector de fabricación y logística. Sin embargo, para implementar
innovadora solución para diagnosticar y mejorar la productividad y el
con éxito los proyectos de Industria 4.0, las capacidades dinámicas
desempeño ambiental en un sistema de producción definido. El
de las empresas, las competencias básicas y los factores
planteamiento se examina a través de una empresa de casos ubicada
comerciales cambiantes son de suma importancia. Por lo tanto, es
en el norte de España. Los hallazgos sugieren que es posible mejorar la
principalmente importante comprender la relación contextual
productividad y el desempeño ambiental al mismo tiempo. Además, el
entre estos factores para lograr de manera efectiva los beneficios
resultado refuerza la noción de que la eliminación de residuos tiene un
de triple resultado de la implementación de la Industria 4.0. El
impacto positivo en la mejora del desempeño ambiental. Wang, Wan y
siguiente paso en este estudio es identificar varios indicadores
col. (2016) desarrolló un marco para un sistema multiagente
clave de rendimiento (KPI) económicos, ambientales y sociales para
autoorganizado con un sistema de coordinación y retroalimentación
estudiar el impacto del proyecto de digitalización en ellos.
basado en macrodatos. Las máquinas, transportadores y productos
tabla 1ilustra taxonomías de la literatura investigada
inteligentes se coordinan entre sí y se reconfiguran para la producción
basadas en el impacto de los desarrollos I4.0 y los diferentes
flexible de diferentes tipos de productos. El sistema recopila cantidades
niveles de planificación empresarial (nivel estratégico,
masivas de datos de objetos inteligentes y los utiliza para comentarios
operativo y táctico).
y coordinación basados en análisis de big data para optimizar el
rendimiento del sistema. Lee, Bagheri y Kao (2015) propuso una
arquitectura de sistemas ciberfísicos (CPS) de 5 niveles para los Identificación de KPI con respecto a TBL
sistemas de fabricación basados en la Industria 4.0. Proporciona una
Para evaluar la integración de nuevas tecnologías en los
guía práctica para que la industria manufacturera implemente CPS para
procesos de producción y operación, logística y cadena de
mejorar la calidad del producto y la confiabilidad del sistema con
suministro es crucial medir los efectos que se derivan de los
equipos de fabricación más inteligentes y resistentes. Schroeder et al. (
mismos (Seuring€ller2008).
y Mu Mediante la construcción de una evaluación de impacto
2019) investigó el contexto de la Industria 4.0 desde la perspectiva de
marco de desarrollo con medidas e indicadores específicos y
Internet de las cosas (IOT) como la tecnología habilitadora y los datos
apropiados que puedan capturar fundamentalmente esas dimensiones
de uso del producto como el recurso central de la red para brindar
e impactos, se puede examinar la utilidad de las tecnologías
oportunidades de beneficio a diferentes actores en una perspectiva de
emergentes en las industrias manufactureras europeas. Por lo tanto, se
red comercial. Examinaron el caso de una red empresarial emergente
requiere una combinación de métodos para dibujar una imagen más
basada en IoT en la industria del transporte por carretera del Reino
holística que incluya instrumentos tanto cualitativos como
Unido.
cuantitativos. El enfoque TBL sirve como un instrumento fundamental
para observar las tres dimensiones de la sostenibilidad operativa y el
progreso (Elkington1998). Como se describe en nuestro marco, el
Grupo 3: impacto social modelo TBL tradicional está influenciado por factores de contingencia,
Este clúster tiene en cuenta estudios consistentes con las caracterizados por aspectos técnicos y factores situacionales/
oportunidades e implicaciones en términos de educación, trabajo, contextuales que afectan las variables de decisión (Carter y Rogers2008
capacitación y habilidades derivadas de la Industria 4.0. Whysall, ). Los requisitos del mercado obligan al progreso tecnológico, que
Owtram y Brittain (2019) señaló el valor de adoptar un enfoque influye en cada una de las tres dimensiones de la sostenibilidad. La
más dinámico y sistémico para las prácticas de gestión del talento. tecnología influye potencialmente en la sostenibilidad en toda la
La velocidad del cambio tecnológico ha creado una brecha cadena de valor, tanto directa como indirectamente. Factores de
significativa entre las capacidades actuales de los empleados y contingencia, que no pueden ser exactamente
 PLANIFICACIÓN Y CONTROL DE LA PRODUCCIÓN 281

previstos al considerar el futuro, como la estrategia de la

empresa, la cultura organizacional, la gestión de riesgos y la

Solución para retener humanos en el ciclo de control de procesos (nivel de automatización)

Interconectividad entre activos, recolección masiva de datos de smart
necesidad de una mayor transparencia, interactúan con el
rendimiento, competitividad: aumento de la sostenibilidad económica Impacto en la

Mejor calidad del producto, confiabilidad del sistema, inteligente y resistente

desarrollo tecnológico y pueden tener impactos retrospectivos.

Cerrar la brecha entre las capacidades existentes de los empleados y las

Estos impactos tienen que ser evaluados.

Mejora de las capacidades de los operadores, trabajo más flexible y dinámico

Servicios logísticos, procesos eficientes, mayor mercado y financiero

Mejor control, vigilancia, transparencia y eficiencia de

Mejorar la productividad y el desempeño ambiental,

La gestión del desempeño es el mecanismo esencial de una
estructura de la industria y los límites de la industria, compensaciones

organización a través del cual proporciona información a los

tomadores de decisiones. Se pueden utilizar marcos especiales para la

objetos para una mejor retroalimentación y coordinación

medición del rendimiento para capturar y evaluar los datos de
Procesos de operación, logística y cadena de
Enfocar

rendimiento, lo que permite derivar los factores clave de éxito en los

procesos comerciales. Especialmente en relación con los procesos de
suministro Mejoras en el desempeño

innovación, estos marcos son adecuados para vincular las métricas de

innovación para medir la eficiencia y la eficacia de las actividades de

Equipo de fabricación
Impacto en la cadena de valor global

requisitos cambiantes
I+D de la Industria 4.0 (Dziallas y Blind2019).
procesos de producción

I4.0 y su extensión de los sistemas de información y los

reducción de desperdicios

sistemas de producción autónomos y su comportamiento

ambiente
en términos de interacciones de máquina a máquina o de
hombre a máquina generará un cambio en el desempeño
de la producción. Para analizar estos impactos,
establecimos un conjunto de indicadores de desempeño en
el ámbito económico, ambiental y social para capturar los
cambios respectivos dentro de los paisajes de procesos
Nivel estratégico/operativo

Nivel estratégico/operativo
Tipo de planificación

Nivel operativo/táctico

Nivel operativo/táctico

Nivel operativo/táctico

industriales. Cualquier rendimiento (ganancia) de una

nueva tecnología o incluso una mejora/extensión de una
Nivel operacional
Nivel operacional

Nivel operacional

Nivel operacional

tecnología actual, por lo tanto, no solo debe medirse en

Nivel estratégico

Nivel estratégico

Nivel táctico

términos financieros y/o de productividad. Igualmente

importante a largo plazo es comprender mejor las
nivel

consecuencias no financieras, como el significado

estratégico (de las nuevas tecnologías digitales), la calidad
percibida de los productos/servicios, los impactos en la
I4.0 Competencia y estrategias corporativas

imagen/reputación de la empresa,
Espacio de producción virtual y más datos

Enfoque Plug & Clean basado en lean-

Fabricación inteligente y complejidad

En este contexto, los estándares de especial interés son EMAS, ISO

Sistema de coordinación basado en big data
I4.0 y prácticas de producción ajustada
I4.0 y prácticas de producción ajustada
IoT en fabricación y logística

Realidad aumentada Inteligente

22400, SA8000 y el GRI. El conocimiento relevante tomado de estos

Cobertura I4.0

Prácticas de gestión del talento

estándares se ha utilizado para facilitar un marco de evaluación de

Productos conectados inteligentes

toma de decisiones basada

en las cadenas globales de valor

impacto de caso adecuado que cubra los tres dominios relevantes de la

sistemas de tutoría

evaluación de impacto: económico, ambiental y social. En el documento

metodos verdes

arquitectura CPS

ISO22400-2 (Organización Internacional de Normalización) se define un

conjunto completo de indicadores clave de rendimiento (KPI) para la
gestión de operaciones. 2014). Estos KPI se definen como medidas
cuantificables y estratégicas que reflejan los factores críticos de éxito
de una organización. Los KPI son muy importantes para comprender y
mejorar el rendimiento de la fabricación; tanto desde la perspectiva de
manufactura esbelta de eliminar desperdicios como desde la
Impacto en el negocio y las operaciones

Impacto en el negocio y las operaciones

Impacto en el negocio y las operaciones

Impacto en el negocio y las operaciones

Impacto en el negocio y las operaciones

Impacto en el negocio y las operaciones

perspectiva corporativa de lograr objetivos estratégicos. Los KPI

impacto medioambiental

impacto medioambiental

impacto medioambiental

descritos en la siguiente sección abordan los principales pilares de los

Grupo

procesos de ejecución de la cadena de suministro y fabricación. En este

estudio, aplicamos un conjunto específico de KPI seleccionados para
Tecnológico y

Tecnológico y

Tecnológico y

Impacto social

Impacto social
Impacto social

evaluar y evaluar el impacto de los proyectos de Industria 4.0 en el

desempeño de la empresa. En la sección que detalla nuestros hallazgos
Tabla 1.Taxonomías de revisión de la literatura.

se proporciona una descripción general detallada y una descripción de

Impacto tecnológico y ambiental

estos KPI.
Gran Bretaña (2019) Pacaux-
Lee, Bagheri y Kao (2015)
Strange y Zucchella (2017)

Lemoine et al. (2017) Longo,

operaciones Nagy et al. (2018)

Wang, Wan y col. (2016)

Fundamentos teóricos
Porter y Heppelmann
Impacto en el negocio y las

Fettermann (2018

Whysall, Owtram y
Rossini et al. (2019)

Santos et al. (2019)

Padovano (2017)
) Mladineo, Veza y
Gjeldum (2017)

Sostenibilidad e Industria 4.0

Tortorella y

Impacto social

La tecnología afecta potencialmente las competencias y capacidades básicas

Nicoletti y
Autor(es)

(2014)

sostenibles en toda la cadena de valor de la empresa, tanto directa como

indirectamente. La Industria 4.0 influye en toda la organización
282 A. FELSBERGER Y AL.
y la estrategia perseguida de cualquier unidad de negocio (Galati y
Bigliardi2019; Schrauf y Berttram2016). Las nuevas soluciones o
innovaciones técnicas pueden cambiar la cultura organizacional o
influir en la estrategia general de la empresa tanto a nivel táctico
como operativo. Por ejemplo, un medio de comunicación más
flexible y seguro entre los participantes de la cadena de suministro
puede mejorar la transparencia y la flexibilidad de todo el entorno
de la cadena de suministro y puede mejorar la gestión de riesgos
entre los participantes. Los resultados de un análisis preliminar
previo al comienzo real de la investigación muestran que la
mayoría de la investigación actual se ha centrado en el aspecto
tecnológico de la Industria 4.0 (Galati y Bigliardi 2019). Sin
embargo, la relación entre la rentabilidad y los recursos, así como
la gestión de la posición de recursos de la empresa influenciada
por la Industria 4.0 a lo largo del tiempo, sigue siendo un
problema emergente. Así, como primer punto es importante
aclarar qué significa Industria 4.0 en este contexto y cómo opera y
evoluciona dentro de determinadas industrias.
Industria 4.0 es la confluencia de diferentes tecnologías para
impulsar la transformación digital de la producción industrial
(OCDE,2016). Además, es un paradigma emergente que permite a
las empresas impulsar sus competencias al unir el mundo físico y
el digital en un entorno holístico (Zhou, Liu y Zhou2016). El término
Industria 4.0 se ha malinterpretado con frecuencia; no obstante, se
ha convertido en un concepto clave en los entornos de fabricación
modernos (Galati y Bigliardi2019). A los efectos de esta
investigación, nos adherimos a la opinión de Oesterreich y
Teuteberg (2016), queLa Industria 4.0 comprende la creciente
digitalización y automatización de los entornos de fabricación, así
como la expansión de la cadena de suministro digital para
garantizar una mejor comunicación, transparencia y trazabilidad
para todos los productos, procesos y socios comerciales
involucrados.Estas tecnologías tienen el potencial de revolucionar
las operaciones y la gestión de la cadena de suministro (Brennan et
al.2015; Holmstro €et al.2016;
ruۧmann et al.2015; Waller y Fawcett2013). En general, Industry 4.0
sirve como un concepto sobre cómo se comparten, utilizan, organizan y
reciclan las futuras demandas de los clientes, los recursos y los datos
para hacer un producto o prestar un servicio de forma más rápida,
económica, eficiente y sostenible (Spath 2013). Al luchar por la
integración dinámica de humanos y máquinas a lo largo de toda la
cadena de suministro, la digitalización agrega más transparencia,
eficiencia y sostenibilidad a los procesos comerciales (Kusiak2018).
Otras nuevas tecnologías pueden incluir aplicaciones innovadoras
como la supervisión en tiempo real, los sistemas de control o la
digitalización avanzada de procesos (por ejemplo, métodos de
visualización a lo largo de la cadena de suministro horizontal y vertical).
La implementación de tecnologías digitales puede afectar diferentes
aspectos de los procesos comerciales centrales, como los procesos de
producción, el desarrollo de productos, las estructuras organizativas y
la gestión de la cadena de suministro (Sjo
€Din et al.2018). Para asegurar
la mejora de dichos procesos, es de gran interés medir el
impacto de las actividades de digitalización. Por lo tanto, un
La empresa debe identificar los indicadores de rendimiento relevantes. El análisis sólido de big data puede facilitar la
transformación tecnológica mientras implementa nuevas tecnologías o programas de procesos temporales y compara los
resultados con el rendimiento deseado (Felsberger y Reiner).2018).
(Wang, Gunasekaran, et al.2016). El desarrollo de nuevos
El impacto de la Industria 4.0 en las capacidades dinámicas
Sin embargo, el impacto de la Industria 4.0 desde la perspectiva basada
en recursos también invita a las empresas a pensar en una
reconciliación de las capacidades existentes y el desarrollo de nuevas
competencias comerciales (Teece, Pisano y Shuen1997). Por ejemplo,
Big data tiene un alto potencial operativo y estratégico para mejorar las
capacidades dinámicas y la ventaja competitiva. Conboy et al. (2020)
identificó el valor de las tecnologías de análisis empresarial en la
capacidad de la empresa para aprovechar las Vs de los datos. Los
autores prestaron atención a cómo las organizaciones pueden utilizar
el análisis empresarial para mejorar sus actividades de quirófano en
entornos dinámicos. Al hacerlo, investigaron micro fundamentos
habilitados para análisis de capacidades dinámicas, que sirven como
habilitadores para capacidades dinámicas organizacionales. El valor de
la analítica empresarial depende de la capacidad de una empresa para
utilizar las Vs de los datos para identificar oportunidades y amenazas,
activar recursos y reconfigurar recursos tangibles e intangibles (Conboy
et al.2020). Otros como Singh y Del Giudice (2019) enumeraron en el
número especial 'Análisis de big data, capacidades dinámicas y
desempeño de la empresa' varios estudios que abordan el impacto de
las iniciativas de big data como mediador para las capacidades
dinámicas que crean un desarrollo sostenible entre las personas, los
procesos y las organizaciones para mejorar la competitividad de la
empresa. ventaja. El marco representado enFigura 1ilustra que la
influencia de factores internos y externos del entorno de una empresa
desencadena el desarrollo tecnológico. Para apoyar una ventaja
competitiva; es de suma importancia considerar el desarrollo de
capacidades dinámicas. Según Bititci et al. (2011), la exploración
empírica y teórica de los procesos de gestión, se puede extraer una
conclusión acerca de las capacidades dinámicas desde la perspectiva de
los procesos de negocio. El estudio de Teece, Pisano y Shuen (1997) se
refiere al término "dinámico" como la capacidad de renovar
competencias para lograr la congruencia con un entorno empresarial
que cambia rápidamente. La tecnología está cambiando estas
capacidades y se espera que la gestión estratégica adapte, integre y
reconfigure los recursos internos y externos, los cambios estructurales,
las habilidades y las competencias funcionales para adaptarse al
entorno cambiante provocado por los factores de contingencia. Los
factores de contingencia, que no se pueden predecir con precisión en
el futuro, como los factores internos (p. ej., el cambio en la cultura
organizacional, la estrategia, la productividad) y los factores externos
(p. ej., el cambio en la demanda del cliente, la globalización y la
demografía) pueden desencadenar el desarrollo tecnológico (Carter y
Rogers2008; Sousa y Voss2008) y puede tener efectos retroactivos en
las competencias básicas de una empresa. Uno de los principales
aspectos del cambio tecnológico (Industria 4.0) es la generación de
grandes volúmenes de datos y su análisis, conocido como big data
analytics, para desarrollar insights críticos que impacten positivamente
en las capacidades dinámicas de las empresas junto con el beneficio
final de lograr una ventaja competitiva (Constantiou y Kallinikos)2015;
Wamba et al.2017; Mikalef et al.2019). Las capacidades que se habilitan
a través de un
 PLANIFICACIÓN Y CONTROL DE LA PRODUCCIÓN 283

Competitivo
Negocio
Estrategia

Alineación de objetivos

Desarrollo sostenible

Capacidades dinámicas renovadas

Requisitos del mercado
Habilidad para lograr formas nuevas e innovadoras de
• Calidad
desempeño competitivo de la empresa e impacto en:
• Velocidad

• Confianza
• Proceso tecnológico
• Flexibilidad
• Activos existentes
• Costo
• Nuevos activos

Económico
Dimensión

Factores internos Factores externos

robótica Estrategia Industria

internet de las cosas Producción impulsada por Gestión de riesgos Proveedor
Sensores datos de inteligencia artificial
Cultura organizacional Cliente
Instalación ágil interconexión
La seguridad cibernética
Transparencia globalización
Soluciones de plataforma Productividad Demografía
Cuota de mercado

Industria 4.0
Factores de contingencia
Cambio tecnológico
(cambiando de negocio
ambiente)
Figura 1.Marco de investigación Basado en (Teece, Pisano y Shuen 1997, Slack y Lews 2002, Beer y Liyanage 2012).

competencias y capacidades específicas de la empresa (activos nuevos,
activos existentes y aprendizaje organizacional) está facilitando ventajas
competitivas para cumplir con los requisitos del mercado. (Wernerfelt 1984).
Los requisitos del mercado están representados por los objetivos de
desempeño de la empresa, como calidad, velocidad, confiabilidad,
flexibilidad y costo (Slack y Lewis2002). Obviamente, hay valor en la
capacidad de reconfigurar la estructura de activos de la empresa al adoptar
las tecnologías de la Industria 4.0 (Amit y Schoemaker 1993). Además, las
capacidades reconfiguradas y transformadas pueden ser la base para la
diversificación hacia nuevos mercados de productos y, por lo tanto, deben
ser únicas y difíciles de replicar (Teecemil novecientos ochenta y dos). Sin
embargo, esto requiere una supervisión constante de los requisitos del
mercado y los cambios tecnológicos y, en última instancia, la voluntad de
adoptar las mejores prácticas (Teece, Pisano y Shuen1997). Solo alcanzando
la congruencia entre las tres dimensiones de la sustentabilidad y la
renovación simultánea de las capacidades existentes para satisfacer los
requisitos del mercado, se puede mejorar potencialmente la estrategia
comercial competitiva general. Hoy en día, las empresas manufactureras
europeas intentan alcanzar esta singularidad mediante la adaptación de
nuevas tecnologías inteligentes para mejorar sus actuales
procesos de negocio y aumentar el aprendizaje organizacional. En
nuestro artículo, analizamos partes de este constructo teórico con
el fin de establecer la base para futuras discusiones e
investigaciones en este campo.
Metodología de investigación
Para responder a la pregunta de investigación subyacente de nuestro
documento, aplicamos un enfoque de estudio de casos múltiples, que
incluye seis casos industriales diferentes de digitalización en los
entornos de producción y operaciones, logística y cadena de suministro
de las empresas europeas AM y ECS. La justificación para usar múltiples
casos en esta área de investigación es replicar los hallazgos en los
diferentes casos. Por lo tanto, elegimos casos que representan
desarrollos específicos de I4.0 en entornos de fabricación industrial,
activando las tres dimensiones de sostenibilidad (Yin 2009; Saunders,
Lewis y Thornhill2012). Los seis casos describen diferentes enfoques de
soluciones digitales, relacionados con temas que incluyen (1) seguridad
cibernética para sistemas heredados, (2) mantenimiento de fabricación
ágil, (3) aprendizaje automático para una mejor toma de decisiones, (4)
la interconexión de la cadena de suministro
284 A. FELSBERGER Y AL.
participantes, (5) digitalización y virtualización de fábricas, y (6) fábrica
inteligente con máquinas conectadas digitalmente. Dado que
Por la naturaleza de nuestra investigación, elegimos un estudio de caso múltiple Datos cuantitativos recopilados por el método de investigación de formularios de
evaluación, utilizando un diseño de investigación claramente estructurado.
basado en publicaciones existentes sobre investigación de estudios de
casos (Eisenhardt1989; Estuardo et al.2002; Voss, Tsikriktsis y Frohlich
2002; Ying2003; Reiner et al.2008; Teller et al.2018). Desde un punto de
vista metodológico, la investigación de estudios de casos es una técnica
apropiada para estudiar un fenómeno dentro de su contexto de la vida
real: aquí la digitalización de los entornos de fabricación (Yin2003; Voss,
Tsikriktsis y Frohlich2002, McCutcheon y Meredith1993). El tema es muy
complejo (Stuart et al.2002) y nuestra investigación trata
principalmente con preguntas de 'qué' y 'cómo' (Yin2003). Además, la
investigación de estudios de casos puede proporcionar una visión
holística, ya que se utilizaron muchas fuentes de evidencia (Noor2008).
En este documento, utilizamos una estrategia de estudio de casos
múltiples para obtener una comprensión rica del contexto I4.0 y los
procesos industriales allí desarrollados que se están promulgando
(Eisenhardt y Graebner2007). Nuestro estudio complementa el trabajo
existente en el sentido de que presentamos los últimos conocimientos
de casos que aún no han sido documentados en ninguna literatura
académica. En detalle, evaluamos el impacto de estas tecnologías en la
ventaja competitiva sostenible de las empresas, que es un vacío en la
literatura. En este artículo, construimos teoría a partir de estudios de
casos, creando una superposición de recopilación, análisis y
codificación de datos (Eisenhardt1989). Múltiples fuentes de datos, aquí
cinco compañías de casos industriales diferentes, recopiladas y
procesadas utilizando diferentes técnicas de recopilación de datos,
aseguran la triangulación de datos a lo largo de nuestra investigación
(Yin2009). Para la recopilación de datos, utilizamos un enfoque de
método mixto basado en evaluaciones con personas a cargo de
proyectos de digitalización, entrevistas a expertos y análisis
documental. Mediante el uso de múltiples métodos de recopilación de
datos, la triangulación proporciona una mayor justificación de
construcciones y proposiciones (Eisenhardt1989). Un punto esencial en
la investigación del estudio de casos es el paso de la selección de casos.
En comparación con las encuestas, donde se aplican métodos
estadísticos de muestreo para permitir estadísticas inferenciales,
nuestra selección de casos estuvo más guiada por la variedad y la
contribución potencial de los casos a nuestros objetivos de
investigación (Stuart et al.2002) en lugar de la aleatoriedad. Además, el
área de investigación es nueva, por lo que aplicamos la investigación
de estudio de caso, que es la metodología de vanguardia para cubrir
las ambiciones de investigación exploratoria, en comparación con la
investigación basada en encuestas, que es explicativa. Basado en las
especificaciones de Stuart et al. (2002), hemos seleccionado empresas
que tienen el desarrollo I4.0 requerido y de las que podemos esperar
recibir los datos relevantes.
Al final, analizamos dos casos de Austria, dos casos de Alemania
y dos casos del Reino Unido dentro de dos industrias
manufactureras diferentes (AM y ECS). Esta selección diferencial se
justificó, ya que nos centramos en el examen de diversas
soluciones técnicas en varios dominios de aplicación industrial I4.0.
Nuestro estudio utiliza datos primarios de entrevistas a expertos y
evaluaciones con personas a cargo de proyectos de digitalización
en las empresas del caso. Evaluamos las situaciones y desafíos
actuales que conducen a proyectos de transformación digital, la
implementación de tecnologías digitales para resolver
estos desafíos, y los impactos logrados. Los datos cualitativos recopilados
mediante la aplicación de entrevistas a expertos triangulan la
(Saunders, Lewis y Thornhill2012). Se aplica un análisis de contenido
cualitativo para obtener información valiosa e investigar los impactos
de los esfuerzos de digitalización en el dominio de fabricación AM y ECS
en referencia a nuestros seis casos individuales. El enfoque nos permite
conservar las características holísticas y significativas de los eventos de
la vida real, como los ciclos de vida individuales, la renovación de las
capacidades de los procesos, los procesos organizativos y de gestión, y
la maduración de las industrias (Yin2009).
Para estructurar nuestra investigación de estudio de
casos múltiples, seguimos el concepto propuesto por Stuart
et al. (2002), y utilizaron su enfoque de cinco etapas. La
primera etapa de este modelo de investigación se ocupa
del desarrollo de las preguntas de investigación, seguida de
la segunda etapa, la etapa de "desarrollo del instrumento",
que se ocupa de la selección de casos representativos,
incluida su descripción y el desarrollo del instrumento de
investigación que sirve como guía escrita. para realizar más
investigaciones. La tercera etapa se refiere a la recopilación
de los datos requeridos por medio de entrevistas a
expertos abiertas, no estructuradas, semiestructuradas y
estructuradas, discusiones de grupos focales, análisis de
documentos y cuestionarios. Los datos recopilados se
examinan en el siguiente paso mediante el uso de análisis
de contenido cualitativo para extraer información relevante
(p. ej., deducir categorías). Finalmente,2002).
Selección de muestras y recopilación de datos
En total, se llevaron a cabo seis proyectos diferentes de digitalización
que han sido completamente documentados.1Describen diferentes
enfoques de soluciones digitales relacionados con la ciberseguridad
para sistemas heredados, mantenimiento de fabricación ágil,
aprendizaje automático para mejorar la toma de decisiones,
digitalización de fábricas y tecnologías de fabricación digital, un
sistema digital de pedido a entrega para servicios de logística y una
fábrica inteligente. En nuestro estudio, estos casos específicos
representan las seis áreas tecnológicas y han logrado y documentado
resultados significativos. A sugerencia de investigadores de estudios de
casos como Stuart et al. (2002), hemos desarrollado una plantilla para
lograr una descripción estructurada de los casos de digitalización en un
primer paso. Como resultado, los casos de estudio se documentaron en
una estructura unificada: describiendo la situación actual y el desafío a
resolver, el enfoque de solución digital a implementar, la situación
objetivo a lograr y el impacto esperado a generar en el primer paso. La
evaluación de impacto fue realizada por los propietarios del caso
utilizando una plantilla desarrollada por nosotros, que también fue la
base para el análisis en este documento. Esta plantilla fue completada
por todos los propietarios de casos industriales con el apoyo del equipo
de investigación para garantizar una documentación de casos de alta
calidad. La plantilla de evaluación de impacto consta de dos secciones
separadas: en la primera sección, todos los propietarios de casos
describieron sus casos con respecto al grado de implementación,
 PLANIFICACIÓN Y CONTROL DE LA PRODUCCIÓN 285

los propietarios debían responder preguntas específicas sobre los ISO 22400-2014 y Global Reporting Initiative – Estándares GRI2018).
impactos concretos de la solución digital implementada. Sin embargo, Además, los propietarios de casos tuvieron la oportunidad de
el núcleo del formulario de evaluación de impacto consiste en una mencionar otros KPI influyentes para el proyecto respectivo. El
amplia lista de KPI que ayudan a los propietarios de casos a evaluar el propietario del caso tuvo que cuantificar el efecto del proyecto de
impacto técnico en las tres dimensiones del modelo TBL. Los KPI se digitalización en cada aspecto de impacto en una escala de 5 puntos
seleccionaron en estrecha consulta con la industria. Se realizaron (cero sin impacto, 5 con alto impacto). Además, el propietario del caso
entrevistas con altos directivos, directores de proyectos y directores de tenía que describir en prosa cómo se logró un impacto y cuáles eran las
digitalización para sondear sus opiniones sobre posibles KPI. Los KPI, a fortalezas y debilidades y cuáles eran las oportunidades y amenazas de
ser considerados por las empresas del caso evaluado, incluyeron:nivel este impacto. Una descripción general de los detalles de la recopilación
de automatización, calidad de procesos, calidad de productos y de datos se presenta enTabla 2. Todos los formularios de evaluación de
servicios, OEE, transparencia, trazabilidad, reducción de costos impacto completados fueron revisados por nosotros para garantizar
operativos, satisfacción de la fuerza laboral, innovación estándares de documentación de alta calidad, y hubo
y habilidades para resolver problemas, desarrollo/adquisición de conocimientos,una solicitud hecha a los propietarios de casos para la elaboración de
contenido eficiencia energética,y Meficiencia de los recursos materiales (basado en (Felsberger, Wankmu€ller, Reiner et al.2019).

Tabla 2.Detalles de la recopilación de datos.

Caso Tipo de empresa Encuestados Recopilación de datos tipo de datos Detalles de I4.0

A Semiconductor Investigadores Principales Nivel 1: Cualitativo y Área:

fabricante
(Portugal)
unidad de ciberseguridad
de semiconductor
fabricante
(Alemania)
B Proveedor de componentes de
ECS
industria (Austria)
C placa de circuito impreso
ensamblador (Austria)
Jefe de producción Autoevaluación de los propietarios de los casos datos cuantitativos Ciberseguridad para sistemas
Gerente de proyecto Etapa 2: basado en uno mismo heredados
digitalización Revisión de las autoevaluaciones de los evaluación y Caso:
gerente autores entrevistas Detección de intrusos
Etapa 3: KPI Sistema de ciberseguridad
semiestructurado (cualitativo
Entrevistas con propietarios de casos para declaraciones)
revisar el contenido.
Gerente de compras Nivel 1: Basado en datos cualitativos Área:
Proceso del administrador Autoevaluación de los propietarios de los casos sobre la autoevaluación Manufactura y
Centro de servicio Etapa 2: y entrevistas. mantenimiento ágiles
Gerente de proyecto Revisión de las autoevaluaciones de los KPIs (cualitativos y Caso:
Científicos senior autores cuantitativo Implementación del número de
Etapa 3: declaraciones) unidad unificado (UUN)
semiestructurado Algoritmo de control y
Entrevistas con propietarios de casos para optimización
revisar el contenido. Sistema ERP y MES
Gerente de proyecto Nivel 1: Basado en datos cualitativos Área:
ingeniero de produccion Autoevaluación de los propietarios de los casos sobre la autoevaluación Aprendizaje automático para

Cadena de suministro Etapa 2: y entrevistas. decisión mejorada

Gerente Revisión de las autoevaluaciones de los KPIs (cualitativos y haciendo
Científico superior autores cuantitativo Caso:
Etapa 3: declaraciones) Unidad completa digital

semiestructurado trazabilidad
Entrevistas con propietarios de casos para

revisar el contenido.

D Semiconductor Gerente de fábrica Nivel 1: Basado en datos cualitativos Área:

fabricante integración Autoevaluación de los propietarios de los casos sobre la autoevaluación Fab digitalización y
(Alemania) Gerente de proyecto Etapa 2: y entrevistas. virtualización
Investigador senior Revisión de las autoevaluaciones de los KPI (descripción y Caso:
gerente de materiales autores cuantitativo Calidad automatizada
Etapa 3: declaraciones sistema de inspección
semiestructurado Implementación
Entrevistas con propietarios de casos para grado: 100%
revisar el contenido.

mi Aeroespacial Logística Nivel 1: Basado en datos cualitativos Área:

fabricante (Reino Unido) Operaciones Autoevaluación de los propietarios de los casos sobre la autoevaluación Interconexión de
Ejecutivo Etapa 2: y entrevistas participantes de la cadena de suministro

Revisión de las autoevaluaciones de los KPI Caso:

autores (cualitativo orden basada en TI para

Etapa 3: declaraciones). sistema de entrega
semiestructurado
Entrevistas con propietarios de casos para

revisar el contenido.
F Aeroespacial Arquitecto Empresarial Nivel 1: Basado en datos cualitativos Área:
fabricante (Reino Unido) Autoevaluación de los propietarios de los casos sobre la autoevaluación Fábrica inteligente con
Etapa 2: y entrevistas. conectado digitalmente
Revisión de las autoevaluaciones de los KPI máquinas
autores (cualitativo Caso:
Etapa 3: declaraciones) Inteligente

semiestructurado configuración de fabricación

Entrevistas con propietarios de casos para

revisar el contenido.
286 A. FELSBERGER Y AL.

Descripciones de casos Análisis de los datos

En esta subsección, describimos las características y los
antecedentes de la muestra del estudio de caso (Tabla 3). La
descripción del caso presentado se basa en la documentación
original de los seis casos seleccionados. Los socios industriales
de la industria ECS (fabricante de semiconductores (Caso A),
proveedor de componentes de la industria ECS (Caso B),
ensamblador de PCB (Caso C) y fabricante de semiconductores
(Caso D) y de una empresa de fabricación aeroespacial (Caso E
y Caso F )) son responsables de las descripciones de los casos.
Aquí presentamos cada caso describiendo el desafío industrial
y la solución prevista. Posteriormente, nos enfocamos en los
análisis de casos para explorar el impacto esperado de los
casos individuales (Felsberger, Wankmu €ller, Reiner, ing es un método apropiado para observar
et al.2019).
Esta sección ofrece una descripción general que ilustra cómo se
obtuvieron nuestros resultados. Aplicamos el método de análisis de
contenido cualitativo para extraer información relevante, por ejemplo,
el impacto en medidas de desempeño definidas, de las evaluaciones de
impacto y descripciones de casos documentados y protocolos de
entrevista. Al hacerlo, los documentos identificados (autoevaluaciones,
protocolos de entrevista y descripción de casos) fueron sometidos a un
proceso de codificación. La codificación es una técnica exploratoria de
resolución de problemas que pasa del análisis de datos a
formulaciones cualitativas (Richards y Morse2012; Saldán ~ un
2015). Un código se define como una palabra o frase corta que representa
aspectos de datos o atributos de datos. Código de evaluación
comentario proporcionado por los participantes del estudio (Patton2002).

Tabla 3.Descripciones de casos.

Caso Descripción

A Las redes de producción seguras son un requisito previo central para implementar aplicaciones de Industria 4.0 en entornos de producción reales. en el de hoy
plantas de producción, muchas máquinas diferentes se comunican intensamente a través de la red. En comparación con una red de TI de oficina, el comportamiento de comunicación de
los nodos en una red de comunicación de máquina a máquina (M2M) es generalmente relativamente estable. Una intervención humana (desde el exterior) en esta comunicación viola esta
estabilidad. El uso de Sistemas de Detección de Intrusos (IDS) es una forma de detectar dichas desviaciones del comportamiento normal en la red de producción. Sin embargo, los IDS
clásicos requieren la definición de reglas para la ejecución de aplicaciones en una máquina host o el comportamiento de comunicación en la red. Estas reglas son definidas manualmente
por expertos en función de su comprensión de las firmas conocidas de las aplicaciones en ejecución en un host o el tráfico intercambiado a través de la red. Si se viola una de estas reglas,
se activa una alarma, y un análisis puede comenzar a identificar las posibles causas. Sin embargo, para sistemas grandes como redes de producción, estos IDS basados en reglas son muy
complejos de configurar y mantener, lo que requiere un amplio conocimiento del dominio para mapear toda la red de producción y su comportamiento aceptable y mantener estas reglas
o firmas actualizadas. La producción de objetivos de pulverización catódica es un proceso pulvimetalúrgico que implica muchos pasos de producción críticos y requisitos estrictos. los La
producción de objetivos de pulverización catódica es un proceso pulvimetalúrgico que implica muchos pasos de producción críticos y requisitos estrictos. los La producción de objetivos de
B pulverización catódica es un proceso pulvimetalúrgico que implica muchos pasos de producción críticos y requisitos estrictos. los
Los objetivos de pulverización catódica se tratan en lotes de producción de hasta 10 piezas. No solo se registran unos pocos parámetros de proceso a lo largo de la
cadena de suministro, sino que la combinación de estos datos con los lotes de producción era imposible o solo era posible recopilarlos a mano. El paso principal de
producción, la deformación en caliente, se planificó a mano y los tiempos de calentamiento se determinan sobre la base de suposiciones. El desafío es integrar la
trazabilidad de una sola pieza en toda la cadena de producción y optimizar y diseñar con mayor precisión el paso principal del proceso de producción. El seguimiento de
piezas individuales se logra mediante un número de unidad unificado, que se implementará en el ERP/MES y en cada lingote de material individual. Con nuevos modelos
de proceso personalizados y herramientas de control avanzadas basadas en modelos, la deformación del paso de producción se controlará de manera más eficiente y
precisa. En los pasos finales de producción, la producción de una sola pieza se instala junto con la producción casi sin papel. Los componentes integrados directamente en
C la placa de circuito impreso (PCB) aumentan la complejidad de la producción de PCB, especialmente el revestimiento de cobre
y foto (grabado) proceso. La tendencia general en la industria electrónica es hacia dispositivos más pequeños, compactos y potentes. Para cumplir con los
nuevos requisitos, la empresa de casos desarrolló y patentó su tecnología hace varios años. El objetivo era integrar los componentes activos y pasivos
adheridos al exterior de las placas de circuito impreso dentro de las placas para reducir el tamaño total y proteger los componentes. El control de calidad
actual del espesor de la placa de cobre se realiza después de cada proceso de cobre individual. El proceso de producción completo para un tamaño de lote
de 30 paneles de trabajo se puede rastrear en los datos recopilados en función de la entrada manual del operador en documentos de Excel. Estos
documentos de Excel no están estandarizados para todos los usuarios y pasos del proceso y se almacenan en dispositivos de almacenamiento locales.
D Además del costo y el tiempo, la garantía de calidad efectiva es uno de los parámetros más relevantes para la fabricación eficiente en el sector de los semiconductores.
industria. Hasta ahora, la detección y clasificación de problemas de calidad ha sido realizada principalmente por empleados calificados. En los últimos años, el creciente
nivel de automatización de las fábricas requiere métodos de control de calidad mejorados y totalmente automatizados con amplios instrumentos y herramientas de
medición. La implementación del control automático sirve para superar los límites del desempeño del operador humano para detectar defectos. Una plataforma de TI
central debe capturar y procesar datos de calidad de un proceso de fabricación de semiconductores altamente automatizado en tiempo real. Según estos datos, los
empleados especialmente capacitados solo tendrán que inspeccionar las obleas que estén marcadas como defectuosas.
mi La visibilidad de artículos de miles de proveedores globales y locales aumenta la complejidad de la cadena de suministro de la empresa de casos, especialmente
cuando se trata de priorizar los envíos de estos proveedores para cumplir con los requisitos de material. Esto plantea un serio desafío para los operadores de la cadena de
suministro de la empresa de casos, que son responsables de garantizar que los proveedores fabriquen y suministren las piezas a su debido tiempo. Además de la
visibilidad y la priorización de los envíos, ha habido el problema de medir la entrega a tiempo como una de las métricas de rendimiento importantes. En los últimos años,
esto se ha llevado a cabo a través del proceso manual de reserva y programación, que era inconexo, ineficiente y se basa en relaciones y conocimientos tácitos. El objetivo
era establecer una solución de tecnología de la información (TI) integral y basada en eventos que brinde una visibilidad completa, a través de Internet, de los eventos
planificados y reales durante el proceso desde el pedido hasta la entrega. El nuevo proceso reemplazó el sistema manual con una solución basada en TI. La solución
vinculó la señal de demanda y la reserva de transporte para evitar el envío anticipado de materiales no deseados. Esto proporciona a los proveedores un portal de
reservas que envía notificaciones de envío anticipadas a la empresa de casos. Luego permite a los operadores de la cadena de suministro monitorear sus envíos. Además,
la solución proporciona un tablero consolidado de administración de costos y entregas que permite a la empresa de casos analizar rápidamente el rendimiento e
identificar oportunidades de mejora.
F Una empresa aeroespacial líder en el Reino Unido, que solía tener numerosas instalaciones de fabricación desarrolladas originalmente en la década de 1950 y que carecían
la capacidad de expandirse aún más en términos de capacidad, así como en avances tecnológicos. Además de eso, la
empresa anticipó un fuerte crecimiento en términos de producción. Además, los desafíos de calidad, los requisitos
cambiantes de los clientes y la flexibilidad de las operaciones eran cuestionables teniendo en cuenta la antigua planta de
fabricación y, por lo tanto, se consideraba como un único punto de falla en su cadena de suministro. Esto desencadenó la
necesidad de un proceso de producción mucho más automatizado, integrado y sistematizado, que toma la forma de
construir una nueva fábrica inteligente conectada digitalmente equipada con máquinas herramienta conectadas de última
generación, impresión 3D y dispositivos digitales basados en big data.
instalación de fabricación.
 PLANIFICACIÓN Y CONTROL DE LA PRODUCCIÓN 287

Para dar sentido a los hallazgos de la evaluación, se utilizaron cuatro procesos Recomendaciones

explícitos: análisis de los datos para sus patrones; interpretación de su significado;

Un análisis informal de los casos realizado antes del análisis de
juicio de los resultados y recomendaciones de acciones (Patton2008). Los datos
contenido ya mostró el impacto disruptivo de la digitalización en los
fueron analizados en el programa de codificación de texto NVIVO 12,
entornos de fabricación y cadena de suministro en la industria ECS y
posteriormente se realizó un análisis cruzado de casos (Seawright y Gerring 2008).
AM. Además, se desarrolla una descripción general de los diferentes
En este proceso de codificación, se examinaron los documentos para identificar
impactos a partir de los resultados de las evaluaciones de impacto
impactos en dimensiones específicas de desempeño causados por un cambio
individuales. Nuestros primeros hallazgos están relacionados con RQ1
tecnológico en los entornos de producción y cadena de suministro. Además,
e ilustran que los esfuerzos de digitalización en entornos de fabricación
extrajimos mejoras potenciales como mediador para la conciliación de
afectan positivamente el rendimiento de los procesos de producción, la
capacidades en términos de activos existentes, nuevos activos y nuevas
gestión sostenible de la cadena de valor y la productividad general de
tecnologías. Se realizó un análisis manual de casos cruzados para identificar
la cadena de suministro. En este sentido, las operaciones digitalizadas
patrones entre los datos codificados en los casos individuales. Finalmente, nuestra
ofrecen el potencial de disminuir defectos, reducir costos, aumentar la
investigación concluye con la documentación y difusión de los resultados y las
flexibilidad de producción y aumentar la sostenibilidad general de la
posteriores pruebas de validez interna, validez externa y confiabilidad (Stuart et al.
empresa. Estas mejoras crean la oportunidad de ampliar y renovar las
2002). Para aumentar el rigor del proceso de análisis de contenido, les pedimos a
los propietarios de casos que verificaran los resultados de las descripciones
capacidades existentes, así como de construir otras nuevas para

filtradas en busca de formulaciones incorrectas e interpretaciones incorrectas de

cumplir con los requisitos del mercado. Nuestros resultados son

sus formulaciones. Para obtener resultados aún más profundos, llevamos a cabo
parcialmente congruentes con los hallazgos de Ron (1998), ya que la

varias entrevistas de expertos con los respectivos profesionales. Estas entrevistas

flexibilidad, la reducción de costos y un mejor manejo de materiales, así

se realizaron de enero a mayo de 2019. Posteriormente, desarrollamos una tabla como la renovación de las capacidades del proceso, son aspectos

de análisis de casos en la que se codifican y filtran los seis casos. Nos adherimos al importantes para evaluar el desempeño de sustentabilidad de una

marco de evaluación de capacidades dinámicas y evaluamos los casos individuales empresa. Además, la evaluación muestra que las empresas adquieren

según su impacto en los KPI más relevantes mencionados por los propietarios de la capacidad de integrar y reconfigurar las competencias internas y

los casos. Los resultados se dividieron en tres categorías: La primera categoría externas para superar los desafíos de los entornos que cambian

describe el impacto económico del proceso, método, aplicación o herramienta. La
segunda categoría ilustra el impacto de los casos individuales en los indicadores
de desempeño ambiental como la eficiencia energética (consumo de energía) y la
eficiencia material (reducción de desechos). La tercera categoría se ocupa de los
impactos provocados por la Industria 4.0 en la dimensión social, es decir, las
capacidades mejoradas de aprendizaje organizacional que influyen en la
satisfacción de la fuerza laboral y/o el desarrollo de habilidades y conocimientos
para resolver problemas. El último paso del análisis comprende la documentación
del impacto logrado. las capacidades mejoradas de aprendizaje organizacional
que influyen en la satisfacción de la fuerza laboral y/o habilidades para resolver
problemas y desarrollo de conocimientos. El último paso del análisis comprende la
documentación del impacto logrado. las capacidades mejoradas de aprendizaje
organizacional que influyen en la satisfacción de la fuerza laboral y/o habilidades
para resolver problemas y desarrollo de conocimientos. El último paso del análisis
comprende la documentación del impacto logrado.
Tabla 4a continuación ilustran la codificación y selección de los datos
relevantes para nuestro análisis usando el ejemplo de
'Trazabilidad' (dimensión económica).
rápidamente. Los recursos como los activos específicos de la empresa
ahora son más difíciles de imitar por los competidores y este es un
desarrollo fundamental con respecto a la ampliación de la estrategia
comercial general de una empresa (Rivard, Raymond y Verreault). 2006;
Teece, Pisano y Shuen1997). El aumento de la experiencia en ingeniería
y las instalaciones de producción especializada conduce a una ventaja
competitiva de la industria investigada, lo que promueve y justifica la
inversión en este tipo de proyectos de innovación. El impacto en los
procesos organizacionales y específicos de la empresa se demuestra en
los hallazgos de casos individuales. La implementación de los casos
seleccionados obliga a crear rutinas de recolección y procesamiento de
información y por lo tanto de creación de nuevas rutinas de
coordinación de los procesos de manufactura. Estas diferencias en
evolución en las capacidades parecen tener un impacto significativo en
las variables de rendimiento económico, como el costo, la velocidad y la
calidad general del proceso y del producto. Los cambios tecnológicos
pueden tener impactos devastadores en las habilidades y capacidades
de las empresas para competir en un mercado. Aquí, hacemos el
impacto actual de I4.0 en el ECS europeo

Tabla 4.Ejemplo de codificación de casos “Trazabilidad”.

nodo NVIVO Texto original (datos codificados) [Caso]

Impacto en la trazabilidad
La detección temprana de un tráfico de red anómalo puede ayudar arastrear cualquier cambio en los procesos o daños inducidos por ciberataques
[Caso A].
Cada producto se puede rastrear a través del seguimiento de una sola pieza a lo largo de la cadena de producción,ERP y en el taller por
implementar el marcado a través de máquinas de grabado [Caso B].
Habilite la trazabilidad de la unidad completa, lo que a su vez permitirá más oportunidades para mejorar los procesos y identificar y abordar más rápido
problemas. La trazabilidad permite una responsabilidad total en la producción.Los datos ya no se transfieren manualmente (la transferencia se
realiza directamente de un equipo a una base de datos y al MES) [Caso C].
Todos los datos se pueden rastrear utilizando la nueva solución.Los datos se almacenan automáticamente en la base de datos, no más falta de trazabilidad de datos

[Caso D].
Los retrasos en los eventos se catalogan de acuerdo con un criterio acordadocualpermite un análisis rápido de dónde, cuándo y por qué ocurren las fallas.
Estaproporciona una rica fuente de datos para ayudar a la resolución de problemas y la trazabilidad [Caso E].
losla trazabilidad del producto ha aumentado significativamentecomo tienenredujo la cantidad de inventario, así como el plomo
tiempos, lo que conduce a un control mucho mejor sobre los productos de rastreo.Es más,la configuración de fabricación única también mejora la
visibilidad del proceso.El personal accedepara vivir los datos generados por las máquinas. [Caso F]
288 A. FELSBERGER Y AL.
y la industria AM más visibles, discutir los consiguientes proyectos de
digitalización y también discutir los impactos logrados.
Se brinda una discusión detallada de estos hallazgos dentro de los
hallazgos de casos individuales seguidos de un análisis de casos
cruzados, que considera el impacto en las dimensiones de TBL seguido
de la presentación de proposiciones explícitas (RQ2).
Hallazgos de casos individuales
Caso A: fabricante de semiconductores (sistema de detección de
intrusos para ciberseguridad)
Las redes de producción seguras son un requisito fundamental para
implementar aplicaciones de Industria 4.0 en entornos de producción reales.
En el futuro, las desviaciones del comportamiento normal en la red de
producción deberán detectarse automáticamente mediante sistemas
inteligentes de detección de anomalías. No debería ser necesario un
conocimiento más profundo de la red de producción, ni un modelado
manual del comportamiento de la red. Una extensión de la red no debería
causar un esfuerzo de configuración adicional para tales sistemas. El sistema
de detección de anomalías está diseñado como un sistema de
autoaprendizaje, basado en archivos de registro y seguimientos de red.
Estas reglas se prueban durante un período de tiempo definido. Las reglas
confirmadas se ingresan en una base de datos de reglas, mientras que las
reglas no confirmadas se descartan. Según las reglas validadas, El
'comportamiento normal del sistema' debe distinguirse del
'comportamiento anormal del sistema' en el seguimiento del plan de
producción. En caso de violación de las reglas, se informa al departamento
de seguridad de TI del dispositivo afectado y la sección correspondiente del
archivo de registro registrado. Los beneficios de explotar un sistema de
detección de anomalías en una red de producción de Industria 4.0 son tres:
primero, ayuda a detectar cualquier tráfico de red sospechoso que puede
ser causado por un usuario legítimo (debido a un uso indebido) o por un
atacante malicioso (por ejemplo, debido a intento de sabotaje, robo de
propiedad intelectual o degradación de la calidad del producto). A diferencia
de las soluciones comerciales, que se basan en firmas conocidas a priori de
amenazas conocidas, Los sistemas de detección de anomalías en la red se
basan en el aprendizaje automático o algoritmos estadísticos para aprender
patrones de comunicación regulares intercambiados entre diferentes
equipos y máquinas. Cualquier desviación significativa de los patrones
regulares (comportamiento normal) se marca como una anomalía. Una
propiedad interesante de estos sistemas es que pueden detectar cualquier
ataque nuevo incluso si sus firmas aún no existen en la base de datos (es
decir, detectar ataques de día cero). En segundo lugar, la detección de
comportamientos anormales en una etapa temprana puede permitir que el
departamento de seguridad tome las contramedidas adecuadas para
neutralizar posibles ataques o minimizar su riesgo, lo que puede tener un
impacto positivo en la disponibilidad, confiabilidad y confiabilidad del
sistema. Y tercero, detectar y prevenir cualquier actividad de red maliciosa
puede garantizar que los procesos de producción no puedan ser tocados
por un atacante o un competidor que pueda comprometer la calidad del
producto. Esto ayudará a que el entorno de producción de la Industria 4.0 se
vuelva más resistente a posibles ataques de ciberseguridad. A su vez, puede
reducir el tiempo de inactividad del sistema causado por posibles ataques y
evitar retrasos excesivos en la respuesta a las variaciones de la demanda.
Los ataques recientes contra los CPS, por ejemplo, Stuxnet, demostraron
que los atacantes pueden tener niveles muy altos de motivación y
recursos, incluido el conocimiento específico del dominio sobre las
comunicaciones industriales y los procesos de control, para diseñar un
ataque que pueda manipular los procesos de producción, mientras lo
oculta de los operadores del sistema informando una operación
normal a la interfaz hombre-máquina (HMI). La adopción de un IDS
puede ayudar a detectar cualquier intento que pueda manipular el
proceso de producción al analizar el tráfico de red que controla el
proceso físico, en lugar de depender únicamente de la verificación del
sistema HMI. También cabe mencionar que los datos recopilados para
este caso de una red de producción real y los algoritmos diseñados
para la detección de anomalías pueden ser explotados como línea de
base para cualquier proyecto relacionado con la ciberseguridad en los
CPPS de Industria 4.0.
Caso B – proveedor de la industria ECS (implementación de
UUN y algoritmo de optimización)
Este caso se divide en dos desarrollos separados. El número de unidad unificado (UUN) se implementa para todos los
objetivos de pulverización catódica de metal puro. En el paso principal del proceso, se implementarán nuevas
herramientas de control y optimización. El caso se implementa en el sistema ERP de la empresa caso. Las piezas
especiales se implementan en el departamento de prensado (grabado de placas), el departamento de deformación
(equipo de laminación) y en el mecanizado final de la etapa de producción. Primero, ha habido un aumento en la
mejora de la calidad: centrarse en una estrategia de cero defectos requiere la cooperación del operador y un enfoque
correspondiente en la calidad. Para este propósito, el algoritmo de optimización debe dar al operador
recomendaciones sobre (1) cómo, (2) cuándo y (3) dónde se fabricarán los productos. También hubo un aumento
significativo en la eficiencia energética: dado que el calentamiento de los hornos es el principal factor energético, el
uso óptimo de los hornos calentados y el posible desmantelamiento de los hornos no utilizados contribuyen en gran
medida a la eficiencia energética. La optimización del uso del horno se ha añadido como objetivo en el algoritmo de
optimización para evitar el calentamiento del material sin laminación posterior. Además, el rendimiento aumentó entre
un 3% y un 5%. Además, la trazabilidad implementada de piezas únicas a lo largo de toda la cadena de suministro
interna incrementó la calidad de los datos, la velocidad en el manejo de reclamos y el desarrollo de productos y
procesos. La priorización de pedidos de productos se puede configurar directamente en la planta. La disponibilidad de
las máquinas se puede conectar directamente a los cuellos de botella en la producción. Los problemas de calidad se
controlan pieza por pieza y justo a tiempo. La implementación de una solución MES en el primer paso de producción
de prensado y sinterizado de polvo mejoró aún más la interfaz entre la cadena de suministro y el piso de producción y,
por lo tanto, la velocidad de manejo de pedidos. Otro impacto emergente en términos de flexibilidad de producción se
basa en el aumento del rendimiento de producción. El tiempo de espera de producción se reduce y esto aumenta la
capacidad para el paso de producción más relevante en la cadena de suministro. Con una mayor estabilidad del
proceso, la calidad del producto también mejorará, lo que conducirá aún más a una menor tasa de desechos, lo que
reduce el consumo de material. Finalmente, la producción sin papel en el paso de producción final, el procesamiento
mecánico de los objetivos de pulverización catódica, los costos reducidos de los suministros operativos (papel y
paletas) y la probabilidad de confusión en el manejo de pedidos. El impacto en la fuerza de trabajo es El tiempo de
espera de producción se reduce y esto aumenta la capacidad para el paso de producción más relevante en la cadena
de suministro. Con una mayor estabilidad del proceso, la calidad del producto también mejorará, lo que conducirá aún
más a una menor tasa de desechos, lo que reduce el consumo de material. Finalmente, la producción sin papel en el
paso de producción final, el procesamiento mecánico de los objetivos de pulverización catódica, los costos reducidos
de los suministros operativos (papel y paletas) y la probabilidad de confusión en el manejo de pedidos. El impacto en la
fuerza de trabajo es El tiempo de espera de producción se reduce y esto aumenta la capacidad para el paso de
producción más relevante en la cadena de suministro. Con una mayor estabilidad del proceso, la calidad del producto
también mejorará, lo que conducirá aún más a una menor tasa de desechos, lo que reduce el consumo de material.
Finalmente, la producción sin papel en el paso de producción final, el procesamiento mecánico de los objetivos de
pulverización catódica, los costos reducidos de los suministros operativos (papel y paletas) y la probabilidad de
confusión en el manejo de pedidos. El impacto en la fuerza de trabajo es el procesamiento mecánico de objetivos de
pulverización catódica, costos reducidos de suministros operativos (papel y paletas) y la probabilidad de confusión en
el manejo de pedidos. El impacto en la fuerza de trabajo es el procesamiento mecánico de objetivos de pulverización
catódica, costos reducidos de suministros operativos (papel y paletas) y la probabilidad de confusión en el manejo de
pedidos. El impacto en la fuerza de trabajo es

dada por la implementación de funciones y pantallas MES para lugares
de trabajo individuales. Se debe lograr una mejor usabilidad y
aceptación por parte de la fuerza laboral. La configuración de pantallas
preseleccionadas aumentará la carga de trabajo para el departamento
de TI en primer lugar. El aumento de la digitalización en el piso de
producción puede ser un inconveniente para la generación anterior,
que puede estar menos familiarizada con los sistemas de TI que sus
contrapartes más jóvenes.
Caso C – Ensamblador de PCB (trazabilidad de unidad completa digital)
La finalización exitosa del proyecto de trazabilidad digital permitirá a la
compañía de casos rastrear completamente las tarjetas producidas y
los componentes integrados. Esto mejorará la calidad del producto, la
satisfacción del cliente y la satisfacción de los empleados, al reducir el
tiempo dedicado al análisis y la búsqueda de errores. La experiencia
adquirida hasta ahora respalda en gran medida la futura
implementación del aprendizaje automático para la trazabilidad y la
mejora de la calidad como proyecto posterior. El objetivo es tener una
trazabilidad completa de la unidad, que también es un cliente
requisito. La solución técnica exacta no puede ser software e implementar aprendizaje automático para detectar nuevos
descritos por razones de confidencialidad, pero permitirá que la defectos potenciales. Se otorga un impacto significativo a la reacción
empresa de casos para garantizar el conocimiento sobre qué PCB se produjo, cuándo, en qué máquina,
por quién y con qué componentes, de qué proveedor y lote. La implementación del sistema MES permite a
la empresa de casos dirigir el proceso fotográfico en función de los resultados del proceso de cobre. Para
la empresa era crucial vincular los dos procesos entre sí. El caso cambia la forma en que se transfieren los
datos de un paso del proceso a otro. Este desarrollo conduce a una mayor integridad y calidad de los datos
y, en última instancia, a un beneficio en el desarrollo del conocimiento. El control directo de los procesos
secuenciales dentro de la línea permite un aumento de la flexibilidad al minimizar los tiempos de cambio y
una reacción rápida a las necesidades cambiantes del cliente. Por lo tanto, una mayor flexibilidad permite
una reacción más rápida a los cambios en el programa de producción, lo que conduce a mayores tasas de
finalización a tiempo y niveles de satisfacción del cliente. Otro aspecto es el impacto en la calidad del
proceso. La calidad del proceso se mejora con la posibilidad de rastrear completamente todos los pasos,
recetas y configuraciones. La empresa del caso determinó que el proyecto de digitalización les permitió
aprender sobre su producción, máquinas y procesos y especialmente sobre la capacidad de los procesos.
Ahora están utilizando activamente este conocimiento recién adquirido para mejorar ciertos pasos del
proceso mediante el desarrollo de nuevas capacidades basadas en sus estrategias de gestión modificadas.
La empresa del caso determinó que el proyecto de digitalización les permitió aprender sobre su
producción, máquinas y procesos y especialmente sobre la capacidad de los procesos. Ahora están
utilizando activamente este conocimiento recién adquirido para mejorar ciertos pasos del proceso
mediante el desarrollo de nuevas capacidades basadas en sus estrategias de gestión modificadas. La
empresa del caso determinó que el proyecto de digitalización les permitió aprender sobre su producción,
máquinas y procesos y especialmente sobre la capacidad de los procesos. Ahora están utilizando
activamente este conocimiento recién adquirido para mejorar ciertos pasos del proceso mediante el
desarrollo de nuevas capacidades basadas en sus estrategias de gestión modificadas.
Caso D: fabricante de semiconductores (sistema de inspección de
calidad automatizado)
Debido al sistema de cámara implementado, ya no se requiere intervención
humana para realizar un seguimiento completo de todos los datos y
monitorear los procesos de producción. KPI mejores y más confiables ahora
permiten decisiones más efectivas, ganando más control de los procesos de
producción, aumentando la flexibilidad, reduciendo costos y aumentando la
calidad. También es posible optimizar la programación del mantenimiento al
detectar las debilidades de la máquina en una etapa temprana. El proceso es
monitoreado continuamente mientras el sistema está en operación.
Mientras tanto, la calidad del proceso es
PLANIFICACIÓN Y CONTROL DE LA PRODUCCIÓN 289
se hizo más estable gracias a una mayor confiabilidad con respecto a
los errores estandarizados. El nuevo proceso proporciona la calidad
permanente del control de procesos y el control de calidad del
producto. Además, la tasa de desecho se ha reducido drásticamente. El
sistema de cámaras proporciona un control de calidad del 100% a
través de algoritmos. Por lo tanto, la inspección de calidad ya no está
sujeta a los errores cometidos por operadores humanos y se garantiza
un nivel de calidad constante. La chatarra de oblea es muy costosa y
una avería de la máquina debido a una oblea dañada es aún más
costosa (100–200k por lote). Estos costos de fallas en la inspección
ahora se han eliminado. La nueva solución ahora solo toma alrededor
de 4 segundos para controlar la calidad de la oblea. La inspección
manual por parte de un operador tomó entre 1 y 3 minutos. Por lo
tanto, el impacto en el tiempo de ciclo, la variabilidad y el tiempo de
servicio es medible. La confiabilidad para errores estandarizados
aumentó pero para eventos no deseados dentro de la fase de
inspección disminuyó. Sin embargo, los humanos siempre tendrán
mejores reacciones y reacciones subjetivas a defectos poco comunes,
porque el algoritmo no puede manejar defectos nuevos. Por lo tanto,
todavía es necesario capacitar a los operadores para que utilicen el
más rápida y flexible a la detección de chatarra, lo que conduce a un
impacto positivo en el retrabajo y la planificación de la demanda. La
disponibilidad del sistema es muy alta, mientras que la robustez y
resiliencia del sistema de producción es aún mayor en comparación
con la inspección manual. Ahora bien, este es un proceso
estandarizado que se puede analizar de forma rápida, rápida y precisa.
El proceso se monitorea continuamente mientras el sistema está en
funcionamiento. De esta manera, la empresa pudo implementar un
sistema de apoyo a la decisión que permite desarrollar nuevas
capacidades y competencias a desarrollar con respecto a la
infraestructura de procesos existente y, al mismo tiempo, aumentar la
capacidad de expandirla a los procesos de otras empresas.
Caso E: fabricante aeroespacial (sistema de pedido a entrega
basado en TI)
La implementación exitosa de un sistema desde el pedido hasta la entrega
basado en TI que integra la empresa de casos, sus proveedores y
proveedores de servicios de logística brinda visibilidad de extremo a
extremo de los artículos en la cadena de suministro. Con la solución
implementada, más del 98% de los artículos ahora son visibles. La entrega a
tiempo ahora se mide completamente y hay una mejora continua en esta
área. La capacidad de analizar los datos de rendimiento ahora permite a la
compañía de casos desarrollar contramedidas efectivas para mejorar
continuamente el rendimiento. Esto también genera satisfacción en la fuerza
laboral, especialmente para los operadores de la cadena de suministro que
tienen una visibilidad total y un mayor control sobre los procesos de reserva
y recolección. Todos los retrasos de los eventos se catalogan de acuerdo con
un criterio acordado, lo que permite un análisis rápido de dónde, cuándo y
por qué ocurren las fallas. Esto proporciona una rica fuente de datos para
ayudar a la resolución de problemas y la trazabilidad. Uno de los principales
beneficios radica en las importantes reducciones de costos y mejoras en la
eficiencia obtenidas al eliminar los procesos de desperdicio y una mejor
utilización de la infraestructura de transporte. Esto también ha optimizado el
tiempo de entrega del transporte. La nueva solución basada en tecnología
permite a la empresa de casos cambiar a una metodología de gestión de
excepciones. Además, esta solución ha cambiado el sistema de creencias.
290 A. FELSBERGER Y AL.
de la fuerza laboral, muchos de los cuales antes pensaban que necesitaban
una flexibilidad infinita en lugar de un sistema basado en reglas. Ahora, se
han dado cuenta de que con un enfoque colaborativo, el coaching y
capacitación pueden operar dentro de los parámetros acordados. Los KPI analizados se enumeran enTabla 5abajo:
Además, la solución se puede extender más allá de la actual
proceso desde el pedido hasta la entrega en el proceso general desde el pedido hasta el cobro.
Caso F: fabricante aeroespacial (configuración de fabricación
inteligente)
La empresa de casos ha sido testigo de beneficios significativos como resultado del nuevo sistema de fabricación digital,
principalmente en términos de mayor flexibilidad, eficiencia y tiempos de entrega reducidos. Cambiar a nuevos métodos de
producción, incluidas máquinas conectadas digitalmente, configuraciones de impresión 3D y toma de decisiones basada en big data,
reduce el tiempo del proceso a la mitad. La instalación ahora es mucho más inteligente, tanto digital como mecánicamente y, por lo
tanto, puede producir productos con la calidad deseada a través de su proceso de alta calidad. Las máquinas se autodiagnostican y
actúan de forma inteligente, lo que reduce la intervención manual al nivel más bajo. Esto aumenta el nivel de automatización, donde
solo se requiere un operador para cuidar cinco máquinas en lugar de tener que asignar una persona a una máquina, como ocurría
antes. La trazabilidad del producto ha aumentado significativamente ya que han reducido la cantidad de inventario y los plazos de
entrega se han reducido, lo que lleva a un control mucho mayor sobre el seguimiento de productos. Además, la configuración de
fabricación única también mejora la visibilidad del proceso. El personal tiene acceso a datos en vivo generados por las máquinas, que
se acumulan y luego se pueden usar para mejorar procesos y productos. Además, la mano de obra parece muy satisfecha con el
proceso de fabricación fiable. Además, la nueva configuración mejora significativamente no solo las habilidades de las personas, sino
que también les brinda la oportunidad de aprender otras nuevas. Por ejemplo, un operador en el piso de producción puede lo que
conduce a un control mucho mayor sobre los productos de rastreo. Además, la configuración de fabricación única también mejora la
visibilidad del proceso. El personal tiene acceso a datos en vivo generados por las máquinas, que se acumulan y luego se pueden usar
para mejorar procesos y productos. Además, la mano de obra parece muy satisfecha con el proceso de fabricación fiable. Además, la
nueva configuración mejora significativamente no solo las habilidades de las personas, sino que también les brinda la oportunidad de
aprender otras nuevas. Por ejemplo, un operador en el piso de producción puede lo que conduce a un control mucho mayor sobre los
productos de rastreo. Además, la configuración de fabricación única también mejora la visibilidad del proceso. El personal tiene
acceso a datos en vivo generados por las máquinas, que se acumulan y luego se pueden usar para mejorar procesos y productos.
Además, la mano de obra parece muy satisfecha con el proceso de fabricación fiable. Además, la nueva configuración mejora
significativamente no solo las habilidades de las personas, sino que también les brinda la oportunidad de aprender otras nuevas. Por
ejemplo, un operador en el piso de producción puede Además, la nueva configuración mejora significativamente no solo las
habilidades de las personas, sino que también les brinda la oportunidad de aprender otras nuevas. Por ejemplo, un operador en el
piso de producción puede Además, la nueva configuración mejora significativamente no solo las habilidades de las personas, sino que
también les brinda la oportunidad de aprender otras nuevas. Por ejemplo, un operador en el piso de producción puede
contribuir a la programación además de operarequipo conductor para monitorear todas las obleas en busca de defectos. La Cámara máquinas. La
nueva instalación sustituye a cuatro antiguas instalaciones
unidades, lo que genera procesos de fabricación de alta velocidad,
flexibilidad en la producción, mejora de la calidad del producto, bajos
costos de operación, reducción del impacto ambiental y, sobre todo,
satisfacción del cliente y de la fuerza laboral.
Análisis de casos cruzados: agregación de impactos específicos de casos en las
dimensiones de rendimiento de TBL
El análisis cualitativo de los datos de casos recopilados condujo a la
identificación de diferentes impactos y mejoras identificados por los
socios del caso durante la autoevaluación de impactos. En función de la
calificación de impacto (escala de ningún impacto '1' a impacto muy
alto '5') de los propietarios de casos, identificamos 12 categorías de KPI
con la clasificación más alta en una tasa de 4 a 5 en la escala (impacto
muy alto) . No consideramos todos los KPI evaluados dentro de nuestro
estudio, porque algunos de ellos estaban fuera del alcance. La mayoría
de las medidas de desempeño que no figuran en la lista no crearon
ningún impacto, ya sea negativo o positivo, en la empresa del caso. Las
medidas de rendimiento analizadas en el análisis de casos cruzados se
han agrupado en el rendimiento relacionado
dimensión. Cada medida de desempeño tiene una definición específica,
ligeramente modificada para nuestro propósito, pero aún basada en su
definición estándar original ISO 24000-2 y GRI. el ana-
Sobre la base de estas medidas de rendimiento, llevamos a cabo el
análisis de casos cruzados como se ilustra enMesas 6–8.
Impacto en las dimensiones y propuestas de TBL
Dimensión económica
Los casos A, B, C, D y F tratan sobre mejoras en los procesos de operación y
producción. Como resultado, hemos identificado algunas superposiciones
en el impacto económico al comparar casos. Al evaluar el nivel operativo de
una organización de casos, son evidentes varios impactos de las mejoras de
procesos individuales. No solo pueden ocurrir mejoras internas sino
también externas. Por ejemplo, el representante del Caso A afirmó que, 'Los
ciberataques a los CPPS de Industria 4.0 pueden amenazar no solo la
seguridad de la información, poniendo en riesgo la protección de la
propiedad intelectual, sino también la disponibilidad, al causar daños físicos,
que pueden incluso poner en riesgo vidas humanas o comprometer la
calidad del producto final al manipular los procesos de producción
subyacentes. La implementación del IDS propuesto puede ayudar a
minimizar estos riesgos causados por ciberataques a un CPPS'.El IDS del
Caso A detectará cualquier actividad sospechosa dentro de la red de
información que respalda el entorno de producción, ya sea causada por un
interno (uso indebido) o por un externo (atacante). Esto ayudará a que los
entornos de producción de Industry 4.0 sean más resistentes a posibles
ataques de ciberseguridad. Emplear un sistema de detección de anomalías
en la red puede prevenir un ataque cibernético que puede comprometer la
calidad de la producción. Además, sirve para aumentar la trazabilidad a lo
largo de la cadena de suministro y establecer sistemas/modelos que ayuden
al operador en la toma de decisiones proporcionando recomendaciones
optimizadas y tiempos de proceso basados en modelos. El gerente
responsable de integración de fábrica del Caso D declaró que, 'La nueva
solución es un sistema de cámara simple que puede colocarse en un
semirremolque existente.
El sistema proporciona un control de calidad del 100% a través de algoritmos
definidos por expertos en procesos.La detección temprana y precisa automatizada
de artículos defectuosos (Caso D) conduce a una tasa de inspección más confiable
y, por lo tanto, a una reducción de la variabilidad dentro de los procesos de
control. Esto permite que los departamentos operativos aumenten el rendimiento
y también tiene un impacto en los costos. Una empresa puede reducir los costos
operativos y de producción al mejorar la calidad general del producto y del
proceso a través de sistemas automatizados. La calidad general mejorada del
proceso conduce a menos tiempo de inactividad y actividades de mantenimiento.
El uso de soluciones automatizadas aumenta el OEE en términos de una mayor
disponibilidad del sistema y una mejor planificación del proceso, lo que reduce la
dependencia de la intervención humana. Los casos B, C, D y E tuvieron impactos
notables en la trazabilidad y la transparencia. Los procesos ahora se monitorean
continuamente y la calidad del proceso es mucho más estable debido a la
posibilidad de rastrear completamente todos los pasos. recetas y ajustes. Otra
superposición se refiere al aumento de procesos estandarizados a través de
tecnologías digitales. Esta afirmación puede generalizarse para todos los casos. Si
la disponibilidad de la máquina disminuye debido a un mayor rendimiento, el
mantenimiento predictivo desempeñará un papel importante en el futuro. Esta
confiabilidad de TI puede conducir potencialmente a un mayor esfuerzo de TI y
 PLANIFICACIÓN Y CONTROL DE LA PRODUCCIÓN 291

Tabla 5.Descripción de los KPI.

Medida de rendimiento Descripción

Económico
Nivel de automatización Impacto en el nivel de automatización de fábrica/planta, transformación de procesos manuales a automatizados/digitales y
toma de decisiones y apoyo.
Calidad del proceso Qué tan bien está funcionando el proceso de fabricación/servicio de un producto; el grado de realización de lo especificado
requerimientos y capacidad del proceso.
Calidad del producto/servicio En qué medida el producto/servicio está libre de deficiencias o defectos, el grado de realización de los
requerimientos del producto/servicio.
OEE El índice de efectividad general del equipo contiene la disponibilidad utilizada, la efectividad de la unidad de trabajo y la
índice de calidad sobre el rendimiento y las pérdidas de calidad.
Trazabilidad Las capacidades para rastrear y rastrear cambios en procesos y productos.
Transparencia El acceso continuo a la información sobre los procesos de producción y el estado de planificación de la producción en el contexto
del sistema de información.
Reducción de costes operativos Gastos asociados con la operación, mantenimiento y administración de las capacidades productivas de la empresa.
Social
Satisfacción de la fuerza laboral La medida en que el caso de uso evaluado empodera a la fuerza laboral para identificar el potencial de mejora y/o
o resolver problemas.

Innovación y La medida en que el caso evaluado empodera a la fuerza laboral para identificar el potencial de mejora y/o
habilidades para resolver problemas resolver problemas

Desarrollo/adquisición de El nivel esperado de conocimiento relevante obtenido por la fuerza laboral y la organización a partir de la implementación del caso.
conocimientos Ambiental
Eficiencia energética (Impacto en CO2 El consumo de energía es la cantidad de energía o potencia utilizada para el funcionamiento de la planta, el proceso de fabricación o
emisiones, eficiencia de combustible Equipo de fabricación.
y marcha en vacío)
Eficiencia de los recursos materiales El alcance del uso de material en la producción considerando la ración de chatarra y la relación entre la cantidad de chatarra
(Impacto en los residuos) y cantidad producida.
Basado en (norma ISO 24000-2 y GRI G4).

por lo tanto, crea costos adicionales en términos de contratación de expertos externos. En general, la digitalización de los procesos de de la calidad que están produciendo, pero creo que si observa el lado digital, cómo se conectan las

la cadena de producción y suministro conduce a una reconciliación de capacidades, lo que mejora la estrategia comercial de la máquinas, estamos viendo datos en vivo de las máquinas, estamos viendo las máquinas autodiagnósticas

empresa sostenible. Desde una perspectiva económica en el Caso E, el representante afirmó: 'Reducciones significativas de costos y antes de arrancar todos los días sabiendo que están listos para funcionar'. La empresa ahora observa un

mejoras en la eficiencia obtenidas al eliminar los procesos de desecho y una mejor utilización de la infraestructura de transporte. Esta nivel de flexibilidad sin precedentes en toda la cadena de suministro, ya que ha estandarizado sus

nueva tecnología también nos permitió cambiar a la metodología de gestión de excepciones'. Los hallazgos del Caso E son instalaciones en el Reino Unido con las de los EE. UU., tanto en lo que respecta a las máquinas herramienta

consistentes con los de Agrifoglio et al. (2017) y Mladineo, Veza y Gjeldum (2017) haciendo hincapié en el impacto positivo de las físicas como a la tecnología digital. Esto les permite mover el trabajo entre las dos instalaciones según los

tecnologías digitales en la eficiencia de la producción. Ahora, se adopta un enfoque de red en el que los camiones solo visitan las requisitos del cliente. Esto, a su vez, crea un mayor nivel de satisfacción del cliente también. Además, el

instalaciones de los proveedores si se les notifica que el material está listo para su recolección. Anteriormente había una ventana de nivel de automatización reduce significativamente el personal, incluidos ingenieros, operadores y personal

tiempo de recolección fija para los proveedores. Ahora, los operadores de la cadena de suministro pueden seleccionar diferentes de logística, lo que reduce el costo operativo general. Teniendo en cuenta el impacto en la reconciliación de

modos de transporte a través del sistema según la urgencia. Esto conduce a tiempos de entrega y costos de transporte optimizados. las capacidades del proceso basado en la introducción de nuevas tecnologías o activos de proceso, y la

Además, la precisión del inventario ha mejorado, lo que se traduce en menos requisitos de reelaboración y reemisión. El principal mejora de los activos existentes, se compromete la competitividad sostenible de las empresas del caso,

impacto atribuible a la dimensión económica en el Caso F es la eficiencia del rendimiento, que era una preocupación importante en la que pueden cumplir con los requisitos cambiantes del mercado, como un aumento en el producto y el

antigua planta de producción. Con el nuevo sistema de producción automatizado, integrado y sistematizado, los procesos ahora son proceso. calidad, velocidad en términos de rendimiento y tiempo de ciclo y una disminución fundamental

más ágiles y la velocidad de producción se ha duplicado. El representante de la empresa de casos F afirmó: 'Fue una reducción de los costos operativos. Estas mejoras permitirán conservar el nivel de competitividad de las empresas en

significativa en términos de tiempos de proceso a la mitad. Hemos reducido la cantidad de inventario y hemos reducido el tiempo de el mercado. A partir de las observaciones y análisis documentados anteriormente de RBV, proponemos lo

entrega, entonces hay mucho mejor control sobre la trazabilidad con menos intervención humana'. El mismo efecto se observa en el
siguiente: que puede cumplir con los requisitos cambiantes del mercado, como un aumento en la calidad
Caso B, donde el rendimiento ha aumentado ahora entre un 6% y un 8%, según la optimización del tiempo de calentamiento de los
del producto y del proceso, velocidad en términos de rendimiento y tiempo de ciclo y una disminución
hornos. Volviendo al Caso F, la nueva fábrica ahora es mucho más autónoma, automatizada y, por lo tanto, productiva con una
fundamental de los costos operativos. Estas mejoras permitirán conservar el nivel de competitividad de las
producción de buena calidad. Como afirmó el encuestado del caso F, "las técnicas de mecanizado que incorporamos en las modernas
empresas en el mercado. A partir de las observaciones y análisis documentados anteriormente de RBV,
plataformas de mecanizado son mucho más capaces en términos de Hemos reducido la cantidad de inventario y hemos reducido el
proponemos lo siguiente: que puede cumplir con los requisitos cambiantes del mercado, como un
tiempo de entrega, entonces hay mucho mejor control sobre la trazabilidad con menos intervención humana'. El mismo efecto se
aumento en la calidad del producto y del proceso, velocidad en términos de rendimiento y tiempo de ciclo
observa en el Caso B, donde el rendimiento ha aumentado ahora entre un 6% y un 8%, según la optimización del tiempo de
y una disminución fundamental de los costos operativos. Estas mejoras permitirán conservar el nivel de
calentamiento de los hornos. Volviendo al Caso F, la nueva fábrica ahora es mucho más autónoma, automatizada y, por lo tanto,
competitividad de las empresas en el mercado. A partir de las observaciones y análisis documentados
productiva con una producción de buena calidad. Como afirmó el encuestado del caso F, "las técnicas de mecanizado que
anteriormente de RBV, proponemos lo siguiente:
incorporamos en las modernas plataformas de mecanizado son mucho más capaces en términos de Hemos reducido la cantidad de
P1: La reconciliación de las capacidades dinámicas, es decir, la ampliación de los
inventario y hemos reducido el tiempo de entrega, entonces hay mucho mejor control sobre la trazabilidad con menos intervención
activos existentes, la adquisición de nuevos y el aprendizaje, media el impacto de
humana'. El mismo efecto se observa en el Caso B, donde el rendimiento ha aumentado ahora entre un 6% y un 8%, según la
la Industria 4.0 en el rendimiento económico.
optimización del tiempo de calentamiento de los hornos. Volviendo al Caso F, la nueva fábrica ahora es mucho más autónoma,

automatizada y, por lo tanto, productiva con una producción de buena calidad. Como afirmó el encuestado del caso F, "las técnicas de
P2: La implementación de la Industria 4.0 influye positivamente en la flexibilidad,
mecanizado que incorporamos en las modernas plataformas de mecanizado son mucho más capaces en términos de la nueva fábrica rapidez, costo y calidad de las operaciones y procesos productivos en las
ahora es mucho más autónoma, automatizada y, por lo tanto, productiva con una producción de buena calidad. Como afirmó el cadenas de suministro.

encuestado del caso F, "las técnicas de mecanizado que incorporamos en las modernas plataformas de mecanizado son mucho más

capaces en términos de la nueva fábrica ahora es mucho más autónoma, automatizada y, por lo tanto, productiva con una producción

de buena calidad. Como afirmó el encuestado del caso F, "las técnicas de mecanizado que incorporamos en las modernas plataformas Dimensión ambiental
de mecanizado son mucho más capaces en términos de La optimización de los procesos productivos permite parar las
máquinas en función de las necesidades de capacidad
292 A. FELSBERGER Y AL.
Tabla 6.Análisis de casos cruzados de medidas de desempeño económico.
Medidas de desempeño económico
Nivel de automatización
Calidad del proceso
Calidad del producto/servicio
OEE
Trazabilidad
Transparencia
Reducción de costes operativos
pronóstico y así ahorrar costos de energía. Por ejemplo, el Caso B trata
de la reducción de los tiempos de calentamiento, con base en
mediciones de temperatura en línea, lo que lleva a un menor consumo
de energía reflejado en menos energía eléctrica e hidrógeno puro. El
representante del Caso B ha presentado el impacto en la dimensión
ambiental de la siguiente manera 'El algoritmo de optimización permite
apagar los hornos en función de la previsión de requisitos de capacidad
y, por lo tanto, ahorrar costos de energía. Una de las mayores
oportunidades energéticas en este caso será la reorganización de los
hornos de precalentamiento. Si el algoritmo puede reorganizar la carga
del horno, un horno puede apagarse por completo o puede ponerse en
modo de espera, lo que reducirá el consumo de energía al menos en
un 10 %».
Impacto
- Reducción de la intervención manual
- Redes de autoaprendizaje, autodiagnóstico de máquinas
- Toma de decisiones automatizada sobre los procesos de la cadena de suministro
- Aumento de la información automatizada y el intercambio de datos.
- Interconexión de diferentes pasos del proceso.
- Interconexión de participantes SC
- Aumento de la velocidad del proceso (tiempo de entrega, rendimiento)
- Procesos de fabricación más resistentes
- Procesos de fabricación estandarizados
- Recopilación de datos de proceso mejorada
- Supervisión y control continuos del proceso.
- Aumento de la fiabilidad del proceso
- Reducción del tiempo de entrega
- Mayor flexibilidad y eficiencia
- Hacer que el sistema sea más seguro y resistente conduce a una mejor calidad del producto
- Aumento de la detección de defectos
- Mejore la calidad general del producto en función de los datos en tiempo real
- Mejora de la calidad mediante la reducción de fallas y desechos.
- Nivel de calidad estable basado en algoritmos
- Cultura de cero fallas
- Alta precisión en los productos a través de procesos de alta calidad
- Disponibilidad general mejorada del sistema a través de la automatización
- Mejor utilización de los recursos/sistemas de producción
- Reducción del tiempo de inactividad de los sistemas de producción.
- Disminución de pérdidas de calidad.
- Improved overall process quality less downtimes and maintenance
- OEE in overall system is better
- Automated quality inspection lead to less quality losses
- Better process planning
- Better inventory accuracy due to less rework
- Full utilisation of IT
- Processes more streamlined
- Highly standardised facility
- Early fault detection
- Full unit traceability along supply chain and production chain
- No more manual transfer – no human interaction
- Holistic data tracking
- Automatic data storage
- Reduction of lead time and inventory
- Better control over tracing products
- Transparency of systems increase
- Actual planning status and availability of equipment evident
- Transparency of all production processes
- Constant monitoring of processes by collecting data in a timely manner
- Better access to live data for staff
- Improved supply chain coordination
- Reduction of manual work (less low level work)
- El nivel de automatización reduce el personal: reducción de los costos operativos generales
- Aumento de la utilización de los recursos y reducción de las pérdidas de calidad
- Reducción de la tasa de desecho
- Producción sin papel
- Costos de energía reducidos
- Menos retrabajo, menos desperdicio
- Mejor infraestructura de transporte (interna y externa)
- La nueva infraestructura es más eficiente (tanto edificios modernos como unidades integradas de máquinas herramienta).
Además, se puede identificar un alto potencial en todos los casos para
reducir la energía eléctrica. Por lo tanto, los costos de producción se
pueden reducir mediante el uso de sistemas de fabricación más
eficientes energéticamente. Esto conduce a ventajas de precios sobre
los competidores y fortalece la competitividad de las empresas
europeas AM y ECS. Los equipos de producción modernos y las
máquinas operadas de manera óptima emitirán menos contaminantes
y utilizarán los recursos limitados con más moderación para proteger el
medio ambiente. El gran impacto del ahorro de energía y recursos se
demostró con éxito mediante un excelente concepto de gestión de
datos de energía, como se muestra en el Caso D. La calidad mejorada
de los datos y el vínculo entre los diferentes pasos del proceso condujo
a que se produjeran menos piezas de muestra.

Tabla 7.Análisis de casos cruzados de medidas de desempeño ambiental.
Medidas de desempeño ambiental
Eficiencia energética (Impacto en CO2emisiones, eficiencia de combustible y marcha en vacío)
Eficiencia de los recursos materiales (Impacto en los residuos)
Tabla 8.Análisis cruzado de casos de medidas de desempeño social.
Medidas de desempeño social
Satisfacción de la fuerza laboral
Habilidades de innovación y resolución de problemas.
Desarrollo/adquisición de conocimientos
lo que reduce ligeramente el uso de material, lo que lleva a un aumento en
la eficiencia de recursos y materiales. Con la mejora de la estabilidad del
proceso, la calidad del producto también mejorará, lo que resultará en una
reducción de la tasa de desechos. Un aumento en la trazabilidad y la
transparencia de los procesos de fabricación en el Caso C condujo a menos
muestreos, menos reelaboraciones y, por lo tanto, menos ajustes de
proceso, lo que en general se tradujo en un menor consumo de material y
energía del equipo. En general, se debe señalar que solo hay un pequeño
impacto en el ahorro de energía relacionado con casos individuales en
comparación con una implementación de automatización completa en toda
la fábrica como en el caso F. Como el encuestado de la empresa F
PLANIFICACIÓN Y CONTROL DE LA PRODUCCIÓN 293
Impacto
- Ahorro de energía basado en pronósticos automatizados de requisitos de capacidad
- Los modelos basados en algoritmos pueden estimar la utilización ideal del sistema
- Menos muestreos, menos reelaboración, menos ajustes de proceso y menos
verificaciones de medición con equipos pueden reducir el consumo de energía
- Menos energía eléctrica e hidrógeno puro
- Se puede mejorar la automatización de todos los procesos de la empresa y luego se
logrará una reducción significativa de energía
- Calefacción e iluminación mucho más eficaces y eficientes energéticamente en comparación con las
antiguas fábricas
- Se reduce el espacio físico de la planta de producción y el número de máquinas, lo que se traduce
en una reducción del consumo de energía.
- Huella reducida, ya que las máquinas herramienta son menos en cantidad
- La estabilidad mejorada del proceso conduce a una mejor calidad del producto, lo que lleva aún más a
una tasa de desperdicio reducida
- La reducción de la tasa de desechos reduce el consumo de material
- Menos muestras, menos material
- Menos tiempos de inactividad de la herramienta conducen a menos recursos y material de mantenimiento
- Una mayor visibilidad de la producción reduce la producción excedente y la
retención de inventario
- Consumo de materia prima mejorado
- Reducción de consumibles
Impacto
- MES está enfocando la fuerza laboral
- Usabilidad y aceptación mejoradas a través de la virtualización fab (pantallas)
- Intercambio en tiempo real entre humanos y máquinas
- Aumento en el esfuerzo de TI, que necesita ser manejado
- Los problemas ahora son más visibles para los empleados
- Trabajo menos monótono, mayor satisfacción
- Mejora de la condición de los trabajadores
- Se aumenta la eficiencia de la fuerza laboral
- Aumenta el miedo a perder el trabajo
- La fuerza laboral está satisfecha de tener un proceso de fabricación confiable
- La gente quiere ser parte del cambio tecnológico
- Aumento de jubilaciones
- Impacto positivo general en la innovación y las habilidades para resolver problemas
- El enfoque basado en el conocimiento puede resultar en bajas tasas de falsos positivos
- Superación automática de los empleados.
- Reducción del tiempo de estudio para los nuevos trabajadores
- Aumento de la comodidad del operador
- Mayor conjunto de habilidades y conocimiento de procesos para los empleados.
- Aumento del apoyo gerencial
- Cambio de conjunto de habilidades debido al nuevo entorno de proceso
- Las nuevas configuraciones mejoran las habilidades de las personas
- Alto impacto general en la adquisición de conocimientos de la Industria 4.0
- Ganancia de conocimiento del sistema a lo largo de toda la cadena de valor
- El conocimiento adquirido se puede transferir a otras líneas de producción e instalaciones.
- Entendimiento común y lenguaje dentro de fab
- Un mayor conocimiento en los individuos conduce a una mayor cualificación
- Desarrollo de nuevos conocimientos de automatización.
- Aprendizaje significativo para los negocios.
- Reemplazar las instalaciones antiguas con una nueva fabricación genera mucho conocimiento
- Conocimientos técnicos y mejora de habilidades.
- Introducción de medidas educativas
declaró: 'Nuestra huella se reduce mucho con la tecnología de
construcción moderna. Y luego las máquinas herramienta que
ponemos son mucho menos en cantidad porque en la antigua fábrica,
ya sabes, tenías una taladradora, una fresadora, una torneadora, una
EDM (máquina de descarga eléctrica). En esta fábrica tenemos una
plataforma de máquinas que realiza la mayoría de esas operaciones.
Por lo tanto, la huella de la planta física más la huella de la cantidad de
máquinas y otras cosas ha reducido significativamente el consumo de
energía'. Por lo tanto, considerando una extensión del nivel de
automatización a toda la infraestructura de la empresa, se logrará una
importante reducción de energía.
294 A. FELSBERGER Y AL.
alcanzado. En términos de eficiencia de recursos materiales, el
consumo de material del producto real no ha cambiado
significativamente; sin embargo, hay una clara reducción de
consumibles como refrigerante y herramientas. La dependencia de
recursos de Europa de otros países es un problema en relación con la
ventaja competitiva para el desarrollo futuro de sus industrias (EC 2010
). En respuesta a una mayor eficiencia del transporte basada en los
conocimientos del Caso E, es decir, los camiones han mejorado la tasa
de llenado, la reducción de viajes vacíos y redundantes y la selección de
opciones de transporte por carretera y marítimo en lugar del aéreo,
cuando corresponde, el consumo de combustible se reduce
significativamente por parte entregado. Como dijo el representante de
Case E, 'A través de este cambio, hemos aumentado la eficiencia del
transporte, es decir, nuestros camiones tienen una mejor tasa de
llenado, lo que significa que consumiremos menos combustible por
parte entregada'. Además, a largo plazo, la mejora de la visibilidad
también reducirá la producción excedente y el inventario. Los hallazgos
mencionados anteriormente de las empresas del caso fortalecen aún
más el argumento de Santos et al. (2019) que el impacto de la Industria
4.0 no solo mejora la productividad sino que también contribuye
positivamente al entorno ecológico. Reflexionando sobre el marco de
investigación propuesto, el impacto de la Industria 4.0 en la dimensión
ambiental crea nuevas capacidades con respecto a la extensión de los
activos existentes, haciéndolos más sostenibles. Nuestros hallazgos
conducen a la siguiente proposición:
P3: La adopción de la Industria 4.0 influye positivamente en la eficiencia
energética (consumo de energía) y la eficiencia de los recursos materiales
(reducción de residuos) de los procesos de fabricación.
P4: Las capacidades dinámicas median positivamente la relación entre la
Industria 4.0 y la eficiencia energética (consumo de energía), así como la
eficiencia de los recursos materiales (reducción de residuos).
Dimensión social
En todos los casos, la Industria 4.0 obliga a aumentar los conocimientos y las
habilidades. La implementación de más herramientas de visualización y el
aumento de la transparencia y la trazabilidad de los productos y sistemas de
producción conducen a una mejor usabilidad y aceptación entre los
empleados. Los conocimientos de los Casos B, C y D muestran que los
lugares de trabajo individuales enriquecidos con pantallas en máquinas
individuales para cada trabajador mejoran la satisfacción general de la
fuerza laboral. Por ejemplo, los expertos del Caso C mencionaron, '
esperamos tener un desarrollo de conocimiento significativo para nuestros
expertos en procesos'. Más '…un mayor conocimiento en las personas
conduce a un mayor nivel de calificación, lo que aumenta la satisfacción de
la fuerza laboral y el conocimiento general del sistema en los
departamentos'.Esto indica que, un aumento en el conocimiento de las
personas conduce a una mayor calificación de los empleados y, por lo tanto,
a la reducción de la complejidad, lo que aumenta la satisfacción de los
empleados. El sistema IDS implementado en el caso A aumenta el nivel de
información oportuna de los administradores de seguridad, mejorando así
el tiempo de respuesta para tomar contramedidas con el fin de neutralizar
los ataques o minimizar los riesgos asociados. Se ha notado un aumento
significativo en la calificación de los empleados y el cambio en el conjunto de
habilidades en las configuraciones de tecnología de fabricación digital. Los
esfuerzos de digitalización conducen a que los empleados procesen una
mayor cantidad de conocimiento. Además, el
mejor calificados están los empleados, más probable es que un
producto pueda ser entregado a tiempo. Una idea fundamental de
todos los casos es el miedo de los empleados a la pérdida de puestos
de trabajo: se nota un miedo general a la 'Industria 4.0' y temas
relacionados en la fuerza laboral. Las empresas del caso esperan un
desarrollo y una ganancia de conocimiento significativos,
especialmente para los expertos en procesos específicos. Las
soluciones digitales desarrolladas en los casos A, C y D son muy
innovadoras y utilizan diferentes componentes de hardware y software.
Por lo tanto, los empleados desarrollan mejores habilidades de
resolución de problemas e innovación. Esos desarrollos conducen a un
aumento en el aprendizaje organizacional y las empresas se benefician
del conocimiento adicional. Por otro lado, los propietarios de casos
mencionaron que perciben la necesidad de profesionales de TI
externos para apoyar los desarrollos a corto plazo. Esto se debe a que
todavía hay muy poco conocimiento al que recurrir dentro de las
propias filas de las empresas durante el desarrollo y, especialmente, la
fase de implementación. Por lo tanto, esta adquisición adicional de
recursos externos puede generar mayores costos de TI. Con el tiempo,
se creará una importante base de conocimientos que reducirá el
tiempo de estudio de los trabajadores nuevos y existentes. En una
fábrica altamente automatizada, como la empresa Case D, no hay
recursos humanos disponibles para trabajos que no agregan valor, por
ejemplo, inspección de calidad manual. La inspección de calidad es una
tarea muy monótona y agotadora, que se racionaliza en la futura
fábrica. Por lo tanto, el operador puede utilizarse para realizar tareas
mucho más importantes, lo que también aumenta la satisfacción de la
fuerza laboral. Esto conduce a la mejora de las condiciones de los
trabajadores también. Puede surgir un aumento en el apoyo a las
decisiones gerenciales a través del aumento de las habilidades de
resolución de problemas de los individuos. Se observa un impacto
general en la innovación y las habilidades para resolver problemas en
todos los casos investigados, lo que conduce a una mejor conciencia de
los sistemas subyacentes y, por lo tanto, conducirá a una colaboración
activa entre el usuario y el sistema. Con la implementación del nuevo
sistema resaltado en el Caso E, las personas ahora pierden menos
tiempo en investigaciones y más bien gestionan las entregas por
excepción, lo que ofrece a las personas oportunidades más eficientes.
El nuevo sistema brinda una mayor satisfacción a la fuerza laboral y
principalmente a los operadores de la cadena de suministro que tienen
una visibilidad completa de los artículos en la cadena de suministro. El
representante del Caso E afirmó: 'Todos los retrasos en los eventos se
catalogan de acuerdo con un criterio acordado, lo que permite un
análisis rápido de dónde, cuándo y por qué ocurren las fallas. Esto
proporciona una rica fuente de datos para ayudar a resolver
problemas'. El sistema con todos los datos registrados tiene el
potencial de mejorar las habilidades de resolución de problemas de los
operadores de la cadena de suministro, quienes podrían encontrar
problemas, identificar sus causas fundamentales y determinar cómo
evitarlos en el futuro. En la etapa inicial de implementación del
proyecto en el Caso F, había mucho miedo entre los empleados en
cuanto a lo que traería esta nueva tecnología. Sin embargo, algunos
aceptaron esto muy rápidamente y querían ser parte de ello. Lo
apreciaron como el futuro y querían aprovechar la oportunidad para
mejorar su conjunto de habilidades. En contraste con esto, otros se
mostraron reacios a aceptar el cambio y la empresa hizo una oferta a
los que querían irse. Es más, algunos aprovecharon para retirarse.

impactos culturales en términos de cómo queríamos que funcionara
esa nueva fábrica, así como desarrollar habilidades técnicas en
términos de las tecnologías con las que se involucrarían. Y luego cursos
en curso más allá de eso a medida que maduramos en términos de
administrar esa instalación'. Además, la nueva configuración faculta al
personal para actuar con eficacia si tienen que producir un nuevo
producto. Esto se debe a la estandarización de máquinas herramienta,
métodos y procesos. El rendimiento confiable de los nuevos procesos
de fabricación digitalizados junto con la estandarización aumenta
significativamente la satisfacción de la fuerza laboral. La
implementación de este proyecto ha proporcionado un aprendizaje
significativo para el negocio, lo que orientó la capacidad de la fuerza
laboral para implementar medidas de cumplimiento de procesos. En
general, Las medidas educativas basadas en los principios de gestión
del cambio están cubiertas en todas las empresas de casos. Las
empresas del caso avalan la necesidad de capacitar a su personal
(Longo, Nicoletti y Padovano2017) mediante su integración efectiva con
sistemas inteligentes (Pacaux-Lemoine; 2017). Por lo tanto,
proponemos:
P5: El aspecto de aprendizaje organizacional de las capacidades dinámicas media
positivamente el impacto de la Industria 4.0 en la satisfacción de la fuerza
laboral.
P6: Industria 4.0 mejora la innovación, así como las habilidades de resolución de
problemas y el conocimiento entre los empleados.
P7: Las iniciativas de gestión del cambio median positivamente el impacto de la Industria 4.0 en
la generación de un cambio en el conjunto de habilidades y la mejora de las habilidades de los
empleados.
Refiriéndose a los hallazgos de Kiel et al. (2017) sobre el logro de la
creación de valor sostenible basada en la Industria 4.0, también es
evidente a partir de los hallazgos de este estudio que la Industria 4.0
puede potencialmente crear valor diferencial no solo en términos
económicos sino también desde las perspectivas ambiental y social. Sin
embargo, es pertinente señalar que existen factores o elementos
críticos, que pueden impedir la imitación de la creación de valor por
parte de los competidores. Hay varios elementos críticos identificados
en este estudio para aprovechar el valor a través de la Industria 4.0.
Uno de los elementos principales es el compromiso de la alta dirección
junto con la disponibilidad de fondos para invertir en tecnologías de
Industria 4.0, lo que requiere un gran costo inicial. Además, también es
necesario evaluar qué aspectos de la Industria 4.0 son relevantes para
que una empresa los implemente considerando sus características,
naturaleza del negocio y el grado de implementación dentro de su
cadena de suministro. La productividad de la mano de obra es otro
elemento crítico a considerar. Es importante llevar a cabo un análisis de
necesidades de la fuerza laboral con respecto a los aspectos relevantes
de la implementación de la Industria 4.0. Además, la mejora de las
habilidades de la fuerza laboral siempre debe verse como un proceso
constante y continuo en lugar de una actividad intermitente.
Conclusión e implicaciones
Los resultados de nuestro estudio de caso múltiple contribuyen a la
evaluación de la mejora de procesos a través de la implementación
ción de Industria 4.0. Nuestra investigación subraya el con- puede cambiar después de implementar ciertas tecnologías. Beneficios concretos de
los esfuerzos de digitalización en la AM europea Además, exploramos principalmente los efectos positivos de la digitalización.
PLANIFICACIÓN Y CONTROL DE LA PRODUCCIÓN 295
y la industria manufacturera ECS. La evaluación de impacto tiene
como objetivo analizar rigurosamente los beneficios obtenidos a
través de las tecnologías implementadas en las empresas del caso.
Con esto, contribuimos al creciente flujo de investigación en este
campo y enriquecemos tanto a la academia como a los
profesionales al documentar las observaciones empíricas del
análisis de casos. Para analizar el impacto de la adopción de
tecnología en varios niveles en una empresa, se utiliza el modelo
TBL, que diferencia entre la dimensión social, económica y
ambiental. Con base en nuestros hallazgos, podemos corroborar la
declaración de Stark et al. (2014) que cada dimensión de
sostenibilidad representa un sistema específico que evoluciona en
torno a una solución de creación de valor digital. Una solución
digital puede crear impactos directos en una dimensión de
sostenibilidad, pero simultáneamente puede tener impactos
indirectos en las otras dos dimensiones, las llamadas relaciones
causales. Los resultados de nuestro estudio ayudan a los
responsables de la toma de decisiones industriales a evaluar la
relevancia de invertir en digitalización. Postulamos que las
empresas manufactureras definitivamente pueden beneficiarse de
un mayor nivel de automatización haciéndoles conscientes de las
mejoras obtenidas a través de una mayor flexibilidad y calidad del
proceso que conducen a una mejor calidad del producto y servicio
al tiempo que reducen los costos operativos a lo largo de la cadena
de valor. Es más,1997). Los procesos moldeados basados en la
mejora tecnológica marcan el camino a seguir en entornos
industriales que cambian rápidamente. El éxito competitivo puede
fluir tanto de la renovación de las capacidades como del
cumplimiento de los requisitos del mercado para remodelar la
cadena de valor sostenible de las empresas. En consecuencia, esto
puede dar lugar a un mayor aumento del rendimiento operativo y
la competitividad de las empresas de fabricación en Europa. En
particular, mostramos la influencia de los esfuerzos de
digitalización y las nuevas soluciones tecnológicas (algoritmos/
sensores) en los procesos de producción y operaciones, logística y
cadena de suministro (casos AF). Además, nuestros conocimientos
sobre el efecto del aprendizaje de los datos a lo largo del tiempo
ofrecen un potencial decisivo y oportunidades para futuros
desarrollos relacionados con proyectos de Industria 4.0.
Este estudio estuvo limitado por varios factores. En primer
lugar, analizamos únicamente seis casos concretos en
diferentes campos de aplicación tecnológica, como ya se ha
explicado en el apartado de metodología. En segundo lugar,
solo centramos nuestra investigación en dos industrias
específicas: la industria AM y ECS. Esto se debió al hecho de
que estas industrias son las primeras en adoptar las
tecnologías de la Industria 4.0, lo que tiene la ventaja de que
las tecnologías ya están en uso y, por lo tanto, pueden
evaluarse. Hay otros sectores empresariales que ya están
implementando y probando estas tecnologías y podrían ser
objeto de más investigaciones para generar más información
de otros proyectos de digitalización anclados en diferentes
áreas de aplicación. También se debe tener en cuenta que el
vínculo con la reconciliación de capacidades y nuestro marco
sugerido se mantiene en general.
296 A. FELSBERGER Y AL.
tecnologías de fabricación. Somos conscientes de que las
desventajas y los aspectos negativos también deben ser
considerados y acompañar las transformaciones de procesos.
Hasta cierto punto, discutimos estos efectos en la parte de análisis
de casos cruzados y análisis de dimensión TBL.
Las proposiciones presentadas en el artículo dan otras direcciones
de investigación futura. Estas proposiciones deben desarrollarse aún
más para que puedan usarse para generalizar. Basándonos en nuestro
marco, solo hemos analizado superficialmente
el entretejido de capacidades renovadoras, sostenible adoptado como marco de evaluación para evaluar el impacto de las
mejoras en lo económico, ambiental y social esfuerzos de digitalización. Las empresas manufactureras europeas
así como el cumplimiento de los requisitos del mercado y la consiguiente
competitividad de la empresa. La investigación futura debe examinar
claramente las oportunidades de estas interdependencias. Nuestras
propuestas allanan el camino hacia una investigación intensificada en la
evaluación del impacto de la Industria 4.0 por medio de otros métodos
científicos. En relación con la proposición 2, que se basa en los resultados de
la dimensión económica, los métodos cuantitativos, como el modelado de
simulación, pueden respaldar la evaluación general de dichas mejoras de
procesos digitales. Aplicar cola-
Teoría de red de ing en combinación con enlace de simulación entre el desarrollo sostenible, la tecnología y el modelado de los
impactos en la calidad del proceso, la calidad del producto. reconciliación de las capacidades dinámicas. Pudimos demostrar cómo
y se podría utilizar la eficacia y la eficiencia de la producción en
general (Felsberger, Wankmu €ller, Oberegger, et al.2019;
Felsberger, Rabta y Reiner2018). En general, el aumento de la
variabilidad del proceso influye negativamente en el rendimiento del
proceso. Por lo tanto, otro tema de investigación podría utilizarse para
evaluar cómo la mejora de procesos digitales puede reducir la
variabilidad en los procesos de producción dentro de las plantas (Hopp
y Spearman2001; Felsberger, Wankmu €ller, Oberegger, et al.
2019). Para comprender el impacto de los proyectos de Industria 4.0 en
la variabilidad, la incertidumbre y la aleatoriedad en los sistemas de
fabricación, se deben realizar más investigaciones sobre las mejoras de
procesos (Dunke et al.2018). Con respecto a la prueba de las
proposiciones 3 y 4, podría ser necesario realizar métodos analíticos
basados en conjuntos de datos reales. Para cubrir todos los aspectos
de la eficiencia energética y la eficiencia de los recursos materiales, un
enfoque mucho más holístico que evalúe solo esta dimensión de
sostenibilidad podría conducir a resultados prometedores. En general,
examinar este campo complejo desde múltiples perspectivas (gestión
de operaciones, logística y gestión de la cadena de suministro, pero
también desde una perspectiva de ciencia de datos o innovación y
comportamiento organizacional y compilarlos) podría ofrecer el
potencial para generar conocimientos más profundos basados en
nuestro marco. Acercarse. Si bien se han realizado algunos estudios en
esta dirección, aún existe la necesidad de profundizar más. Un
aumento en el apoyo a las decisiones gerenciales surge a través de las
crecientes habilidades de resolución de problemas de los individuos. El
aprendizaje organizacional es cada vez más importante en las fábricas
del futuro. Teniendo en cuenta P5-P7, se podría aplicar investigación
adicional basada en una perspectiva de gestión del cambio. Para
investigar el impacto social de tales proyectos de digitalización, podría
ser necesario llamar a expertos en recursos humanos para discutir este
tema en un grupo de expertos homogéneo que abarque la empresa.
Se necesita más trabajo empírico y teórico para ajustar
nuestro marco. El análisis de casos adicionales, no solo de
manera cualitativa, y las percepciones de otros
Las áreas industriales podrían ayudarnos a comprender cómo las
empresas se benefician de la transformación digital. Los hallazgos de
este estudio tienen implicaciones tanto para la investigación como para
la práctica. Para la investigación, la importancia de examinar la
Industria 4.0 contribuye al desempeño empresarial a través de la lente
del RBV y el enfoque de capacidades dinámicas (Rivard, Raymond y
Verreault2006). El marco propuesto sirve como marco de investigación
pero no se limita únicamente a su aplicación teórica. Para una
organización, potencialmente puede ser
intentan mejorar la competitividad mediante la adaptación de nuevas
tecnologías inteligentes para mejorar sus procesos comerciales
existentes y aumentar el aprendizaje organizacional. El marco podría
utilizarse como un instrumento de apoyo a la toma de decisiones para
la gestión de las organizaciones, que no solo se limita a actividades
financieras o de control como muchas otras, sino también a
evaluaciones cualitativas. Según nuestros hallazgos, el impacto en las
capacidades dinámicas se puede explicar utilizando nuestro marco en
este contexto específico. De hecho, hay un fuerte
las aplicaciones de Industria 4.0 pueden mejorar la competitividad de
las empresas. En nuestro artículo, analizamos partes de este constructo
teórico con el fin de establecer la base para futuras discusiones e
investigaciones en este campo.
Para entender el impacto de la Industria 4.0 en la sociedad nos
remitimos a la racionalidad del razonamiento económico de Gorz (1989
). Gorz explica que, 'el trabajador del proceso es el subproducto de la
digitalización, que representa una nueva interfaz entre el proceso de
producción y el trabajador. El trabajador calificado y no calificado de la
línea de producción dejará de tener cualquier interacción física con el
producto, y ahora se centrará principalmente en controlar y mantener
el proceso de producción”.
Al Ani (2017) afirma que los efectos de esta transición
para los trabajadores del proceso serán difíciles de
subestimar y algo contradictorios. Habrá un aumento de la
complejidad en tales entornos. Las tareas de seguimiento y
control y especialmente las habilidades situacionales
necesarias para cumplirlas serán parcialmente más
complejas, en este contexto se llevará a cabo una
reconversión y mejora de las habilidades. Se accederá a
estas habilidades más fácilmente y serán transferibles a
más o menos todas las industrias y ubicaciones, lo que le
dará al trabajador del proceso más movilidad. Al mismo
tiempo, las capacidades utilizadas pueden generalizarse, ya
que las características de la empresa o industria ya no son
tan llamativas como antes. Esto significa que las ventajas
competitivas para los empleados individuales serán algo
menores que en el pasado.2017).
En nuestra investigación, podemos respaldar estas afirmaciones. La
digitalización está cambiando los problemas sociales, el comportamiento y
las habilidades de la fuerza laboral. Debido a un aumento de la complejidad
en los sistemas de fabricación, las organizaciones necesitan mejorar las
habilidades de sus empleados, establecer medidas educativas y aumentar el
desarrollo de los empleados. Por otro lado, algunos expertos también han
sugerido que la brecha entre la educación de los empleados jóvenes, con
base en la educación gubernamental

El sistema y los requisitos de última generación de las empresas se
están ampliando. Por lo tanto, será también una tarea
indispensable del sistema educativo público adaptar el sistema
educativo alineado con el avance tecnológico.
Otro ejemplo lo da el impacto en la dimensión ambiental. Los equipos de
producción modernos emitirán menos contaminantes y utilizarán los
recursos limitados con más moderación para proteger el medio ambiente.
Hay un alto impacto en el ahorro de energía y recursos basado en una
excelente gestión de datos de energía, lo que lleva a un aumento en la
eficiencia de recursos y materiales. En el Caso F, la empresa ve claramente el
impacto de la nueva planta de fabricación inteligente en el medio ambiente.
En comparación con los edificios de la década de 1950, la única instalación
moderna está equipada con nueva tecnología de construcción, por ejemplo,
la calefacción y la iluminación son significativamente diferentes y efectivas.
Ahora tienen una huella de carbono mucho más reducida, ya que la cantidad
de máquinas herramienta es menor, a diferencia de la antigua fábrica. En
términos de eficiencia de los recursos materiales, el consumo de material
del producto real no ha cambiado significativamente; sin embargo, hay una
clara reducción de consumibles como refrigerante y herramientas. En
general, esto conduce a un menor uso de vertederos, energía y consumo de
materiales.
Este estudio incluye más conjuntos de variables. Para alcanzar una
estrategia empresarial global sostenible, es de gran importancia lograr
la congruencia entre el desarrollo sostenible, las adaptaciones
tecnológicas y la creación de capacidades para cumplir con los
requisitos del mercado. En este trabajo nos sumamos a los hallazgos
de Andreu y Ciborra (1996) y Jarvenpaa y Leidner (1998) quienes
afirman que el desarrollo de TI y, desde nuestra perspectiva, la
adaptación de las tecnologías de la Industria 4.0 pueden desempeñar
un papel importante en la creación de valor competitivo si se
implementan de tal manera que aprovechen las capacidades (Rivard,
Raymond y Verreault2006). Nuestros resultados recopilados en el
presente estudio sugieren que esta es una dirección de investigación
prometedora. Para los gerentes, los resultados pueden reforzar sus
capacidades de gestión estratégica con respecto al papel que
desempeña la Industria 4.0 para mejorar la competitividad general de
la empresa. Otro aspecto que cubrimos con nuestra investigación es
que mostramos cómo se pueden evaluar tales proyectos de Industria
4.0. Especialmente para la alta dirección, es prometedor un enfoque de
evaluación cualitativa con los resultados correspondientes, ya que
tienen que defender las enormes inversiones en este tipo de proyectos.
Este estudio ha demostrado que la integración de vistas de
capacidades dinámicas y basadas en recursos puede proporcionar
una mayor comprensión de la contribución de las tecnologías de
fabricación digital al rendimiento de la empresa. Los resultados de
este estudio contribuyen al desarrollo de la teoría sobre cómo
evaluar la mejora del proceso de la cadena de valor después de
adaptaciones técnicas innovadoras. Los resultados allanan el
camino para la integración de la transformación digital y las
mejoras de procesos digitales para aumentar la competitividad de
las empresas manufactureras en Europa.
Nota
1. La lista completa de los documentos analizados no se incluye en el documento, pero
puede estar disponible mediante solicitud abierta de los autores. Además, el
PLANIFICACIÓN Y CONTROL DE LA PRODUCCIÓN 297
Los autores quisieran agradecer a los expertos de las compañías de casos por
proporcionar material valioso e ideas para el artículo.
Declaración de divulgación
Los autores no informaron ningún posible conflicto de intereses.
Fondos
Una parte de este trabajo de investigación se ha realizado en el proyecto de
la UE Power Semiconductor and Electronics Manufacturing 4.0 (SemI40), que
está financiado por el programa [Electronic Component Systems for
European Leadership (ECSEL) Joint Undertaking] und Grant [692466] y el
programa [IKT der Zukunft] bajo la subvención [853343] del Ministerio de
Transporte, Innovación y Tecnología de Austria (bmvit) entre mayo de 2016 y
abril de 2019.
Notas sobre los contribuyentes
Andreas Felsbergeres investigador en el área de Gestión de
Operaciones y Logística de la Universidad de Klagenfurt
(Austria). Durante los últimos años, ha estado involucrado
en un gran proyecto financiado con fondos europeos.
Trabaja en el campo de la Sostenibilidad y Gestión de la
Producción; Investigación transversal en gestión de
operaciones y suministro, fabricación inteligente e industria
4.0. Actualmente está trabajando en su tesis doctoral. Su
enfoque de investigación radica en
el campo de la evaluación de impacto de las estrategias de digitalización y nuevas
tecnologías.
Fahham Hasan Qaiseres investigador asociado posdoctoral
en gestión de la cadena de suministro en la Universidad de
Loughborough, Reino Unido. Tiene un doctorado. en
Logística Sostenible de la Universidad de Loughborough.
Fahham persiguió su M.Sc. Licenciado en Cadena de
Suministro y Gestión de Operaciones y un título de BE en
Industrial y Manufactura. Sus intereses de investigación
incluyen Sostenibilidad y Resiliencia en la Gestión de la
Cadena de Suministro, Fabricación Sostenible, Industria
4.0, Economía Circular, Sistemas de Apoyo a la Decisión, Toma de Decisiones Multicriterio
y Técnicas de Minería de Datos. También tiene experiencia industrial de trabajo en el área
de la cadena de suministro de varias organizaciones de los sectores de fabricación e
ingeniería.
Alok Choudharyes profesor de gestión de la cadena de
suministro en la Universidad de Loughborough. El Dr. Choudhary
se centra en la investigación interdisciplinaria e impulsada por la
industria para investigar la sostenibilidad ambiental de la
industria de la logística y la cadena de suministro. Ha colaborado
en varios proyectos de investigación financiados (más de 2,5
millones de libras esterlinas) por la Comisión Europea, la Unión
Europea, EPSRC, el British Council y otras fuentes de doctorado.
Becas. Ha sido autor/co-
escrito 50þpublicaciones de investigación en revistas internacionales,
incluyendo European Journal of Operational Research, Risk Analysis: An
International Journal; Computers in Operations Research, International
Journal of Production Economics, International Journal of Production
Research, IEEE Transactions of Engineering Management, Annals of
Operations Research y Production Planning and Control. Fue profesor
invitado en la Universidad de Viena, Ivey Business School (Ontario) e IIT en
India. Se ha desempeñado como miembro del comité científico, presidente
de sesión y orador principal de varias conferencias internacionales, y ha
dado conferencias como invitado en varias universidades.
Traducido del inglés al español - www.onlinedoctranslator.com

www.nature.com/scientificreports

ABIERTO Evaluación de los impactos de los períodos de

terminación del riego en la productividad del
algodón bajo regímenes estratégicos de riego
deficitario
Sushil K. Himanshu1,2, Srinivasulu Ale1*, James P. Bordovsky3, Jung Jin Kim1,4,
Sayantán Samanta1,5, Nina Omaní1,6y Edward M. Barnes7

Determinación de los períodos óptimos de finalización del riego para el algodón (Gossypium hirsutumL.) es crucial para la
utilización y conservación eficientes de los recursos finitos de agua subterránea del Acuífero Ogallala en la región de
Texas High Plains (THP). El objetivo de este estudio fue sugerir períodos óptimos de finalización del riego para diferentes
estrategias de riego basadas en el reemplazo de la evapotranspiración (ET) para optimizar el rendimiento del algodón y la
eficiencia del uso del agua de riego (IWUE) utilizando el modelo CROPGRO-Cotton. Reevaluamos un modelo CROPGRO-
Cotton previamente evaluado utilizando datos fisiológicos de temporada y rendimiento actualizados de las temporadas
de crecimiento de 2017 a 2019 de un experimento IWUE en Halfway, TX. El modelo reevaluado luego se usó para estudiar
los efectos de las combinaciones de períodos de terminación de riego (entre el 15 de agosto y el 30 de septiembre) y
estrategias de riego por déficit/exceso (55%-115% ET-reemplazo) en condiciones secas, años normales y húmedos
utilizando datos meteorológicos de 1978 a 2019. Se encontró que la estrategia de reemplazo del 85% de ET era ideal para
optimizar el uso del agua de riego y el rendimiento del algodón, y se encontró que el período óptimo de terminación del
riego para esta estrategia era la primera semana de septiembre durante años secos y normales, y la última semana de
agosto durante los años húmedos. Los períodos de finalización del riego sugeridos en este estudio son útiles para
optimizar la producción de algodón y la IWUE bajo diferentes niveles de disponibilidad de agua de riego.

La agricultura de regadío en muchas regiones semiáridas y áridas de todo el mundo se ha visto amenazada debido a la
disminución de los recursos hídricos. La zona semiárida de Texas High Plains (THP) es una de las regiones agrícolas más
productivas de los Estados Unidos (EE. UU.), principalmente debido a la disponibilidad de agua de riego del vasto acuífero
subyacente de Ogallala que se extiende por ocho estados.1. Alrededor del 95% del agua bombeada de este acuífero se utiliza para
la agricultura de regadío2y más del 90% de las necesidades totales de agua de la región se satisfacen con este acuífero4,5. Los
productores de esta región tienen dificultades para satisfacer todas las necesidades de agua de los cultivos debido a la rápida
disminución de los niveles de agua subterránea y al aumento de los costos de bombeo.1,6–8. La disminución promedio en el nivel
del agua subterránea entre el pre-desarrollo9(~ 1950; el año después del cual comenzó el bombeo extensivo de agua subterránea
para irrigación) y 2015 fue máximo en la porción de Texas del Acuífero Ogallala entre ocho estados y se estimó en 12.5 m10. La
disminución promedio en toda la región del Acuífero Ogallala durante el mismo período se estimó en 4,6 m.10.
Algodón (Gossypium hirsutumL.) es un importante cultivo de regadío que se cultiva en la región de THP y contribuye con
aproximadamente el 25 % de la producción de algodón de EE. UU. y el 64 % de la producción de algodón de Texas11,12. Al igual que otros
cultivos, la producción de algodón en esta región depende del riego con agua extraída del Acuífero Ogallala. El aumento proyectado de la
temperatura y los patrones de precipitación más erráticos en el futuro podrían intensificar aún más la escasez de agua existente y afectar
negativamente la producción de cultivos en esta región.13–15. Para prolongar la vida del Acuífero Ogallala y sustentar una economía basada en
la agricultura, los distritos de agua en las regiones THP han estado restringiendo las extracciones de agua subterránea del acuífero. Por
ejemplo, el Distrito de Agua de High Plains (HPWD)dieciséisy el Distrito de Conservación de Agua Subterránea de North Plains17han establecido
un límite anual de extracción de agua subterránea en 460 mm (18 pulgadas).

1Texas A&M AgriLife Research (Sistema Universitario de Texas A&M), Vernon, TX 76385, EE. UU.2Departamento de Alimentos,
Agricultura y recursos biológicos, Instituto Asiático de Tecnología, Khlong Luang 12120, Tailandia.3Texas A&M AgriLife
Investigación (Sistema Universitario Texas A&M), Plainview, TX 79072, EE. UU.4Instituto de Tecnología Ambiental, Universidad
Nacional de Ciencia y Tecnología de Seúl, Seúl 01811, Corea del Sur.5Universidad de Texas A&M, Facultad Estación, TX 77843, EE.
UU.6Socios comunitarios de cuencas hidrográficas de Texas, Texas A&M AgriLife Extension, Houston, TX 77058, Estados Unidos.7
Cotton Incorporated, Cary, NC 27513, EE. UU.*correo electrónico: sriniale@ag.tamu.edu

Informes científicos| (2021) 11:20102 |https://doi.org/10.1038/s41598-021-99472-w 1

Vol.:(0123456789)
 www.nature.com/scientificreports/

La rápida disminución de los niveles de agua subterránea y las restricciones en el uso de agua subterránea para riego requieren la
adopción de estrategias de gestión de riego centradas en el ahorro de agua y la mejora económica. Aunque el algodón es altamente
adaptable a condiciones de agua limitada/déficit18–20, se deben explorar enfoques alternativos para reducir la demanda de riego del algodón.
Uno de esos enfoques podría ser la determinación de los períodos óptimos de finalización del riego que puedan garantizar la utilización y la
conservación eficientes del agua de riego al mismo tiempo que se logran mayores rendimientos de los cultivos. La terminación del riego es
una decisión importante ya que el rendimiento del algodón y la calidad de la fibra se ven afectados por el momento y la cantidad de lluvia y
riego.20–25. Una terminación temprana del riego podría resultar en una pérdida de rendimiento, mientras que la terminación tardía puede
conducir a un crecimiento vegetativo indeseable, retraso en la madurez de las cápsulas, mayores costos de manejo de plagas y ayuda a la
cosecha, así como una disminución de la productividad del riego.20,26,27. Por lo tanto, sería importante identificar los períodos óptimos de
finalización del riego para la región THP para la utilización eficiente de la valiosa agua de riego del Acuífero Ogallala. Evaluar el efecto de las
fechas de finalización del riego en la eficiencia del uso del agua de riego (IWUE) del algodón y el rendimiento en diferentes condiciones de
riego (lleno/déficit) durante varias décadas podría dar lugar a recomendaciones basadas en el calendario más apropiadas para la región THP.
La implementación de estrategias adecuadas de finalización del riego basadas en la disponibilidad de agua podría proporcionar ahorros de
agua con pérdidas de rendimiento insignificantes o nulas.
Aunque varios estudios han investigado las respuestas del algodón al momento y la cantidad de riego, los estudios centrados en evaluar
los impactos a largo plazo del momento de terminación del riego en la producción de algodón son limitados. Con base en experimentos de
campo, se hicieron recomendaciones contrastantes sobre el momento de la terminación del riego para el algodón sin perder el rendimiento y
la calidad de la fibra (Cuadro1). Estos experimentos de campo se llevaron a cabo bajo diferentes condiciones climáticas y de suelo y diferentes
sistemas de riego. Varios investigadores informaron que extender el riego demasiado tarde en la temporada puede reducir la productividad
debido al desarrollo vegetativo excesivo y provocar el acame de las plantas, aumentar la dificultad en la defoliación y aumentar la pudrición
de las cápsulas.28–31. No se observó aumento en el rendimiento ni en la calidad de la fibra con el riego después de que las cápsulas
comenzaron a abrirse. El riego por aspersión después de la apertura de las cápsulas proporcionó humedad en el dosel del cultivo, lo que
mejoró el ambiente para los patógenos de las plantas que causan la pudrición de las cápsulas o el endurecimiento.31. En comparación con los
campos con riego por pivote, la terminación del riego en campos con riego por surcos se recomendó unos días antes.29–31. Algunos
investigadores sugirieron períodos de terminación de riego basados en grados día de crecimiento (GDD) después del corte fisiológico y sus
recomendaciones variaron sustancialmente27,29,32,33. Han considerado la aparición de cinco nudos sobre la flor blanca en el tallo principal
como la etapa de corte fisiológico. Lascano et al.24
evaluó los tiempos térmicos de terminación del riego con base en las unidades de calor acumuladas desde la emergencia del cultivo (Cuadro1
). Masasi et al.34enfatizó que las decisiones de terminación del riego deben tomarse en función de la cantidad y el momento de los eventos de
precipitación al final de la temporada. Capacidad de retención de agua del suelo28,35, las condiciones climáticas36–38y tiempos de madurez para
las variedades de algodón39también afectó las decisiones de terminación del riego. Los diferentes resultados de estos estudios ilustran que el
tiempo óptimo de terminación del riego para el algodón puede variar según la región y el manejo, lo que requiere una mayor investigación
de los impactos a largo plazo de la terminación del riego en el rendimiento del algodón bajo diferentes condiciones climáticas.

Evaluar estrategias de riego eficientes solo a través de experimentos de campo es bastante difícil, ya que los eventos de lluvia
al final de la temporada pueden conducir a la pérdida de un año de sitio experimental y los resultados deben acumularse en
diferentes escenarios climáticos (caliente y seco, frío y húmedo, etc.) . Los modelos de crecimiento de cultivos, por otro lado, son
muy útiles para simular rápidamente diferentes condiciones de cultivo y evaluar sus impactos a largo plazo en la producción de
cultivos y permitir el desarrollo de estrategias de riego eficientes para diferentes condiciones agroclimáticas.19,40,41. Sin embargo,
estos modelos requieren una calibración y evaluación rigurosas con los datos medidos antes de usarlos para el desarrollo de
estrategias. Varios modelos de simulación de cultivos están disponibles y son capaces de simular efectivamente el crecimiento y
desarrollo del algodón bajo varios esquemas de manejo.40. El módulo CROPGRO-Cotton dentro del Modelo de Sistema de Cultivo
(CSM) del Sistema de Apoyo a la Decisión para la Transferencia de Agrotecnología (DSSAT) puede servir como una herramienta
eficaz para simular el crecimiento y el rendimiento del algodón en condiciones variadas de suelo, manejo de cultivos y clima.40,42,43.
El modelo DSSAT CSM CROPGRO-Cotton ha sido utilizado ampliamente por investigadores de todo el mundo para sugerir
estrategias eficientes de gestión del riego para la producción de algodón.19,20,37,44–49.
Estudios limitados han utilizado modelos de crecimiento de cultivos para determinar los períodos óptimos de finalización del
riego para el algodón.20. En nuestro estudio anterior20, sugerimos períodos de terminación de riego ideales para el THP utilizando
el modelo DSSAT CSM CROPGRO-Cotton, que fue calibrado por Adhikari et al.50utilizando datos medidos de las temporadas de
crecimiento de 2010 a 2013 de un experimento IWUE realizado por Bordovsky et al.51en el Centro de Investigación Texas A&M
AgriLife en Halfway en el centro geográfico del THP. Sin embargo, esas recomendaciones de terminación de riego se dieron para
un tratamiento de riego total y tres de déficit implementados por Bordovsky et al.51y faltan tales recomendaciones para las
estrategias de riego deficitario basadas en el reemplazo de ET comúnmente adoptadas. Los experimentos IWUE se reanudaron en
Halfway en 2016 con tratamientos de riego adicionales al final de la temporada, y se recopilaron datos fisiológicos detallados de
cultivos durante la temporada de este experimento durante las temporadas de cultivo 2017-2019. Reevaluar el modelo CROPGRO-
Cotton basado en este conjunto de datos de rendimiento actualizado, que incluye tratamientos de finalización de riego tardíos,
debería aumentar la confianza en el uso del modelo para determinar fechas óptimas de finalización de riego para estrategias de
riego basadas en reemplazo de ET comúnmente adoptadas. Por lo tanto, los objetivos de este estudio fueron: (1) reevaluar el
estudio de Adhikari et al.50modelo CROPGRO-Cotton calibrado utilizando datos adicionales fisiológicos y de rendimiento de cultivos
en temporada disponibles de 2017 a 2019 experimentos de campo realizados en Halfway, TX, (2) evalúan los efectos a largo plazo
(1978–2019) de los períodos de terminación del riego en el rendimiento del algodón en rama e IWUE bajo prácticas de reemplazo
de ET por déficit/exceso comúnmente adoptadas, y (3) sugieren los períodos óptimos de terminación del riego para la producción
de algodón bajo regímenes estratégicos de riego por déficit/exceso durante años secos, normales y húmedos.

Informes científicos| (2021) 11:20102 | https://doi.org/10.1038/s41598-021-99472-w 2

Vol:.(1234567890)
www.nature.com/scientificreports/
[Referencia] Ubicación y
periodo del experimento
24Investigaciónde Texas A & M
AgriLife, Lubbock, Texas
(1996–1999)
2728campos de algodón en los
estados de Arkansas, Louisiana,
Mississippi, Missouri y Texas
(2000–2007)
Valle de San Joaquín,
28
California (1954-1968)
27 campos de riego por surcos y
29
43 campos de riego por pivote,
Arkansas (2005-2012)
3219campos de algodón en los
estados de Arkansas,
Louisiana, Mississippi y
Missouri (2000-2004)
33San Lorenzo, Texas (2003)
34Universidad
Estatal de Oklahoma,
Oklahoma (2015-2017)
Universidad de Arizona,
35
Tucson, Arizona (2000–2002)
36Llanuras altas del sur, Texas
(1984-1987)
Universidad Agrícola de
37
Punjab, India (2000–2003)
Universidad Tecnológica de Texas,
38
Lubbock, Texas (2010–2011)
39Valle de Bekaa, Líbano
(2001-2002)
Informes científicos|
Condición climática tipos de suelo Sistema de riego Período de siembra Resultados/Recomendación
Terminación de riego
sugerido en unidades de calor
diarias acumuladas (desde la
Aplicación de precisión de baja emergencia del cultivo) de 890 °C en
Semi árido Franco arcilloso de Olton Principios de mayo a finales de mayo
energía alta (7,6 mm d-1), y 1000 °C en baja
(2,5 mm d-1) y medio (5,1 mm d-1)
tratamientos a nivel de riego
Se recomienda la terminación
Franco limoso; Franco arenoso; Arcilla; óptima del riego a los 192
Subtropical Riego por surcos Mediados de abril a finales de mayo
Arcilla limosa GDD después del corte
fisiológico
El riego final se debe dar mucho
antes en un suelo de alta retención
Hesperia franco arenoso fino; Principios de abril (principios de mayo de de agua (franco arcilloso Panoche)
Semi árido Riego por surcos
Franco arcilloso Panoche 1967) que en un suelo de baja retención
de agua (Hesperia franco arenoso
fino)
Se recomienda la finalización
óptima del riego a los 350 GDD
después del corte fisiológico. Se
recomienda terminar el riego
Subtropical Suelos heterogéneos Riego por surcos y pivotes Finales de abril a principios de mayo
aproximadamente 8 días antes
en surco
Campos de regadío en comparación con
campos de regadío de pivote
Se recomienda la terminación
Franco limoso; Franco arenoso; Arcilla óptima del riego a los 336
Subtropical Riego por surcos Mediados de abril a finales de mayo
limosa GDD después del corte
fisiológico
Se recomienda la terminación
óptima del riego en
Semi árido No reportado Riego por goteo subterráneo mediados de mayo 300-400 Grado de crecimiento
Días (GDD) después del corte
fisiológico
Se informó un aumento en el rendimiento del
algodón cuando los períodos de terminación
subhúmedo Franco arcilloso limoso de Hollister canal abierto Finales de mayo a principios de junio
del riego se trasladaron de mediados a fines
de agosto.
Aumento significativo en el rendimiento
Franco arenoso Casa Grande; informado con la terminación del riego
Árido/semiárido Riego por surcos Finales de marzo a mediados de abril
Franco arcilloso indio más tarde (finales de septiembre)
Terminar el riego en la primera cápsula
abierta limitó el crecimiento vegetativo
Semi árido franco arenoso Riego por aspersión Mediados de mayo a principios de junio
y condujo a mayores rendimientos
Se informó un aumento significativo
Tropical, Semiárido franco arenoso Inundaciones superficiales Principios de abril a principios de mayo en el rendimiento del algodón con la
terminación posterior del riego.
Se consideró deseable la terminación
temprana del riego en un año seco
Semi árido No reportado Riego por goteo subterráneo Principios a finales de mayo
para ahorrar agua para uso futuro
Terminar el riego en la primera cápsula
abierta resultó en un mayor rendimiento de
Mediterráneo Arcilla Riego por goteo Principios a mediados de mayo
algodón en comparación con la terminación
posterior del riego
Tabla 1.Recomendaciones previas sobre períodos de terminación de riego para algodón basadas en diferentes
experimentos de campo.
Resultados y discusión
Evaluación del modelo.Los parámetros ajustados durante la calibración del modelo DSSAT-CSM-CROPGRO-Cotton se presentan en la
Tabla complementaria S1. El contenido de agua del suelo inicial también se ajustó durante la calibración y el agua del suelo inicial calibrada
para los años 2017, 2018 y 2019 fue de 0,10, 0,21 y 0,16 cm.3cm−3, respectivamente. Los resultados de la calibración del modelo para la
simulación de las etapas fenológicas del algodón, la altura del dosel y el rendimiento de la semilla de algodón se presentan en las siguientes
secciones.
Etapas fenológicas del algodón.Las fechas simuladas de inicio de las diferentes etapas fenológicas del algodón estuvieron
dentro del rango de fechas medidas durante la calibración y la evaluación del modelo (Tabla complementaria S2). Las fechas de
inicio de las etapas fenológicas medidas fueron muy variables durante el experimento de campo debido a las diferencias en las
cantidades de riego aplicadas bajo diferentes tratamientos y la variabilidad en la temperatura de la temporada de crecimiento
durante los años del experimento de campo. Las etapas de antesis y madurez fisiológica ocurrieron antes durante
(2021) 11:20102 | https://doi.org/10.1038/s41598-021-99472-w 3
Vol.:(0123456789)
 www.nature.com/scientificreports/

Figura 1.Comparación del rendimiento medido y simulado del algodón en rama durante el modelo: (a) calibración, y (B) evaluación
durante las temporadas de cultivo 2017-2019.

Estadísticas de rendimiento del modelo Calibración Evaluación

Índice de concordancia (índice d) 0.96 0,95

Coeficiente de determinación (r2) 0,93 0.88
Porcentaje de error cuadrático medio (RMSE) 5.47 8.83
Error porcentual medio (PE) 3.66 − 5.18

Tabla 2.Estadísticas de rendimiento del modelo para la simulación del rendimiento del algodón en rama.

el año 2018 en comparación con otros años debido a las temperaturas más altas del aire (la temperatura máxima promedio
estacional fue de 28.0 °C, 29.1 °C y 28.3 °C durante los años 2017, 2018 y 2019, respectivamente), lo que resultó en un crecimiento
rápido y la menor intervalo de tiempo entre las etapas de desarrollo. De manera similar, la madurez fisiológica se retrasó en el año
2017 debido a temperaturas relativamente más bajas durante períodos posteriores de la temporada de crecimiento. El parámetro
de cultivar EM-FL (tiempo entre la emergencia de la planta y la aparición de la flor) y los parámetros del ecotipo PL-EM (tiempo
entre la siembra y la emergencia) y EM-V1 (tiempo requerido desde la emergencia hasta la primera hoja verdadera) se ajustaron
durante la calibración para obtener una coincidencia razonable entre las fechas simuladas y medidas de inicio de las etapas de
crecimiento (Tabla complementaria S1).

Altura del dosel de algodón.Las alturas de dosel medidas y simuladas en diferentes tratamientos de riego coincidieron bien
durante la calibración del modelo (Figura complementaria S1) y la evaluación (Figura complementaria S2). La altura del dosel
simulado estuvo dentro del rango de alturas medidas, excepto en unos pocos casos durante el año 2018. La altura del dosel
simulado fue, en general, sobreestimada durante la calibración (tratamientos de riego alto) y subestimada durante la evaluación
(tratamientos de riego deficitario) en todos los años. Modala et al.45también informó una predicción insuficiente de la altura del
dosel en el tratamiento de reemplazo de ET al 75%. El uso de la temperatura del aire, en lugar de la temperatura del dosel para la
simulación del crecimiento de los cultivos, podría ser una razón para la predicción insuficiente o excesiva de la altura del dosel40.
Los parámetros del ecotipo del modelo RWDTH (ancho relativo del ecotipo en comparación con el estándar por nudo), TRIFL (tasa
de aparición de hojas en el tallo principal, hojas por día fototérmico) y RHGHT (altura relativa del ecotipo en comparación con el
patrón estándar). altura por nodo) afectaron la simulación de la altura del dosel y, por lo tanto, se calibraron a valores de 1.0, 0.18
y 0.80, respectivamente (Tabla complementaria S1). En general, las estadísticas de rendimiento del modelo en la predicción de la
altura del dosel en este estudio fueron muy buenas (Tabla complementaria S3) y fueron comparables a los valores alcanzados en
estudios anteriores.45,49.

Rendimiento de semilla de algodón.Los rendimientos de algodón en rama medidos y simulados estuvieron en buena concordancia
durante la calibración y evaluación del modelo (Fig.1, Mesa2). El rendimiento del modelo durante la evaluación fue comparable al de Adhikari
et al.50, y el modelo evaluado en este estudio capturó muy bien los efectos de las diferencias en el riego tardío de la temporada sobre el
rendimiento del algodón en rama. El rendimiento del modelo en la predicción del rendimiento del algodón en rama fue ligeramente mejor
durante la calibración (tratamientos de alto riego) que durante la evaluación (tratamientos de limitación de agua) (Tabla2). Estos resultados
refuerzan los resultados de estudios anteriores que informaron una predicción insuficiente significativa del rendimiento del algodón en rama
en condiciones más secas.40,45,52.

Impacto de la fecha de finalización del riego en el rendimiento del algodón en rama simulado y el agua de riego
utilizar.En general, a medida que la fecha de finalización del riego avanzaba hacia el final de la temporada de crecimiento, el rendimiento
simulado del algodón en rama aumentaba rápidamente hasta una determinada fecha de finalización, y luego la tasa de aumento disminuía
sustancialmente o se volvía insignificante para las fechas de finalización restantes (Fig.2). Cambios porcentuales en

Informes científicos| (2021) 11:20102 | https://doi.org/10.1038/s41598-021-99472-w 4

Vol:.(1234567890)
www.nature.com/scientificreports/

Figura 2.Efecto de la fecha de finalización del riego en el rendimiento simulado de algodón en rama bajo: (a) 55%, (B) 70%, (C)
85%, (D) 100%, y (mi) 115% Estrategias de reemplazo de ET. Los extremos de los recuadros indican los percentiles 25 y 75, y la
línea horizontal dentro del recuadro indica la mediana.

Informes científicos| (2021) 11:20102 | https://doi.org/10.1038/s41598-021-99472-w 5

Vol.:(0123456789)
 www.nature.com/scientificreports/

Luego se calculó el rendimiento medio de algodón en rama desde una fecha de finalización hasta la siguiente fecha de finalización, y se identificaron las
fechas ideales de finalización del riego en función de nuestros criterios seleccionados (la fecha de finalización más temprana en la que el rendimiento
medio simulado de algodón en rama alcanzó un valor máximo o cuando un aumento en el rendimiento medio de algodón en rama desde esa fecha de
terminación hasta la próxima fecha de terminación fue < 3%) (Fig.3).
Como era de esperar, el período ideal de finalización del riego ocurrió más tarde en la temporada en el caso
de estrategias de riego deficitario (55%, 70% y 85% de reemplazo de ET) en comparación con estrategias de riego
completo/exceso (100% y 115% de reemplazo de ET) (Higo.3). Con base en el rendimiento medio simulado del
algodón en rama, las fechas ideales de finalización del riego con estrategias de reemplazo de ET del 55 %, 70 %,
85 %, 100 % y 115 % se identificaron como el 12 de septiembre, el 5 de septiembre, el 5 de septiembre, el 29 de
agosto y el 29 de agosto. , respectivamente, en condiciones climáticas normales. En el caso de los años lluviosos,
los periodos ideales de finalización del riego fueron los mismos que los de los años normales, excepto para la
estrategia de reemplazo de ET del 85% en la que se encontró que el periodo ideal de finalización era una semana
antes. Idealmente, esperamos que los períodos de finalización del riego en años húmedos sean una o dos
semanas antes en comparación con los años normales. Sin embargo, curiosamente, la precipitación promedio
recibida desde mediados de agosto hasta mediados de septiembre en años húmedos (~ 56 mm) fue menor que
la recibida en años normales (~ 60 mm), lo que finalmente afectó las fechas ideales de terminación del riego. En
el caso de años secos, se encontró que los periodos ideales de finalización del riego son una semana más tarde
que en años normales para estrategias de reemplazo de 55%, 70% y 100% ET, y similares a años normales para
85% y 115% ET -estrategias de reemplazo. La inconsistencia en la fecha ideal de finalización del riego en el caso
de una estrategia de reemplazo del 100 % de ET se debió a los 57 mm de precipitación recibidos entre el 29 de
agosto y el 5 de septiembre en el año seco de 2002, lo que resultó en una gran ganancia de rendimiento (mucho
más alta que el umbral del 3 %). usado en nuestros criterios de selección) bajo una estrategia de reemplazo de
100% ET, y cambió la fecha de finalización ideal en una semana. Algunas otras inconsistencias en las tendencias
del rendimiento medio simulado del algodón en rama también se debieron a la reclasificación de las semillas
secas, secas y secas.
Se encontró que el rendimiento de semilla de algodón simulado era el más bajo bajo la estrategia de reemplazo de 55% de ET seguida
por la estrategia de reemplazo de 70% de ET, como se esperaba (Fig.2a,b). Se encontró que la estrategia de riego con reemplazo de ET al 85 %
era beneficiosa para conservar el agua de riego, ya que resultó en una disminución leve o nula en el rendimiento del algodón en comparación
con la estrategia de reemplazo de ET al 100 % (Fig.2discos compactos). Proporcionar un exceso de riego que el requisito de ET (115% de
reemplazo de ET) no contribuyó a ningún aumento en el rendimiento simulado del algodón en rama (Fig.2Delaware). En años húmedos, el
exceso de riego que el requisito de ET (115% de reemplazo de ET) incluso ha resultado en una disminución en el rendimiento del algodón en
rama debido al exceso de estrés hídrico. Curiosamente, se encontró que el rendimiento de algodón en rama simulado era el más alto en años
normales bajo la mayoría de las estrategias de riego. En algunos casos (p. ej., fechas de finalización del riego del 15 y 22 de agosto en el caso
de estrategias de reemplazo de ET del 85 %, 100 % y 115 %), el rendimiento simulado del algodón en rama en años húmedos fue menor que
en años secos. Esto también se debió al exceso de estrés hídrico causado por las fuertes lluvias recibidas durante el comienzo de la
temporada de crecimiento. Otros investigadores informaron hallazgos similares que señalaron que el clima húmedo y cálido es favorable
para el algodón.19,53–55, y las condiciones climáticas húmedas durante períodos prolongados podrían conducir a una pérdida de rendimiento56
–58. En general, se encontró que el rendimiento simulado de algodón en rama bajo estrategias de riego deficitario (55%, 70% y 85% de
reemplazo de ET) fue mayor en años normales/húmedos en comparación con años secos. Sin embargo, en el caso de estrategias de riego
completo/exceso (100% y 115% de reemplazo de ET), no se encontraron diferencias significativas en el rendimiento simulado de algodón en
rama entre años secos y normales/húmedos, especialmente cuando el riego finalizó en fechas posteriores.

El uso de agua de riego promedio simulado aumentó continuamente a medida que la fecha de finalización del riego se movía hacia el
final de la temporada de crecimiento (Fig.3). Como se esperaba, el uso medio simulado de agua de riego fue el más alto en los años secos
para todas las estrategias de riego, seguido de los años normales y húmedos (Fig.3). El uso medio de agua de riego simulado fue menor que
el límite anual de bombeo de agua subterránea (460 mm) especificado por HPWD en todos los escenarios de riego entre todas las categorías
de años, excepto para la estrategia de reemplazo del 115 % de ET durante los años secos bajo las fechas de finalización del riego del 26 de
septiembre y 30 de septiembre (Fig.3). Ale et al.20también informó que el uso de agua de riego de algodón bajo riego completo puede
exceder el límite de bombeo de HPWD si el riego se termina después del 5 de septiembre en años secos y después del 12 de septiembre en
años normales y húmedos. En general, estos resultados indican que la adopción de estrategias apropiadas de riego deficitario junto con las
fechas de terminación sugeridas podría permitir a los productores lograr un IWUE más alto con una reducción mínima o nula en el
rendimiento del algodón en rama mientras cumplen con las regulaciones de HPWD.

Impacto de la fecha de finalización del riego en la eficiencia del uso del agua de riego simulada (IWUE).En
En general, a medida que la fecha de finalización del riego se movía hacia el final de la temporada de crecimiento, el IWUE simulado mediano
aumentaba hasta una determinada fecha de finalización y luego disminuía para las fechas de finalización posteriores. Las fechas ideales de
finalización del riego se identificaron en función de nuestros criterios IWUE seleccionados (fecha en la que la IWUE mediana simulada fue la
más alta o la fecha de finalización del riego más temprana en el caso de la misma IWUE máxima en varias fechas). Según la IWUE mediana
simulada, las fechas ideales de finalización del riego en años normales se identificaron como el 19 de septiembre, el 5 de septiembre, el 5 de
septiembre, el 5 de septiembre y el 29 de agosto con un reemplazo de ET del 55 %, 70 %, 85 %, 100 % y 115 %. estrategias, respectivamente
(Fig.4). En el caso de los años lluviosos, se encontró que los períodos ideales de terminación del riego son una semana antes que los años
normales bajo todas las estrategias de riego. En el caso de los años secos, los periodos ideales de finalización del riego fueron los mismos
que los de años normales, excepto para la estrategia de reemplazo de ET al 70%, en la que se encontró que el periodo ideal de finalización era
una semana más tarde (Fig.4). Idealmente, esperamos que los períodos de terminación del riego en años secos sean una o dos semanas más
tarde en comparación con los años normales. Sin embargo, como se discutió anteriormente, se recibió una cantidad sustancial de
precipitación (57 mm) entre el 29 de agosto

Informes científicos| (2021) 11:20102 | https://doi.org/10.1038/s41598-021-99472-w 6

Vol:.(1234567890)
www.nature.com/scientificreports/

Figura 3.Efecto de la fecha de finalización del riego en la mediana del uso de agua de riego y el rendimiento del algodón en rama bajo diferentes
estrategias de exceso/déficit de riego. La línea punteada vertical indica la fecha de terminación del riego después de la cual un aumento en el rendimiento
promedio de algodón en rama desde esa fecha de terminación hasta la próxima fecha de terminación fue < 3%. (Los paneles izquierdo, central y derecho
corresponden a años secos, normales y húmedos, respectivamente).

y el 5 de septiembre en el año seco de 2002, lo que resultó en una gran ganancia de rendimiento y, en última instancia, afectó los períodos
ideales de finalización del riego para diferentes estrategias de reemplazo de ET en años secos.

Informes científicos| (2021) 11:20102 | https://doi.org/10.1038/s41598-021-99472-w 7

Vol.:(0123456789)
 www.nature.com/scientificreports/

Figura 4.Efecto de la fecha de terminación del riego en la eficiencia del uso del agua de riego simulada (IWUE) bajo: (a)
55%, (B) 70%, (C) 85%, (D) 100% y (mi) 115% Estrategias de reemplazo de ET. Los extremos de los recuadros indican los
percentiles 25 y 75, y la línea horizontal dentro del recuadro indica la mediana.

Informes científicos| (2021) 11:20102 | https://doi.org/10.1038/s41598-021-99472-w 8

Vol:.(1234567890)
www.nature.com/scientificreports/

Fecha ideal de finalización del riego Fecha ideal de finalización del Óptimo sugerido
basada en el rendimiento medio riego basada en la IWUE terminación de riego Ahorro/pérdida de agua de riego
Categoría climática ET-Estrategia de reemplazoa simulado de algodón en ramaB mediana simuladaC períodoD (mm)mi

55% 19 de septiembre (1951) 19 de septiembre (0,24) 19 de septiembre (132) 124

70% 12 de septiembre (3023) 12 de septiembre (0,57) 12 de septiembre (125) 85
Años secos 85% 5 de septiembre (3208) 5 de septiembre (0,67) 5 de septiembre (118) 41
100% 5 de septiembre (3483) 5 de septiembre (0,65) 5 de septiembre (118) 0
115% 29 de agosto (3404) 29 de agosto (0,62) 29 de agosto (111) − 43
55%* 12 de septiembre (2688) 19 de septiembre (0,39) 12 de septiembre (125) 75
70% 5 de septiembre (3329) 5 de septiembre (0,67) 5 de septiembre (118) 60
Años normales 85% 5 de septiembre (3641) 5 de septiembre (0,71) 5 de septiembre (118) 32
100%* 29 de agosto (3557) 5 de septiembre (0,66) 29 de agosto (111) 0
115% 29 de agosto (3567) 29 de agosto (0,61) 29 de agosto (111) − 29
55% 12 de septiembre (2596) 12 de septiembre (0,28) 12 de septiembre (125) 59
70%* 5 de septiembre (3030) 29 de agosto (0,45) 5 de septiembre (118) 42
Años húmedos 85% 29 de agosto (3205) 29 de agosto (0,54) 29 de agosto (111) 17
100% 29 de agosto (3360) 29 de agosto (0,53) 29 de agosto (111) 0
115%* 29 de agosto (3379) 22 de agosto (0,46) 29 de agosto (111) − 21

Tabla 3.Momentos óptimos sugeridos para la terminación del riego para tratamientos de exceso/déficit de riego en años secos, normales y
húmedos.aLas estrategias indicadas con un símbolo de estrella tenían diferencias en los períodos ideales de finalización identificados en
función del rendimiento medio del algodón en rama y el IWUE.BLos valores entre paréntesis son rendimientos medios de algodón en rama
en kg ha-1.CLos valores entre paréntesis son IWUE medianas en kg m-3.DLos valores entre paréntesis son días después de la siembra, DAP.mi
Ahorro (+)/pérdida (-) en agua de riego bajo el período de terminación de riego óptimo sugerido en comparación con el agua de riego
utilizada en la estrategia de reemplazo de ET al 100 %.

Como se esperaba, las IWUE medianas simuladas fueron más bajas en los años húmedos bajo todas las estrategias de riego, excepto por
la estrategia de reemplazo de 55% de ET en la que la IWUE simulada fue más alta en los años húmedos en comparación con los años secos
(Fig.4). Las IWUE simuladas fueron más altas en años normales con la mayoría de las estrategias de riego, excepto en la estrategia de
reemplazo de 115 % de ET con fechas de terminación más tempranas cuando las IWUE simuladas fueron más altas en años secos. Los IWUE
más altos en años normales en comparación con los años húmedos bajo la mayoría de las estrategias de riego enfatizan aún más que las
condiciones climáticas húmedas prolongadas no son favorables para la producción de algodón.55–58.
El IWUE simulado fue el más alto para la estrategia de reemplazo del 85 % de ET y el más bajo para la estrategia de reemplazo
del 55 % de ET entre la mayoría de las fechas de terminación y categorías de años (Fig.4). Otros estudios de esta región también
han encontrado que el reemplazo del 85% de ET es una estrategia prometedora de riego deficitario para la producción de algodón.
45,59 . Curiosamente, el IWUE simulado en el caso de 115% de reemplazo de ET fue más bajo que el de las estrategias de 100% y 85%
de reemplazo de ET en todas las condiciones climáticas. Una tendencia similar también se informó en otros estudios45,60. La región
THP recibe una precipitación media anual de 470 mm, de los cuales una gran parte (alrededor de 330 mm) se produce durante la
temporada de crecimiento del algodón.51, y esta lluvia es generalmente adecuada para lograr un buen rendimiento de un cultivo
tolerante a la sequía como el algodón bajo estrategias de riego deficitario. Modala et al.50también informó una reducción marginal
en el rendimiento en la región adyacente de Texas Rolling Plains cuando el riego se redujo del 100 al 66% de reemplazo de ET en
condiciones normales de lluvia; sin embargo, la reducción fue sustancial en condiciones secas. Por otro lado, debido al clima
semiárido y ventoso junto con patrones de lluvia inciertos, mantener un IWUE alto es un desafío en la región THP.51, y el riego
según las estrategias de reemplazo de ET más bajas (p. ej., 55% de reemplazo de ET) podría conducir a una pérdida sustancial de
rendimiento y una reducción en IWUE.

Períodos de terminación de riego óptimos sugeridos bajo diferentes riegos por exceso/déficit
estrategias.Los períodos ideales de finalización del riego identificados para diferentes estrategias de riego por exceso/déficit basadas en el
rendimiento medio del algodón en rama y el IWUE fueron en su mayoría similares, excepto por las estrategias de reemplazo de ET del 100 %
y 55 % en años normales, y las estrategias de reemplazo de ET del 115 % y 70 % en años normales. años húmedos (Cuadro3). En años
normales, hubo un aumento insignificante en el rendimiento cuando la fecha de finalización del riego se cambió del 29 de agosto al 5 de
septiembre en el caso de la estrategia de reemplazo del 100% de ET (PAGS-valor = 0,39), y del 12 al 19 de septiembre en el caso de la
estrategia de reemplazo de 55% ET (PAGS-valor = 0,62) (Fig.5). Por lo tanto, el 29 de agosto y el 12 de septiembre se consideraron los períodos
óptimos de finalización del riego para las estrategias de reemplazo de ET del 100 % y el 55 %, respectivamente en años normales, ya que se
puede lograr un IWUE más alto con estas fechas de finalización con una pérdida de rendimiento insignificante. En contraste, en años
húmedos, el aumento en el rendimiento fue significativo cuando la fecha de finalización del riego se cambió del 22 de agosto al 29 de agosto
en el caso de la estrategia de reemplazo de 115% ET (10% de aumento), y del 29 de agosto al 5 de septiembre en el caso de la estrategia de
reemplazo de ET al 70% (aumento del 6,5%) (fig.5). Además, el uso de agua de riego simulado fue sustancialmente menor que el límite anual
de extracción de agua subterránea cuando el riego finalizó el 29 de agosto (206 mm) en el caso de una estrategia de reemplazo del 115 % de
ET y el 5 de septiembre (181 mm) en el caso de un 70 % de ET -estrategia de reemplazo. Por lo tanto, el 29 de agosto y el 5 de septiembre se
consideraron como los períodos óptimos de terminación del riego para las estrategias de reemplazo de ET del 115 % y el 70 %,
respectivamente, en años húmedos (Tabla3).
Los períodos de terminación de riego óptimos sugeridos para estrategias de riego completo/exceso (100% y 115% de reemplazo de ET)
variaron desde la última semana de agosto hasta la primera semana de septiembre, mientras que aquellos para el déficit

Informes científicos| (2021) 11:20102 | https://doi.org/10.1038/s41598-021-99472-w 9

Vol.:(0123456789)
 www.nature.com/scientificreports/

Figura 5.Efectos de los períodos de finalización del riego en los cambios porcentuales [aumento (+)/disminución (-)] en el rendimiento del
algodón en rama (panel superior) y IWUE (panel central), y las diferencias en la cantidad de agua de riego (panel inferior) bajo diferentes
ET- basadas en estrategias de riego (55%, 70%, 85% y 115% de reemplazo de ET) en comparación con estrategias de riego de reemplazo
de 100% de ET. Los períodos de terminación de riego sugeridos bajo diferentes estrategias de riego basadas en ET se muestran entre
paréntesis en la parte inferior de las barras respectivas.

Las estrategias de riego (55%, 70% y 85% ET-reemplazo) variaron desde la primera semana de septiembre hasta la tercera semana de
septiembre. Los períodos óptimos de finalización del riego sugeridos en este estudio son los mismos o una semana antes que los sugeridos
por Ale et al.20para la región THP. Esto se debió principalmente a la aplicación de riego previo a la siembra en todas las estrategias simuladas
en este estudio. El riego previo a la plantación permite el establecimiento de una zona de raíces más efectiva al principio de la temporada de
crecimiento61,62. Según el contenido de agua del suelo en el momento de la siembra y la disponibilidad de agua de riego, los productores de
la región THP generalmente también aplican riegos previos a la siembra y/o en la planta para establecer un buen soporte para las plantas.51,
61. Los períodos óptimos de finalización del riego sugeridos en este estudio son comparables a estudios anteriores.24,29,34,39.

En comparación con la estrategia de reemplazo de ET al 100 %, la simulación de la estrategia de reemplazo de ET al 115 % (con 43 mm, 29
mm y 21 mm de exceso de agua de riego en años secos, normales y húmedos, respectivamente) resultó en solo una pequeña mejora en el
rendimiento (aumento del 5,2 %, 0,3 % y 0,6 % en años secos, normales y húmedos, respectivamente), pero provocó una disminución
sustancial de la IWUE (disminución del 1,6 %, 3,2 % y 15,1 % en años secos, normales y húmedos, respectivamente) (Fig. .5). El algodón no se
adapta bien al estrés hídrico excesivo en la zona de la raíz, y los períodos prolongados de estrés hídrico excesivo pueden reducir
significativamente el rendimiento.63,64. Se encontró que el rendimiento de semilla de algodón simulado y el IWUE eran los más bajos en el
caso de la estrategia de reemplazo de 55% de ET en todas las categorías de años (Fig.5). En general, se encontró que la estrategia de riego
con reemplazo de ET al 85 % era la estrategia más eficiente en términos de ahorro de agua de riego. La estrategia de riego con reemplazo de
ET al 85 % resultó en una IWUE máxima en todas las condiciones climáticas. Sin embargo, el rendimiento medio simulado del algodón en
rama disminuyó un 7,9 % y un 4,6 % en años secos y húmedos, respectivamente, con la estrategia de reemplazo de ET del 85 % en
comparación con la estrategia de reemplazo de ET del 100 % (Fig.5). Curiosamente, se encontró un ligero aumento (2,4 %) en el rendimiento
medio del algodón en rama en años normales bajo la estrategia de reemplazo de ET del 85 %. Al adoptar la estrategia de reemplazo del 85 %
de ET junto con las fechas óptimas de terminación del riego sugeridas (5 de septiembre, 5 de septiembre y 29 de agosto en años secos,
normales y húmedos, respectivamente), se podrían ahorrar alrededor de 41, 32 y 17 mm de agua de riego. anualmente (en comparación con
la estrategia de reemplazo 100% ET). Estos resultados indican que la implementación estratégica de estrategias de riego deficitario junto con
fechas apropiadas de finalización del riego podría aumentar la IWUE y garantizar un buen rendimiento del algodón.20,59. Sin embargo, las
recomendaciones de este estudio deben usarse con precaución, ya que las decisiones de terminación del riego para el algodón dependen de
diferentes variables, incluido el rendimiento esperado y la calidad de la fibra, el valor de mercado y los costos de riego.24. Varios otros
factores, como el tipo de suelo, el estado del agua del suelo, el sistema de riego utilizado, la etapa de crecimiento, la ubicación geográfica y la
salud del cultivo.29–31y tiempos de madurez para las variedades de algodónsesenta y cincotambién podría afectar las decisiones de terminación del
riego. A medida que avanza la temporada de crecimiento, dependiendo de la cantidad real de precipitación recibida y en función de los datos
meteorológicos pronosticados a corto plazo, es posible que sea necesario cambiar las decisiones de finalización del riego. Además, la
productividad del agua de cultivo (CWP)66,

Informes científicos| (2021) 11:20102 | https://doi.org/10.1038/s41598-021-99472-w 10

Vol:.(1234567890)
www.nature.com/scientificreports/

que considera la contribución de la lluvia y el contenido de agua del suelo (además del riego) al rendimiento del cultivo, podría
servir como un mejor indicador para determinar los períodos óptimos de riego que IWUE y nuestros esfuerzos futuros se
centrarán en esta mejora.

Métodos
Experimento de algodón IWUE a mitad de camino.Se realizó un experimento IWUE de algodón en el Centro de Investigación
AgriLife de Texas A&M en Halfway (34° 10ʹ N, 101° 56ʹ W; elevación 1075 m) (Figura complementaria S4) durante las temporadas de
crecimiento 2010–2013 y los datos medidos de este experimento se utilizado para evaluar el modelo CROPGRO-Cotton50. Ese
experimento de campo consistió en 27 tratamientos con tres tasas de riego máximas diferentes (0 mm d−1–Bajo (L), 3,2 mm de
diámetro−1–Medio (M) y 6,4 mm de diámetro−1–Alto (H)) implementado en combinación con tres etapas de crecimiento del algodón
(vegetativo, reproductivo y de maduración)49. Estas tres etapas de crecimiento se definieron en función de los grados día de
crecimiento acumulados a una temperatura umbral de 15,6 °C.51. Los tratamientos se etiquetaron por el nivel de agua de riego
durante cada etapa de crecimiento (por ejemplo, el tratamiento LHH recibió una tasa de riego baja durante el crecimiento
vegetativo y una tasa de riego alta durante las etapas de crecimiento reproductivo y de maduración). Se utilizó un sistema de riego
de pivote central de aplicación de precisión de baja energía (LEPA) para las aplicaciones de riego. Se pueden encontrar más
detalles sobre el experimento de campo y la evaluación del modelo anterior en Bordovsky et al.51
y Adhikari et al.50, respectivamente. Después de un período de dos años (2014 y 2015) utilizado para igualar el contenido de agua
del suelo y nutrientes residuales en las parcelas, los experimentos IWUE se reanudaron en el mismo lugar que los experimentos
de 2010-2013 en 2016 modificando los tratamientos para incluir tardíos, así como más Tratamientos típicos de terminación de
riego. Recolectamos datos fisiológicos de cultivos durante la temporada (fechas de inicio de las etapas fenológicas del algodón y
altura del dosel) y datos de rendimiento al final de la temporada de este nuevo experimento durante las temporadas de
crecimiento 2017-2019 y reevaluamos el estudio de Adhikari et al. .50Modelo CROPGRO-Cotton basado en estos nuevos datos como
parte de este estudio. Los tratamientos de riego considerados para la reevaluación del modelo incluyeron LMM, LMH, HHH, LMM+,
LMH+ y HHH+ (+ el símbolo indica la terminación tardía del riego). El suelo en el sitio de estudio es franco arcilloso Pullman
(Paleustolls Torrertic térmico, fino, mixto, súper activo). La temporada de crecimiento promedio (1978-2019) (abril-octubre) y la
precipitación anual en el sitio de estudio fueron de 376 mm y 463 mm, respectivamente. Las temperaturas mínimas y máximas
registradas fueron −21,3 °C y 44,4 °C, respectivamente.

El modelo de simulación de cultivo utilizado y las entradas del modelo.El modelo DSSAT CSM CROPGRO-Algodón
(versión 4.7) se utilizó en este estudio. El modelo utiliza datos meteorológicos, parámetros genéticos y datos de manejo de suelos y cultivos
como entradas para simular el crecimiento y desarrollo de los cultivos a lo largo del tiempo en respuesta a diferentes prácticas de manejo de
cultivos y suelos.40,42,67,68. El DSSAT comprende modelos de simulación de cultivos para más de 42 cultivos (a partir de la versión 4.7.5), así
como diferentes herramientas para facilitar el uso efectivo de los modelos.42,67. El modelo calcula e informa las variables de estado del
modelo en pasos de tiempo diarios69. Los datos meteorológicos diarios a largo plazo (1978–2019) para este estudio se obtuvieron de una
estación meteorológica in situ. La entrada diaria de datos meteorológicos al modelo incluía precipitación, temperatura máxima y mínima del
aire, radiación solar, temperatura del punto de rocío, humedad relativa y velocidad del viento. Los datos meteorológicos faltantes se
completaron con los datos recuperados de las estaciones meteorológicas cercanas Olton 6S y Plainview 1S, que forman parte de West Texas
Mesonet70. En la Tabla complementaria S4 se presenta un resumen de los parámetros climáticos promedio mensuales durante el período de
reevaluación del modelo de las temporadas de cultivo de algodón 2017-2019 (de abril a octubre). Las entradas de parámetros genéticos
requeridos incluyen coeficientes de ecotipo, cultivar y especie definidos en archivos con sufijos ECO, CUL y SPE, respectivamente. La
información relacionada con la labranza, la siembra, la cosecha y la aplicación de fertilizantes/químicos se ingresó de acuerdo con las
prácticas reales adoptadas en el experimento de campo (Tabla complementaria S5). Los detalles sobre los parámetros de entrada del suelo se
pueden encontrar en Adhikari et al.50.

Evaluación del modelo con los nuevos datos fisiológicos de temporada y datos de rendimiento.El CULTIVO-
El modelo de algodón se volvió a evaluar utilizando los datos fenológicos de cultivos de temporada más recientes y los datos de
rendimiento de algodón recopilados durante 2017-2019. El modelo se calibró en función de los datos medidos de dos tratamientos
de riego elevado (HHH y HHH+) y se evaluó frente a los datos medidos de cuatro tratamientos de riego deficitario (LMM, LMH,
LMM+ y LMH+). Se agregó un nuevo cultivar FiberMax 2011GT a la base de datos de cultivares de DSSAT. Los parámetros de
cultivar y ecotipo para esta variedad se completaron con base en los valores de la literatura.71y los valores calibrados informados
para la región THP en estudios previos50,52. Los rangos de prueba utilizados en Adhikari et al.50
se modificaron ligeramente en este estudio para tener en cuenta las diferencias en los cultivares. Luego, se ajustaron algunos de
los parámetros de ecotipos y cultivares sensibles hasta que se logró una buena coincidencia entre los valores medidos y
simulados. Los parámetros relacionados con el crecimiento del cultivo se ajustaron inicialmente para lograr una buena
coincidencia entre las fechas simuladas de inicio de emergencia, antesis y etapas de madurez fisiológica, y las fechas medidas del
experimento de campo. Luego se ajustaron los parámetros relacionados con el desarrollo y el rendimiento del cultivo hasta que se
logró una buena concordancia entre el rendimiento del algodón en rama simulado y medido. Varios investigadores adoptaron un
enfoque similar de calibrar las etapas fenológicas antes de calibrar los parámetros relacionados con el rendimiento.45,49,50,72.
El cálculo preciso de la evapotranspiración potencial diaria (ET) es muy importante para un buen rendimiento del modelo40.
DSSAT divide la ET potencial en la transpiración potencial del cultivo (Ep) y la evaporación potencial del suelo (Es)67. Si bien la
evaporación real del suelo depende de la Es potencial y del contenido de agua del suelo, la transpiración real del cultivo es el
mínimo de la Ep potencial o la absorción de agua por las raíces.73. El modelo DSSAT proporciona dos métodos para estimar la ET
potencial diaria, el método FAO-56 Penman-Monteith74y el Priestley-Taylor75método. En este estudio se utilizó el método de
Priestley-Taylor debido a la falta de disponibilidad de datos meteorológicos continuos sobre la velocidad del viento y la humedad
relativa, que son necesarios para el método FAO-56. Adhikari et al. (2016) utilizó un método ET modificado sugerido por Thorp et
al.40, el método de Priestley-Taylor dio una buena coincidencia entre el rendimiento de algodón en rama simulado y medido en
este estudio. Se recomendó el método de evaporación de Priestley-Taylor en condiciones limitadas de agua del suelo.76y se usó en
la mayoría de otros estudios de modelado de algodón DSSAT también77,78.

Informes científicos| (2021) 11:20102 | https://doi.org/10.1038/s41598-021-99472-w 11

Vol.:(0123456789)
 www.nature.com/scientificreports/

Estadísticas de evaluación del rendimiento del modelo.Cuatro índices estadísticos que incluyen el índice
de concordancia (índice d), el coeficiente de determinación (r2), porcentaje de error cuadrático medio (%RMSE) y
porcentaje de error (PE) se emplearon para evaluar el rendimiento del modelo. El índice d es una medida
estándar del grado de error de simulación del modelo.79y varía entre 0 (sin concordancia) y 1 (concordancia
perfecta) (Ec.1). El r2mide la fracción de la varianza total y varía de 0 a 180(ecuación2). Un valor de 1 representa la
correlación perfecta, mientras que el valor de 0 indica que no hay correlación entre los valores medidos y
simulados.81. El %RMSE indica la magnitud promedio de la diferencia entre los valores medidos y simulados82y
varía de 0 a ∞ (Ec.3). El PE se utiliza para evaluar la sobre o sub predicción sistemática y varía entre − 100 y ∞83
(ecuación4). Un valor cercano a 0 indica una concordancia perfecta para el %RMSE y PE. Los esfuerzos de calibración del modelo
continuaron hasta que el índice d y r2los valores fueron superiores a 0,80, y los valores de %RMSE y PE fueron inferiores
de 20
( )2
− Yyo
∑norte

yo=1 I∣
Ysimulador
I
- índice =1 - (∣ si ∣ ∣) (1)
∣ YI − Yyo∣ + ∣Yyo I − Yyo∣2
∑norte
metro
yo=1

[ ]
∑ ( Yyo
norte
Yyo ) ( ) 2
I − I − Y
Ysimulador
metro
cada uno

yo=1
2= [∑norte [ ( ) ]2 (2)
( yo ) ]
2× ∑
− Y yo − YISM
norte

yo=1 YI yo=1 YI
simulador

√
∑norte ( )2
yo=1 Ysimulador
I −YIyo 100 (3)
RMSE = × Yyo
norte

-�norte � � -
yo=1
Ysimulador
− Y yo∗ (100)
mi =- �norte - (4)
yo=1Yyo

I ,Yyo I
dondesimulador ,YsimuladoryYyoson los valores simulados, medidos, simulados promedio y medidos promedio,
respectivamente.

Determinación de períodos óptimos de terminación de riego para algodón.Usando lo evaluado

Modelo CROPGRO-Cotton, se ejecutaron simulaciones a largo plazo (1978–2019) para cinco estrategias de riego
por déficit/exceso (55 % a 115 % de evapotranspiración (ET)-reemplazo en incrementos del 15 %) con ocho fechas
de finalización del riego con una semana intervalo entre el 15 de agosto y el 30 de septiembre. El reemplazo de
ET se refiere a la demanda de ET, que es la acumulación de la transpiración potencial diaria de la planta más la
evaporación real del suelo menos la infiltración de la lluvia (lluvia-escorrentía)84. En este estudio se utilizó el
método de programación de riego 'Automático cuando se requiere' manteniendo el umbral para activar y
detener el riego al 50 % y 100 % del contenido de agua disponible, respectivamente, en los 30 cm superiores de
profundidad de manejo. Las cantidades estimadas de agua de riego diaria se consideraron como el
requerimiento de agua de riego para una estrategia de reemplazo del 100% de ET. Luego se estimaron los
requisitos de agua de riego para otras estrategias de reemplazo de ET multiplicando las prescripciones de riego
de reemplazo de ET al 100 % por un multiplicador adecuado (p. ej., 0,85 para el escenario de reemplazo de ET al
85 %). Las cantidades de riego estimadas por fecha para diferentes estrategias de reemplazo de ET finalmente se
ingresaron en el modelo manualmente. Se eliminaron las aplicaciones de riego estimadas en todas las fechas
posteriores a la fecha de finalización del riego simulado.51,61.
Luego se estudiaron los impactos de las condiciones ambientales durante la temporada de crecimiento en el IWUE del algodón y el
rendimiento del algodón en rama bajo diferentes fechas de finalización del riego y estrategias de riego por déficit/exceso dividiendo el
período de simulación en (i) seco, (ii) normal y (iii) húmedo años de acuerdo con la precipitación total recibida desde el 1 de abril hasta la
fecha de finalización simulada durante la temporada de crecimiento (Figura complementaria S3). El primer año de simulación, 1978, se
consideró como el período de calentamiento del modelo y, por lo tanto, se excluyó del análisis.85. Los años 1985, 1992 y 2015 (años
extremadamente húmedos) y el año 2011 (año extremadamente seco) resultaron ser valores atípicos y, por lo tanto, también se excluyeron
del análisis. Después de ordenar los 37 años restantes por la precipitación de la temporada de crecimiento, los últimos 12 años de baja
precipitación se clasificaron como años 'secos' y los 12 años principales de alta precipitación se clasificaron como años 'húmedos'. Los 13 años
restantes se clasificaron como años "normales".
Se hicieron recomendaciones sobre los períodos ideales de finalización del riego para la producción de algodón bajo diferentes
estrategias de reemplazo de ET en base a IWUE y rendimiento simulados, teniendo en cuenta el límite anual de extracción de agua
subterránea de HPWD para riego de 460 mm. El IWUE se estimó como la relación entre la diferencia entre el rendimiento del
algodón de regadío y el de secano, con respecto a la cantidad de agua de riego estacional aplicada.19,20. Como el tratamiento de las
tierras secas no se incluyó en el experimento de campo, se realizaron simulaciones a largo plazo (1978–2019) con el modelo
evaluado para un escenario hipotético de tierras secas, y el rendimiento promedio simulado se consideró como el rendimiento de
las tierras secas para estimar el IWUE. Con base en el rendimiento simulado, se consideró ideal la fecha de finalización más
temprana en la que el rendimiento medio de algodón en rama alcanzó un valor máximo o cuando un aumento en el rendimiento
medio de algodón en rama desde esa fecha de finalización hasta la próxima fecha de finalización fue < 3 %. Con referencia al IWUE,
se consideró ideal una fecha de finalización correspondiente al IWUE máximo simulado. Cuando se simuló el mismo IWUE máximo
en múltiples fechas de terminación de riego, la fecha de terminación de riego más temprana entre ellas fue

Informes científicos| (2021) 11:20102 | https://doi.org/10.1038/s41598-021-99472-w 12

Vol:.(1234567890)
www.nature.com/scientificreports/

considerado ideal. Luego se compararon los períodos ideales de finalización del riego identificados con base en el rendimiento mediano
simulado del algodón en rama y el IWUE mediano simulado, y si se encontró que eran diferentes, se llevó a cabo un análisis estadístico
utilizando una prueba t de Student.86para decidir un período de terminación óptimo que proporcione un mayor rendimiento de algodón en
rama y IWUE. Se realizó una prueba t de dos colas pareadas (considerando la misma población dos veces para dos períodos de terminación
de riego diferentes identificados en función del rendimiento y el IWUE) con un nivel de significación del 95 % (PAGS-value ≤ 0.05) usando el
comando T.TEST en Microsoft Excel.

Conclusiones
El modelo DSSAT CSM CROPGRO-Cotton se utilizó en este estudio para evaluar los efectos de las fechas de finalización del riego en el IWUE y el rendimiento del algodón
en rama bajo estrategias estratégicas de riego deficitario. Modelo DSSAT CROPGRO-Cotton previamente evaluado50se volvió a evaluar utilizando datos de fenología de
cultivos de temporada y datos de rendimiento de algodón en semilla recopilados de un experimento IWUE de algodón en Halfway, TX durante 2017–2019. El modelo
evaluado se desempeñó bien en la simulación de las fechas de inicio de las diferentes etapas fenológicas del algodón, la altura del dosel y el rendimiento de la semilla de
algodón. Las fechas óptimas de finalización del riego para las estrategias de reemplazo de ET del 55 %, 70 %, 85 %, 100 % y 115 % se identificaron como el 12 de
septiembre, el 5 de septiembre, el 5 de septiembre, el 29 de agosto y el 29 de agosto, respectivamente, en condiciones climáticas normales. Se encontró que los períodos
óptimos de finalización del riego eran similares o una semana antes/después que en años normales en años húmedos/secos. Se encontró que la estrategia de reemplazo
del 85% de ET junto con las fechas óptimas sugeridas de finalización del riego del 5 de septiembre en años secos y normales y el 29 de agosto en años húmedos es la
estrategia más eficiente para ahorrar entre 17 y 41 mm de agua de riego anualmente. El uso medio de agua de riego simulado fue menor que el límite anual de
extracción de agua subterránea (460 mm) especificado por HPWD en todas las estrategias simuladas (excepto para las fechas de terminación de riego a fines de
septiembre en el caso de una estrategia de reemplazo de ET del 115 % durante los años secos), lo que indica que la adopción de Las estrategias apropiadas de riego
deficitario basadas en las capacidades de riego disponibles podrían permitir a los productores lograr un mayor rendimiento de algodón en rama y IWUE mientras
cumplen con las regulaciones de HPWD. Sin embargo, las decisiones de terminación del riego también deben considerar las diferencias en la capacidad de retención de
agua del suelo, prácticas de manejo de cultivos, características de los cultivares, salud de los cultivos y la cantidad y distribución de las lluvias al final de la temporada.
Además, extender estas simulaciones a diferentes sitios a través de THP podría fortalecer las recomendaciones sobre decisiones de terminación de riego. Además, las
decisiones de terminación del riego basadas en el contenido de agua del suelo modelado hacia el final de la temporada de crecimiento (el momento en que un productor
comienza a pensar en la terminación del riego) podrían ser relevantes en la práctica. Nuestros futuros esfuerzos de investigación se centrarán en estas limitaciones. Las
decisiones de terminación del riego basadas en el contenido de agua del suelo modelado hacia el final de la temporada de crecimiento (el momento en que un productor
comienza a pensar en la terminación del riego) podrían ser relevantes en la práctica. Nuestros futuros esfuerzos de investigación se centrarán en estas limitaciones. Las
decisiones de terminación del riego basadas en el contenido de agua del suelo modelado hacia el final de la temporada de crecimiento (el momento en que un productor
comienza a pensar en la terminación del riego) podrían ser relevantes en la práctica. Nuestros futuros esfuerzos de investigación se centrarán en estas limitaciones.

Recibido: 17 de mayo de 2021; Aceptado: 20 de septiembre de 2021

Referencias
1. Scanlon, BRet al.Agotamiento de las aguas subterráneas y sostenibilidad del riego en las llanuras altas y el valle central de EE. UU.proc. nacional
Academia ciencia EE.UU109, 9320–9325 (2012).
2. Walton, B. Las llanuras altas de Texas se preparan para la agricultura sin riego: círculo azul.Agua Noticias Política del agua Política11, 150 (2013).

3. TWDDB. Informes de la base de datos de aguas subterráneas (GWDB), Junta de Desarrollo del Agua de Texas.http://www.twdb.texas.gov/
groundwater/data/gwdbrpt.asp(2021).
4. Weinheimer, J., Johnson, P., Mitchell, D., Johnson, J. y Kellison, R. Iniciativa de las llanuras altas de Texas para la gestión y conservación del
riego estratégicas e innovadoras.J. Contemp. Agua Res. Educ.151, 43–49 (2013).
5. Oshaughnessy, SA, Kim, M., Andrade, MA, Colaizzi, PD & Evett, SR Irrigación específica del sitio del grano de sorgo utilizando la retroalimentación de
detección de agua de la planta y el suelo-Texas High Plains.agricola Gestión de agua240, 106273 (2020).
6. Colaizzi, PD, Gowda, PH, Marek, TH y Porter, DO Riego en Texas High Plains: una breve historia y posibles reducciones en la
demanda.Riego Drenar.58, 257–274 (2009).
7. Chaudhuri, S. & Ale, S. Tendencias a largo plazo (1930–2010) en los niveles de agua subterránea en Texas: influencias de los suelos, la cobertura terrestre y el uso del
agua.ciencia Entorno Total.490, 379–390 (2014).
8. Chaudhuri, S. & Ale, S. Tendencias a largo plazo (1960–2010) en la contaminación y salinización del agua subterránea en el acuífero Ogallala en Texas.J.
Hydrol.513, 376–390 (2014).
9. Estudio de Monitoreo del Nivel de Agua de las Planicies Altas.https://ne.water.usgs.gov/projects/HPA/index.html.
10. McGuire, VL Water-Level and Recoverable Water in Storage Changes, High Plains Aquifer, Predesarrollo hasta 2015 y 2013–15. Geol.
sobrev. ciencia investigando Rep. 2017–5040(2017).
11. Mauget, SAet al.Modelado de los efectos del manejo y la elevación en la producción de algodón de las tierras secas del oeste de Texas.agricola Para.
Meteorol.247, 385–398 (2017).
12. USDA-NASS. Departamento de Agricultura de los Estados Unidos, Servicio Nacional de Estadísticas Agrícolas. Estadísticas rápidas.https://quickstats.nass.usda.
gobierno/(2021).
13. Modala, NRet al.Proyecciones de cambio climático para las llanuras altas y onduladas de Texas.teor. aplicación Climatol.129, 263–280
(2017).
14. Nielsen-Gammon, JWet al.Desafíos de sequía sin precedentes para los recursos hídricos de Texas en un clima cambiante: ¿qué necesitan saber los
investigadores y las partes interesadas?Futuro de la Tierra.8, e2020EF001552 (2020).
15. Kothari, K.et al.Beneficios potenciales de las estrategias de adaptación basadas en genotipos para la producción de sorgo en grano en Texas High
Plains bajo el cambio climático.EUR. J. Agron117, 126037 (2020).
16. HPWD. Reglas del Distrito de Conservación de Aguas Subterráneas de High Plains.http://www.hpwd.org/rules/(2020).
17. GCD de las llanuras del norte. Reglas del Distrito de Conservación de Aguas Subterráneas de North Plains. .http://northplainsgcd.org/wp-content/
uploa ds/Revised_Rules_Adopted_by_the_Board_on_20150414_at_256_p.m._for_Web__1_.pdf(2015).
18. DeTar, WR Rendimiento y características de crecimiento del algodón bajo varios regímenes de riego en suelos arenosos.agricola Gestión de agua95,
69–76 (2008).
19. Himanshu, SK, Ale, S., Bordovsky, J. y Darapuneni, M. Evaluación de estrategias de riego deficitario basadas en etapas de crecimiento de cultivos para
la producción de algodón en las llanuras altas del sur.agricola Gestión de agua225, 1029 (2019).
20. Ale, S.et al.Determinación de los períodos óptimos de finalización del riego para la producción de algodón en las llanuras altas de Texas.Trans. ASABE
63, 105–115 (2020).

Informes científicos| (2021) 11:20102 | https://doi.org/10.1038/s41598-021-99472-w 13

Vol.:(0123456789)
PLANIFICACIÓN Y CONTROL DE PRODUCCIÓN 2021,
VOL. 32, núm. 14, 1163-1164 https://doi.org/
10.1080/09537287.2020.1796141

EDITORIAL

Gestión de operaciones y colaboración en cadenas de suministro agroalimentarias

Jorge E. Hernándeza, Martín MortimerBy Herve PanettoC

aEscuela de Administración, Universidad de Liverpool, Liverpool, Reino Unido;BCentro de Excelencia para Sistemas Alimentarios Sostenibles, Universidad de Liverpool,
Liverpool, Reino Unido;CUniversidad de Lorena, CNRS, CRAN, Vandoeuvre-l-es-Nancy, Francia

RESUMEN HISTORIA DEL ARTÍCULO

Las cadenas de suministro agroalimentario se refieren a las conexiones que existen entre las partes interesadas agroalimentarias Recibido el 10 de julio de 2020

desde los procesos relacionados con la granja hasta la mesa. En este entorno, operaciones como la planificación y el control son Aceptado el 10 de julio de 2020

críticas para mejorar el desempeño y las decisiones de las cadenas de suministro agroalimentarias, las cuales se consideran
PALABRAS CLAVE
complejas principalmente debido a la presencia de una gran variedad de información y variables que deben gestionarse
Cadenas de suministro
simultáneamente. Por lo tanto, el uso de una combinación de métodos, metodologías y enfoques multidisciplinarios es una de
agroalimentario; jefe de operaciones;
las tendencias clave en la investigación para manejar estas complejidades. El propósito de esto es beneficiar al sector colaboración
agroalimentario mediante la identificación de soluciones sostenibles que mejoren las oportunidades sociales, así como los
medios de vida, las economías locales y nacionales. De esto, Se esperan impactos en términos de proporcionar a las partes
interesadas escenarios validados para mejorar la resiliencia de la cadena de suministro agroalimentaria, establecer pautas de
toma de decisiones agroalimentarias para mejorar la calidad de la agricultura y fortalecer la posición de las partes interesadas
agroalimentarias en las cadenas de suministro locales y globales. Sin embargo, dado que las interdependencias entre las partes
interesadas agroalimentarias están relacionadas con varias actividades, recursos y sistemas agroalimentarios, el establecimiento
de modelos comerciales colaborativos a lo largo de la cadena de suministro agroalimentaria se ha vuelto más importante que
nunca, especialmente para apoyar los procesos agroalimentarios globales. cadenas de suministro, seguridad alimentaria y
trazabilidad en respuesta a los desafíos globales sostenibles. Por lo tanto, alineado con el proyecto de investigación H2020 RUC-
APS, Esta investigación se centra en abordar los desafíos clave de la toma de decisiones en los entornos de la cadena de
suministro agroalimentaria mediante la conexión de metodologías clave de gestión de operaciones con enfoques de
investigación colaborativa en las regiones de Europa, Asia y América del Sur. El objetivo es identificar las situaciones de gestión
de operaciones donde las decisiones se dificultan por la incertidumbre en el ámbito agroalimentario, dentro del estudio e
implementación de enfoques basados en la Gestión de Operaciones en las cadenas de suministro agroalimentarias.

Este número especial está dedicado a la memoria de nuestro querido
colega, mentor y amigo, el profesor Martin Mortimer, quien falleció
tras una breve enfermedad.
La industria alimentaria es una de las industrias más importantes del
mundo, en parte local, en parte global, a veces manual, algunas veces y su efecto a lo largo de la cadena agrícola veces altamente
automatizado, incluidos los productores de alimentos individuales
o procesadores, y empresas desde pequeñas hasta multinacionales. En
los últimos años, la industria alimentaria ha comenzado a recibir más
atención por parte de la comunidad académica en las áreas de
operaciones y gestión de la cadena de suministro. Este número
especial surgió luego de reuniones de investigación clave: la Sesión
Especial EURO-2018 sobre 'Avances en Agronegocios' en Valencia,
España, julio de 2018, la Sesión Especial PRO-VE-2018 sobre 'Sistemas
Cognitivos en Cadenas de Valor de Alimentos y Agronegocios' en
Cardiff, Reino Unido, septiembre de 2018. Los participantes y otros
investigadores respondieron a la convocatoria de artículos.
Una cadena de suministro agroalimentaria también se puede considerar
como una red compleja en la que una variedad de actores interactúan para
tomar las decisiones correctas con el fin de cumplir con los requisitos del
cliente final. Estos desafíos abarcan varias dimensiones de la agricultura. Los
recursos naturales como el agua, el suelo y los nutrientes se encuentran
actualmente bajo presión, y las condiciones climáticas se están volviendo
más volátiles e inciertas, con efectos adversos
efectos en las cadenas de suministro agroalimentarias. Es difícil
visualizar y comprender las interrelaciones entre las limitaciones y los
desafíos de todas las dimensiones, por lo tanto, es difícil predecir
comportamientos futuros para mitigar problemas inesperados.
(Hernández et al.2017).
La cadena de suministro generalmente está compuesta por
actores como productores grandes, medianos y pequeños que
cultivan y comercializan productos alimenticios; procesadores
intermedios que procesan, fabrican y comercializan productos
primarios y de valor agregado; distribuidores como mayoristas y
minoristas que comercializan y venden los alimentos;
consumidores que compran, adquieren y consumen alimentos; y
organizaciones tanto gubernamentales como no gubernamentales
que establecen las normas que controlan la cadena de suministro
agroalimentaria. Estos actores deben reaccionar de manera
eficiente ante la creciente población mundial actual y las
demandas dinámicas del mercado, las regulaciones complejas y la
gran variedad de productos, manteniendo altos estándares en el
cultivo y la producción de alimentos. Estas son las principales
fuentes de incertidumbre que conducen a los desafíos gerenciales
del desempeño efectivo y eficiente de las operaciones en el sector
agroalimentario. Por eso,

CONTACTOJorge E. Hernández jehernandez@liverpool.ac.uk Escuela de Administración, Universidad de Liverpool, Liverpool, Reino Unido

- 2020 Informa UK Limited, cotizando como Taylor & Francis Group

1164 JE HERNÁNDEZ ET AL.

costo y el desperdicio, así como un equilibrio entre la oferta y la demanda de Notas sobre los contribuyentes
alimentos. De hecho, la colaboración entre las partes interesadas a lo largo
de la cadena de suministro agroalimentaria es más importante que nunca
Dr. Jorge E. Hernández, es director de estudios del programa
(Hern-andez et al.2014), y la correcta aplicación de los conceptos de gestión
Business Analytics and Big Data Msc, profesor titular (profesor
de operaciones para mejorar la colaboración en la cadena de suministro asociado) en Operations & Supply Chain Management e
agroalimentaria respaldará los procesos de toma de decisiones eficientes investigador principal del proyecto H2020 RUC-APS, que está

para el cultivo y la producción de alimentos y ayudará a cumplir las mejorando las cadenas de valor agroalimentarias en condiciones
de incertidumbre en el Reino Unido y Francia. , España, Italia,
especificaciones de la demanda de los clientes finales, minimizando los
Polonia, China, Chile y Argentina. Con más de 20 años de
riesgos y las incertidumbres. experiencia profesional en el desarrollo y aplicación de modelos,
Para los productos agrícolas, los proyectos exitosos de desarrollo de la simulación y optimización

cadena de suministro reducen no solo los costos de transacción sino Los métodos de gestión de la gestión en industrias en el campo de la
agroalimentación, la salud y la fabricación, el Dr. Hernández se enfoca en recopilar
también las barreras institucionales que desacoplan los eslabones
desafíos, requisitos y limitaciones actuales y actualizados para producir
individuales en los canales de distribución tradicionales (Van Roekel et al. investigación con enfoque IMPACTO. Como investigadora, la Dra. Hernández ha
2002). Pero se vuelve difícil lidiar con un sistema de este tipo cuando las sido galardonada, en 2016, con el premio ULMS al investigador del año. En 2014,
estructuras no están claramente definidas. Por lo tanto, se requiere la Universitat Polit-ecnica de Val-encia le confirió el premio internacional
extraordinario al mejor Ph.D. Disertación de tesis. En 2009, recibió un
investigación avanzada sobre la cadena de suministro agroalimentaria,
reconocimiento de premio especial en 2009 por su trabajo pionero en la gestión
especialmente para proporcionar una comprensión integrada de la toma de colaborativa de la cadena de suministro en logística inversa.
decisiones eficiente de la cadena de suministro agroalimentaria bajo
incertidumbre en términos de clima, sostenibilidad y mercado.
del profesor Martin Mortimerel trabajo es sobre el desarrollo y la
Después de un minucioso proceso de revisión y revisión, presentamos siete documentos seleccionados por su relevancia y
aplicación de la agroecología en los agroecosistemas tropicales y
calidad que abarcan una amplia gama de temas clave. Los primeros tres artículos analizan los problemas de colaboración. En primer
templados y el modelado matemático de las interacciones de las
lugar, Zaridis et al estudian el efecto de la colaboración en el rendimiento a través de una gran encuesta sobre la estrategia de precio especies en los sistemas microbianos y de plantas. Esta
y la estrategia de calidad. A continuación, Fikar y Leithner analizan los efectos de la colaboración entre productores locales y ofrecen investigación respalda el diseño de sistemas integrados de
manejo de malezas que optimizan la dependencia de las
un sistema de apoyo a la toma de decisiones para operaciones logísticas entre socios. Ghadge et al. analice las barreras para la
intervenciones químicas y maximizan los procesos regulatorios
sostenibilidad en un sector específico de la industria alimentaria, centrándose en los productores de queso artesanal en el Reino
intrínsecos dentro de los ecosistemas. El profesor Mortimer
Unido. La sostenibilidad también es el tema del artículo de Ramanathan et al. que analiza el impacto de la colaboración en la falleció en 2019 tras una breve enfermedad.
sostenibilidad verde para las cadenas de suministro de alimentos, particularmente la selección de socios y la formación de equipos.

Las colaboraciones se ven afectadas por las turbulencias en el sector empresarial. Despoudi et al. observe los factores de turbulencia
Dr. Herv-e Panettoes profesor de sistemas de información
y sus impactos en los productores de alimentos. También analiza los problemas que pueden afectar a las empresas agroalimentarias
empresarial en la Universidad de Lorraine, TELECOM Nancy.
en el artículo de Pereira et al que explora las estrategias de mitigación de riesgos en las cadenas de suministro de alimentos, Enseña modelado y desarrollo de Sistemas de Información, y
centrándose en los productores de mango en Brasil y concluyendo que la principal estrategia de mitigación de riesgos es la realiza investigaciones en el CRAN (Centro de Investigación para
el Control Automático), Unidad de Investigación Conjunta con el
colaboración. Otro tema de riesgo importante para las empresas agroalimentarias es la cuestión de la seguridad alimentaria. Esto es
CNRS, donde está gestionando un proyecto de investigación
estudiado por Lu et al, quienes identifican y priorizan los factores clave en la gestión de la seguridad alimentaria, con base en un
sobre el uso de ontología y tecnologías de IA para formalizar
estudio de caso de Chile. También analiza los problemas que pueden afectar a las empresas agroalimentarias en el artículo de Pereira modelos relacionados con la interoperabilidad de la producción.
et al que explora las estrategias de mitigación de riesgos en las cadenas de suministro de alimentos, centrándose en los productores y principalmente su información empresarial.
sistemas de mación. Es miembro de la Academia Europaea. Su campo de
de mango en Brasil y concluyendo que la principal estrategia de mitigación de riesgos es la colaboración. Otro tema de riesgo
investigación se basa en el modelado de sistemas de información para
importante para las empresas agroalimentarias es la cuestión de la seguridad alimentaria. Esto es estudiado por Lu et al, quienes
aplicaciones empresariales e interoperabilidad de procesos, con aplicaciones en
identifican y priorizan los factores clave en la gestión de la seguridad alimentaria, con base en un estudio de caso de Chile. También modelado empresarial, modelado de procesos de fabricación, modelado de datos
analiza los problemas que pueden afectar a las empresas agroalimentarias en el artículo de Pereira et al que explora las estrategias de muebles. Recibió el Premio IFAC Francia 2013, el Premio INCOSE 2015 al
Servicio Destacado y el Premio IFAC 2017 al Servicio Destacado.
de mitigación de riesgos en las cadenas de suministro de alimentos, centrándose en los productores de mango en Brasil y

concluyendo que la principal estrategia de mitigación de riesgos es la colaboración. Otro tema de riesgo importante para las
ORCIDO
empresas agroalimentarias es la cuestión de la seguridad alimentaria. Esto es estudiado por Lu et al, quienes identifican y priorizan

los factores clave en la gestión de la seguridad alimentaria, con base en un estudio de caso de Chile. Hervé Panetto http://orcid.org/0000-0002-5537-2261

Referencias
Esperamos que estos documentos, que cubren una amplia gama de
métodos de investigación, situaciones, tipos de empresas y Hernández, JE, AC Lyons, R. Poler, J. Mula, and R. Goncalves. 2014. “Un
Arquitectura de referencia para el proceso de modelado de planificación colaborativa
ubicaciones, ayuden a los investigadores a avanzar en la gestión de
en redes de cadena de suministro de varios niveles: un enfoque basado en Zachman".
colaboraciones en la industria agroalimentaria. Planificación y control de la producción25 (13–14): 1118–1134. hacer:
10.1080/09537287.2013.808842.
Hernández, JE, J. Kacprzyk, H. Panetto, A. Fernández, S. Liu, A. Ortiz,
Reconocimiento y M. De-Angelis. 2017. “Desafíos y soluciones para mejorar la toma de
decisiones en la cadena de valor agrícola. Una breve reseña”. EnConferencia de
Los autores de este Número especial agradecen la contribución del Proyecto Trabajo sobre Empresas Virtuales,pags. 761–774. Cham: Springer.
691249, RUC-APS “Mejora e implementación de soluciones TIC basadas en el Van Roekel, J., R. Kopicki y CJE Broekmans. 2002. “Construyendo Agri
conocimiento en condiciones de alto riesgo e incertidumbre para sistemas Cadenas de suministro: problemas y directrices”. Consultado el 18 de agosto de 2018.
de producción agrícola” (www.ruc-aps.eu), financiado por la Unión Europea http://siteresources.worldbank.org/INTARD/864438-1112682945622/ 20716483/
bajo su esquema de financiación H2020-MSCA-RISE-2015. AgriSupplyChains.pdf.
Traducido del inglés al español - www.onlinedoctranslator.com

GESTIÓN DE OPERACIONES Y CADENA DE SUMINISTRO vol.

14, No. 3, 2021, págs. 360 – 367 ISSN 1979-3561 | EISN
2759-9363

Mejora de las capacidades de la cadena de suministro en una ETO

Contexto a través de "Lean and Learn"

Jenny Backstrand
División de Cadena de Suministro y Gestión de Operaciones, Escuela de Ingeniería,
Universidad de Jönköping, Suecia.
Correo electrónico: jenny.backstrand@ju.se (Autor correspondiente)

Daryl John Powell

SINTEF Manufacturing AS, Raufoss, Noruega; y Universidad
Noruega de Ciencia y Tecnología, Trondheim, Noruega
Correo electrónico: Daryl.Powell@sintef.no

ejemplo, aquellos que producen productos de alto volumen y mezcla baja

RESUMEN (Melloet al., 2017).
ETO a menudo se ve como un sistema de producción basado
En la literatura de gestión de operaciones, el aprendizaje organizacional ha comenzado a emerger recientemente como un

eslabón perdido importante para las transformaciones Lean exitosas. Como tal, basándonos en los conocimientos de dos empresas de
en proyectos o un evento de una sola vez, es decir, un esfuerzo
casos en la industria de ingeniería bajo pedido (ETO), enmarcamos la mejora exitosa de las capacidades de la cadena de suministro a
temporal realizado para crear un producto único. Sin embargo, la
través de una lente que llamamos "Lean and Learn". La mejora continua sin aprendizaje no es un pensamiento esbelto. Por lo tanto, el gestión de la calidad se basa principalmente en procesos con
pensamiento y la práctica Lean es, en esencia, un proceso de aprendizaje; donde se identifican los problemas y se crean, analizan, actividades repetitivas. Por lo tanto, existen estudios limitados de
seleccionan e implementan las soluciones; resultando no solo en un rendimiento mejorado sino también en una capacidad mejorada. mejora continua desde la perspectiva de una organización basada
Dado que la industria ETO exhibe una producción basada en proyectos, parece haber barreras naturales y resistencia a la mejora y el
en proyectos como la cadena de suministro ETO (Backlund y
Sundqvist, 2018). La naturaleza fragmentada y temporal de las
aprendizaje continuos. Al basarse en la noción de que una organización con una capacidad mejorada es una organización que ha

aprendido, este estudio examina el vínculo entre las capacidades de la cadena de suministro y el aprendizaje organizacional en un
cadenas de suministro de ETO también contribuye a la falta de
contexto ETO al combinar el razonamiento conceptual analítico con metadatos recopilados de la investigación de acción en dos empresas
transferencia de conocimiento de un proyecto a otro (Jensen, 2017),
de casos. El estudio contribuye a la práctica al señalar cómo se pueden mejorar las capacidades de la cadena de suministro en un contexto

de ETO, y al mundo académico al identificar y ofrecer nuevos conocimientos para comenzar a llenar el vacío de investigación entre tres
lo que dificulta las innovaciones de procesos y los procesos de
áreas de investigación específicas: cadenas de suministro de ETO, aprendizaje organizacional y lean. administración. Este estudio examina
aprendizaje organizacional.
el vínculo entre las capacidades de la cadena de suministro y el aprendizaje organizacional en un contexto ETO mediante la combinación Debido a la naturaleza basada en proyectos de las cadenas de
de razonamiento conceptual analítico con metadatos recopilados de la investigación de acción en dos empresas de casos. El estudio suministro de ETO, varios autores informan dificultades con respecto a la
contribuye a la práctica al señalar cómo se pueden mejorar las capacidades de la cadena de suministro en un contexto de ETO, y al mundo adopción de la gestión ajustada en este tipo de organizaciones (p. ej.,
académico al identificar y ofrecer nuevos conocimientos para comenzar a llenar el vacío de investigación entre tres áreas de investigación
Irani, 2020; Powell y van der Stoel, 2017). Cuando se reducen a un
específicas: cadenas de suministro de ETO, aprendizaje organizacional y lean. administración. Este estudio examina el vínculo entre las
método de mejora de procesos y un conjunto de herramientas y técnicas
capacidades de la cadena de suministro y el aprendizaje organizacional en un contexto ETO mediante la combinación de razonamiento
para la excelencia operativa, las implementaciones lean a menudo fallan
conceptual analítico con metadatos recopilados de la investigación de acción en dos empresas de casos. El estudio contribuye a la práctica
rápidamente y son reemplazadas por la próxima moda del mes, la
al señalar cómo se pueden mejorar las capacidades de la cadena de suministro en un contexto de ETO, y al mundo académico al identificar

y ofrecer nuevos conocimientos para comenzar a llenar el vacío de investigación entre tres áreas de investigación específicas: cadenas de
gestión de operaciones. Aquellos que tienen éxito con Lean se dan cuenta
suministro de ETO, aprendizaje organizacional y lean. administración.
de que detrás de todas las mejores prácticas y los diferentes sistemas de
gestión que respaldan su uso se encuentra un desafío mucho más
profundo: una transformación cognitiva que desarrolla el potencial
humano de todos para crear una cultura de mejora continua acelerada
Palabras clave: aprendizaje organizacional, gestión ajustada, ingeniería bajo para hacer frente a los cambios. circunstancias de hoy y de mañana. El
pedido, gestión de la cadena de suministro, mejora continua.
aprendizaje está en el corazón de Lean (Balléet al., 2019b). De hecho, el
aprendizaje organizacional recientemente comenzó a emerger como el
1. INTRODUCCIÓN eslabón perdido para una transformación Lean exitosa (Engström y
La cadena de suministro de ingeniero a pedido (ETO) generalmente Käkelä, 2019; Powell y Coughlan, 2020b), independientemente del
se considera como una cadena de suministro donde el punto de posicionamiento del punto de penetración de pedidos del cliente.
penetración del pedido del cliente ocurre durante la fase de diseño de un
producto. Se asocia principalmente con entornos de proyectos grandes y El objetivo de este estudio es contribuir a la práctica señalando cómo,
complejos en sectores como la construcción y los bienes de capital contrariamente a la creencia popular, las capacidades de la cadena de
(Gosling y Naim, 2009) o la industria de la construcción naval (Mello y suministro de ETO pueden mejorarse mediante la aplicación sistemática del
Strandhagen, 2011). Sin embargo, también es relevante para las pensamiento y la práctica Lean. También pretendemos contribuir a la academia
empresas de fabricación bajo pedido (MTO) que ofrecen identificando y ofreciendo nuevos conocimientos para comenzar a llenar el
personalizaciones (Bäckstrand y Engström, 2017). El desarrollo de la vacío de investigación entre tres áreas de investigación: aprendizaje
teoría y la práctica de la gestión de la cadena de suministro en las organizacional, gestión ajustada y cadenas de suministro ETO. Como tal, el
cadenas de suministro de ETO aún es relativamente inmaduro en propósito de este documento es proporcionar indicaciones sobre cómo las
comparación con otros tipos de cadenas de suministro, por ejemplo. capacidades de la cadena de suministro en
Bäckstrand & Powell: Mejora de las capacidades de la cadena de suministro en un contexto ETO a través de las operaciones
"Lean and Learn" y la gestión de la cadena de suministro 14(2) pp. 360 – 367 © 2021
un contexto ETO puede mejorarse mediante la aplicación de un
fenómeno que acuñamos "Apóyate y aprende". Adoptamos la siguiente
pregunta de investigación para guiar nuestra investigación: RQ:¿Cómo se
puede utilizar el pensamiento y la práctica Lean para mejorar las
capacidades de la cadena de suministro en la fabricación de ingeniería
bajo pedido (ETO)?
Basándonos en los conocimientos de dos
empresas de casos en la industria de ETO (ver, por
ejemplo, Jonsson Egeman, 2019), enmarcamos la
mejora exitosa de las capacidades de la cadena de
suministro a través de la lente "Lean and Learn". La
mejora continua sin aprendizaje no es pensamiento
lean (Netland y Powell, 2017). Por tanto, la mejora
continua debe ser en esencia un proceso de
aprendizaje; donde se identifican los problemas y se
crean, analizan, seleccionan e implementan las
soluciones; resultando no solo en un mejor
desempeño sino también en una mejor capacidad de
la empresa. En consecuencia, en este documento,
proporcionamos un marco de investigación que se
puede utilizar para examinar los vínculos importantes
entre las capacidades Lean, el aprendizaje y la cadena
de suministro. Al construir sobre la noción de que una
organización con una capacidad mejorada es una
organización que ha aprendido,
2. ANTECEDENTES TEÓRICOS
Al teorizar en estudios organizacionales, Hansen y Madsen
(2019) presentan la revisión de literatura como un proceso de
búsqueda defamilia académica. Para encontrar a nuestra familia, en
esta sección presentamos tres áreas de investigación que
proporcionan el marco teórico para nuestra investigación: cadenas
de suministro ETO, gestión ajustada y aprendizaje organizacional.
2.1 Cadenas de suministro de ETO
La cadena de suministro ETO se ha convertido en una
importante estructura de la cadena de suministro y está destinada a
ser cada vez más importante a medida que se demandan más
productos personalizados en una variedad de industrias (Käkelä y
Bäckstrand, 2019). En general, las cadenas de suministro de ETO
producen volúmenes bajos de una gran variedad de productos y
permiten a los clientes demandar productos desarrollados para
satisfacer exactamente sus necesidades (Wortmann et al., 1997). Las
cadenas de suministro de ETO involucran a varias empresas que
realizan diversas actividades durante un proyecto, como diseño,
ingeniería, adquisición, fabricación, montaje y puesta en marcha, y
están asociadas principalmente con entornos de proyectos
complejos en sectores como el de maquinaria pesada (Elfvinget al.,
2002), construcción y bienes de equipo (Gosling y Naim, 2009) y
construcción naval (Mello y Strandhagen, 2011). Sin embargo,
recientemente también se ha identificado que empresas de otros
sectores y con una estrategia de fabricación general de fabricación
bajo pedido (MTO) pueden ofrecer personalizaciones como
productos ETO (Bäckstrand y Engström, 2017).
Los marcos de la cadena de suministro de ETO están de acuerdo en que
el flujo de producción está completamente impulsado por el cliente real.
Inclinarse CODP
Contexto basado en pronósticos
Figura 2Estrategias ágiles en relación con el punto de desacoplamiento del pedido del cliente (basado en Mason-Jones et al. (2000))
361
órdenes con el punto de desacoplamiento (Hoekstra y Romme, 1992)
ubicado en la etapa de diseño (verFigura 1). Sin embargo, varios
marcos discrepan sobre las definiciones de la dimensión de diseño.
Algunos argumentan que las empresas ETO modifican los pedidos
existentes, mientras que otros argumentan que se desarrollan
diseños completamente nuevos bajo pedido. Además, otros
argumentan que las cadenas de suministro de ETO solo operan en
un entorno de proyecto con demandas específicas del proyecto para
productos únicos (Gosling y Naim, 2009). Para aclarar y diferenciar
entre estas dimensiones, Wikner y Rudberg (2005) proponen un
marco con una dimensión de ingeniería y una dimensión de
producción. Independientemente de la definición de las cadenas de
suministro de ETO, la capacidad de coordinar eficazmente las
actividades comerciales cruzadas es esencial para evitar retrasos,
sobrecostos y problemas de calidad (Melloet al., 2015).
CODP
MTS Impulsado por pronósticos Bacalao
CODP
Perspectiva de suministro
ATO
Perspectiva del cliente
Impulsado por pronósticos Bacalao
MTO CODP
Impulsado por pronósticos Impulsado por pedidos de clientes
CODP
OET DF Impulsado por pedidos de clientes
Figura 1Distintas posiciones del CODP, dependiendo del
estrategia de oferta y demanda
Independientemente de la estrategia de CODP que adopte una
empresa, la capacidad de coordinar eficazmente las actividades
comerciales cruzadas brinda a las empresas una ventaja competitiva.
Esta ventaja se puede poner en práctica en las capacidades de la
cadena de suministro. Históricamente, estas capacidades se han
definido como calidad, costo y desempeño de la entrega (Fine y Hax,
1985; Skinner, 1969; Wheelwright, 1978). Inicialmente, se asumió
que estas capacidades eran compensaciones, pero luego se
identificaron como de apoyo mutuo (Ferdows y De Meyer, 1990;
Nakane, 1986) o un híbrido (Hallgrenet al., 2011).
2.2 Gestión ajustada
Para mejorar las capacidades de la cadena de suministro de una
empresa, algunos autores dentro del campo de la gestión de operaciones
presentan y promuevenagilidadcomo un concepto estratégico que
representa una combinación de lean y ágil (Nayloret al., 1999).
Enmarcado así, en este sentido,inclinarsese supone que es una estrategia
puramente basada en costos que es apropiada en un contexto impulsado
por pronósticos aguas arriba del punto de desacoplamiento de pedidos
del cliente (CODP), mientras queágiles la estrategia basada en la
flexibilidad correspondiente en un contexto impulsado por el pedido del
cliente aguas abajo del CODP (verFigura 2).
Ágil
Contexto impulsado por el pedido del cliente
 Bäckstrand & Powell: Mejora de las capacidades de la cadena de suministro en un contexto ETO a través de "Lean and Learn"
362
En consecuencia, cuando se combina conFigura 2,Figura 1puede llevar
al lector a imaginar que una estrategia lean no es apropiada en las cadenas de
suministro de ETO (a pesar de que no todo se basa en los pedidos de los
clientes en una cadena de suministro de ETO, ya que incluso los productos
personalizados a menudo contienen algunos elementos genéricos o procesos
estandarizados (Bäckstrand, 2012)). Aunque esto bien puede ser cierto en el
caso de un enfoque estándar para la implementación de mejores prácticas
lean, argumentamos que cuando los gerentes ven más allá de las herramientas
y se identifican con lean como una transformación cognitiva basada en el
descubrimiento y el aprendizaje (Powell y Coughlan, 2020a), incluso ETO las
cadenas de suministro pueden sobresalir al aplicar el pensamiento y la práctica
lean.
Desde que fue popularizado en la década de 1990 por Womack
et al. (1990), la producción ajustada (o gestión ajustada) se ha
convertido en el 21S tEl enfoque alternativo de Century para la
gestión empresarial. La gestión ajustada promueve la mejora
continua, el compromiso de los empleados, la resolución de
problemas y el desarrollo de proveedores. Por ejemplo, Netland y
Powell (2017) sugieren que Lean, reducido al núcleo, se trata de
crear una cultura para mejorar continuamente una empresa u
organización. Sugieren que cualquier transformación Lean,
independientemente del sector o el área de aplicación, depende de
lo que llaman las tres L esenciales de Lean: liderazgo, aprendizaje y
la adopción de una perspectiva a largo plazo. Como Liker (2004)
destaca que Lean implica“convertirse en una organización de
aprendizaje a través de la reflexión constante y la mejora continua”y
Balleet al.(2019a) postulan el aprendizaje como 'el corazón mismo
del pensamiento lean', sugerimos que el campo del aprendizaje
organizacional puede presentar más conocimientos necesarios para
mejorar con éxito las cadenas de suministro de ETO (Chakraborty y
Gonzalez, 2018).
2.3 Aprendizaje organizacional
Nieveset al.(1995 p.73) definen el aprendizaje organizacional como"
la capacidad o los procesos dentro de una organización para mantener o
mejorar el desempeño con base en la experiencia”. Señalan tres factores
relacionados con el aprendizaje que son importantes para el éxito de la
organización:
1. Competencias básicas bien desarrolladas que sirven como
puntos de lanzamiento de nuevos productos y servicios,
2. Una actitud que apoya la mejora continua
en el valor añadido del negocio,
3. La capacidad de renovar y revitalizar fundamentalmente.
Además, Crossanet al.(1999) presentan cuatro premisas clave
que sustentan el aprendizaje organizacional:
1. El aprendizaje organizacional implica una tensión entre
la asimilación de nuevos aprendizajes (exploración) y el
uso de lo aprendido (explotación).
2. El aprendizaje organizacional es multinivel: individual,
grupal y organizacional.
3. The three levels of organizational learning are
linked by social and psychological processes:
intuiting, interpreting, integrating, and
institutionalizing (4I's).
4. Cognition affects action (and vice versa).
Gestión de operaciones y cadena de suministro 14(3) págs. 360 – 367 © 2021
El aprendizaje organizacional implica la explotación de lo 'ya
conocido' para ejecutar tareas de la manera más eficiente, al mismo
tiempo que la organización explora 'lo desconocido' (como nuevas
áreas de conocimiento) y crea nuevos conocimientos para mejorar y
renovar la organización o el desempeño de la tarea. . Este equilibrio
entre explotación y exploración se basa en el trabajo de March
(1991), que presenta una comprensión del aprendizaje
organizacional y se investiga en el creciente área de investigación de
la ambidestreza (O'Reilly y Tushman, 2004). Este equilibrio entre
exploración y explotación también puede verse como fundamental
para la mejora continua, cuya continuidad requiere que las
organizaciones logren el equilibrio entre exploración y explotación.
Gustavsson (2007) sugiere que las contradicciones son el
fundamento mismo del aprendizaje en un sistema de actividad y
dependiendo de cómo se manejen, facilitando o dificultando, se
pueden generar varios tipos de aprendizaje en las
organizaciones. La creación de conocimiento se construye a
partir de contradicciones y de la interacción entre el
conocimiento implícito y explícito en una organización (Ellström,
2010; Nonaka, 1994) El aprendizaje orientado al desarrollo tiene
lugar cuando los procesos implícitos se hacen visibles y
transparentes y dan como resultado acuerdos comunes
reflexivos . El aprendizaje de desarrollo se centra en el
conocimiento innovador y explorador. El cuestionamiento de las
rutinas, la prueba y el cambio de ideas, conocimientos y
actividades dadas son esenciales (Ellström, 2010).
Para respaldar los procesos de creación de conocimiento y,
por lo tanto, estimular el aprendizaje del desarrollo en la
organización, se debe compartir conocimiento importante dentro y
entre funciones, pero también entre individuos (Khan y Wisner,
2019; Sánchezet al., 2013). Bechky (2003) muestra que la interacción
(interacción) entre miembros de diferentes comunidades (funciones)
puede ser dolorosa, pero también conduce a una comprensión
enriquecida, especialmente cuando se ofrece un objeto tangible
como mediador en la interacción (Bäckstrand y Engström, 2016). En
resumen, el conocimiento aprendido por individuos o equipos debe
ser capturado, almacenado y puesto a disposición de otros en una
organización para que cualquier proceso de aprendizaje sea
efectivo.
2.4 Theoretical Framework
We suggest that in adopting a focus on both lean and
organizational learning, i.e., seeing beyond the isolated
implementation of lean best practices in operational
excellence tradition, manufacturers can enhance supply
chain capabilities, such as the improvement of quality, cost,
and delivery performance (see Figure 3). We also suggest
that there is a synergy to be realized by formally adopting
both lean thinking and organizational learning (indicated
with the arrows to and from each construct), as lean tools
serve as learning frames for fostering double loop learning,
y la naturaleza reflexiva del aprendizaje organizacional
fortalece las capacidades de mejora continua.
Bäckstrand & Powell: Mejora de las capacidades de la cadena de suministro en un contexto ETO a través de las operaciones
"Lean and Learn" y la gestión de la cadena de suministro 14(2) pp. 360 – 367 © 2021 363

Calidad
rendimiento

pensamiento esbelto

Cadena de suministro Costo

capacidades rendimiento

Organizativo
aprendiendo

Entrega
rendimiento

figura 3Marco teórico – «Lean and Learn»

Esto es particularmente relevante para los fabricantes de

ETO que, de lo contrario, parecen exhibir barreras naturales y Los casos fueron seleccionados en base a los siguientes
resistencia a las iniciativas de mejora continua y esbelta. criterios: 1) La empresa debe ser fabricante de ETO.
2) La empresa debe exhibir evidencia de aplicar el pensamiento y
la práctica Lean tanto internamente como en colaboración con
3. DISEÑO DE LA INVESTIGACIÓN
socios externos de la cadena de suministro. Las descripciones
Nuestro diseño de investigación está guiado por nuestra
de los casos se proporcionan en la siguiente sección. Estos se han
pregunta de investigación: ¿Cómo se puede utilizar el pensamiento y
construido sobre la base de datos secundarios, que se originaron en la
la práctica Lean para mejorar las capacidades de la cadena de
investigación previa de ambos autores, así como de un tercer
suministro en la fabricación de ingeniería bajo pedido (ETO)?Como
investigador independiente que participó anteriormente en esta
tal, esta investigación ha sido diseñada y llevada a cabo en dos fases
investigación. Los datos originales se recopilaron principalmente a partir
principales: la primera adopta un enfoque conceptual analítico para
de entrevistas y observación directa en cada una de las empresas del
el desarrollo de la teoría (Wacker, 1998) que resultó en el desarrollo
caso.
de un marco teórico, y la segunda se basa en datos empíricos para
comprobar la validez del marco teórico. Esta investigación tiene por
Empresa 1: NorCo
tanto un enfoque deductivo, donde el análisis de los datos empíricos
NorCo produce equipos submarinos para la industria del
se ha basado en el marco teórico. Primero, presentamos una síntesis
petróleo y el gas y equipos de sonda para aplicaciones navales y
interpretativa de la literatura existente para encontrar nuestra
pesqueras, así como robótica marítima como buques de superficie
familia académicay diseñar un marco teórico, verfigura 3.
no tripulados (USV) y vehículos submarinos autónomos (AUV).
Aunque varios de los productos de la compañía están listos para
Con la intención no solo de describir con precisión el
usar, la mayoría de los productos son específicos del cliente y, por lo
fenómeno como tal, sino también de explicar cómo funciona, la
tanto, la producción se basa en gran medida en proyectos. NorCo
segunda fase de la investigación incluyó ilustraciones empíricas de
comenzó a implementar lean en 2014, al mismo tiempo que
una selección de empresas ETO. Dada la naturaleza práctica del
establecía un programa de desarrollo de proveedores lean junto con
problema y la pregunta de investigación del tipo cómo, se seleccionó
una selección de sus proveedores estratégicos y preferidos. En 2017,
la investigación de estudios de casos múltiples como método de
la empresa recibió un prestigioso premio Lean, que reconoce a la
investigación, ya que promete proporcionar una comprensión más
empresa por haber implementado Lean con éxito en un entorno de
profunda del fenómeno en cuestión (Yin, 2018). Se tomó un método
producción complejo [y cadena de suministro].
de muestreo de conveniencia y los dos casos se seleccionaron en
La implementación Lean comenzó diseñando y lanzando un
base a un metanálisis de nuestros propios proyectos de
programa Lean en toda la empresa basado en principios en lugar del
investigación basados en la acción anteriores. De acuerdo con
enfoque tradicional más popular que implica la adopción ociosa de
Lacoste y Johnsen (2015), hemos utilizado el "conocimiento tácito"
herramientas y técnicas. Sin embargo, se adoptaron las mejores
obtenido a través de la inmersión en el campo para guiar tanto
prácticas durante el viaje Lean, a menudo como contramedidas en
nuestro estudio conceptual como la selección de casos.
respuesta a las intervenciones de aprendizaje que ocurrieron
Posteriormente, nos basamos en los conocimientos
durante las actividades de resolución de problemas y mejora
retrospectivos de dos estudios de caso, los cuales representan el
continua. Un ejemplo de ello es la adopción del mapeo de flujo de
sector marítimo escandinavo. Tales conocimientos sobre los
valor. Donde muchas empresas comienzan el proceso de
aspectos prácticos del problema se basan en una inmersión
implementación lean con el mapeo del flujo de valor, NorCo solo
longitudinal en el campo (Wells y Nieuwenhuis, 2017). Una
adoptó el mapeo del flujo de valor en respuesta a la necesidad de
descripción general de los estudios de caso se puede ver entabla 1:
aprender a ver el flujo de materiales e información a lo largo de su
extensa cadena de suministro, involucrando a varios de los
tabla 1. Descripción general de los estudios de casos
proveedores estratégicos y preferidos en el proceso. proceso de
Rotación Número de
Caso Ubicación Sector mapeo para promover la exploración y posterior explotación. Lo que
(2017) empleados
surgió fue una experiencia de aprendizaje que resultó en una mejora
1 norco Noruega Marítimo 4.0MNOK 400 continua cuantificable para todas las partes (QCD). Por ejemplo,
2 eco
Sudoeste Suecia Marítimo 1,2 millones de coronas suecas 220 descubrir una oportunidad para
 Bäckstrand & Powell: Mejora de las capacidades de la cadena de suministro en un contexto ETO a través de "Lean and Learn"
364
mejorar el diseño del producto condujo a una mejora posterior del
proceso de producción en un proveedor y resultó en un aumento del 10%
en el rendimiento de calidad y una mejora del 25% en la entrega a tiempo
de dicho proveedor. Otro actor en la cadena de suministro descubrió el
potencial de crecimiento al ofrecer una línea de productos
completamente nueva utilizando la nueva capacidad creada al eliminar el
desperdicio durante la transformación Lean, lo que aumentó la
productividad de las personas en el sitio en un 400 %.
Otro ejemplo fue el enfoque de la empresa hacia las 5S. En
lugar de adoptar ciegamente 5S como una mejor práctica Lean,
NorCo decidió primero trabajar para definir la forma en que la
empresa podría beneficiarse mejor de Visual Management,
involucrando al personal de primera línea en la creación de un
manual de gestión visual (VM), diseñado por la gente para el gente.
Esto alentó a los involucrados a explorar el espacio de soluciones
antes de explotar cualquier práctica recomendada. La
implementación del manual de VM se complementó con auditorías
regulares de 5S (autoevaluaciones posteriores) que también dieron
como resultado la mejora continua del manual, así como del
estándar de VM en el sitio. El aprendizaje que surgió como resultado
fue fundamental para el éxito del programa Lean, tanto en NorCo
como entre los socios externos de la cadena de suministro.
Una última intervención de aprendizaje en NorCo fue la de
las visitas a sitios ejemplares lean, donde representantes de la
red de proveedores se unieron al personal de NorCo para visitar
otras organizaciones lean ejemplares europeas, en Suecia,
Alemania y los Países Bajos. Esto brindó a los participantes la
oportunidad de explorar fuera y explotar en casa, lo que
también impulsó los elementos de exploración y explotación de
la mejora continua. Alentando la mejora en casa, un proveedor
de la red de NorCo pudo reducir el costo de la mala calidad en
un 30 % mediante la implementación de la gestión A3, un
proceso de aprendizaje basado en el ciclo PDCA. Otro pudo
reducir el tiempo de procesamiento en un 50 % mediante la
implementación de una solución Kanban simplificada que se
observó durante una de las visitas al sitio de mejores prácticas.
La clave para aprovechar y redistribuir el aprendizaje que
surgió de la transformación en NorCo fueron las caminatas
regulares de Gemba a través de los sitios con los gerentes, así como
Yokoten, o “despliegue horizontal”, que se refiere a la práctica de
copiar buenos resultados de mejora en un área a otras áreas de una
empresa o cadena de suministro (Miller, 2011). Yokoten también se
aplica de manera más amplia a compartir ideas de diseño de
productos, así como mejores prácticas de producción en general.
NorCo también desarrolló una plataforma web en línea (utilizando
Microsoft SharePoint y Microsoft Teams) para identificar, registrar y
compartir los resultados de las actividades de mejora continua, así
como compartir una evaluación lean anual de fin de año y un
informe de estado en toda la red.
Compañía 2: SweCo1
SweCo fabrica productos de propulsión para buques
mercantes y en alta mar y plataformas de petróleo y gas, como
hélices, chorros de agua, propulsores y sistemas de maniobra. La
planta estudiada aquí tiene 220 empleados, de los cuales 210 son
trabajadores de cuello blanco y 10 son trabajadores de cuello azul.
Casi todos los productos producidos por la empresa son productos
ETO. El proceso de producción, excluyendo el ensamblaje, se subcontrata
a una variedad de proveedores diferentes y, posteriormente, el enfoque
se centra en la investigación y el desarrollo, el cliente
1SweCo era hasta el 1 de abril de 2019 una empresa independiente, pero luego fue adquirida por el mismo grupo empresarial al que pertenece
NorCo. El programa lean presentado en el caso de NorCo, arriba, no había sido implementado en SweCo en el momento de este estudio.
Gestión de operaciones y cadena de suministro 14(3) págs. 360 – 367 © 2021
ingeniería específica, compras y montaje interno de productos. Esto
convirtió a la empresa en una empresa de casos adecuada para este
estudio, ya que los productos se personalizan y se diseñan a pedido. La
cadena de suministro de SweCo no es temporal, pero la empresa tiene
una mentalidad de proyecto único. También tuvieron problemas para
aplicar el pensamiento esbelto a sus procesos administrativos y no
pudieron comprender o prever dónde se producía el desperdicio en los
procesos comerciales.
Luego de una breve introducción al pensamiento y la práctica
lean, la empresa llevó a cabo un mapeo de sus procesos de
ingeniería administrativa y aprendió a ver el alcance del desperdicio
en dicho sistema, incluida la sobreproducción (producir demasiada
documentación (Alieva y von Haartman, 2020)) , inventario
(almacenamiento de documentos en carpetas y bandejas de
entrada), espera (retrasos en la espera de información de otros
representantes funcionales) y transporte (mover dibujos y
documentos, aunque en el ciberespacio). La eliminación de parte de
este desperdicio administrativo permitió a SweCo reducir sus plazos
de entrega hasta en un 50 %. Comprender la importancia de la
calidad en la creación de información de diseño eficaz también tuvo
un impacto directo en el rendimiento de la calidad, y SweCo observó
una mejora del 30 % en los costos de desecho y reelaboración en un
período de solo 12 meses.
4. DISCUSIÓN / ANÁLISIS
Enmarcamos nuestra discusión en torno a la ilustración presentada en
Figura 4, que muestra que para aumentar el valor para el cliente (extremo
derecho), una empresa debe involucrar a sus gerentes, operadores e
ingenieros en la mejora de sus procesos de producción internos además deen
el diseño y fabricación de mejores productos, así como en involucrar a sus
proveedores en la mejora continua a través de una integración más estrecha
de proveedores (extremo izquierdo):
Figura 4La estrategia Lean (adaptado de Ballé et al.,
2019b)
Un mejor diseño de productos como parte fundamental del
proceso de transformación lean en la cadena de suministro de ETO
fue un descubrimiento emergente y un punto de aprendizaje en
ambas empresas de casos, y es consistente con Lawsonet al.(2015),
que sugiere que involucrar a los proveedores en el desarrollo de
nuevos productos (NPD) puede generar mejoras sustanciales en el
rendimiento operativo (Wieteska, 2020) y respalda la propuesta de
que la mejora estratégica colaborativa no solo debe centrarse en
mejorar las operaciones, sino que también debe llegar al producto.
proceso de desarrollo, lo que sugiere Sakai (2018) es la verdadera
fuente de creación de valor en la fabricación.
En resumen, Balléet al.(2017) sugieren que el objetivo de
una estrategia lean no es lograr la excelencia operativa
mediante la adopción de herramientas y técnicas leanper se,
sino aprender a resolver los problemas correctos y evitar
soluciones inútiles al:
Bäckstrand & Powell: Mejora de las capacidades de la cadena de suministro en un contexto ETO a través de las operaciones
"Lean and Learn" y la gestión de la cadena de suministro 14(2) pp. 360 – 367 © 2021 365

• Establecer el flujo para salir a la superficie y descubrir
problemas reales.
• Desafiándonos a enfrentar estos problemas reales
admitiendo los límites de nuestro conocimiento actual.
• Confiar en el pensamiento lean para enmarcar estos problemas y
lagunas de conocimiento como proyectos de aprendizaje, con los
que todos puedan relacionarse en su trabajo diario; y finalmente,
• Formar y asimilar nuevas soluciones/conocimientos
accionables que emergen de la nueva cultura de
resolución de problemas y mejora continua a todos los
niveles.
Lo que descubrimos al analizar el enfoque Lean and Learn
adoptado en ambos casos de estudio es que cuando el pensamiento
Lean se combina sistemáticamente con la organización
aprendizaje en el contexto de las cadenas de suministro de ETO, crea
las condiciones para el desarrollo de capacidades de la cadena de
suministro mucho mayores en términos de tiempo, costo y calidad.
Refiriéndonos a nuestro marco teórico inicial (figura 3), por ejemplo,
la adopción de la gestión A3 como mejor práctica Lean fomentó el
aprendizaje multifuncional (organizativo) y condujo a una mejora de
las capacidades de la cadena de suministro, que se materializó como
una mejora de la calidad en una escala del 30 % en el caso de NorCo.
Esto también fue cierto con respecto a la adopción de la solución
Kanban, una mejor práctica ajustada que proporcionó a la empresa
un marco de aprendizaje paradescubrirproblemas y oportunidades
de aprendizaje a medida que surgieron, y posteriormente condujo a
una mejora del 50% en elentregacapacidades de la firma. Por lo
tanto, sugerimos que las organizaciones dediquen más tiempo a
descubrir oportunidades de aprendizaje en lugar de centrarse
únicamente en el desempeño de la entrega.

Calidad
rendimiento

pensamiento esbelto

Conocimiento
- creación + Cadena de suministro Costo
- intercambio capacidades rendimiento
- reutilizar
Organizativo
aprendiendo

Entrega
rendimiento

Figura 5Marco teórico – «Lean and Learn» y el papel mediador del conocimiento accionable

Un hallazgo crítico que surgió durante la investigación es que et al.(2011), lo que sugiere que las mejoras en el desempeño de
esta relación (Lean + Learn = mejora de la capacidad de la cadena de los costos a menudo son el resultado de mejoras en otras
suministro) parecía depender en gran medida de las capacidades medidas operativas.
adicionales de la organización para aprovechar, compartir y volver a
aplicar el conocimiento creado a partir del "Lean and Learn".
5. CONCLUSIÓN
"proceso, introduciendo así un efecto mediador en la creación de
Este documento se propuso investigar el potencial de un
conocimientos, el intercambio de conocimientos y la reutilización de
enfoque Lean and Learn para mejorar la capacidad de las
conocimientos. Esto sugiere que si una organización es más capaz
cadenas de suministro de ETO. El objetivo era desarrollar,
de capturar y comunicar conocimientos prácticos nuevos y
presentar y probar un marco teórico que pueda utilizarse para
emergentes (dentro y entre las empresas de la cadena de
promover el desarrollo de culturas exitosas de mejora continua
suministro), la probabilidad de lograr capacidades mejoradas de la
en los fabricantes de ETO.
cadena de suministro se ampliará y exige una revisión de nuestro
Basándonos en conocimientos importantes tanto del pensamiento
marco teórico ( verFigura 5). También sugerimos que la
Lean como del aprendizaje organizacional, presentamos el marco "Lean
digitalización puede desempeñar un papel clave en la mediación del
and Learn" para mejorar el desempeño de la cadena de suministro de
efecto del enfoque Lean and Learn en las capacidades de la cadena
una organización, medido en términos de métricas de calidad, costo y
de suministro, ya que las tecnologías digitales que permiten una
entrega. Los resultados de nuestro análisis de múltiples estudios de casos
mayor integración vertical y horizontal pueden proporcionar medios
revelaron que el enfoque Lean and Learn, si bien está mediado por la
específicos paraYokotendentro y entre organizaciones. Vimos
capacidad de aprovechar, compartir y redesplegar nuevos conocimientos
indicios de este fenómeno específicamente en el caso de NorCo,
prácticos, tiene un efecto positivo en la calidad y el desempeño de la
donde se utilizaron plataformas web en línea para compartir los
entrega, lo que a su vez tiene un efecto positivo. sobre el rendimiento de
resultados de las implementaciones de mejores prácticas, así como
los costos. Por ejemplo, mejorar el desempeño de la calidad reduce los
nuevos conocimientos prácticos, tanto dentro como entre sitios.
costos de producción (es decir, el costo de la mala calidad), y mejorar la
Además, aunque no descubrimos una relación directa con el
entrega a tiempo reduce la ocurrencia de costosas multas por entregas
desempeño de los costos, con base en los estudios de casos, argumentamos
tardías en las cadenas de suministro basadas en proyectos.
que tanto el aumento del desempeño de la calidad como el aumento del
desempeño de la entrega influyen positivamente en el costo porpor
Sugerimos que una organización ETO puede ser una empresa
funcionamiento de la cadena de suministro de ETO (también reflejado en
individual, pero lo que es más importante, debería involucrar a toda la
tu5). Esto también está en línea con los hallazgos de Hallgren
Figura
cadena de suministro para incluir importantes relaciones entre empresas.
 Bäckstrand & Powell: Mejora de las capacidades de la cadena de suministro en un contexto ETO a través de "Lean and Learn"
366
aprendizaje y colaboración (Mukhtar y Azhar, 2020). Reflexionando,
llegamos a la conclusión de que cuando Lean se enmarca en el contexto
de un proceso de descubrimiento y aprendizaje en lugar de un conjunto
estricto de "mejores prácticas" para adoptar (o incluso adaptar), las
organizaciones parecen obtener capacidades mejoradas de la cadena de
suministro.
Con respecto a las implicaciones para la práctica, sugerimos que las
organizaciones deben cambiar la mentalidad de que "estamosdiferente
"Lean no funciona aquí" a una mentalidad más de descubrimiento y
aprendizaje, donde se aprovechan todas las oportunidades para
aprender y mejorar. También tenemos implicaciones para la investigación
al identificar la necesidad de reconocer que hay elementos repetitivos y
concurrentes incluso en productos ETO y cadenas de suministro que
pueden mejorar el aprendizaje dentro de la empresa y entre empresas.
Por lo tanto, la investigación adicional debería considerar el enfoque Lean
and Learn en otras cadenas de suministro de ETO, así como en otros
tipos de industrias. Como SweCo fue adquirida por NorCo en 2019,
también sería interesante evaluar cómo se lleva a cabo (o no) el
aprendizaje entre empresas en el caso de fusiones y adquisiciones, y qué
mecanismos podrían estar en juego durante tales adquisiciones.También
identificamos oportunidades para investigar el papel de la digitalización
en la captura y el intercambio de nuevos conocimientos procesables
dentro y entre organizaciones.
AGRADECIMIENTOS
Esta investigación ha sido apoyada por el proyecto The
Whispering Game, centrándose en la comunicación eficiente
para cadenas de suministro receptivas. El proyecto está
financiado y respaldado por la Fundación Sueca para el
Conocimiento (KKstiftelsen), el entorno SPARK de la Universidad
de Jönköping y las empresas participantes.
REFERENCIAS
Alieva, J. y von Haartman, R. (2020). Digital Muda-Lo Nuevo
Forma de Residuos por Industria 4.0. Gestión de operaciones
y cadena de suministro: una revista internacional13(3), 267 -
278. Backlund, F. y Sundqvist, E. (2018). Mejora continua:
Desafíos para la organización basada en proyectos.Revista
internacional de gestión de calidad y confiabilidad,35(7),
1306-1320.
Ballé, M., Chaize, J. y Jones, D. (2019a). Lean como un aprendizaje
sistema: ¿Qué deben hacer las organizaciones para
obtener los beneficios de transformación del método de
Toyota? Desarrollo y aprendizaje en las organizaciones:
una revista internacional.
Ballé, M., Chartier, N., Coignet, P., Olivencia, S., Powell, D. y
Reke, E. (2019b).El Sensei Lean. Ir. Ver. Desafío. Boston,
MA: Instituto Lean Enterprise, Inc.
Ballé, M., Jones, D., Chaize, J. y Fiume, O. (2017).El apoyo
Estrategia: usar Lean para crear una ventaja competitiva, desencadenar
la innovación y generar un crecimiento sostenible: McGrawHill
Professional.
Bechky, BA (2003). Compartir significado a través de ocupaciones
comunidades: La transformación de la comprensión en una planta
de producción.Ciencia de la Organización,14(3), 312-330.
Backstrand, J. (2012).Un método para compras impulsadas por el cliente:
Alinear la interacción con el proveedor y la fabricación
impulsada por el cliente.Escuela de Ingeniería, Jönköping
Universidad, Jönköping.
Bäckstrand, J. y Engström, A. (2016).El árbol del tiempo de entrega como
objeto límite para el aprendizaje del desarrollo y mejores
condiciones para los compradores.Trabajo presentado en el 5el
Conferencia mundial sobre Dirección de Producción y Operaciones
P&OM, La Habana, Cuba, 6-10/9 2016.
Gestión de operaciones y cadena de suministro 14(3) págs. 360 – 367 © 2021
Bäckstrand, J. y Engström, A. (2017).superación
Contradicciones a través de la integración multifuncional en un
contexto ETO.Documento presentado en la 77.ª Reunión Anual de
la Academy of Management, Atlanta, Georgia, Estados Unidos, del
4 al 8 de agosto de 2017.
Chakraborty, S. y González, J. (2018). Un suministro lean integrado
marco de la cadena para los hospitales de EE. UU.Gestión de
operaciones y cadena de suministro: una revista internacional,11(2),
98-109.
Crossan, MM, Lane, HW y White, RE (1999). Un
marco de aprendizaje organizacional: de la intuición a la
institución.Revisión de la Academia de Administración,24(3),
522-537. Elfving, J., Tommelein, ID y Ballard, G. (2002).reducción de plomo
tiempo para aparamenta eléctrica.Ponencia presentada en las
Actas de la 10ª Conferencia Anual International Group in Lean
Construction (IGLC 10), Gramado, Brasil Ellström, P.-E. (2010).
Innovación basada en la práctica: un aprendizaje
perspectiva.Revista de aprendizaje en el lugar de trabajo,22(1/2), 27-40.
Engström, A. y Käkelä, N. (2019). Primeros pasos en el aprendizaje de
aprendizaje organizacional en entornos de personalización: una
perspectiva de comunicación.La organización de aprendizaje, 26
(1), 27-43.
Ferdows, K. y De Meyer, A. (1990). Mejoras duraderas en
Desempeño de Manufactura: En busca de una Nueva
Teoría. Revista de gestión de operaciones,9(2), 168-184.
Fine, CH y Hax, AC (1985). Estrategia de fabricación: A
Metodología y una Ilustración.Interfaces,15(6), 28-46. Gosling,
J. y Naim, MM (2009). Suministro de ingeniería a pedido
gestión de la cadena: una revisión de la literatura y una agenda de
investigación. Revista Internacional de Economía de la Producción,122(2),
741-754.
Gustavsson, M. (2007). El potencial de aprendizaje en la industria
trabajo.Revista de aprendizaje en el lugar de trabajo,19(7),
453-463. Hallgren, M., Olhager, J. y Schroeder, RG (2011). Un híbrido
modelo de capacidades competitivas.Revista internacional de
gestión de operaciones y producción,31(5), 511-526. Hansen,
AV y Madsen, S. (2019).Teorizando en Organización
Estudios: Publicaciones de Edward Elgar.
Hoekstra, S. y Romme, J. (Eds.). (1992).Logística Integrada
Estructuras: desarrollo del flujo de mercancías orientado al cliente(1S t
edición inglesa). Nueva York, NY: Prensa industrial.
Iraní, SA (2020).Job Shop Lean: una ingeniería industrial
Enfoque para implementar Lean en sistemas de producción de bajo
volumen y alta mezcla: Prensa CRC.
Jensen, California (2017). Concurso escenificado como motor de la construcción
innovación.Ingeniería de procedimientos,196, 872-879. Jonsson
Egeman, M. (2019). Adaptar el modelo de árbol de tiempo de entrega a
incluyen actividades inmateriales: Ampliación del modelo de árbol de
tiempo de entrega para permitir el mapeo, la evaluación de la eficiencia
y la identificación de desperdicios en los procesos de cumplimiento de
pedidos: Tekniska Högskolan, Högskolan i Jönköping, JTH,
Produktionsutveckling.
Khan, H. y Wisner, JD (2019). integración de la cadena de suministro,
aprendizaje y agilidad: Efectos sobre el rendimiento.Gestión de
operaciones y cadena de suministro:Una revista internacional 12
(1), 14 - 23.
Käkelä, N. y Bäckstrand, J. (2019).Compartiendo conocimientos para
personalización: una perspectiva triádica.Ponencia presentada en
la 26ª Conferencia Anual Internacional de EuroMA, Helsinki,
Finlandia, 17-19 de junio.
Lacoste, S. y Johnsen, RE (2015). Proveedor-cliente
relaciones: un estudio de caso de la dinámica del poder.
Revista de gestión de compras y suministros,21(4), 229-240.
Lawson, B., Krause, D. y Potter, A. (2015). Mejorando proveedor
rendimiento de desarrollo de nuevos productos: el papel del desarrollo
de proveedores.Revista de gestión de la innovación de productos, 32(5),
777-792.
Traducido del inglés al español - www.onlinedoctranslator.com

El número actual y el archivo de texto completo de esta revista están disponibles en Emerald
Insight en: https://www.emerald.com/insight/1753-8270.htm

Comparación de
Pronóstico de la rentabilidad y la volatilidad del series de tiempo

precio de la vivienda en Finlandia: una modelos

comparación de modelos de series temporales

josefina dufitinema 165
Facultad de Tecnología e Innovación, Unidad de Matemáticas y Estadística,
Universidad de Vaasa, Vaasa, Finlandia Recibido el 2 de diciembre de 2020
Revisado el 19 de diciembre de 2020
Aceptado el 3 de enero de 2021

Resumen
Propósito -El propósito de este documento es comparar el rendimiento de diferentes modelos en la modelización y la previsión de la
rentabilidad y la volatilidad del precio de la vivienda en Finlandia.

Diseño/metodología/enfoque –Los modelos de la competencia son el modelo de media móvil autorregresiva (ARMA) y el
modelo de media móvil integrada fraccionaria autorregresiva (ARFIMA) para la rentabilidad del precio de la vivienda. Para
la volatilidad del precio de la vivienda, el modelo de heteroscedasticidad condicional autoregresiva exponencial
generalizada (EGARCH) compite con los modelos GARCH integrado fraccional (FIGARCH) y GARCH de componentes
(CGARCH).
Hallazgos –Los resultados revelan que, para modelar la rentabilidad de los precios de la vivienda en Finlandia, el conjunto de datos en
estudio determina el rendimiento del modelo ARMA o ARFIMA. El modelo EGARCH es el modelo líder para la modelización de la
volatilidad del precio de la vivienda en Finlandia. Los modelos de memoria larga (ARFIMA, CGARCH y FIGARCH) brindan mejores
pronósticos fuera de la muestra para el rendimiento y la volatilidad del precio de la vivienda; superan a sus contrapartes de memoria
corta en la mayoría de las regiones. Además, el desempeño del ajuste dentro de la muestra de los modelos varía de una región a otra,
mientras que en algunas áreas, los modelos manifiestan un patrón geográfico en sus desempeños de pronóstico fuera de la muestra.

Limitaciones / implicaciones de la investigación -Los resultados de la investigación tienen implicaciones vitales, a saber, la asignación de
cartera, la evaluación del riesgo de inversión y la toma de decisiones.

Originalidad/valor –Según el conocimiento del autor, en el caso de Finlandia aún no se ha realizado una previsión empírica de la
rentabilidad o/y la volatilidad de los precios de la vivienda. Por lo tanto, este estudio tiene como objetivo cerrar esa brecha
comparando el desempeño de diferentes modelos en el modelado, así como pronosticando los rendimientos del precio de la vivienda
y la volatilidad del mercado estudiado.

Palabras claveARMA, modelos GARCH, Precios de la vivienda, Pronósticos, Finlandia Tipo de

papelTrabajo de investigación

1. Introducción
La previsión de la rentabilidad y la volatilidad de los precios de la vivienda es vital para numerosos sectores, como los consumidores, los

responsables políticos, los inversores y los gestores de riesgos. Las razones son, en primer lugar, la dualidad de los activos de vivienda

© Josephine Dufitinema. Publicado por Emerald Publishing Limited. Este artículo se publica bajo la licencia
Creative Commons Attribution (CC BY 4.0). Cualquiera puede reproducir, distribuir, traducir y crear trabajos
derivados de este artículo (tanto para fines comerciales como no comerciales), sujeto a la atribución total a la
publicación original y a los autores. Los términos completos de esta licencia se pueden consultar en http://
creativecommons.org/licences/by/4.0/legalcode Revista Internacional de Vivienda
El autor expresa mi agradecimiento al profesor Seppo Pynnönen por sus constructivos comentarios y Mercados y Análisis
vol. 15 N° 1, 2022
consejos. págs. 165-187

La financiación de la fundación para la educación económica (Liikesivistyrahasto) es muy EmeraldPublishingLimited

1753-8270
reconocida. DOI10.1108/IJHMA-12-2020-0145
IJHMA papel de la inversión y el consumo; por lo tanto, la previsión precisa de la dinámica del precio de la vivienda desempeña un

15,1 papel crucial en la asignación de activos y la toma de decisiones de inversión. En segundo lugar, la vivienda es un
componente sustancial de la economía del país. En particular, en Finlandia, más de la mitad de la riqueza total de los
hogares (50,3 %) se encuentra en forma de vivienda (Estadísticas Finlandia, 2016). En los EE. UU., la vivienda es el mayor
componente de la riqueza de los hogares; representó, respectivamente, el 28,3 y el 24,6% del patrimonio total de los
hogares y del activo de los hogares (Datos de las cuentas financieras, 2018). En el Reino Unido,Savills (2019)estimó el valor

166 total del stock de viviendas en 7,29 billones de libras esterlinas, destacando una parte esencial que la vivienda y su
mercado tienen en la sostenibilidad de la economía. En tercer lugar, la vivienda afecta la economía del país al influir en
muchas partes involucradas en las actividades de vivienda e hipotecas. Por lo tanto, una previsión precisa del precio de la
vivienda beneficiaría a los consumidores y a las partes hipotecarias (segnonet al.,2020). Por último, los conocimientos
sobre la dinámica de los precios de la vivienda brindan recomendaciones a los responsables de la formulación de políticas
de vivienda y son los insumos fundamentales para delinear los planes y políticas de vivienda, como lo enfatizanZhou y
Haurin (2010).
Habiendo notado la importancia del mercado de la vivienda, el análisis del precio de la vivienda de los
mercados individuales ha sido objeto de una cantidad cada vez mayor de estudios. Sin embargo, la atención se
ha centrado en un número restringido de países, a saber, EE. UU., Reino Unido, Canadá y Australia (Apergis y
Payne, 2020). Para Finlandia, a pesar de que más de la mitad de la riqueza total de los hogares está en forma de
vivienda, según lo informado porEstadísticas Finlandia (2016), aún no se ha realizado una previsión empírica de la
rentabilidad o la volatilidad de los precios de la vivienda. Por lo tanto, este estudio tiene como objetivo cerrar esa
brecha comparando el desempeño de diferentes modelos en el modelado y pronosticando los rendimientos y la
volatilidad del precio de la vivienda. Proporcionando así la información sobre el modelo preciso para modelar y
pronosticar el mercado inmobiliario finlandés, además de ampliar la literatura en curso sobre el análisis del
mercado inmobiliario de varios países.
El propósito del estudio es encontrar el modelo más adecuado y preciso para la rentabilidad de los precios de la vivienda en Finlandia y la

modelización y previsión de la volatilidad. El número de habitaciones se utiliza para categorizar las viviendas estudiadas, es decir, apartamentos de

una habitación, dos habitaciones y más grandes (más de tres habitaciones). Las 15 regiones estudiadas se distribuyen en 45 ciudades y subáreas

siguiendo su código postal o código postal del Plan de mejora de la zona (ZIP). Los modelos de la competencia son el modelo de media móvil

autorregresiva (ARMA) y el modelo de media móvil integrada fraccionaria autorregresiva (ARFIMA) para la rentabilidad del precio de la vivienda. El

modelo GARCH exponencial (EGARCH), el modelo GARCH fraccionalmente integrado (FIGARCH) y el modelo GARCH de componentes (CGARCH) para

la volatilidad del precio de la vivienda. La elección de los modelos se deriva deDufitinema y Pynnönen (2020)yDufitinema's (2020)resultados de los

estudios. Después de probar los efectos ARCH, el artículo anterior encontró motivos de dependencia de largo alcance en los rendimientos del

precio de la vivienda y la volatilidad para un mayor número de ciudades y subáreas finlandesas. El último artículo utilizó el modelo EGARCH y

encontró que el impacto asimétrico de los choques en la volatilidad de la vivienda se registró en casi todas las ciudades y submercados finlandeses.

Por lo tanto, para desarrollar modelos de series de tiempo adecuados para este ejercicio de pronóstico del mercado inmobiliario, para ciudades y

subáreas sin efectos ARCH, se comparan los rendimientos de pronóstico del modelo ARMA de memoria corta y el modelo ARFIMA de memoria

larga. Para ciudades y subáreas con efectos de agrupamiento sustanciales, un modelo GARCH de memoria corta, en este caso, el rendimiento de

pronóstico del modelo EGARCH se compara con los modelos GARCH, que acomodan la memoria larga en la varianza condicional; esos son los

modelos FIGARCH y CGARCH. Para evaluar el rendimiento de los pronósticos fuera de la muestra de los modelos, los datos se dividen en conjuntos

de entrenamiento y de prueba. El primer conjunto se utiliza para estimar el modelo y construir predicciones; este último se utiliza para evaluar los

pronósticos producidos por el modelo. Los resultados revelan que el suplente de la rentabilidad del precio de la vivienda determina el rendimiento

de los modelos para el examen de ajuste en la muestra. Mientras que el modelo EGARCH es el modelo mejor clasificado para la modelización de la

volatilidad del precio de la vivienda. Los modelos de memoria larga superan a sus pares de memoria corta en el modelo fuera de muestra. Los

resultados revelan que el suplente de la rentabilidad del precio de la vivienda determina el rendimiento de los modelos para el examen de ajuste

en la muestra. Mientras que el modelo EGARCH es el modelo mejor clasificado para la modelización de la volatilidad del precio de la vivienda. Los

modelos de memoria larga superan a sus pares de memoria corta en el modelo fuera de muestra. Los resultados revelan que el suplente de la

rentabilidad del precio de la vivienda determina el rendimiento de los modelos para el examen de ajuste en la muestra. Mientras que el modelo

EGARCH es el modelo mejor clasificado para la modelización de la volatilidad del precio de la vivienda. Los modelos de memoria larga superan a

sus pares de memoria corta en el modelo fuera de muestra.

previsión de la rentabilidad y la volatilidad de los precios de la vivienda. Además, el desempeño del ajuste dentro Comparación de
de la muestra de los modelos varía de una región a otra, mientras que en algunas áreas, los modelos manifiestan
series de tiempo
un patrón geográfico en sus desempeños de pronóstico fuera de la muestra.
modelos
El resto del documento está organizado de la siguiente manera. Los datos y la metodología utilizados se
describen en la Sección 2; los resultados se presentan y discuten en la Sección 3. La Sección 4 concluye y presenta
investigaciones adicionales.

2. Literatura relacionada
167
El mercado de la vivienda es un factor fundamental de la economía de varios países desarrollados y se ha encontrado que
tiene fuertes interrelaciones con los ciclos económicos. Por lo tanto, es de gran importancia comprender y pronosticar la
dinámica del precio de la vivienda. Sin embargo, en la literatura sobre vivienda, ya sea que el punto focal sea el
rendimiento de los precios de la vivienda y la modelización y/o pronóstico de la volatilidad, se ha abordado un número
restringido de países. Estos incluyen EE. UU., Reino Unido, Canadá y Australia. Además, el énfasis se ha puesto en la
modelización de la dinámica del precio de la vivienda mientras que, aparte del mercado inmobiliario de EE. UU., la
investigación sobre la previsión de mercados inmobiliarios individuales es bastante limitada. Con respecto a la
modelización de los precios de la vivienda de los países mencionados anteriormente,Apergis y Payne (2020)proporciona
una extensa revisión de la literatura con un sorprendente predominio de los estudios de EE. UU. y el Reino Unido. Los
estudios revisados también confirman la evidencia de los efectos de heterocedasticidad condicional autorregresiva
(ARCH) en diferentes mercados inmobiliarios. Además, los estudios utilizan varios modelos del tipo de heteroscedasticidad
condicional autorregresiva generalizada (GARCH) para investigar la rentabilidad de los precios de la vivienda y la dinámica
de la volatilidad.
Con respecto a la previsión de los precios de la vivienda, como se mencionó anteriormente, el
mercado ampliamente estudiado es el mercado inmobiliario de EE. UU.Crawford y Fratantoni (2003)el
trabajo allanó el camino; los autores investigaron el desempeño de tres tipos de modelos para
pronosticar los precios de las viviendas en los estados de Texas, FL, OH, CA y Massachusetts. Los tres
modelos utilizados fueron Media Móvil Integrada Autoregresiva (ARIMA), Cambio de Régimen y GARCH.
Los autores encontraron que los modelos de Cambio de Régimen funcionaron mejor dentro de la
muestra, mientras que los modelos ARIMA entregaron mejores pronósticos fuera de la muestra. Sin
embargo,Millos (2008)criticadoCrawford y Fratantoni (2003)estudio señalando que, en un estudio de
Monte Carlo,Bessec y Bouabdallah (2005)encontró que el modelo Regime-Switching proporciona
pronósticos fuera de muestra deficientes y se recomendó utilizar otros enfoques no lineales.
Específicamente, el autor usó el modelo AR generalizado (GAR) y encontró que el GAR superó a los
modelos GARCH y ARIMA en el pronóstico fuera de la muestra.li (2012)llevó a cabo una evaluación dentro
y fuera de la muestra del modelo GARCH, Asimétrico Power ARCH (PARCH) y RiskMetrics en el mercado
inmobiliario de EE. UU. antes y después de la crisis financiera de 2008. Los resultados empíricos del autor
revelaron que para la estimación dentro de la muestra, el modelo de referencia, RiskMetrics se
desempeñó satisfactoriamente, mientras que todos los modelos lograron pronósticos fuera de la
muestra posteriores a la crisis deficientes. Hace poco, segnonet al. (2020)introdujo y usó el proceso
Markov-Switching Multifractal (MSM) para modelar y pronosticar la volatilidad del precio de la vivienda en
los EE. UU. para 10 ciudades principales, a saber, Miami, Boston, Nueva York, Chicago, San Diego, WA DC,
Los Ángeles, San Francisco, Denver y Las Vegas. Los autores probaron las capacidades de pronóstico del
MSM en comparación con los modelos de tipo GARCH; sus resultados sugirieron que se logra una
precisión de pronóstico mejorada a través de los marcos MSM y FIGARCH.
En términos generales, a pesar de la creciente literatura sobre análisis del mercado de la vivienda, ya sea que el
enfoque esté en modelar los precios de la vivienda, pronosticar su dinámica o una combinación de ambos; se ha prestado
especial atención a un número limitado de países. No se ha realizado ningún pronóstico empírico particular de la
rentabilidad y/o la volatilidad de los precios de la vivienda para el mercado inmobiliario finlandés, a pesar de que más de la
mitad de la riqueza total de los hogares está en forma de vivienda (Estadísticas Finlandia, 2016). Por lo tanto, este artículo
pretende llenar ese vacío mediante la comparación de diferentes modelos.
IJHMA rendimiento en la modelización, así como en la previsión de la rentabilidad y la volatilidad del
15,1 precio de la vivienda. Además, estudios previos utilizaron conjuntos de datos de tipo de propiedad
de vivienda familiar; el artículo en cuestión, sin embargo, utiliza datos de tipo apartamentos
(también denominados bloques de apartamentos). El número de habitaciones categoriza las
viviendas estudiadas: tipos de una habitación, dos habitaciones y apartamentos más grandes
(más de tres habitaciones). Las razones para utilizar datos de tipo de propiedad de pisos son su
168 creciente popularidad como lugar para vivir en Finlandia y su mayor atractivo tanto para los
consumidores como para los inversores. A finales de 2018, Statistics Finland Overview informó
que los apartamentos representaban casi la mitad de todas las viviendas ocupadas,
representaban el 46 %. Las casas adosadas y adosadas fueron el segundo tipo de vivienda
favorable, con un 39%, seguidas de las adosadas con un 14%. En cuanto al aspecto de inversión,
KTI, 2019). Además, desde el mismo punto de vista de la inversión en vivienda y la asignación de
cartera, este análisis utiliza datos a nivel metropolitano y de código postal para el
contrainterrogatorio y la comparación de la inversión en vivienda a nivel de ciudad y submercado.

3. Datos y metodología
Los datos utilizados en este estudio son índices de precios de la vivienda trimestrales, extraídos deBases de datos
PxWeb de Statistics Finland (2020)). El número de habitaciones categoriza los tipos de viviendas estudiados: tipos
de apartamentos de una habitación, dos habitaciones y más grandes (más de tres habitaciones). El período
considerado abarca desde el primer trimestre (q1) de 1988 al cuarto trimestre (q4) de 2018 y las 15 regiones
consideradas son Helsinki, Oulu, Tampere, Lahti, Pori, Turku, Seinäjoki, Jyväskylä, Lappeenranta, Kuopio,
Hämeenlina, Vaasa, Kotka, Joensuu y Kouvola. Las regiones de Helsinki, Turku y Tampere forman un área
importante y en crecimiento, denominada triángulo de crecimiento en el sur de Finlandia. Actualmente, el área
representa, respectivamente, el 49 y el 55,5% de la población finlandesa y el producto interno bruto (PIB) total. La
región de Oulu, llamada el centro de crecimiento del norte de Finlandia, también se encuentra entre las regiones
de buen desempeño con un desarrollo económico y un crecimiento de la población sustanciales. Las demás
regiones también muestran una importante expansión y desempeño económico. Luego, estas regiones se
dividen en 45 ciudades y subáreas según su código postal o números de código postal.Dufitinema (2020)detalla
la clasificación y división de las regiones. El número de habitantes clasifica las regiones y los números de código
postal las dividen.
La metodología utilizada en este estudio es una extensión deDufitinema's (2020). Es decir, los índices de
precios de la vivienda se transforman en rendimientos logarítmicos. El proceso se realiza para cada ciudad y
subárea en cada tipo de apartamento. A continuación, las autocorrelaciones de primer orden se filtran de las
devoluciones. La tarea se realiza determinando el orden apropiado del modelo ARMA usando los criterios de
información de Akaike y Bayesian (respectivamente, AIC y BIC). Luego, a partir de los rendimientos
transformados, se prueban los efectos ARCH. A partir de entonces, el estudio actual amplía esta metodología al
examinar los rendimientos de pronóstico de los modelos ARMA y ARFIMA para ciudades y subáreas sin efectos
ARCH sustanciales. Las capacidades de pronóstico del modelo EGARCH se comparan con los modelos FIGARCH y
CGARCH para ciudades y subáreas con efectos de agrupamiento sustanciales.
Con respecto a las pruebas de los efectos ARCH, se dan detalles y los resultados se describen en Dufitinema
(2020). En pocas palabras, ambas pruebas utilizadas Lagrange Multiplier (LM) y Ljung-Box (LB) encontraron, en
los tres tipos de apartamentos considerados, que los efectos de agrupamiento fueron significativos en la mayoría
de las ciudades/subáreas. Específicamente, los resultados son los siguientes: en la categoría de apartamentos de
una habitación, la evidencia de efectos de agrupamiento se encontró en 28 de las 38 ciudades/subáreas. En 27 de
42 y 31 de 39 en, respectivamente, la categoría de pisos de dos habitaciones y más grandes (más de tres
habitaciones). Además, dado que al pronosticar la dinámica del precio de la vivienda de los tipos de viviendas
considerados, se comparan modelos de series temporales de memoria corta y memoria larga, hacemos uso de
Dufitinema y Pynnönen (2020)resultados del estudio. Los resultados
El resumen es el siguiente: en aquellas ciudades/subáreas sin efectos de agrupamiento significativos, en la Comparación de
categoría de tipo apartamento de una habitación, 8 de cada 10 exhibieron un comportamiento de memoria
series de tiempo
prolongada. Lo que significa que suGeweke y Porter-Hudak (1983)(GPH) estimaciones del parámetro de
modelos
diferenciación fraccionariaDvarió de 0 a 0,5. Las dos series de retornos fueron antipersistentes [D2 ð-0:5; 0Þ].
Tanto en las categorías de apartamentos de dos habitaciones como en las más grandes (más de tres
habitaciones), una subárea mostró un comportamiento anti-persistencia, mientras que el resto de las series de
14 y 7 retornos exhibió un comportamiento de dependencia de largo alcance en los grupos respectivos. Estos
resultados se utilizan como hiperparámetros de los modelos ARFIMA en el procedimiento de estimación.
169
Lo mismo se aplica aDufitinema y Pynnönen (2020)hallazgos sobre la dependencia a largo plazo en aquellas
ciudades/subáreas con efectos ARCH sustanciales. En los rendimientos del precio de la vivienda tanto al cuadrado
como absoluto, en los tres tipos de apartamentos, el parámetro de diferenciación fraccionaria Dfue estimado y
los resultados indicaron un comportamiento muy persistente de memoria larga en la volatilidad del precio de la
vivienda. Los resultados de ambas métricas se utilizan como hiperparámetros de los modelos FIGARCH en el
procedimiento de estimación y el mejor modelo se evalúa en función de diferentes herramientas de selección de
modelos. Este enfoque de ajustar el parámetroD,es decir, estime primero el parámetro de memoria larga y
obtenga las estimaciones de otros parámetros usando estosDestimaciones, es el núcleo de la mayoría de los
enfoques de estimación semiparamétricos (Lopes y Mendes, 2006;Hardle y Mungo, 2008). Además, como
apuntan diferentes investigadores comoTsay (2013), cuando se utilizan modelos de tipo GARCH para evaluar los
rendimientos de los activos, no es sostenible la suposición de una distribución normal. Una distribución
adecuada debe adaptarse a las características de los rendimientos de los activos, por ejemplo, la asimetría y las
colas gruesas. Por lo tanto, con base en AIC y BIC, se selecciona la distribución adecuada, para cada ciudad y
subárea en cada tipo de apartamento, entre distribuciones univariadas, a saber, Studentt (“Std”), Error
Generalizado (“GED”) y sus variantes sesgadas (“sStd” y “sGED”).

3.1 Modelos para pronosticar la rentabilidad de los precios de la vivienda

Los rendimientos de los precios de la vivienda se pronostican para ciudades/subáreas sin efectos de
agrupamiento sustanciales, es decir, aquellas regiones con media y varianza constantes. Los tipos de modelos
probados se relacionan con esta especificación de media/varianza constante de la serie. Los modelos ARMA
cumplen esta propiedad; sin embargo, no capturan el comportamiento a largo plazo que exhiben los
rendimientos de los precios de la vivienda de estas ciudades/subáreas. Por lo tanto, sus desempeños de
pronóstico se comparan con los modelos que acomodan la alta persistencia presente en las series de retornos;
Esos son modelos ARFIMA.
3.1.1 Modelo de media móvil autorregresiva.Los modelos ARMA han sido uno de los principales
de modelado y pronóstico en numerosas áreas de las finanzas y la economía. En el mercado de la
vivienda, nos referimos aJadevicius y Houston (2015)y las referencias en el mismo. Jadevicius y
Houston evalúan la aplicación de ARMA para pronosticar el mercado inmobiliario lituano en
particular y extienden sus hallazgos al mercado inmobiliario global. El modelo ARMA es una
combinación de procesos AR y MA (Cajaet al.,1994). Su especificación estándar es la siguiente:

Xpags Xq
rt¼w0þ wIrtiþat- tuIati;
I¼1 I¼1

Xpags Xq
donde wIrtirepresenta la parte AR del modelo y tuIatirepresenta el
I¼1 I¼1
porción MA del modelo. Por suposición,rtes estacionario, para una especificación recopilada del ARMA
IJHMA modelo; de lo contrario, la serie tiene una raíz unitaria y se denomina proceso AR Integrado MA (ARIMA). Sin

15,1 embargo,Dufitinema y Pynnönen (2020)realizaron pruebas de raíz unitaria en los rendimientos de los precios de
la vivienda estudiados y concluyeron que la hipótesis nula de una raíz unitaria en todas las series de rendimiento
en los tres tipos de apartamentos se rechazó al menos al nivel del 5%. Por lo tanto, se aseguró la estacionariedad
en todas las ciudades y subáreas, en todos los tipos de apartamentos.
3.1.2 Modelo de media móvil integrada fraccionaria autorregresiva.Los modelos ARFIMA son
170 la extensión de los modelos ARIMA para acomodar el comportamiento de memoria larga de la
serie temporal. Fueron presentados de forma independiente porGranger y Joyeux (1980)y Hosking
(1981). La especificación estándar de un modelo ARFIMA es la siguiente:

tuDLÞð1 -LÞDYt¼HDLÞmit;t¼1; 2; . . . ;

dondeYtdenota la serie temporal estudiada de valores discretos,Des la diferencia fraccionaria

parámetro ymites un ruido blanco conmiDmit¼0 y varianzas2 mi.Les el operador rezagado o
operador de retroceso tal queLYt¼Yt-1.tu(L)yH(L)son los polinomios AR y MA en el
operador rezagado, respectivamente. Es decir,tuDL¼1 -F1L-. . . : -FpagsLpagsy
HDL¼1 -tu1L-. . . -tuqLq.
El valor deD -el parámetro de memoria larga – dicta las propiedades y las
interpretaciones del modelo ARFIMA. Sire=0, ARFIMA se reduce a ARIMA y se indica que el
proceso exhibe poca memoria. SiD2 ð-0:5; 0Þ,se caracteriza como anti-persistencia o
dependencia negativa de largo alcance. Se dice que el proceso manifiesta memoria larga o
dependencia positiva de largo alcance siD2 ð0; 0:5Þy es no estacionario con reversión a la
media si D2 ½0:5; 1Þ,mientras que se vuelve no estacionario sin reversión a la media siD-1.

3.2 Modelos para pronosticar la volatilidad de los precios de la vivienda

Para regiones con varianza variable en el tiempo, es decir, aquellas ciudades y subáreas con evidencia de
efectos ARCH, se utilizan modelos de tipo GARCH para pronosticar la volatilidad de los precios de la
vivienda. Motivados por la persistencia o el comportamiento de memoria larga que se encuentra en la
volatilidad del precio de la vivienda de estas ciudades/subáreas, los modelos GARCH de memoria corta se
comparan con los modelos GARCH que se adaptan a la propiedad de memoria larga. El modelo EGARCH
se selecciona entre los modelos GARCH de memoria corta, sobre el GARCH estándar. Los fundamentos
de la selección de la EGARCH son la evidencia de los efectos asimétricos de los shocks sobre la volatilidad
de la vivienda registrados en los tipos de vivienda estudiados y su comportamiento efectivo a lo largo del
tiempo.glosteny otros'(1993)Modelo GJR-GARCH en la modelización de la volatilidad asimétrica de los
precios de la vivienda estudiados (Dufitinema, 2020). Entre los modelos GARCH que acomodan la
memoria larga en la varianza condicional de los activos, los seleccionados son los modelos FIGARCH y
CGARCH. El modelo FIGARCH permite una caída hiperbólica de la tasa de choques más lenta, lo que lo
convierte en el mejor candidato para explicar y capturar el alto grado de autocorrelación en la volatilidad
del mercado financiero. El modelo CGARCH investiga el movimiento a largo y corto plazo de la varianza
condicional al descomponer la varianza condicional en componentes permanentes y transistores. Ambos
modelos se han aplicado más a menudo últimamente en comparación con, por ejemplo, el modelo
GARCH integrado (IGARCH) (Engle y Bollerslev, 1986). La razón es queTayefi y Ramanathan (2012)han
encontrado que el modelo IGARCH es demasiado restrictivo ya que implica en la varianza condicional,
una persistencia infinita y, en consecuencia, los choques persisten para siempre.
Existe una extensa colección de estudios sobre las aplicabilidades de FIGARCH y CGARCH para modelar y/o
pronosticar la volatilidad de diferentes activos. En los mercados de la vivienda,Millos (2011) utilizó el modelo
CGARCH para investigar si existe una dependencia a largo plazo en la volatilidad del precio de la vivienda en EE.
UU. El autor descubrió que los mercados inmobiliarios de más de la mitad de las áreas metropolitanas de EE. UU.
exhibieron una volatilidad persistente. Para esas regiones, el modelo CGARCH
proporcionó mejores pronósticos que el modelo GARCH estándar. La elección de Milles del CGARCH se Comparación de
basó enMaheu (2005)Estudio de Monte Carlo, que mostró que el CGARCH capturó la dependencia a largo
series de tiempo
plazo mejor que FIGARCH en los mercados de valores. Por otro lado,Feng y Baohua (2015)descubrió que
modelos
el modelo FIGARCH bien podría captar la larga memoria de la volatilidad del precio de la vivienda de
Zhengzhou. Con ese fin y para la evaluación cruzada de los modelos, este artículo utiliza los modelos
FIGARCH y CGARCH para pronosticar la volatilidad de los precios de las viviendas de los tipos de viviendas
considerados.
3.2.1 Modelo de heteroscedasticidad condicional autorregresivo generalizado exponencial.DejarRt
171
denota el retorno de registro de activos en el tiempo t. La forma estándar del modelo de volatilidad condicional
es la siguiente:
- -
Rt¼vtþmit;mitnorte0;s2 t;

dondevtes la media condicional,stes la desviación estándar condicional ymites el término de error. Dado
que muchos activos financieros exhibieron un agrupamiento de volatilidad, en lugar de modelar la
varianza de la innovaciónmitcomo una constante,Bollerslev (1986)propuso un proceso GARCH donde el
variación condicionals2tes una función de la volatilidad pasada y los errores cuadráticos previos. Es decir,

Xq Xpags
s2t¼vþ aImi2tiþ Bjs2 tj; (1)
I¼1 j¼1

dondev>0 es el intercepto,aI-0 (coeficientes demiti) yBj-0 (coeficientes des2 tj) están

referidos, respectivamente, como los parámetros ARCH y GARCH. Para investigar los posibles efectos asimétricos
de los shocks en la varianza condicional,Nelson (1991)propuso el modelo EGARCH. El modelo permite que las
perturbaciones negativas tengan un impacto distinto en la varianza condicional que las perturbaciones positivas,
una observación que se denomina efectos de apalancamiento. Su especificación estándar es la siguiente:
--
Rt¼vtþmit;mitnorte0;s2 t;

Xq Xpags
2þ
s2t¼vþ DaIþgramoIItiÞmiti Bjs2 tj;
I¼1 j¼1

dondeaIyaIþgramoIindicar, respectivamente, los efectos de las buenas y malas noticias.Ities la

función indicadora y es igual a uno simit-1< 0 y cero en caso contrario. implicando un más
influencia considerableDaIþgramoIÞmi2 ticongramoI>0 de un shock negativomiti, mientras que un choque positivo
mititener poca influenciaaImi2 tiparas2t.
3.2.2 Heterocedasticidad condicional autorregresiva generalizada fraccionalmente integrada
modelo.La evidencia de la lenta disminución de las correlaciones de los rendimientos al cuadrado y
absolutos de los activos financieros dio lugar al modelo FIGARCH, introducido por primera vez porBaillie
et al. (1996). El modelo agrega las diferencias fraccionarias en el proceso GARCH estándar, explicando y
capturando así el alto grado de autocorrelación en la volatilidad del mercado financiero.
El proceso GARCH enecuación (1)Se puede escribir como:

s2t¼vþaDBÞmi2 tþBBÞD
st; 2
IJHMA dondeBes el operador retardado tal queaDB¼a1Bþa2B2þ . . . þaqBpags y BDB¼B1BþB2B2
15,1 þ . . . þBpagsBpags. Su representación de tipo ARMA equivalente viene dada por:

1 -aDBÞ -BDBÞmit¼vþ1 -BDBÞtut;

dondetut¼mi2 t-s2 t.A partir de esta formulación,Engle y Bollerslev (1986)presentó el

172 Modelo IGARCH al permitir la presencia de raíz unitaria en 1 -aDBÞ -BDBÞcomo sigue:

1 -aDBÞ -BDBÞ ð1 -BÞmit¼vþ1 -BDBÞtut: (2)

Sin embargo, como se discutió anteriormente, el modelo IGARCH es demasiado restrictivo ya que los choques
persisten para siempre. Por lo tanto, la introducción del modelo FIGARCH, donde el operador de diferenciación
fraccionaria D1 -BÞDcon 0<re<1 reemplaza el operador de primera diferencia (1 –B)enecuación (2). La forma
general del modelo FIGARCH es la siguiente:

1 -aDBÞ -BDBÞ ð1 -BÞDmit¼vþ1 -BDBÞtut:

Sire=0, el modelo FIGARCH se reduce al estándar GARCH, mientras que sire=1, se convierte en un modelo
IGARCH.
3.2.3 Modelo de heterocedasticidad condicional autorregresivo generalizado de componentes.Sotavento
y Engle (1999)desarrolló el modelo CGARCH al descomponer la varianza condicional en
componentes permanentes y transitorios, investigando así los movimientos de volatilidad a largo
y corto plazo. A diferencia del proceso GARCH, donde la varianza condicional vuelve a ser una
media constante a largo plazovenecuación (1), el modelo CGARCH permite una reversión media
variable en el tiempo de la varianza condicional. Su especificación es la siguiente:

Xq- -X pags - -
s2t¼qtþ aImi2ti-qti þ Bj s2tj-qtj; (3)
I¼1 j¼1

- -
qt¼vþrqt-1þfe2 t-1-s2 t-1 : (4)

Ecuación (4)representa el componente a largo plazo (permanente) de la volatilidad; la reversión a la

media variable en el tiempo de la varianza condicional. Describe cómo la intercepción del modelo GARCH
ahora varía en el tiempo siguiendo una dinámica de tipo autorregresivo de primer orden y, por lo tanto,
captura la porción de volatilidad de la memoria larga.Ecuación (3)describe el componente a corto plazo
(transitorio) de la volatilidad, que es la diferencia entre el condicional
varianza y su tendencia (s2 t-qt). Para asegurar las condiciones de estacionariedad, la suma de (a,B)
los coeficientes deben ser menores que 1 yr<1 para la persistencia de los componentes
transitorios y permanentes. Sir=F=0, el modelo CGARCH se reduce al GARCH estándar.

3.3 Evaluación de pronósticos

Probar y comparar las capacidades de predicción de los modelos mencionados anteriormente; los datos se dividen en
entrenamiento y conjunto de prueba. El conjunto de entrenamiento, que consta de 25 años de datos de muestra, se utiliza
para construir los modelos (muestra de estimación: 1988:q1-2013:q4). El conjunto de prueba se utiliza para evaluar la
precisión predictiva de los modelos; consta de 5 años de datos de muestra (muestra de pronóstico: 2014:q1-2018:q4). El
proceso de pronóstico comienza con la estimación de cada modelo en el
conjunto de datos de entrenamiento. Posteriormente, los pronósticos de volatilidad de un paso adelante (trimestre) se Comparación de
construyen utilizando el modelo estimado. Finalmente, la volatilidad pronosticada (s2) y el proxy de la verdadera volatilidad
series de tiempo
(s2) se comparan.
modelos
Al evaluar los pronósticos de volatilidad, uno tiene que lidiar con el problema de que la verdadera volatilidads
2no se observa Varios estudios han propuesto el proxy apropiado des2como los rendimientos al cuadrado (
Brooks y Persands, 2002;Sadorski, 2006).Patton (2011)discutieron que los rendimientos al cuadrado son un proxy
bastante ruidoso para la verdadera varianza condicional y que un estimador condicionalmente imparcial de la
varianza condicional, la volatilidad realizada (RV), es un estimador más eficiente que los rendimientos al
173
cuadrado. Hace poco,Xingyi y Zakamulin (2018) señaló que el uso de la volatilidad diaria realizada y los datos
intradía disponibles proporcionaron una mejor precisión de pronóstico en el mercado de valores. En el mercado
de la vivienda,Zhou y Kang (2011) también utilizó la volatilidad realizada calculada a partir de los rendimientos de
los activos comos2apoderado. Siguiendo este estudio, en este artículo, la verdadera volatilidad también se
representa mediante la volatilidad realizada construida como una muestra móvil. Además, en línea con otros
estudios sobre pronóstico de volatilidad, se utilizan dos métricas populares, a saber, el error cuadrático medio
(RMSE) y el error absoluto medio (MAE), para evaluar la precisión del pronóstico de los modelos estudiados. La
primera métrica tiene la ventaja de penalizar los errores grandes, ya que da más peso a los errores con valores
absolutos más grandes que a los errores con valores absolutos más pequeños, lo que la hace útil cuando los
errores grandes son particularmente indeseables. La última métrica da el mismo peso a todos los errores. Ambos
son puntajes orientados negativamente, lo que significa que los valores más bajos son mejores. Las dos medidas
se definen de la siguiente manera:

tu1X -2 1X
vffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffiffi
norte- norte

2
RMSE¼t s2I-sI y MAE¼ js2I-s2 Ij;
norte norte
I¼1 I¼1

dondenortees el número de pronósticos,s2es la volatilidad pronosticada ys2es la verdadera volatilidad.

4. Resultados y discusiones
4.1 Previsión de la rentabilidad del precio de la vivienda

Los rendimientos de los modelos ARMA y ARFIMA se comparan, en cada categoría de apartamentos, para
ciudades y subáreas sin efectos de agrupamiento sustanciales, es decir, aquellas regiones con media y
varianza constantes. Recuerde que en la categoría de apartamentos de una habitación, hay 10 ciudades/
subáreas y ocho de ellas exhibieron un comportamiento de memoria larga. En las categorías de
apartamentos de dos habitaciones y más grandes (más de tres habitaciones), hay 15 y 8 ciudades/
subáreas, respectivamente. En total, las series de 14 y 7 retornos exhibieron un comportamiento de
dependencia de largo alcance en cada categoría de apartamento, respectivamente.tabla 1informa los
modelos dentro y fuera de la muestra de mejor rendimiento de los retornos de precios de la vivienda
para cada ciudad y subárea, en cada tipo de apartamento. EnApéndice,Cuadro A1detalla los criterios de
información de Akaike (AIC) de cada modelo, mientrasCuadro A2presenta el Error Cuadrático Medio
(RMSE) y el Error Absoluto Medio (MAE); las métricas utilizadas para evaluar la precisión de pronóstico de
cada modelo. Un valor de criterio más bajo describe el rendimiento de un mejor modelo.
Para investigar qué característica (memoria corta o larga) es crucial en el modelo finlandés de rentabilidad del precio
de la vivienda, los resultados son mixtos; El rendimiento de los dos modelos difiere según el tipo de apartamento y entre
ciudades y subáreas. En primer lugar, en la categoría de apartamentos de una habitación, el modelo ARMA se ubica como
el modelo de desempeño líder en la muestra en seis de las ocho ciudades/subáreas. En segundo lugar, en la categoría de
piso de dos habitaciones, está el modelo ARFIMA, que destaca en 11 de las 14 ciudades/subzonas. Por último, en el tipo de
piso más grande (más de tres habitaciones), ambos modelos dividen la clasificación ya que el modelo ARMA se ajusta
mejor a los rendimientos del precio de la vivienda en tres ciudades/subáreas, mientras que
IJHMA
15,1
Pisos de una habitación

Regiones Ciudades/subáreas En la muestra fuera de muestra

helsinki hki3 ARMÁ ARMÁ
Tampere tres ARFIMA ARFIMA
tre2 ARMÁ ARMÁ
Oulu oulu2 Anti-persistente
174 Lahti lti2 ARFIMA ARMÁ
Joensuu jnsu ARMÁ ARFIMA
Vaasa vasa ARMÁ ARFIMA
vaasa1 Anti-persistente
Hämeenlinna hnlina1 ARMÁ ARFIMA
Kotka kotka1 ARMÁ ARFIMA
Pisos de dos habitaciones

En la muestra fuera de muestra

Tampere tres ARFIMA ARFIMA
tre3 ARFIMA ARFIMA
turkú tku1 ARFIMA ARFIMA
tku3 ARFIMA ARFIMA
Oulu Oulu ARFIMA ARMÁ
oulu1 ARMÁ ARMÁ
oulu2 ARMÁ ARMÁ
Lahti lti1 ARFIMA ARMÁ
lti2 ARFIMA ARFIMA
Kuopio kuo2 ARFIMA ARFIMA
Joensuu jnsu ARFIMA ARFIMA
Vaasa vaasa1 ARMÁ ARFIMA
Lappeenranta ltra2 ARFIMA ARFIMA
Kotka kotka ARFIMA ARFIMA
kotka2 Anti-persistente

Pisos de tres habitaciones

En la muestra fuera de muestra

helsinki hki2 ARMÁ ARFIMA
Oulu oulu2 ARFIMA ARFIMA
Lahti lti2 ARMÁ ARFIMA
Pori pori ARFIMA ARMÁ
Joensuu jnsu ARFIMA ARMÁ
jnsu1 Anti-persistente
Kouvola kou ARMÁ ARFIMA
Tabla 1. Hämeenlinna hlina ARFIMA ARFIMA
Rentabilidad del precio de la
Notas:Esta tabla informa los modelos dentro y fuera de la muestra con mejor rendimiento de los retornos de precios de la vivienda,
vivienda: mejor rendimiento para cada ciudad y subárea, en cada tipo de apartamento. El "antipersistente" se refiere a la serie con dependencia negativa de largo
modelos alcance, lo que significa que su parámetro de diferenciación fraccionaria estimadoDvarió de -0.5 a 0

ARFIMA se desempeña bien en cuatro de siete ciudades/subáreas. Estos resultados están en línea con Jadevicius
y Houston (2015)resultados del estudio yHepsen y Vatansever (2011) recomendaciones Jadevicius y Houston
destacaron que el enfoque de modelado ARIMA contribuye en gran medida a examinar los mercados
inmobiliarios. Hepsen y Vatansever señalaron que el modelado de precios de la vivienda con ARIMA proporciona
percepciones para una variedad de partes interesadas. Además, la capacidad del modelo ARFIMA para capturar
la característica de memoria larga del precio de la vivienda vuelve, especialmente en la categoría de
apartamentos de dos habitaciones; destaca la alta persistencia de los precios de la vivienda (Dufitinema y
Pynnönen, 2020).
El rendimiento de los pronósticos fuera de la muestra de los dos modelos se investiga mediante la estimación de los Comparación de
modelos en el conjunto de datos de entrenamiento, la generación de pronósticos de retorno de 5 años y la validación de
series de tiempo
las predicciones construidas utilizando el conjunto de prueba. En general, en los tres tipos de apartamentos, el modelo
modelos
ARFIMA supera al ARMA en la mayoría de las regiones. El modelo ARFIMA proporciona las mejores previsiones de
rentabilidad en 5 de 8, 10 de 14 y 5 de 7 ciudades/subáreas en las categorías de apartamentos de una habitación, dos
habitaciones y más grandes (más de tres habitaciones), respectivamente. Dada la fuerte evidencia de memoria larga

175
encontrada en los retornos de precios de la vivienda finlandeses porDufitinema y Pynnönen (2020), estos resultados
confirman nuevamente la capacidad de los modelos de memoria larga para capturar estas dependencias de largo alcance
y su superioridad para pronosticar la rentabilidad de los precios de la vivienda. En la categoría de apartamentos de dos
habitaciones, surge una observación interesante, el mejor modelo de desempeño dentro de la muestra también produce
pronósticos precisos fuera de la muestra. Este comentario se observa en 11 de las 14 ciudades/subáreas. Por un lado,
contradice estudios previos, que expresaron que un mejor ajuste dentro de la muestra no sugiere automáticamente un
desempeño de pronóstico superior (Newellet al.,2002;Stevenson y McGrath, 2003). Por otro lado, la observación alineada
conJadevicius y Houston (2015) hallazgos de que el mismo modelo [ARIMA(3,0,3)] proporcionó mejores resultados de
modelado dentro y fuera de la muestra para el mercado inmobiliario lituano.

En resumen, con respecto a la modelización de los rendimientos de los precios de la vivienda en Finlandia, el
rendimiento del modelo de memoria corta o larga está determinado por el conjunto de datos de precios de la vivienda
objeto de estudio. Por lo tanto, entre ciudades y subáreas, se deben habilitar diferentes dinámicas de precios de la
vivienda en lugar de imponer un modelo en el conjunto de datos completo. Con respecto a la previsión de la rentabilidad
de los precios de la vivienda, los modelos de memoria larga superan a sus pares de memoria corta. Este resultado destaca
la ventaja de los modelos de memoria larga para pronosticar diferentes precios de activos.

4.2 Previsión de la volatilidad de los precios de la vivienda

Para regiones con varianza variable en el tiempo, es decir, aquellas ciudades y subáreas con efectos
ARCH sustanciales, se comparan modelos GARCH de memoria corta y larga. Esos son los modelos
EGARCH, FIGARCH y CGARCH.Tabla 2informa los modelos dentro y fuera de la muestra con mejor
desempeño de la volatilidad del precio de la vivienda para cada ciudad y subárea, en cada tipo de
apartamento. En elApéndice, los ajustes en la muestra de los modelos se detallan enCuadro A3y sus
precisiones de pronóstico RMSE y MAE enMesa A4.
En general, el modelo mejor clasificado para la modelización de la volatilidad del precio de la vivienda en
Finlandia, en los tres tipos de apartamentos, es el modelo EGARCH. Ocupa el primer lugar en 17 de las 28
ciudades/subáreas que exhiben efectos de agrupación en la categoría de apartamentos de una habitación. Lidera
en 19 de 27 y 23 de 31 ciudades/subáreas en, respectivamente, categorías de apartamentos de dos habitaciones
y más grandes (más de tres habitaciones). Estos resultados están en línea conDufitinema's (2021)hallazgos,
quienes subrayaron, utilizando el marco de volatilidad estocástica, que el modelo de volatilidad estocástica con
efectos de apalancamiento también fue el modelo de desempeño líder en la muestra para el tipo de vivienda
estudiado. Los resultados también destacan, una vez más, la importancia de las características de volatilidad
asimétrica en el modelado de la volatilidad del precio de la vivienda. En el resto de las regiones, el modelo
FIGARCH alterna con EGARCH y toma la delantera. Este patrón se observa en 11, 6 y 7 ciudades/subáreas en las
respectivas categorías de pisos. Las excepciones de este patrón general son las ciudades de Turku y Vaasa en los
apartamentos de dos habitaciones y la ciudad de Jyväskylä en la categoría de apartamentos más grandes (más de
tres habitaciones), donde el modelo CGARCH sobresale en comparación con los otros dos modelos.
Se examina el desempeño de los pronósticos fuera de la muestra de los tres modelos. El ejercicio de
pronóstico comienza con una estimación de los modelos en el conjunto de entrenamiento. A continuación,
utilizando los modelos estimados, se generan pronósticos de volatilidad a 5 años en forma de un paso adelante.
Finalmente, las predicciones construidas se validan en el conjunto de prueba. En su mayoría, los modelos GARCH
de memoria larga superan a sus contrapartes de memoria corta en los tres tipos de apartamentos. El modelo
CGARCH proporciona pronósticos superiores en, respectivamente, 14 de 28, 11 de
IJHMA
15,1
Pisos de una habitación Pisos de dos habitaciones Pisos de tres habitaciones

Ciudades/sub- Fuera de- Fuera de- Fuera de-

Regiones áreas En la muestra muestra En la muestra muestra En la muestra muestra

helsinki hola FIGARCH EGARCH FIGARCH FIGARCH EGARCH CGARCH

hki1 FIGARCH CGARCH EGARCH FIGARCH EGARCH EGARCH
hki2 FIGARCH EGARCH EGARCH EGARCH – –
176 hki3 – – FIGARCH CGARCH EGARCH CGARCH
hki4 EGARCH CGARCH EGARCH CGARCH EGARCH EGARCH
Tampere tres – – – – EGARCH EGARCH
tre1 EGARCH FIGARCH EGARCH FIGARCH FIGARCH FIGARCH
tre2 – – EGARCH FIGARCH EGARCH CGARCH
tre3 EGARCH EGARCH – – FIGARCH CGARCH
turkú tku EGARCH FIGARCH CGARCH EGARCH EGARCH CGARCH
tku1 EGARCH CGARCH – – EGARCH FIGARCH
tku2 EGARCH EGARCH EGARCH CGARCH EGARCH CGARCH
tku3 FIGARCH CGARCH – – EGARCH CGARCH
Oulu Oulu EGARCH CGARCH – – EGARCH CGARCH
oulu1 EGARCH CGARCH – – EGARCH EGARCH
Lahti lti EGARCH CGARCH EGARCH CGARCH EGARCH CGARCH
lti1 EGARCH FIGARCH – – EGARCH FIGARCH
Jyväskylä jkla EGARCH CGARCH EGARCH CGARCH CGARCH FIGARCH
jkla1 FIGARCH FIGARCH EGARCH EGARCH FIGARCH EGARCH
jkla2 FIGARCH CGARCH EGARCH FIGARCH FIGARCH EGARCH
Pori pori FIGARCH FIGARCH EGARCH EGARCH – –
pori1 EGARCH FIGARCH EGARCH CGARCH FIGARCH FIGARCH
pori2 – – EGARCH FIGARCH – –
Kuopio kuo EGARCH FIGARCH FIGARCH CGARCH EGARCH FIGARCH
kuo1 FIGARCH FIGARCH EGARCH FIGARCH FIGARCH CGARCH
kuo2 EGARCH CGARCH – – EGARCH EGARCH
Joensuu jnsu1 EGARCH CGARCH FIGARCH EGARCH – –
Seinäjoki Seoki – – FIGARCH EGARCH FIGARCH CGARCH
Vaasa vasa – – CGARCH CGARCH EGARCH CGARCH
vaasa1 – – – – EGARCH EGARCH
vaasa2 – – – – EGARCH CGARCH
Kouvola kou EGARCH CGARCH EGARCH FIGARCH – –
Lappeenrantalrta FIGARCH FIGARCH EGARCH CGARCH EGARCH FIGARCH
lrta1 FIGARCH CGARCH FIGARCH EGARCH – –
lrta2 – – – – EGARCH FIGARCH
Hämeenlinna hnlina EGARCH FIGARCH EGARCH FIGARCH – –
hnlina1 – – EGARCH CGARCH EGARCH FIGARCH
Kotka kotka FIGARCH CGARCH – – EGARCH FIGARCH
Tabla 2.
kotka1 – – EGARCH CGARCH – –
precio de la casa
volatilidad – mejor Nota:Esta tabla informa sobre la volatilidad del precio de la vivienda en los modelos dentro y fuera de la muestra con mejor desempeño para cada
modelos interpretativos ciudad y subárea, en cada tipo de apartamento.

27 y 13 de 31 ciudades/subáreas en las categorías de apartamentos de una habitación, dos habitaciones

y más grandes (más de tres habitaciones). El modelo FIGARCH sigue con un rendimiento superior en 10,
9 y 10 ciudades/subáreas en las respectivas categorías planas. Estos hallazgos son consistentes conMilles
(2011), quien concluyó que el CGARCH proporcionó mejores pronósticos que el GARCH estándar para la
volatilidad del precio de la vivienda en EE. UU. Es más,Lee y Reed (2014), en relación con el mercado
inmobiliario australiano, también reconoció la capacidad del modelo CGARCH para descomponer la
volatilidad de los precios en componentes “permanentes” y “transitorios”. Y por lo tanto, ser un mejor
candidato para capturar los movimientos de volatilidad a corto y largo plazo.
Se observa un patrón regional en algunas regiones donde el mismo modelo produce mejores Comparación de
pronósticos fuera de la muestra en los tres tipos de apartamentos. En Tampere-area1, FIGARCH es el
series de tiempo
modelo líder en todos los tipos de apartamentos, mientras que el modelo CGARCH se destaca en Lahti-
modelos
city. Estos resultados sugieren que la volatilidad de los precios de la vivienda de la primera región se
caracteriza por un grado significativo de autocorrelación. Mientras que la varianza condicional de esta
última ciudad incluye dos componentes (permanente y transitorio).
En resumen, para un mayor número de ciudades y subáreas finlandesas, el modelo EGARCH es el mejor
modelo para modelar las volatilidades de los precios de la vivienda. En las regiones restantes, el EGARCH cambia
177
de lugar con el modelo FIGARCH. Sin embargo, no se indica geográficamente; el rendimiento del modelo varía de
una región a otra. Por lo tanto, de nuevo como se indicó anteriormente, cuando se modela la volatilidad de los
precios de la vivienda, se deben habilitar diferentes dinámicas de precios de la vivienda entre ciudades, subáreas
y tipos de apartamentos. Con respecto a los rendimientos de pronóstico fuera de muestra de los modelos, los
modelos de memoria larga (CGARCH y FIGARCH) toman la delantera, dominando a sus contrapartes de memoria
corta. Aparte de algunas regiones (una ciudad y una subárea), el rendimiento de los pronósticos de los modelos
varía entre ciudades y subáreas y según el tipo de apartamento; no se observa ningún patrón geográfico o
regional.

5. Conclusiones, implicaciones y futuras investigaciones

En los últimos años, la previsión del mercado de la vivienda ha sido objeto de una amplia investigación debido al papel vital
de las previsiones del precio de la vivienda en la asignación de activos, el consumo, la inversión, la toma de decisiones
políticas y también en la predicción de los incumplimientos hipotecarios. Este artículo determina, en el mercado
inmobiliario finlandés, qué modelo es más capaz de pronosticar los movimientos tanto de la rentabilidad como de la
volatilidad del precio de la vivienda. Los dos modelos que compiten son el modelo ARMA y el modelo ARFIMA para la
rentabilidad del precio de la vivienda. Para la volatilidad del precio de la vivienda, el modelo EGARCH compite con los
modelos FIGARCH y CGARCH. El estudio utiliza índices de precios de la vivienda trimestrales para 15 regiones principales
de Finlandia, que abarcan desde el primer trimestre (q1) de 1988 al cuarto trimestre (q4) de 2018.
Hay varios hallazgos importantes. En primer lugar, para investigar si la función de memoria corta o larga captura los movimientos de retorno de los precios de la vivienda, el

rendimiento de los modelos se basa en el conjunto de datos de precios de la vivienda que se investiga. Por el contrario, el modelo ARFIMA encabeza la previsión de rentabilidad del

precio de la vivienda; supera al modelo ARMA en la mayoría de las regiones. Este resultado indica que las dependencias de largo alcance que exhibe el precio de la vivienda son un

componente crucial en su pronóstico. En segundo lugar, el modelo EGARCH se ubica como el modelo líder para la modelización de la volatilidad del precio de la vivienda en Finlandia, lo

que destaca la importancia de la volatilidad asimétrica en la modelización de la volatilidad del precio de la vivienda. Los modelos GARCH de memoria larga (CGARCH y FIGARCH)

superan al EGARCH en la previsión de la volatilidad del precio de la vivienda, indicando la dependencia a largo plazo en la volatilidad del precio de la vivienda y la capacidad de los

modelos de memoria larga para capturar y predecir esta propiedad de la volatilidad del precio de la vivienda. Por último, en los tres tipos de apartamentos, no se observa ningún

patrón geográfico o regional para el ajuste de los modelos en la muestra; el desempeño de cada modelo varía de una región a otra, tanto en términos de rentabilidad como de

volatilidad del precio de la vivienda. Para el análisis fuera de la muestra, sin embargo, surgen algunas observaciones interesantes. Para la rentabilidad de los precios de la vivienda,

especialmente en la categoría de apartamentos de dos habitaciones, el mismo modelo proporciona los mejores pronósticos dentro y fuera de la muestra. Mientras que para la

volatilidad del precio de la vivienda, en dos regiones, el mismo modelo ocupa el primer lugar en todos los tipos de apartamentos. no se observa ningún patrón geográfico o regional

para el ajuste de los modelos dentro de la muestra; el desempeño de cada modelo varía de una región a otra, tanto en términos de rentabilidad como de volatilidad del precio de la

vivienda. Para el análisis fuera de la muestra, sin embargo, surgen algunas observaciones interesantes. Para la rentabilidad de los precios de la vivienda, especialmente en la categoría

de apartamentos de dos habitaciones, el mismo modelo proporciona los mejores pronósticos dentro y fuera de la muestra. Mientras que para la volatilidad del precio de la vivienda, en

dos regiones, el mismo modelo ocupa el primer lugar en todos los tipos de apartamentos. no se observa ningún patrón geográfico o regional para el ajuste de los modelos dentro de la

muestra; el desempeño de cada modelo varía de una región a otra, tanto en términos de rentabilidad como de volatilidad del precio de la vivienda. Para el análisis fuera de la muestra,

sin embargo, surgen algunas observaciones interesantes. Para la rentabilidad de los precios de la vivienda, especialmente en la categoría de apartamentos de dos habitaciones, el mismo modelo proporciona los mejores pronósticos dentr

Estos resultados tienen algunas implicaciones vitales para la política y la inversión en vivienda. Para los consumidores,
inversores y legisladores, que controlan la volatilidad de los precios de la vivienda y cuyas decisiones se basan en los
movimientos futuros de los precios de la vivienda, las previsiones precisas ayudan en la toma de decisiones. Además, las
predicciones precisas son esenciales para la evaluación del riesgo de inversión en vivienda y son información más
importante para la asignación de cartera en Finlandia y el tipo de apartamento. Además, como se han encontrado
interrelaciones entre los mercados inmobiliarios y el ciclo económico de varios países desarrollados, un
IJHMA Una visión de las perspectivas de los precios de la vivienda sería beneficiosa para los economistas y las instituciones normativas.

15,1 Asimismo, como lo señalaBalcilaraet al. (2015), la previsión de los movimientos del mercado de la vivienda juega un papel importante
en las autoridades de política monetaria y su voluntad de “apoyarse contra el viento”.
Además, como se ha descubierto que la vivienda juega un papel crucial en las fluctuaciones de los
factores macroeconómicos (Kishor y Marfatia, 2018), sería interesante investigar la interacción entre los
precios de la vivienda y las variables como las tasas de desempleo y las tasas de interés de una región a
178 otra. La información de estos predictores macroeconómicos se puede utilizar para mejorar la precisión
del pronóstico. En el mismo sentido, la existencia del quiebre estructural en el mercado de la vivienda
estudiado amerita un examen. En este aspecto, los datos se pueden dividir en submuestras compatibles
con las fechas de ruptura y, por lo tanto, mejorar la precisión del pronóstico.

Referencias
Apergis, N. y Payne, JE (2020), “Modelado de la volatilidad variable en el tiempo de los rendimientos de la vivienda: más
evidencia de los mercados de condominios metropolitanos de EE.Revisión de economía financiera,vol. 38 N° 1,
págs. 24-33, doi:10.1002/rfe.1063.

Baillie, RT, Bollerslev, T. y Mikkelsen, HO (1996), “Generated fraccionalmente integrado

heterocedasticidad condicional autorregresiva”,revista de econometría,vol. 74 núm. 1, págs. 3-30.
Balcilara, M., Guptab, R. y Millerc, SM (2015), “The out-of-sample forecasting performance of nonlinear
modelos de precios regionales de vivienda en los EE.UU.”,Economía Aplicada,vol. 47 N° 22, págs. 2259-2277, doi:
10.1080/00036846.2015.1005814.

Bessec, M. y Bouabdallah, O. (2005), “¿Qué causa el fallo de pronóstico del cambio de markov
modelos?un estudio de monte carlo”,Estudios en Dinámica No Lineal y Econometría,vol. 9.
Bollerslev, T. (1986), “Heteroscedasticidad condicional autorregresiva generalizada”,Diario de
Econometría,vol. 31 núm. 3, págs. 307-327.
Caja, G., Jenkins, G. y Reinsel, G. (1994),Análisis de Series Temporales: Pronóstico y Control,3ra, ed.,
Prentice Hall, Englewood Cliffs, Nueva Jersey.

Brooks, C. y Persands, G. (2002), “Elección de modelo y desempeño de valor en riesgo”,Analistas Financieros

Diario,vol. 58 núm. 5, págs. 87-97.
Crawford, GW y Fratantoni, MC (2003), “Evaluación del rendimiento de pronóstico del cambio de régimen,
Modelos ARIMA y GARCH de precios de la vivienda”,economía inmobiliaria,vol. 31 N° 2, págs. 223-243, doi:
10.1111/1540-6229.00064.
Dufitinema, J. (2020), “Clustering de volatilidad, relación riesgo-retorno y ajuste asimétrico en el
mercado inmobiliario finlandés”,Revista internacional de análisis y mercados de la vivienda,vol. 13 N° 4,
págs. 661-688, doi:10.1108/IJHMA-12-2019-0125.
Dufitinema, J. (2021), “Pronóstico de volatilidad estocástica del mercado inmobiliario finlandés”,Aplicado
Ciencias económicas,vol. 53 N° 1, págs. 98-114, doi:10.1080/00036846.2020.1795074.

Dufitinema, J. y Pynnönen, S. (2020), “Dependencia de largo alcance en los rendimientos y volatilidad de los
mercado inmobiliario finlandés”,Revista de Investigación Inmobiliaria Europea,vol. 13 N° 1, págs. 29-50, doi:
10.1108/JERER-07-2019-0019.
Engle, RF y Bollerslev, T. (1986), “Modelización de la persistencia de varianzas condicionales”,Econométrico
Reseñas,vol. 5 N° 1, págs. 1-50.
Feng, L. y Baohua, C. (2015), “Investigación sobre la memoria a largo plazo de la volatilidad del precio de la vivienda de los productos básicos
basado en el modelo FIGARCH”,Investigación de materiales avanzados,vol. 1079-1080, págs. 1194-1198.

Datos de cuentas financieras (2018), “Cuentas financieras de los Estados Unidos”, disponible en:www.
federalreserve.gov/releases/z1/20190920/html/b101h.htm (accessed 8 June 2020).
Geweke, J. and Porter-Hudak, S. (1983), “The estimation and application of long memeory time series
models”, Journal of Time Series Analysis, Vol. 4 No. 4, pp. 221-238.
Traducido del inglés al español - www.onlinedoctranslator.com

Construcción ARTÍCULO (REVISADO POR PARES)

Economía y
Un enfoque de preparación para el ciclo de vida del proyecto para
Edificio
gestionar los residuos de la construcción en Jordania
vol. 21, nº 3
septiembre 2021 saad zighan1, Moheeb Abualqumboz2
1 Facultad de Ciencias Administrativas y Financieras, Universidad de Petra, Amman, Jordania,
szighan@uop.edu.jo
2Escuela de Negocios de Salford, Universidad de Salford, Manchester, M5 4WT, Reino Unido,m.abualqumboz@
salford.ac.uk

Autor correspondiente:Moheeb Abualqumboz, Escuela de Negocios de Salford, Universidad de Salford,

Manchester, M5 4WT, Reino Unido,m.abualqumboz@salford.ac.uk

© 2021 por el(los) autor(es). Este es DOI:http://dx.doi.org/10.5130/AJCEB.v21i3.7628

un artículo de acceso abierto Historial del artículo:Recibido: 14/03/2021; Revisado: 24/06/2021 y 22/07/2021; Aceptado: 23/07/2021;
distribuido bajo los términos de la Publicado: 09/10/2021
licencia Creative Commons
Attribution 4.0 International (CC BY
4.0) (https://creativecommons.org/
licenses/by/4.0/ ), permitiendo a
terceros copiar y redistribuir el Resumen
material en cualquier medio o
formato y remezclar, La industria de la construcción es conocida por generar la mayor cantidad de residuos entre otras industrias, lo que contamina significativamente el medio ambiente. Este estudio, por lo tanto, examina

las causas y fuentes de desperdicio en proyectos de construcción, considerando actividades, entradas y salidas de cada fase del ciclo de vida de los proyectos de construcción (es decir, concepto,

transformar y construir sobre el

definición, despliegue y transición). Se realizaron treinta entrevistas semiestructuradas con profesionales en proyectos de construcción en Jordania, incluidos arquitectos, contratistas y administradores
material para cualquier propósito,
de proyectos. Los hallazgos revelan que los residuos resultantes de los proyectos de construcción pasan por varias operaciones organizadas desde la generación hasta la disposición final. Es más, los
incluso comercial, siempre que el
desechos se generan en pequeñas cantidades en las primeras etapas de la construcción del proyecto, pero crecen a medida que el proyecto avanza hacia el final. La contribución clave de este
trabajo original se cite correctamente
y establezca su licencia. documento es complementar la literatura sobre soluciones de gestión de residuos proporcionando un enfoque holístico para abordar los residuos desde su raíz al incluir estrategias de gestión de

residuos en todas las fases del ciclo de vida del proyecto, no solo durante la fase de construcción. Esto se hace con una vista de preparación de gestión para desarrollar una estrategia adecuada para la

Citación:Zighan, S. y minimización de residuos de construcción y mejorar la gestión de proyectos de construcción. La implicación práctica de este estudio es proporcionar un marco holístico de gestión de residuos para que

Abualqumboz, M. 2021.
los profesionales lo adopten en las primeras etapas del proyecto. La contribución clave de este documento es complementar la literatura sobre soluciones de gestión de residuos proporcionando un
Un enfoque de preparación para el ciclo de vida del
enfoque holístico para abordar los residuos desde su raíz al incluir estrategias de gestión de residuos en todas las fases del ciclo de vida del proyecto, no solo durante la fase de construcción. Esto se
proyecto para administrar
hace con una vista de preparación de gestión para desarrollar una estrategia adecuada para la minimización de residuos de construcción y mejorar la gestión de proyectos de construcción. La
Residuos de la construcción en
Jordania. Economía de la implicación práctica de este estudio es proporcionar un marco holístico de gestión de residuos para que los profesionales lo adopten en las primeras etapas del proyecto. La contribución clave de este

Construcción y Edificación, 21:3, 58– documento es complementar la literatura sobre soluciones de gestión de residuos proporcionando un enfoque holístico para abordar los residuos desde su raíz al incluir estrategias de gestión de

79.http://dx.doi.org/10.5130/AJCEB.
residuos en todas las fases del ciclo de vida del proyecto, no solo durante la fase de construcción. Esto se hace con una vista de preparación de gestión para desarrollar una estrategia adecuada para la
v21i3.7628
minimización de residuos de construcción y mejorar la gestión de proyectos de construcción. La implicación práctica de este estudio es proporcionar un marco holístico de gestión de residuos para que

los profesionales lo adopten en las primeras etapas del proyecto. Esto se hace con una vista de preparación de gestión para desarrollar una estrategia adecuada para la minimización de residuos de
ISSN 2204-9029 | Publicado por
UTS ePRESS |https://epress. construcción y mejorar la gestión de proyectos de construcción. La implicación práctica de este estudio es proporcionar un marco holístico de gestión de residuos para que los profesionales lo adopten en las primeras etapas d

lib.uts.edu.au/journals/index.
php/AJCEB

58 DECLARACIÓN DE INTERÉS EN CONFLICTOEl(los) autor(es) declaró(n) que no existe(n) ningún conflicto de interés
potencial con respecto a la investigación, autoría y/o publicación de este artículo.FONDOSLos autores no
recibieron apoyo financiero para la investigación, autoría y/o publicación de este artículo.
 Zighan y Abualqumboz

Palabras clave

Proyectos de construcción; Gestión de residuos; Sostenibilidad del medio ambiente; Gestión de Proyectos
Sostenibles; Ciclo de vida del proyecto

Introducción
El alto volumen de residuos generados por los proyectos de construcción es un serio desafío económico, ambiental y social (

Sarhan, et al., 2019 ). Los residuos de la construcción son el resultado de las actividades de construcción, como la movilización

del sitio, la excavación, la construcción nueva, la renovación, la restauración, la deconstrucción, la demolición y la destrucción (

Lu, Yuan y Xue, 2021 ). Se agrupa principalmente en residuos físicos y no físicos. Los residuos físicos son principalmente

hormigón roto, ladrillos, metales y otros materiales. Los residuos no físicos incluyen actividades sin valor agregado en el

diseño del proyecto, ejecución, adquisición y manejo de materiales (Foo, et al., 2013 ).

A pesar de la abundancia de investigaciones sobre la gestión de residuos, los proyectos de construcción todavía generan

grandes cantidades de residuos en diferentes formas, como madera, plástico, papel, metales, hormigón, piedra, caucho y yeso (

Tam, Soomro y Evangelista, 2018 ;Mahpour y Mortaheb, 2018 ). En 2016, la UE generó 2.538 millones de toneladas de residuos, de

los cuales un 25%-30% fueron residuos de construcción. Solo en el Reino Unido, los residuos de la construcción generaron 66

millones de toneladas en 2016 (Servicio de Estadística del Gobierno, 2019 ). En Jordania, los proyectos de construcción generaron 30

millones de toneladas de residuos recibidos en los vertederos. Además, el sector de la construcción representa el 40% del consumo

de energía y el 12% del uso de agua dulce y produce hasta el 40% de los residuos sólidos anuales. Un alto porcentaje de estos

residuos podría haber sido quemado en el lugar o transportado a los vertederos (Alawneh, et al., 2019 ).

El mayor interés en la investigación de los residuos de la construcción surge al darse cuenta de que las actividades de construcción utilizan el

50 % de los recursos naturales, que comprenden el 15 % del agua y hasta el 45 % de la potencia y la energía. Además, alrededor del 50 % de los

materiales de construcción se extraen del suelo y el 25 % de la madera se utiliza en proyectos de construcción (Yeheyis, et al., 2013 ). Por lo tanto, la

gestión de los residuos de la construcción es un tema fundamental para los responsables de la formulación de políticas, los investigadores y los

profesionales de todo el mundo (Dolla y Laishram, 2019 ).

Este documento utiliza el enfoque del ciclo de vida del proyecto para gestionar mejor los residuos de los proyectos de

construcción. El ciclo de vida del proyecto proporciona un enfoque estructurado para el progreso del proyecto (Asociación para la

Gestión de Proyectos, 2019 ). A pesar de la interconexión y la alta confiabilidad entre las fases del ciclo de vida del proyecto, cada

fase del ciclo de vida del proyecto tiene actividades, entradas y salidas claramente definidas (Zigan, 2020 ). Cada fase del ciclo de

vida del proyecto genera diferentes tipos de residuos por diferentes razones y de diferentes fuentes (cf.Ding, et al., 2018 ;Tam, et

al., 2007 ).

De acuerdo aAkinade, et al. (2018) , el objetivo principal de la gestión de los residuos de la construcción es aprovechar al máximo
los materiales de construcción, reducir el consumo, minimizar la eliminación y, al mismo tiempo, garantizar un nivel adecuado de

protección ambiental y sostenibilidad. En años anteriores se han llevado a cabo varios estudios de investigación sobre construcción

conectada a residuos.Osmani (2011) sugiere que la mayoría de estos estudios son reactivos y están orientados a reciclar y reutilizar

los residuos cuando se generan. Estos estudios investigaron la cuantificación de residuos y el reciclaje de residuos in situ para

desviar los residuos de la construcción del vertedero. Por lo tanto, se han avanzado métodos, herramientas y técnicas para manejar

y tratar mejor los desechos de los proyectos de construcción (Akinade, et al., 2018 ,Davis, et al., 2021 ,Ding, et al., 2018 ). También se

han realizado varios intentos para delinear los residuos de la construcción y decodificar sus prácticas de gestión, con la intención de

minimizar la cantidad de residuos y aumentar las tasas de recuperación (Herrera, et al., 2020 ).McGrath (2001) propuso un

instrumento de minimización de residuos conocido como “SMART Waste”. Este instrumento fue desarrollado como un estándar para

revisar, disminuir y marcar los desperdicios de proyectos de construcción para mejorar la recuperación de materiales de proyectos

de construcción. (Yuan 2013 ) utilizó el análisis FODA para analizar los desechos de la construcción en Shenzhen, China, y sugirió

varias estrategias para gestionar los desechos considerando los factores internos y externos que contribuyen.

59 Economía de la Construcción y Edificación, vol. 21, No. 3 Septiembre 2021

 Zighan y Abualqumboz

y/o limitar la operatividad de estas estrategias.Ding, et al. (2018) utilizó un enfoque de dinámica de sistemas para evaluar la reducción de

residuos de la construcción durante las fases de diseño e implementación del proyecto y sugirió varias prácticas para aliviar la generación

de residuos de la construcción.Mac, et al. (2019) utilizó la dinámica del sistema para informar a los formuladores de políticas sobre las

tarifas de cobro óptimas para la eliminación de desechos de la construcción. Utilizando enfoques tecnológicos, específicamente BIM,

Akinade, et al. (2018) sugirió varios factores que las partes interesadas esperan de esta tecnología para reducir los desechos de la

construcción. Sin embargo, la tendencia de investigación de la gestión de residuos de la construcción está dirigida principalmente por los

valores jerárquicos de los residuos, controlados por el tema 'final de tubería' (Hamid, Skinder y Bhat, 2020 ).

Algunos estudios también intentaron minimizar los residuos de los proyectos de construcción centrándose en la prevención de

residuos durante la fase de diseño del proyecto (cf.Mak, et al., 2019 ;Wang, Li y Tam, 2015 ). Estos esfuerzos de investigación se han

centrado en la gestión de la construcción genérica y la fase de diseño o un enfoque disperso en las fases del proyecto. Sin embargo,

ha habido muy poca investigación sobre la gestión de los residuos de la construcción desde la cuna hasta la tumba (desde la fase de

concepción hasta la fase de cierre del proyecto). Pocos estudios han considerado las características del proyecto, especialmente la

transición de las actividades del proyecto de fase a fase durante el ciclo de vida del proyecto, es decir, inicio, planificación,

construcción y cierre, dado que cada fase podría generar diferentes tipos de residuos por diferentes motivos. Por ejemplo,Osmani

(2013) presentó un marco que detalla las fuentes y las causas de los residuos a lo largo del ciclo de vida del proyecto. Sin embargo,

y lo que es más importante, entre los pocos artículos de investigación que tenían como objetivo proporcionar un enfoque del ciclo
de vida del proyecto para la gestión de residuos, no hay ningún intento de proporcionar una lente de preparación que muestre

cómo se pueden preparar los proyectos en cada fase para gestionar los diversos tipos de residuos. que puedan surgir y abordar de

manera proactiva las causas de tales desperdicios. Por lo tanto, este estudio se basa en el enfoque de gestión de proyectos para

analizar la gestión de residuos de la construcción a lo largo de las fases del ciclo de vida del proyecto para mejorar la gestión de los

residuos de la construcción al delinear las causas de los residuos y las estrategias para abordarlos en cada fase del ciclo de vida del

proyecto. Para determinar el alcance de este estudio y guiar el proceso de investigación, se han planteado tres preguntas

principales.

P1: ¿Qué tipo de residuos se pueden producir durante el ciclo de vida del proyecto de construcción?

P2: ¿Cuáles son las fuentes de estos residuos?

P3: ¿Cómo se pueden gestionar estos residuos en sus diversas fuentes?

Como respuesta a estas preguntas, se ha adoptado la investigación de base cualitativa. El artículo comienza con
una revisión de la literatura existente; luego, se describe el método de investigación. A continuación, se presentan los
principales resultados mediante un examen de los datos recopilados. Finalmente, se discutirán los resultados de este
examen, se responderán las preguntas del estudio y se sacará la conclusión del estudio. En la siguiente sección, se
presenta un breve esquema de la industria de la construcción y sus características.

Revisión de literatura

EL CICLO DE VIDA DEL PROYECTO DE CONSTRUCCIÓN

La gestión de proyectos se ve como un reflejo de las funciones de gestión, que implican planificar, organizar,
dirigir y controlar las fases del proyecto para lograr un objetivo específico dentro de especificaciones predefinidas
exactas (Atkinson, Crawford y Ward, 2006 ). Cada proyecto pasa por una cadena de fases reconocibles, donde
nace, se desarrolla y luego se entrega (Zighan, Bamford y Reid, 2018 ). Si bien puede haber cierta superposición a
lo largo de las fases, el trabajo generalmente pasa de la fase primaria a la fase final. Una sola fase proporciona la
base para el trabajo realizado en la fase que sigue al ciclo de vida del proyecto (Renuka, Umarani y Kamal, 2014 ).

En la literatura de gestión de proyectos, hay varios puntos de vista con respecto a la cantidad de fases por
las que pasa un proyecto, que varían de al menos tres fases a seis fases (Zigan, 2020 ). En tal ciclo de vida,

60 Economía de la Construcción y Edificación, vol. 21, No. 3 Septiembre 2021

 Zighan y Abualqumboz

cada fase implica una colección de rituales delimitadores antes de pasar a otra fase (van den Ende y van Marrewijk,
2014 ). Si bien esta transición lineal ha sido criticada por ser incapaz de involucrarse dinámicamente con proyectos
complejos, el ciclo de vida del proyecto sigue siendo una herramienta poderosa para visualizar proyectos en transición
desde el concepto hasta la entrega (Javed, Bamford y Abualqumboz, 2020 ). Tradicionalmente, un proyecto de
construcción típico consta de cuatro fases principales: inicio, planificación, construcción y cierre. Cada fase tiene su
propio cronograma de tareas, recursos, características y propósitos, con distintos grados de definición (van den Ende y
van Marrewijk, 2014 ).Figura 1 a continuación se muestran las diferentes fases del ciclo de vida del proyecto de
construcción.

Figura 1. Ciclo de vida del proyecto Adaptado de APM Body of Knowledge 7.ª edición (Fuente:Asociación para
la Gestión de Proyectos, 2019 )

GESTIÓN DE RESIDUOS DE LA CONSTRUCCIÓN

Los residuos de la construcción surgen de las acciones de renovación, construcción y demolición de proyectos de construcción

pública, residencial e industrial. Los residuos se pueden clasificar de acuerdo con el tipo de materiales utilizados o por las diversas

actividades operativas en el proyecto (Ding, et al., 2018 ). Generalmente, el término residuo se refiere a una sustancia o material
que se desecha o se va a desechar. También se hace referencia a los residuos como un subproducto que se retira o rechaza debido

a que ya no es valioso o esencial después de que finalizan las operaciones de construcción (Davis, et al., 2021 ). Los residuos

también pueden tomar la forma de bienes e ingredientes sobrantes y arruinados que resulten de trabajos de construcción o

materiales utilizados temporalmente a través del proceso de acciones en el sitio (Poon, Ann y Ng, 2001 ). Desde otra perspectiva, el

desperdicio también puede definirse como actividades innecesarias, esfuerzo extra, uso improductivo del tiempo, junto con costos

o recursos que se han gastado de manera extravagante, descuidada o sin un objetivo final (Lu, Yuan y Xue, 2021 ). Por lo tanto, los

residuos de la construcción se pueden agrupar en residuos físicos o no físicos (Foo, et al., 2013 ).

Los desechos físicos son una combinación de materiales no inertes e inertes que surgen de la construcción, remodelaciones,

excavaciones, reparaciones de caminos, destrucción y otras acciones relacionadas con la construcción. Por ejemplo, algunos de

estos desechos constituyen restos reales, diversos tipos de bloques y ladrillos, muchos tipos de materiales plásticos, tejas, madera,

papel, acero de refuerzo y vidrio, además de tierra y piedras (Nagapan, Rahman y Asmi, 2012 ). Por otro lado, los residuos no físicos

se refieren a acciones que no agregan valor. El término acciones sin valor agregado separa los desechos físicos de construcción en

el sitio y otros desechos producidos por el ciclo de vida del proyecto y los preparativos para la construcción (Foo, et al., 2013 ). Este

tipo de residuos también se conocen como residuos imperceptibles, residuos no físicos o residuos indirectos (Nagapan, Rahman y

Asmi, 2012 ).Womack y Jones (1997) define este desperdicio como cualquier acción humana que cautiva propiedades pero no crea

valor, como errores que

61 Economía de la Construcción y Edificación, vol. 21, No. 3 Septiembre 2021

 Zighan y Abualqumboz

implican alteración, construcción de objetos que nadie necesita, fases de procedimiento que no son requeridas,
subutilización de mano de obra y pérdida de tiempo esperando la conclusión de las actividades de upstream.

Con el fin de mapear los residuos en los proyectos de construcción, se han desarrollado varias técnicas para clasificar las causas

fundamentales de los residuos de la construcción. Por ejemplo,Davis, et al. (2021) , utilizando una herramienta de aprendizaje profundo

que escanea imágenes digitales de contenedores de basura de la construcción, clasificó los residuos de la construcción en operación,

diseño, gestión de materiales y determinación del origen de los residuos.Saleem, et al. (2018) describir los residuos en la fase de diseño

resultantes de errores en las cláusulas del contrato o debido a documentos del contrato incompletos. Se descubrió que la gestión de

adquisiciones ineficiente es la principal fuente de desechos previos a la construcción, ya que genera la mayor cantidad de desechos

durante la fase de construcción.Mac, et al. (2019) identificado varias causas de

Tabla 1. Resumen de la investigación sobre gestión de residuos

Enfoque principal Hallazgos clave/contribución principal Representante

investigación

Sostenible Introdujo prácticas sostenibles de control de desechos, incluida la Lu, et al., 2019 ;
Edificio reducción, la recuperación, la reutilización y el reciclaje. Chi, et al., 2020

Factores que afectan Exploró los factores críticos de desperdicio que afectan el Nikmehr, et al.,
Los proyectos desempeño de los proyectos de construcción durante el 2017 ;Yuan, Wu
Desperdicio fase de construcción y Zuo, 2018

Sistema de uso El estudio simuló la evaluación del beneficio ambiental de Ding, et al., 2018
Dinámica los residuos de la construcción durante el diseño y
fases de construccion

Desperdicio Una herramienta de predicción de residuos basada en BIM que depende en Guerra, et al.,
Cuantificación gran medida de modelos analíticos de cuantificación de residuos 2019
Modelos para calcular la cantidad de residuos generados por los proyectos
de construcción, principalmente durante la fase de diseño

Cero Residuos a Una filosofía respetuosa con el medio ambiente que implica reducir Hamid, Skinder
vertedero la cantidad de residuos que acaban en los vertederos durante y Bhat, 2020.
la fase de construcción. El viaje de cero residuos implica
un fuerte compromiso con la eliminación de residuos.
y tratando

Circular Mejor gestión de recursos a través de un sistema regenerativo que Esa, Halog y
Economía tiene como objetivo mantener los materiales en un ciclo cerrado en Rigamonti, 2017 ;
su valor más alto. En este modelo, los materiales del proyecto final Mahpur, 2018
deben reutilizarse y deconstruirse para que actúen como bancos
de materiales para nuevos proyectos, manteniendo la
componentes y materiales en un circuito cerrado

Inclinarse La construcción ajustada se ocupa del diseño y la Nikakhtar, et al.,

Construcción gestión de proyectos de construcción para reducir los 2015
Gestión residuos mediante mejoras continuas y flujo de valor.
mapeo en la fase de construcción

Diseño crítico Minimizar el desperdicio durante la fase de diseño al Ajayi y

factores estandarizar el tamaño del material y usar modernos Oyedele, 2018 ;
métodos de construcción. Akinade, et al.,
2018

62 Economía de la Construcción y Edificación, vol. 21, No. 3 Septiembre 2021

 Zighan y Abualqumboz

desperdicio del proyecto, incluida la complejidad del proyecto de construcción y las dificultades de comunicación y coordinación. Estas

dificultades son el resultado de la naturaleza de penalización múltiple de los proyectos de construcción donde los datos que se envían a los

contratistas son ajustables y están abiertos a malentendidos, lo que inevitablemente genera desperdicio. Igualmente, Osmani, Vidrio y

precio (2008) declaró que 'los residuos [es] aceptados como inevitables' y una 'falta de formación' da como resultado desafíos para los

arquitectos en la gestión de residuos. Sin embargo, muchos investigadores apenas se han concentrado en las causas fundamentales de los

desechos y sus efectos, tanto desde un enfoque holístico como proactivo (Esin y Cosgun, 2007 ; Kofoworola y Gheewala, 2009 ;Saleem, et al.,

2018 ). Además, los estudios previos se han concentrado en la administración de desechos (p. ej.,Lockrey, et al., 2016 ) y ofreció de forma

eficaz normas para el reciclado y la valorización de residuos como método de gestión de residuos.

Sin embargo, generalmente se centraron en las reglas para el manejo de los residuos una vez que se han producido.tabla 1 abajo muestra que si bien

ha habido muchos estudios sobre los residuos de la construcción,Osmani (2011) solo se pudo notar que presentó un enfoque de ciclo de vida del proyecto

para la gestión de residuos en el Reino Unido. Por lo tanto, estos esfuerzos de investigación, aunque plausibles, ofrecieron un camino para reducir los

desechos a los vertederos en lugar de detener o reducir proactivamente la producción de desechos. Otros estudios también han estudiado la

minimización de residuos desde una perspectiva cuantitativa, centrándose en la reducción de los residuos de los proyectos de construcción en grandes

cantidades (Yuan, 2013 ). Por lo tanto, este documento está configurado para proporcionar un enfoque holístico para ver las causas del desperdicio en las

múltiples fases del ciclo de vida del proyecto con una lente de preparación que tiene como objetivo mostrar de manera proactiva los habilitadores

estratégicos clave y las acciones de mitigación para abordar los desperdicios identificados en cada fase.

Metodología de investigación
En este trabajo se adoptó un enfoque cualitativo ya que proporciona un relato detallado de los comportamientos y percepciones

de las personas y facilita el estudio más detallado de sus opiniones sobre un tema en particular (Sarhan y Manu, 2021 ). Como

esta investigación es exploratoria, se adoptó un enfoque cualitativo basado en entrevistas para explorar las causas clave de los

residuos de la construcción en función del ciclo de vida del proyecto.

El estudio se ha llevado a cabo en la industria de la construcción de Jordania, que enfrenta importantes desafíos a nivel macro

(p. ej., problemas socioeconómicos) y desafíos a nivel micro (p. ej., gestión ineficaz) (Albalkhy y Sweis, 2019 ). Con una población de

10 millones y un área de 34,495 millas cuadradas, la economía jordana es una de las economías más pequeñas de Medio Oriente.

La industria de la construcción aporta el 4,4% del PIB de Jordania (Departamento de Estadística, 2017 ). Jordania tiene tres regiones

(norte, centro y sur) de las cuales Amman (la capital), Irbid y Zarqa son las ciudades más pobladas. La industria de la construcción
en Jordania produce cantidades significativas de desechos (principalmente hormigón y acero) como resultado de la mala calidad,

las tasas significativas de reelaboración y la escasez de habilidades (Al-Rifai y Amoudi, 2016 ). Estudios recientes (por ejemplo,Sweis,

et al., 2021 ) muestran que las empresas de construcción jordanas no dan prioridad a los residuos de la construcción. Dado que el

propósito del estudio es obtener opiniones de expertos sobre los desechos de la construcción en todas las fases del ciclo de vida

del proyecto, se abordó a los profesionales de la gestión de la construcción a través de un método de muestreo intencional. Este

método de muestreo es apropiado para la investigación cualitativa, ya que permite a los investigadores elegir de manera efectiva a

participantes ricos en datos que probablemente tengan una comprensión integral del tema en cuestión.

En consecuencia, los participantes de la investigación son profesionales tanto del lado del contratista como del consultor. Los

criterios para los participantes de la investigación fueron tales que (1) el participante debe trabajar en la industria de la

construcción (p. ej., arquitectos, ingenieros públicos/operativos, subcontratistas, contratistas, administradores de proyectos o

construcción), (2) su trabajo podría estar en -sitio o en el cargo y (3) el individuo debe tener al menos 5 años de experiencia. Este

criterio se siguió para asegurar que los participantes tuvieran conocimientos y experiencia relevantes en la industria de la

construcción.

Se realizaron 30 entrevistas semiestructuradas con profesionales de proyectos de construcción, incluidos arquitectos,

empresas contratistas y administradores de proyectos. Los participantes de la investigación cuentan con más de 6 años
de experiencia y conocimiento en proyectos de construcción. Además, han estado involucrados en varios

63 Economía de la Construcción y Edificación, vol. 21, No. 3 Septiembre 2021

 Zighan y Abualqumboz

proyectos de construcción en los 5 años anteriores y tener conocimiento o experiencia en la reducción de residuos en proyectos de

construcción.Tabla 2 a continuación se muestran las características de los 30 participantes en función del tipo de proyectos de

construcción en los que se involucraron principalmente.

Tabla 2. Participantes de la investigación

Tipo de proyecto de construcción Nº de Expertos Participantes

Edificios generales, como proyectos de construcción 17 8 arquitectos

de viviendas, proyectos de edificios comerciales y 2 Ingenieros Civiles/Estructurales
proyectos de construccion industriales. 4 Gerentes de Proyecto
3 contratistas

Proyectos de construcción de ingeniería, es decir, 13 4 arquitectos

proyectos de construcción pública financiados por el 1 Ingenieros Civiles/Estructurales
gobierno jordano. 4 Gerentes de Proyecto
4 contratistas

Los datos fueron recolectados entre mayo de 2019 y febrero de 2020 a partir de entrevistas semiestructuradas. Las

entrevistas fueron cara a cara en la región central debido a la alta intensidad de proyectos de construcción públicos y privados en

la región. Las preguntas de la entrevista se desarrollaron para explorar las razones clave por las que se generan residuos de la

construcción en las diferentes fases del ciclo de vida del proyecto de construcción. Como se muestra en el Apéndice, las

entrevistas constaban de 15 preguntas que cubrían 5 secciones de información general, ciclo de vida del proyecto de

construcción, origen de los desechos, fuentes y causas de los desechos durante el ciclo de vida del proyecto, estrategias de

minimización de desechos de la construcción y otras reflexiones y opiniones. Cada entrevista duró entre 50 minutos y 90 minutos.

Toda la entrevista grabada es de 10 horas y 24 minutos, mientras que el promedio de cada entrevista fue de 1 hora y 8 minutos.

Los datos fueron registrados a través de una grabadora digital y transcriptos manualmente por los autores.

Un enfoque de análisis temático (Braun y Clarke, 2006 ) ha analizado los datos recopilados. La fase inicial se centró en descubrir

y leer los datos para mantener la coherencia de los datos y aislar las discrepancias. A esto le siguió la codificación de los datos y

concluyó etiquetando y segmentando los scripts de datos. Para desarrollar temas, se recopilaron códigos similares antes de

examinarlos cuidadosamente para verificar su idoneidad y combinarlos con temas interrelacionados (Braun y Clarke, 2006 ). El

análisis temático culminó en un modelo básico de preparación (VerTabla 3 a continuación) que captura cuatro niveles en los que se

han puesto en práctica las estrategias de minimización de desechos y un conjunto de factores que informaron las características

clave de la implementación de la estrategia.

Para establecer la credibilidad de este estudio cualitativo, una triangulación de análisis de datos (Creswell y Miller, 2000 ) se ha llevado a

cabo mediante el uso de tres tácticas principales para el análisis de datos. En primer lugar, el equipo de investigación analizó los datos por

separado; luego, los investigadores se reunieron y revisaron las sugerencias de los demás, discutieron, definieron y justificaron sus códigos, y

acordaron los temas iniciales para aplicarlos al conjunto de datos completo. Esto fue para asegurar que las voces de los entrevistados se

mantengan a lo largo de los procesos de análisis de datos (Abualqumboz, et al., 2021 ). En segundo lugar, la credibilidad también se abordó

durante la fase de análisis de datos mediante la puesta en práctica de una revisión externa por pares de los temas por parte de un académico

experto en el campo para abordar las discrepancias en su organización, alineación cruzada y capacidad de seguimiento (Creswell y Miller,

2000 ). El revisor es un académico experto en el entorno construido y los métodos de investigación cualitativa, que ayudó a revisar la guía de

entrevistas antes de que comenzara la recopilación de datos, examinó los temas y códigos después de la primera iteración del análisis de

datos y verificó que los temas coincidieran con los temas transcritos por los entrevistados. cuentas en la iteración final del análisis de datos.

Además, el equipo de investigación realizó una llamada de Zoom con el experto en agosto de 2020 para analizar los comentarios y

sugerencias planteados durante el proceso de revisión por pares para eliminar cualquier discrepancia y acordar los temas.

64 Economía de la Construcción y Edificación, vol. 21, No. 3 Septiembre 2021

 Zighan y Abualqumboz

Tabla 3. Modelo de cuatro niveles de preparación

Nivel factores

Ambiental (Contextual) Requerimiento regulatorio

Regulaciones basadas en riesgo

Indicadores de mercado

Conciencia de las partes interesadas

Organizativo Aprendizaje y conocimiento

Apoyo de la alta dirección

Estrategia de negocios

Ventaja competitiva

Proyecto Alcance del proyecto

Plan de proyecto

Relación calidad-precio

Tecnología Facilidad de uso

Compatibilidad

Disponibilidad

y estructuras de codificación. Finalmente, los resultados del análisis de datos también se enviaron a los participantes del estudio

(Cinco participantes aceptaron completar este ejercicio de verificación de confiabilidad) para su verificación y validación (Lincoln

y Guba, 1985 ).

Recomendaciones

Los resultados del análisis de datos temáticos sobre las fuentes y causas de los residuos a lo largo del ciclo de vida
del proyecto de construcción se identifican y presentan a continuación.

CAUSAS Y FUENTES DE RESIDUOS DURANTE LA FASE DE CONCEPTO

Las preguntas de la entrevista y el análisis de datos estuvieron orientados a identificar las causas y fuentes de los desperdicios de la

construcción durante la fase de anteproyecto. La falta de colaboración y compromiso tempranos entre las partes interesadas del proyecto

fue la causa de desperdicio mencionada con más frecuencia durante esta fase.Tabla 4 a continuación se muestran las percepciones de los

participantes sobre las causas de desperdicio más impactantes durante la fase de concepto del proyecto (es decir, la fase de inicio).

Una de las causas más críticas de los residuos en la que se centraron los participantes en la fase de concepto del proyecto fue que los

residuos no forman parte del criterio principal de selección del proyecto. Por ejemplo, un arquitecto dijo que “la minimización de residuos

no es uno de los pilares principales del proceso de selección de proyectos ni un aspecto principal de los criterios de selección de

proyectos”.Los participantes también mencionaron varias causas que limitan la capacidad de la gestión del proyecto para desarrollar

planes y escenarios para gestionar los residuos durante la fase de concepto del proyecto, como las características poco claras del proyecto

a lo largo de esta fase. Por ejemplo, un arquitecto dijo:“La calidad de las instrucciones que los ingenieros reciben de un cliente

normalmente es vaga y no estructurada en esta fase. Esto hace que sea muy difícil ver el problema de los residuos del proyecto en este

punto”.Los participantes enfatizaron los problemas relacionados con el bajo nivel de cooperación y

sesenta y cinco Economía de la Construcción y Edificación, vol. 21, No. 3 Septiembre 2021
 Zighan y Abualqumboz

Tabla 4. Percepciones de los participantes sobre las causas de los residuos durante la fase de concepto del proyecto

Causas de desperdicio Detalles de la causa Estratégico Proactivo

en la fase de concepto Preparación mitigando
Habilitadores Comportamiento

Falta de • La minimización de residuos no se ha Ambiental: • Proyecto

desperdicio inicial establecido como una de las objeciones Regulador Evaluación
minimización y y criterios del proyecto. requisitos • Interesado
administración • No se han realizado estudios Organizativo: análisis
consideración. factibles de minimización y Estrategia de negocios
gestión de residuos. Proyecto:Proyecto
• El plan de minimización de residuos alcance
no es un requisito para el
proyecto de construcción.

Insuficiente • Comunicación previa inadecuada Ambiental: • Interesado

incentivos y acompañada de mínima Regulador análisis
facilitadores. esfuerzos de cooperación entre los requisitos • Alcance
interesados en el proyecto. Ambiental: supervisión
• La gestión de residuos no está dirigida por el Interesado
cliente. conciencia
• El cliente no tiene conciencia de los Organizativo:
beneficios de la gestión de residuos. alta dirección
• La gestión de residuos no es un apoyo
requisito legislativo para los
diseñadores.

comunicación entre los principales interesados del proyecto durante la fase de concepto. El cliente, el diseñador, el
contratista y el director del proyecto son responsables de reducir los residuos del proyecto. Según un director de
proyecto, “la responsabilidad de gestionar los residuos del proyecto es un esfuerzo colectivo, y no la responsabilidad
individual de una persona o grupo en particular en el proyecto. Requiere coherencia de esfuerzos entre todos los
actores del proyecto”.Esto, según varios encuestados, señala la importancia de tener una responsabilidad coordinada y
distribuida entre las partes interesadas para trabajar hacia un entorno colaborativo mejorado en las primeras fases de
los proyectos de construcción.

En las entrevistas se mencionó la falta de conocimiento del cliente sobre los beneficios de la gestión de residuos

(particularmente aquellos relacionados con los ahorros derivados de la minimización de residuos). Cuando se les pidió a los

encuestados que explicaran la falta de cooperación entre ingenieros y consultores al asesorar al cliente sobre la gestión de

residuos, la mayoría de los encuestados recalcó que los ingenieros son responsables de calcular los beneficios de la gestión de

residuos y comunicárselo al cliente. Por ejemplo, un contratista dijo:“los arquitectos tienen un papel fundamental a la hora de

informar a los clientes sobre la gestión de residuos para mantener ciertos niveles de protección medioambiental”.Finalmente, es
fundamental señalar que la mayoría de los participantes consideraron los residuos como un aspecto inevitable y natural de los

proyectos de construcción. Según un director de proyecto, “los desechos son un problema normal en los proyectos de construcción

y se tratan como uno de los productos del proyecto y se manejan con prontitud”.

CAUSAS Y FUENTES DE LOS RESIDUOS DURANTE LA FASE DE DEFINICIÓN

Según los participantes, la fase de definición (es decir, la fase de diseño) parece ser la principal fuente de residuos en los proyectos

de construcción, afectando a las siguientes fases. Según uno de los directores del proyecto,“el diseño del proyecto es el aspecto

fundamental para un proyecto bajo o libre. En esta fase, la cantidad de residuos es pequeña, pero la

66 Economía de la Construcción y Edificación, vol. 21, No. 3 Septiembre 2021

 Zighan y Abualqumboz

Tabla 5. Las causas impactantes de los residuos en la fase de definición

Causas de Detalle de causas Estratégico Proactivo

residuos en el Preparación Acciones mitigantes
fase de definición Habilitador

Falta de (o • Sin plan de gestión de residuos Ambiental: • Interesado

pobre) desperdicio Regulador consultas
• La minimización de residuos no es
administración requisitos • Proyecto
uno de los principales
sistema Organización: planificación
entregables del proyecto y no es
Cima • Interfaz
considerada una restricción básica
administración análisis
del proyecto.
apoyo
• Falta de objetivos de minimización de Proyecto:Proyecto
desechos predefinidos y límites plan
definidos de gobernanza de la Tecnología:
gestión de desechos. Disponibilidad

Proyecto • La gestión de residuos no está Ambiental: • Interfaz

documentos y incluida en los contratos. Indicadores de mercado análisis
contratos Organización: • Proceso
• Tareas de gestión de residuos
Negocio mejora
mal categorizadas y
estrategia (por ejemplo, causa y
responsabilidades confunden la
Proyecto:Proyecto análisis de efectos)
entrega y la rendición de cuentas de
plan • Configuración
la gestión de residuos.
Tecnología: administración
• Los residuos no son un aspecto de las Compatibilidad
especificaciones del material.

falta de inicial • Diseñador-cliente deficiente Ambiental: • Interesado

cooperativa coordinación. Regulador consultas
arreglo requisitos • Interfaz
• Mala coordinación y
Organización: administración
comunicación dentro del
Cima • Comunicación
equipo de diseño
administración administración
• Poca colaboración y coordinación apoyo
comunal en materia de residuos. Proyecto:Proyecto
minimización. plan
Tecnología:
Compatibilidad

Desperdicio • La capacidad de especificar materiales Ambiental: • Actualización

administración adecuados y compatibles. Regulador industria
relacionados requisitos pautas
• Conocimiento de la calidad y
conocimiento Organización: • Entrenar y
durabilidad de los materiales.
Aprendizaje y Talleres de trabajo

• Revisiones limitadas de la investigación y las conocimiento • El acceso a los

mejores prácticas en gestión de desechos. Proyecto:Valor industria
por dinero exhibiciones
Tecnología: y saber hacer
• Insuficiente know-how en gestión de
Facilidad de uso repositorios
residuos.

• Conocimiento y orientación
limitados.

67 Economía de la Construcción y Edificación, vol. 21, No. 3 Septiembre 2021

 Zighan y Abualqumboz

Tabla 5. continuado

Causas de Detalle de causas Estratégico Proactivo

residuos en el Preparación Acciones mitigantes
fase de definición Habilitador

Falta de • No hay incentivos económicos Ambiental: • Establecimiento

compromiso significativos para diseñar un Regulador círculos de calidad

de arquitectos proyecto libre de residuos. requisitos • Incentivos

perder Organización: • Promoviendo
• La gestión de residuos no está
administración Cima profesional
institucionalizada en las
administración ética
normas de diseño.
apoyo
• La gestión de residuos no es una Proyecto:Proyecto
prioridad de diseño. plan
Tecnología:
• Complejidad de diseño y tiempo
Disponibilidad
limitado.

• No hay evaluación del diseño del proyecto

sobre generación de residuos.

• Falta de valorización de los residuos

generados por un mal diseño.

• Los horarios de trabajo ajustados conducen a

soluciones de diseño listas para usar.

Las razones de los desperdicios que surgen en las próximas fases del proyecto son altas”.Con base en las entrevistas, varias
causas fueron tematizadas y agrupadas en cinco categorías que se han dividido en subcategorías.Tabla 5 a continuación se

resumen las causas de desperdicio más impactantes en la fase de diseño del proyecto.

Los participantes de la investigación sugirieron que la fase de diseño del proyecto es crítica para prevenir y reducir el

desperdicio en los proyectos de construcción. Según uno de los directores de proyecto, “las consideraciones en el diseño y la

planificación de proyectos hacia proyectos de construcción libres de residuos son la base de la gestión de residuos.” Además, se
preguntó a los participantes si la minimización de residuos se considera una de las principales limitaciones del proyecto de

construcción (es decir, alcance, tiempo y costo) o, al menos, si los residuos se consideran un componente significativo al formular

y planificar estas tres limitaciones. El análisis de datos revela un acuerdo entre casi todos los encuestados, que los residuos no se

consideran dentro de las tres limitaciones principales del proyecto, y que los residuos generalmente no se consideran el

componente principal de la planificación y el diseño del proyecto; por ejemplo, un gerente de proyecto dijo:

…por lo general, al formular un plan de proyecto para alcanzar la meta especificada del proyecto dentro de actividades,

tiempo y costos específicos, no se considera el desperdicio. Es posible agregarlo a los costos del proyecto, pero no existe

un plan avanzado para la gestión de residuos similar a otros planes del proyecto, como planes para la gestión de riesgos,

gestión de conflictos o gestión de partes interesadas.

La mayoría de los participantes sugirieron que se necesita un liderazgo relacionado con los residuos al comienzo de un

proyecto y que este liderazgo debe abordar este desafío desde la raíz.

Otro tema principal que los participantes enfatizaron es que no hay objetivos de minimización de desechos predefinidos ni

una estructura de responsabilidad definida o límites de gobernanza de la gestión de desechos. Por ejemplo, un director de

proyecto dijo que“Los deberes y responsabilidades de la gestión de residuos están mal categorizados, lo que confunde la

entrega y la rendición de cuentas de la gestión de residuos”.Los participantes también reconocieron

68 Economía de la Construcción y Edificación, vol. 21, No. 3 Septiembre 2021

 Zighan y Abualqumboz

que los arquitectos no tienen responsabilidad legal para calcular los residuos. Sin embargo, la mayoría de los contratistas y gerentes de

proyectos afirmaron que las actividades proactivas requerirían que los arquitectos fueran más allá de sus obligaciones legales. Por ejemplo,

un director de proyecto dijo que“las consideraciones de desperdicio deben ser una responsabilidad estándar de los arquitectos sin políticas

de incentivo”.

Además, hubo un consenso entre los contratistas de que los desechos de diseño fueron el resultado de no

implementar un plan de gestión de desechos durante la fase de diseño. Los diseñadores volvieron a enfatizar el papel de

la comunicación y la cooperación para planificar proyectos sin desperdicios. Un arquitecto sugirió que“la gestión de

residuos es una cadena formada por varios actores”.

CAUSAS Y FUENTES DE RESIDUOS DURANTE LA FASE DE DESPLIEGUE

La cantidad de residuos alcanzará su punto máximo durante la fase de despliegue (p. ej., fase de construcción). Reflexionando

sobre esto, uno de los contratistas dijo:“Puede haber algunas razones, pero el desperdicio es alto en esta fase”.Las principales

causas y fuentes de residuos durante la fase de construcción, señaladas por los encuestados, se resumen en Tabla 6 debajo.

La mayoría de los participantes sostuvieron que la principal fuente de residuos en esta fase es el uso limitado de métodos de

construcción modernos. Según los participantes, el desperdicio es doble, por el uso de métodos de construcción antiguos o
tradicionales y/o por el uso de materiales de construcción antiguos o tradicionales. Según un director de proyecto, “Los trabajos

deben realizarse con métodos y materiales compatibles con el medio ambiente y que generen menos residuos. De lo contrario, es
probable que se produzca una gran cantidad de residuos al final del proyecto”.Por lo tanto, se preguntó a los participantes por qué
no se utilizan métodos de construcción modernos. El análisis de datos ha identificado varias razones para esto. Por ejemplo, un

contratista dijo que“el diseño y las especificaciones del proyecto no son compatibles con los sistemas de construcción modernos”.

Además, un gerente de proyecto dijo:“…a veces es difícil persuadir al cliente para que use métodos y materiales de construcción

modernos, especialmente si esos métodos y materiales no se le presentaron al cliente durante la fase de diseño”.Otro contratista
argumentó que“a veces, el contratista no conoce estos métodos modernos o no tiene experiencia relevante en estos métodos”.

Por otro lado, también se enfatizó como uno de los principales pilares de la minimización de residuos durante la fase de construcción, las

disposiciones contractuales y la dedicación de los contratistas a la minimización de residuos. Un diseñador afirmó que “la falta de

habilidades, conocimientos y prácticas de minimización de residuos por parte de los contratistas son las principales causas de los residuos

en la fase de construcción”.Aquí, los contratistas aclararon que los arquitectos están en una mejor posición para demostrar un diseño

específico de minimización de desechos de compromiso de alto nivel, lo que resulta en mejoras en la gestión de desechos en el sitio por

parte de contratistas y subcontratistas.

CAUSAS Y FUENTES DE RESIDUOS DURANTE LA FASE DE TRANSICIÓN

Hubo acuerdo entre los participantes en que los residuos durante la fase de transición son producto de las actividades de las fases

anteriores. Sin embargo, según los participantes, el desperdicio en esta fase suele ser limitado pero conlleva un alto riesgo. Un

diseñador dijo,“el mayor desperdicio en esta fase puede estar en la negativa del cliente a recibir el proyecto debido a

especificaciones diferentes a las acordadas, o como resultado de aparentes defectos en la calidad de las obras.” Según un director
de proyecto,“en esta fase, se debe realizar una inspección de todo el edificio. Si todo se hace correctamente, estas inspecciones son

bastante simples de pasar”. También está el problema de la clasificación de residuos: uno de los contratistas dijo: “al final del
proyecto hay dos tipos de residuos, los materiales reutilizables, que se pueden utilizar en otros proyectos o reciclar para ser
utilizados en otras industrias, y los materiales no reutilizables, que no se pueden utilizar ni reciclar y deben llevarse al vertedero .”
Sin embargo, un gerente de proyecto argumenta que“la mayoría de las veces, estos materiales sobrantes que son reutilizables o no

reutilizables se envían al vertedero”.Según un director de proyecto, “crear un sistema de clasificación desde el punto de partida del
proyecto es fundamental para la gestión eficaz de estos materiales”.

69 Economía de la Construcción y Edificación, vol. 21, No. 3 Septiembre 2021

 Zighan y Abualqumboz

Tabla 6. Las principales causas y fuentes de residuos durante la fase de despliegue

Causas de desperdicio Detalle de causas Preparación estratégica Proactivo

en el despliegue Habilitador Acciones mitigantes
fase
Uso limitado de • Construcción Ambiental:Mercado • En el sitio
métodos modernos técnicas y conductores administración
de construcción estrategias que conducen a Organización:Cima y
proyectos de residuos más altos. apoyo de la gerencia coordinación
Proyecto:Relación calidad-precio • Material adecuado
• Falta de conocimiento de la
Tecnología:Facilidad de uso selección
construcción moderna
• Entrenar y
métodos y
Talleres de trabajo
secuencias.

• Baja deconstrucción
capacidad y pobre
técnica de reutilización.

• Residuos eficientes
encofrados

• Menos dependencia de
la prefabricación y
producción fuera del sitio.

Contrato pobre • Una baja preparación Ambiental: • Government

relaciones y entre los contratistas Regulador subsidization
compromiso para bajo desperdicio requisitos • Managerial
proyectos Organización: intervention
Competitive advantage • Managing
• No thorough check of
Project: Project scope contractual
design information
Technology: relationships
prior to construction.
Compatibility
• Lack of
recommendations
related to waste
minimization.

• Oversight of project
activities that
allow for reusable
materials to be used
in construction

• Incompatible project
delivery approach to
that contracted

70 Construction Economics and Building, Vol. 21, No. 3 September 2021

 Zighan and Abualqumboz

Table 6. continued

Causes of waste Detail of causes Strategic Readiness Proactive

at the deployment Enabler Mitigating Actions
phase

Poor Site • Lack of site planning Environmental: • Proper

Management for low waste Regulatory transportation
Procedures material requirements of materials
Organization: Learning • Control efectivo
• Falta de gestión
and knowledge de material
logística y
Project: Value for money uso
segregación de residuos
Technology: Ease of use • Tableros Kanban
estrategia.
para materiales
(tracción dinámica

planificación)

Barreras culturales • Barreras culturales para Ambiental: • Equipo resistente

reducir los residuos Regulador apoyo
proyectos requisitos • Entrenar y
Organización:Aprendiendo Talleres de trabajo
• Proyecto excesivo
y el conocimiento • Promoviendo
interfaces líder
Proyecto:Relación calidad-precio Sostenible
a la confusión de
Tecnología:Facilidad de uso soluciones
requisitos del equipo

• Brechas de comunicación
entre proyecto
partes interesadas

Cambios de diseño • Retrabajo debido a Ambiental: • Entrenar y

y reelaborar errores en el proyecto Regulador Talleres de trabajo

diseño. requisitos • En el sitio

Organización:Aprendiendo administración
• Retrabajo debido a
y el conocimiento y
errores en el proyecto
Proyecto:Relación calidad-precio coordinación
ejecución.
Tecnología:Facilidad de uso • Mejorado
• Retrabajo debido a cambiar
cliente dinámico administración
necesidades. sistema

Discusión
Los proyectos de construcción generan residuos tanto físicos como no físicos durante las diferentes fases del ciclo de vida del

proyecto. La literatura existente proporciona una plétora de investigaciones sobre la gestión de residuos, pero estudios menos

concluyentes sobre un enfoque holístico de la dinámica del proyecto (desde la fase de concepto hasta la fase de transición) sobre

el origen de los residuos, sus causas y los facilitadores clave de las acciones de mitigación. Estos esfuerzos de investigación han

variado tanto en profundidad como en amplitud de análisis. Varios estudios demostraron un análisis en profundidad de los

desechos en una etapa específica del proyecto, mientras que otros abarcaron más de una fase para involucrarse con diversas

fuentes de desechos; para la fase de definición (Ver, por ejemplo,Lu, et al., 2019 ;Chi, et al., 2020 ;Guerra, et al., 2019 ;Mahpur,

2018 ;Ajayi y Oyedele, 2018 ;Akinade, et al., 2018 ); para la fase de despliegue (Véase, por ejemplo,Nikmehr, et al., 2017 ;Yuan, Wu

y Zuo, 2018 ;Nikakhtar, et al., 2015 ) para la definición

71 Economía de la Construcción y Edificación, vol. 21, No. 3 Septiembre 2021

 Zighan y Abualqumboz

y fases de despliegue (Véase, por ejemplo,Ding, et al., 2018 ) y para el ciclo de vida completo (VerOsmani, 2013 ). Sin
embargo, en paralelo con la investigación existente (cf.Davis, et al., 2021 ,Lu, Yuan y Xue, 2021 ,Mak, et al., 2019 ). Este
documento argumenta que las fuentes y las causas de los residuos de la construcción están interconectadas y
relacionadas, ya que el resultado de una fase (o fases) anterior afecta a la fase (o fases) siguiente.

A pesar de las contribuciones clave que ha brindado la investigación existente, los resultados de estos estudios están

desarticulados y producen un conocimiento fragmentado que se divide en varias perspectivas y no proporcionó una

conceptualización proactivamente holística. En respuesta a esta brecha, este estudio adoptó un enfoque holístico proactivo para

gestionar los residuos de la construcción. Nuestro estudio ha encontrado que los desechos tienen varias causas que son

predecibles, cuantificables y manejables (Ding, et al., 2018 ;Guerra, et al., 2019 ; yLu, et al., 2019 ) y, en consecuencia, sugirió un

marco de preparación para permitir que los proyectos de construcción aborden los residuos de la construcción (físicos y no físicos)

de manera institucional y estratégica.

Los hallazgos muestran que los diversos participantes en los proyectos de construcción (clientes, diseñadores, contratistas y

gerentes de proyectos) son responsables de reducir los desechos a lo largo del ciclo de vida del proyecto. Esto se hace eco de

investigaciones anteriores (por ejemplo,Nikakhtar, et al., 2015 ;Ajayi y Oyedele, 2018 ;Akinade, et al., 2018 ) que señaló la necesidad

de mejorar la eficacia y la eficiencia de la cooperación y la colaboración a lo largo de los proyectos de construcción en curso

mediante la mejora del flujo de información y la mejora de la comunicación entre las partes interesadas del proyecto en las

primeras fases del proyecto.

Además, durante tales fases, la conciencia de los residuos del proyecto y la consideración de la viabilidad de la gestión de

residuos en el proyecto son esenciales para disminuir los residuos, lo que este estudio descubrió que puede ser facilitado por los

habilitadores de preparación estratégica que tienen las partes interesadas del proyecto. De acuerdo aOsmani (2011) , dos causas

principales de desperdicio durante la fase de implementación (es decir, la construcción) son la comunicación ineficaz entre las

partes interesadas del proyecto y la información incompleta y la complejidad del diseño. No obstante, la gestión eficaz de los

residuos comienza en la fase conceptual y en la planificación de los residuos del proyecto (Mak, et al., 2019 ).

Mientras que la fase de definición se considera la fase crítica para minimizar los residuos de construcción, la fase de despliegue

se considera la fase primaria en la que se genera una gran cantidad de residuos (Ding, et al., 2018 ). La organización y manejo en

sitio fueron considerados los factores más significativos que generaron residuos con la ausencia de un proceso de reducción de

residuos, dado que no tienen consideración de reducción, reciclaje o reutilización de residuos. Durante la fase de despliegue de un

proyecto, se pueden generar residuos por cualquier insuficiencia, lo que resulta en el uso de equipos, materiales, mano de obra o
capital en cantidades mayores que las calculadas como necesarias para el procedimiento de construcción. De acuerdo aMcGrath

(2001) , un proyecto eficiente en residuos se caracteriza por maximizar los materiales utilizados y reutilizados durante las

actividades de construcción. Esto requiere adoptar métodos de construcción eficientes y modernos, especialmente un adecuado

sistema de segregación de diferentes materiales (cf.Davis, et al., 2021 ,Lu, Yuan y Xue, 2021 ). De hecho, los métodos de

construcción modernos y eficientes fueron otro facilitador clave identificado por esta investigación como una estrategia

subyacente clave para minimizar el desperdicio durante la construcción.Lu, et al. (2021) argumentan que las técnicas de

prefabricación, como el uso de módulos y piezas preestablecidos, son más eficientes que otras técnicas para disminuir los

desechos de los proyectos de construcción. Se puede evitar recurrir a construcciones fuera de obra, desperdicios por mal tiempo,

recortes, roturas de materiales y alteraciones (Delicado y Brooke, 2004 ).

Una cultura de minimización de residuos que sea parte de las competencias, la conciencia y el compromiso de los contratistas

con el proyecto es crucial para impulsar la minimización de residuos en la fase de construcción. Esto concuerda con estudios

previos, por ejemplo,Osmani, Vidrio y precio (2008) encontraron que la cultura tradicional de la construcción y la oposición al

cambio son obstáculos para la minimización efectiva de los residuos.Ajayi, et al. (2016) argumentan que, independientemente de

la adopción de varios métodos de gestión de residuos y la introducción de varias medidas legislativas, la disminución de la

cantidad de residuos producidos por la industria sigue siendo un desafío. Esto se debe principalmente a factores culturales que

contribuyen a la intensidad de los residuos de la industria, lo que impide la eficacia de

72 Economía de la Construcción y Edificación, vol. 21, No. 3 Septiembre 2021

 Zighan y Abualqumboz

la adopción de las estrategias de gestión de residuos existentes. De acuerdo con el argumento anterior, nuestra investigación

sugiere que las estrategias de gestión de residuos no serán efectivas sin el compromiso y la dedicación de todos los interesados

en el proyecto (en particular, los contratistas, ya que están más involucrados en la fase de operaciones). Aun así, dicha dedicación

puede producirse por exigencias contractuales y normativas que sancionen y premien en consecuencia la producción y

minimización de residuos.

El estudio ha concluido un marco básico (presentado a continuación enFigura 2 ) para estrategias de proyecto de bajo

desperdicio para cada fase del proyecto de construcción.

Figura 2. Estrategias de proyectos de bajo desperdicio a lo largo del ciclo de vida del proyecto

Este marco conceptual sugiere que las medidas clave subyacen a la construcción eficiente en términos de desechos, incluida la

coordinación del diseño de las partes interesadas del proyecto y la producción de información de diseño coherente y completa,

respectivamente, y además producir un diseño libre de desechos y errores. Esto se puede lograr a través de la regulación y la cooperación

dimensional, los procedimientos de diseño colaborativo, los métodos modernos de diseño para la construcción y la inclusión de los

desechos como una certificación de diseño. Aparte de las capacidades del deber del diseñador, el conocimiento relacionado con la

construcción y las habilidades interprofesionales como líderes básicos de un diseño de bajo desperdicio, junto con la competencia de

comportamiento de los diseñadores, se consideran los impulsores clave con respecto a sus esfuerzos para diseñar formas de evitar el

desperdicio.

Implicaciones gerenciales
Los hallazgos de este documento tienen implicaciones importantes en las actividades de construcción a lo
largo del ciclo de vida del proyecto. El documento muestra que la fase de definición es crucial para la
minimización de residuos. Este documento también argumentó que una cultura colaborativa es vital para
provocar la minimización de residuos en los proyectos de construcción. Teniendo esto en cuenta, se alienta
a las empresas de construcción a integrar culturalmente la gestión de residuos en sus equipos de diseño. Si
bien se requiere principalmente una capacidad de cooperación interprofesional para los diseñadores/
arquitectos, las empresas de construcción deben considerar de manera crucial la competencia y el
fundamentalismo en las tareas de diseño rudimentario y el conocimiento de las actividades y materiales de
construcción en sus equipos de diseño. Varias partes interesadas pueden utilizar el marco propuesto para
evitar el desperdicio de la construcción.

Conclusión
Este documento propone que la mayoría de los desechos de la construcción se pueden evitar mediante la identificación proactiva de las causas y

fuentes de los desechos, centrándose en la creación de valor ya sea temprano (o antes) de que ocurra el desperdicio. El documento presenta que esto

se puede hacer mediante la identificación de los habilitadores estratégicos clave de un conjunto de acciones de mitigación que abordan la causa raíz

de los desechos en cada fase del ciclo de vida de la gestión del proyecto. Las causas de los residuos están vinculadas a todas las fases del ciclo de vida

del proyecto. Por tanto, estos residuos deben gestionarse en todas las fases de la

73 Economía de la Construcción y Edificación, vol. 21, No. 3 Septiembre 2021

 Zighan y Abualqumboz

ciclo de vida del proyecto. Este estudio argumenta, en línea con la investigación existente, que es crucial tomar medidas para identificar todas

las actividades de producción de residuos desde el principio en las fases de concepto y definición para poder gestionar los residuos durante

todas las fases del proyecto. Sin embargo, además de las contribuciones clave en el campo, este estudio argumenta que la gestión de

residuos debe considerar el ciclo de vida completo del proyecto y prever, controlar y evitar los residuos a través de los facilitadores de

preparación estratégica de las partes interesadas del proyecto.

Este estudio propone que un conjunto particular de medidas son fundamentales. Esto incluye intensificar las medidas
para evitar el desperdicio durante cada fase y emplear de manera proactiva acciones de mitigación como la evaluación
del proyecto, el análisis de las partes interesadas y el monitoreo del alcance que ayudan más en las primeras fases. En
consecuencia, la participación e incorporación de las partes interesadas lo antes posible se han señalado como factores
críticos para resolver fundamentalmente los problemas de residuos. En este estudio se han identificado los factores que
afectan la aplicación de la gestión de residuos de la construcción. Los elementos más importantes que impactan la
aplicación de la gestión sistemática de los residuos de la construcción son el diseño, el proyecto o la cultura corporativa,
las reglamentaciones, las pautas de procedimiento y los incentivos. En concordancia con estudios previos, al colocar los
residuos en el centro de la fase de definición,

Este documento realiza una serie de contribuciones que pueden describirse como una contribución
incremental (Nicholson, et al., 2018 ) al conocimiento y la práctica detectando el descuido en la literatura
existente sobre la gestión de residuos y proporcionando un enfoque holístico y proactivo de los residuos. En
primer lugar, contribuimos al conocimiento mediante el avance de un enfoque de ciclo de vida para detectar
diversas causas y fuentes de desperdicio que abarcan las múltiples fases de un proyecto. La investigación
existente se ha centrado en un análisis en profundidad de las fuentes de desechos, pero esto, en
consecuencia, ha descuidado la amplitud de esos desechos que se dispersan a lo largo del ciclo de vida del
proyecto. Al destacar los habilitadores de preparación estratégica, la segunda contribución es informar a la
academia y la práctica sobre la importancia de contemplar de manera proactiva las diversas fuentes de
desechos desde la fase de concepto y las acciones de mitigación que se pueden diseñar para abordar los
desechos antes de que ocurran. surge Finalmente,
Centrarse en la industria de la construcción jordana como escenario de investigación empírica significa que nuestros
hallazgos y conclusiones están especialmente diseñados para ese escenario. Sin embargo, aunque la apreciación de las
generalizaciones de tales entornos de investigación es limitada, la forma en que se llevó a cabo la investigación puede
evaluarse empíricamente en un contexto similar para confirmar o refutar algunos de los resultados e implicaciones de la
investigación. Además, somos conscientes de que el tamaño de nuestra muestra es pequeño, pero este tamaño se decidió
cuando notamos que no surgía nueva información después de las últimas entrevistas en orden. También somos
conscientes de que nuestra muestra no incluye clientes directos. Finalmente, una limitación se puede encontrar en el ciclo
de vida del proyecto adoptado. Este documento utilizó un ciclo de vida de proyecto lineal debido a las restricciones de los
datos recopilados y, como resultado,

Con estas limitaciones en mente, sugerimos una serie de investigaciones futuras. La investigación adicional podría examinar la posibilidad

de generalizar los resultados de la investigación examinando cuantitativamente las causas del desperdicio en una muestra a gran escala (por

ejemplo, comparación entre países). Esto puede significar entornos de investigación transversales en las tres regiones de Jordania,

segmentando la recopilación de datos a una combinación de empresas de construcción pequeñas, medianas y grandes en Jordania e incluir

clientes y sujetos gubernamentales. Además, los estudios futuros en el contexto jordano pueden investigar variaciones de tipos y cantidades

de desechos en las diferentes regiones de Jordania. Otros estudios pueden investigar la aplicabilidad de nuestro marco en entornos

contextuales comparables (p. ej., regionales, culturales, socioeconómicos). Asimismo, como este estudio cubre proyectos de construcción, los

estudios futuros podrían examinar específicamente los métodos para minimizar los desechos en tipos particulares de proyectos de

construcción. Por ejemplo, la investigación futura podría centrarse en las variaciones de los residuos de la construcción en proyectos

financiados por empresas o privados frente a proyectos financiados por el gobierno para estudiar factores como el cumplimiento, la

gobernanza y los modelos de financiación. Esto permitiría una evaluación de los métodos de minimización de residuos entre varios tipos de

construcción.

74 Economía de la Construcción y Edificación, vol. 21, No. 3 Septiembre 2021

 Zighan y Abualqumboz

proyectos Otra vía de investigación futura podría ser el uso de un ciclo de vida extendido del proyecto (incluidas las fases de operación,

desmantelamiento y eliminación) para brindar una visión más holística de las estrategias de minimización de desechos.

Referencias
Abualqumboz, M., Chan, PW, Bamford, D. y Reid, I., 2021. Dimensiones temporales de los intercambios de conocimiento en redes

de conocimiento horizontales.revista de gestion del conocimiento, 25(4), págs. 899-919.https://doi.org/10.1108/JKM-05-2020-0346

Al-Rifai, JAR y Amoudi, O., 2016. Comprender los factores clave de los residuos de la construcción en Jordania.Revista Jordan de

Ingeniería Civil,10(2), págs. 244-253https://doi.org/10.14525/JJCE.10.1.3540

Allkhy, W. y Sweis, R., 2019. Evaluación del cumplimiento de la construcción ajustada entre los contratistas de construcción

jordanos de segundo grado.Revista internacional de gestión de la construcción, págs. 1-13.https://doi.org/10.1080/15623599.

2019.1661571

Ajayi, SO y Oyedele, LO, 2018. Factores críticos de diseño para minimizar los desechos en proyectos de construcción: un enfoque de

modelado de ecuaciones estructurales.Recursos, conservación y reciclaje, 137, págs. 302-13.https://doi.org/10.1016/j. resconrec.2018.06.005

Ajayi, SO, Oyedele, LO, Akinade, OO, Bilal, M., Owolabi, HA, Alaka, HA y Kadiri, KO, 2016. Reducción de residuos en vertederos: la

necesidad de un cambio cultural en la industria de la construcción del Reino Unido.Revista de Ingeniería de la Construcción, 5, págs.

185-93.https://doi.org/10.1016/j.jobe.2015.12.007

Akinade, OO, Oyedele, LO, Ajayi, SO, Bilal, M., Alaka, HA, Owolabi, HA y Arawomo, OO, 2018. Diseño de residuos de construcción

utilizando tecnología BIM: expectativas de las partes interesadas para el despliegue industrial.Revista de producción más limpia,

180,págs. 375-85.https://doi.org/10.1016/j.jclepro.2018.01.022

Alawneh, R., Ghazali, F., Ali, H. y Sadullah, AF, 2019. Un marco novedoso para integrar los Objetivos de Desarrollo

Sostenible de las Naciones Unidas en la evaluación y gestión de edificios no residenciales sostenibles en Jordania.

Ciudades Sostenibles y Sociedad, 49, 101612.https://doi.org/10.1016/j.scs.2019.101612

Asociación para la Gestión de Proyectos, 2019.Cuerpo de conocimientos de APM, séptima edición, Asociación para la Gestión de Proyectos.

Atkinson, R., Crawford, L. y Ward, S., 2006. Incertidumbres fundamentales en los proyectos y el alcance de la gestión de

proyectos.revista internacional de gestion de proyectos, 24(8), págs. 687-98.https://doi.org/10.1016/j.

ijproman.2006.09.011

Braun, V. y Clarke, V., 2006. Uso del análisis temático en psicología.Investigación cualitativa en psicología., 3(2), págs. 77-101.

https://doi.org/10.1191/1478088706qp063oa

Chi, B., Lu, W., Ye, M., Bao, Z. y Zhang, X., 2020. Minimización de residuos de construcción en edificios ecológicos: un análisis

comparativo de proyectos certificados LEED-NC 2009 en EE. UU. y China.Revista de producción más limpia, 256, 120749.

https://doi.org/10.1016/j.jclepro.2020.120749

Creswell, JW y Miller, DL, 2000. Determinación de la validez en la investigación cualitativa.La teoría en la práctica, 39(3), págs.

124-30. https://doi.org/10.1207/s15430421tip3903_2

Dainty, AR y Brooke, RJ, 2004. Hacia una mejor minimización de los residuos de la construcción: ¿necesita una mejor integración de la

cadena de suministro?.Levantamiento Estructural.https://doi.org/10.1108/02630800410533285

Davis, P., Aziz, F., Newaz, MT, Sher, W. y Simon, L., 2021. La clasificación del material de desecho de la construcción

mediante una red neuronal convolucional profunda.Automatización en la Construcción,122,103481.https://doi.org/

10.1016/j. autcon.2020.103481

75 Economía de la Construcción y Edificación, vol. 21, No. 3 Septiembre 2021

Traducido del inglés al español - www.onlinedoctranslator.com

www.nature.com/scientificreports

ABIERTO Un metanálisis global de las respuestas

de rendimiento y productividad del agua
de las hortalizas al riego deficitario
manpreet singh1, Paramveer Singh2, Sukhbir Singh1*, Rupinder Kaur Saini1y
Sangamesh V. Angadi2

Se necesitan estrategias que promuevan el uso eficiente del agua y la conservación del agua de riego para lograr la
seguridad hídrica y satisfacer la creciente demanda de alimentos. Este estudio de metanálisis evaluó el efecto de la
estrategia de riego deficitario (DI) en ocho vegetales para proporcionar una estimación cuantitativa de las respuestas de
rendimiento y productividad del agua (WP) bajo texturas de suelo, climas y sistemas de producción variables (campo
abierto e invernadero). Este estudio analizó 425 comparaciones de rendimiento y 388 WP de diferentes niveles de DI con
riego total (FI), extraídas de 185 estudios publicados que representan a 30 países. Pasando del nivel de riego más alto (>
80 % FI) al más bajo (< 35 % FI), la disminución general del rendimiento fue de 6,9 a 51,1 % en comparación con FI,
respectivamente. Las ganancias de WP variaron de 8.1 a 30.1%, con 35–50% FI registrando los beneficios más altos. La
textura del suelo afectó el rendimiento significativamente solo bajo la clase de riego mínimo (< 35% FI), donde la arcilla
arenosa y la marga registraron la mayor (82,1%) y la menor (26,9%) disminución del rendimiento, respectivamente. Entre
los climas, el clima templado fue en general el más ventajoso con la menor penalización de rendimiento (21,9 %) y la
mayor ganancia de WP (21,78 %) en varios niveles de DI. La aplicación DI bajo el invernadero provocó una menor
reducción del rendimiento en comparación con el campo abierto. Las ganancias de WP debidas a DI también fueron más
altas para el invernadero (18,4 %) que para el campo abierto (13,6 %). La consideración de las penalizaciones de
rendimiento y el costo del agua de riego ahorrada es crucial al diseñar las cantidades de riego reducidas para los
cultivos. Las reducciones de rendimiento bajo déficits de agua bajos a moderados (>

El agua es un factor decisivo para la producción de cultivos debido a su papel crucial en la absorción y el transporte de nutrientes,
la regulación de la temperatura y varios procesos fisiológicos, incluida la fotosíntesis. A lo largo de los años, la agricultura intensiva
en agua ha convertido a este recurso en un factor limitante para la producción de cultivos, especialmente en áreas áridas y
semiáridas con escasez de agua. Teniendo en cuenta las crecientes demandas alimentarias y nutricionales de la creciente
población, una parte importante de la investigación agrícola se centra en mejorar la eficiencia en el uso del agua (WUE) y conservar
el agua sin penalizar el rendimiento. Teniendo en cuenta la complejidad de aumentar la WUE a través del mejoramiento debido a
la compensación entre la fotosíntesis y la transpiración, se requieren estrategias agronómicas.1.
El riego deficitario (DI) es un enfoque directo de conservación del agua que consiste en reducir la aplicación de agua para
mejorar la productividad del agua (WP). El riego deficitario regulado (RDI) y el secado parcial de la zona radicular (PRD) son dos
métodos de programación de DI ampliamente utilizados junto con el enfoque de DI clásico. En RDI, el riego se suspende por
completo o se aplica una cantidad limitada de agua durante una etapa de crecimiento del cultivo relativamente menos sensible al
agua. El PRD expone alternativamente las raíces de las plantas a ciclos de humectación y secado en los que la mitad de la zona de
la raíz está sujeta a estrés hídrico a la vez. En aras de la uniformidad, solo se seleccionó para este estudio la estrategia DI clásica,
en la que se aplica un porcentaje del requerimiento total de agua del cultivo al cultivo durante toda la temporada de crecimiento.
El enfoque DI ha sido ampliamente investigado en varias especies de cultivos,2,3. Debido a los sistemas de raíces poco profundas y
a la venta de productos vegetales en peso fresco, los cultivos de hortalizas son relativamente más sensibles al estrés por humedad
que los cultivos extensivos.3–5. En consecuencia, para la mayoría de los cultivos de hortalizas, DI a menudo se asocia con pérdidas
en el rendimiento y la calidad.6. Sin embargo, una pequeña cantidad de evidencia indica que las hortalizas pueden ajustarse a
bajos niveles de déficit hídrico produciendo rendimientos estadísticamente similares a los del riego completo (FI)7–9. Por lo tanto, la
combinación y el análisis de los efectos de rendimiento de estos estudios en una sola escala pueden conducir potencialmente a
conclusiones más sólidas. Una revisión sistemática que compare los efectos de DI en el rendimiento de varios vegetales puede
revelar el potencial de diferentes niveles de estrés hídrico en estos cultivos de vegetales y brindar una imagen completa a los
tomadores de decisiones.

1Departamento de Ciencias de Plantas y Suelos, Texas Tech University, Lubbock, TX 79409, EE. UU.2Departamento de Planta y Ciencias
Ambientales, Universidad Estatal de Nuevo México, Las Cruces, NM 88003, EE. UU.*correo electrónico: s.singh@ttu.edu

Informes científicos| (2021) 11:22095 |https://doi.org/10.1038/s41598-021-01433-w 1

Vol.:(0123456789)
 www.nature.com/scientificreports/

A la luz de la disminución de los recursos hídricos en todo el mundo, las restricciones de agua son inevitables. En tal
escenario, se da más énfasis a la producción por unidad de uso de agua (productividad del agua) que a la producción por
unidad de área (rendimiento). Una revisión preliminar de los estudios de DI reveló que los estudios rara vez se enfocaban
en una amplia gama de niveles de riego, probablemente debido a limitaciones de financiamiento, mano de obra, área y
tiempo. Además, algunos estudios no proporcionaron resultados de WP para los cuales se tuvieron que calcular estos
valores. Por lo tanto, se necesita una combinación estadística de los resultados de estos estudios para revelar los efectos
de WP en una amplia gama de niveles de riego. Un metanálisis de los estudios de DI que informan WP también puede
producir información importante sobre los niveles de umbral de DI por debajo de los cuales la WP comienza a disminuir.
Previamente,10,11y escalas globales12–dieciséis. Francaviglia y Di Bene10evaluó los cambios en el rendimiento y WP del
procesamiento de tomates bajo diferentes clases de riego para la región mediterránea. Un metanálisis global reciente
realizado por Cheng, et al.12comparó las respuestas de rendimiento y WP de frutas, verduras (tomate y papa) y cultivos de
campo bajo diferentes regímenes de riego sin considerar el efecto de diferentes niveles de riego en cultivos individuales.
Estos metanálisis previos de vegetales evaluaron la respuesta general de los vegetales como grupo o se enfocaron
individualmente solo en el tomate a escala regional.10. Falta una comparación global del desempeño de varios otros
vegetales importantes bajo diferentes niveles de riego.
El alcance de los efectos del estrés hídrico en los cultivos varía según la especie, el genotipo, las características del suelo y las condiciones
climáticas. Debido a estos factores, se han informado discrepancias en las respuestas de rendimiento a DI dentro de la misma especie.6. La
textura del suelo es una característica clave del suelo que influye en las relaciones planta-agua debido a su papel fundamental en la
determinación de la infiltración del agua, el drenaje, la conductividad hidráulica, la capacidad de retención de agua del suelo, el agua
disponible para las plantas y la aireación del suelo.17. Dado esto, se espera que las plantas respondan de manera diferente a DI bajo texturas
de suelo contrastantes. Ahmadi et al.18observaron efectos contrastantes del mismo nivel de DI en el rendimiento de papas cultivadas en tres
lugares con diferentes texturas de suelo. En consecuencia, la textura del suelo también puede influir en la productividad del agua de los
cultivos. Anteriormente, Martin y Miller19informaron respuestas de rendimiento similares bajo déficits de agua bajos pero respuestas
diferenciales bajo estrés hídrico alto para papas cultivadas en suelos arenosos y arcillosos. La evapotranspiración del cultivo (ETC) la demanda
está determinada por factores climáticos, como la temperatura, la radiación, la humedad y la velocidad del viento20. En regiones áridas y
semiáridas (clima seco), un calor de advección adicional aumenta la pérdida de agua (tanto por evaporación como por transpiración) del
sistema planta-suelo.21. Incluso con tasas de riego basadas en ET similares, las plantas de cultivo pueden experimentar diferentes niveles de
estrés hídrico en climas variados. En un experimento de múltiples ubicaciones realizado por Bang et al.22, 50% ETCla restauración redujo el
rendimiento de la sandía en un 36 %, 30 % y 15 % en tres lugares con clima variable y características del suelo. Por lo tanto, los efectos de DI
en el rendimiento de los cultivos y WP pueden variar con las zonas climáticas. Además, las respuestas de los cultivos a la DI pueden variar en
condiciones de invernadero y de campo abierto debido al control ambiental parcial o total bajo la producción en invernadero. Algunos
estudios han comparado el uso de agua de vegetales en invernadero vs campo abierto23–27pero rara vez evaluó diferentes niveles de DI
simultáneamente bajo dos sistemas de producción28. Dado que la producción en invernadero es de suma importancia para los cultivos de
hortalizas, como el tomate, el pimiento y el pepino, es necesario cuantificar y comparar el rendimiento y la respuesta de WP de los cultivos de
hortalizas bajo varios niveles de DI en condiciones de invernadero y campo abierto.

El estudio actual empleó el método de metanálisis para estimar el rendimiento vegetal y las respuestas de WP bajo varios
niveles de déficit de agua afectados por variables como las especies de cultivo, la textura del suelo, el clima y el sistema de
producción (invernadero o campo abierto). Adu et al.1llevó a cabo un metanálisis completo para evaluar el tamaño del efecto en el
rendimiento para DI y riego con secado parcial de la zona de raíces (PRDI) en comparación con FI para una amplia gama de
cultivos sin considerar las diferencias entre los niveles de déficit hídrico. Zheng et al.dieciséisdemostró los efectos de varios niveles de
DI en el rendimiento y WP del maíz (zea maysl.). Sin embargo, la evaluación de los efectos interactivos de los niveles de DI y las
variables mencionadas anteriormente es limitada. Hasta donde sabemos, no existe en la literatura ningún informe que cuantifique
el rendimiento y la variación de WP en cultivos de hortalizas a diferentes niveles de estrés hídrico. En el presente estudio,
realizamos varios metanálisis distintos para ilustrar las penalizaciones de rendimiento y el cambio en WP asociados con diferentes
niveles de estrés hídrico y las interacciones entre los niveles de estrés hídrico y las variables candidatas antes mencionadas para la
producción de vegetales.

Resultados
Resumen de estudios.Del total de 331 publicaciones, 185 estudios que representan ocho cultivos de hortalizas, incluidas 425
comparaciones de rendimiento y 388 comparaciones de WP de diferentes niveles de DI a FI cumplieron con los criterios de inclusión luego de
la eliminación de valores atípicos y estudios duplicados (Tabla1). La escala de tiempo del conjunto de datos varió de 1983 a 2021. Un estudio
que informó resultados de rendimiento bajo múltiples niveles de DI proporcionó múltiples comparaciones y, por lo tanto, se asignó a
múltiples clases de DI. El mayor número de estudios en el conjunto de datos fue sobre el tomate (22 %), seguido de la patata (18 %) y la
cebolla (14 %). Entre las clases DI, las clases 50–65%FI y 35–50%FI representaron el número más alto y más bajo de comparaciones,
respectivamente. El conjunto de datos que representa a 30 países estuvo dominado por la región de Medio Oriente. Los tres principales
países que contribuyeron al conjunto de datos fueron Turquía (20 %), Egipto (12 %) y China (10 %) (Figura complementaria S11). Los estudios
de campo abierto e invernadero representaron el 78% y el 22% del conjunto de datos, respectivamente (Tabla1). Se proporciona una
descripción detallada del conjunto de datos que presenta el cultivo, el país, la textura del suelo, el clima y el sistema de producción para cada
estudio como material complementario (Tabla complementaria S1).

Efectos del riego deficitario por cultivo.En general, las diferencias en el rendimiento y los efectos de WP entre los estudios fueron
estadísticamente significativas (p <0.05) en todas las clases de DI (Figuras complementarias S1-S10). Las diferencias del efecto de rendimiento
entre los estudios dentro de un cultivo se hicieron más prominentes hacia las clases de DI más bajas (tasa de riego decreciente). Por ejemplo,
en la clase > 80% FI, las diferencias de rendimiento fueron significativas dentro de los subgrupos de tomate (p = 0,00), pimiento (p = 0,02),
cebolla (p = 0,00) y sandía (p = 0,00) (Figura complementaria S1) . Con un riego ligeramente menor (65–80 % FI), las diferencias fueron
significativas en todos los subgrupos de cultivos, excepto en cebolla (p = 0,07) y melón (p = 0,20) (Figura complementaria S2). Reducir aún más
el riego a 50–60% FI, todos los subgrupos de cultivos excepto papa

Informes científicos| (2021) 11:22095 | https://doi.org/10.1038/s41598-021-01433-w 2

Vol:.(1234567890)
www.nature.com/scientificreports/

Cultivo Estudios Comparaciones (Rendimiento) Los paises Campo abierto Invernadero

Papa 33 77 14 33 0
Tomate 40 82 dieciséis 26 14
Pimienta 18 34 11 12 6
Berenjena 20 56 10 15 5
Cebolla 26 70 12 25 1
Pepino 20 39 8 9 11
melón dieciséis 34 8 13 3
Sandía 14 33 7 14 0
En general 185 425 30 145 40

Tabla 1.Descripción general de los datos incluidos en el metanálisis.

(p = 0.10) mostró diferencias significativas en los efectos del rendimiento (Fig. S3 complementaria). Los efectos de WP entre los estudios
dentro del subgrupo de cultivos también siguieron un patrón similar (Figuras complementarias S6-S10).
Todas las especies de cultivos, con algunas excepciones, registraron una disminución significativa en el rendimiento en todos los niveles de DI en
comparación con FI (Figs.1y2). El melón y la sandía mostraron un rendimiento estadísticamente similar al tratamiento con FI hasta un 80 % de FI, con una
reducción del rendimiento de solo 4,7 y 1,4 %, respectivamente (Fig.2). La penalización de rendimiento de 3.9% para sandía bajo 65–80% FI tampoco fue
significativa (Figs.1y2). Todas las especies de cultivos, excepto el pimiento, registraron menos del 10 % de disminución en el rendimiento hasta un 80 % de
FI. Como lo indica un tamaño de efecto más negativo, las penalizaciones de rendimiento aumentaron con el aumento del déficit de agua en todos los
cultivos. En muchos cultivos, las penalizaciones de rendimiento fueron moderadas hasta una reducción del 35% en el riego, luego de una disminución
dramática en el rendimiento con niveles de riego más bajos. Por ejemplo, en papa el tamaño del efecto (g) cambió de
− 0,61 (− 1,04, − 0,18) a − 1,56 (− 1,81, − 1,30) durante la transición de la clase 65–80 % FI a 50–65 % FI. De manera similar, para el
tomate, el tamaño del efecto siguió el orden de − 0.50, − 1.02 y − 2.28 bajo las clases 80–95%, 65–80% y 50–65% FI,
respectivamente. En pimiento, el rendimiento disminuyó gradualmente hasta un 50% de déficit hídrico y se mantuvo comparable
con una mayor reducción del riego. La cebolla observó una disminución de baja a moderada (8,2 a 25,6 %) en el rendimiento hasta
un 50 % de déficit de agua, pero una disminución drástica con una mayor reducción en la tasa de riego (Fig.2). Bajo la clase de
riego mínimo, es decir < 35% FI, la mayor disminución en el rendimiento se observó en cebolla [g = − 12,43, IC (− 14,47, − 10,39)]
seguida de pimiento [g = − 8,29, IC (− 13,32) , − 3.27)]. Para el pepino, la clase de FI <35% no se incluyó en el metanálisis debido a la
falta de estudios (Fig.2).
En comparación con los efectos del rendimiento, el patrón de WP para las clases de DI fue más variable entre las especies de
cultivo. Sin embargo, para todas las especies de cultivos, WP aumentó significativamente o fue estadísticamente similar a FI para
clases de FI > 35 %, aunque la clase de FI de 35–50 % para sandía y la clase de FI < 35 % para pepino no se incluyeron en los
gráficos debido a la falta de de estudios (Figs.1y2). Para las verduras solanáceas, que incluían patata, tomate y pimiento, la
ganancia en WP (23,2, 33,3 y 44,2 %, respectivamente) fue la más alta en la clase 35–50 % FI (Fig.1). La berenjena registró un
aumento significativo en WP en comparación con FI en todos los niveles de DI. Las ganancias en WP aumentaron con el aumento
del déficit de agua y alcanzaron un nivel máximo de <35 % de FI, registrando una ganancia del 49,3 %. La sandía también registró
el WP más alto bajo la clase de riego mínimo (Fig.2). En cebolla, la ganancia en WP fue sustancial y estadísticamente significativa en
la clase 50-65% FI [g = 1.08, IC (0.28, 1.88)]. El cultivo de pepino mostró una ganancia significativa en WP solo en la clase de déficit
hídrico bajo (> 80% FI) con un aumento del 15,8% sobre FI (Tabla complementaria S3). En melón, la ganancia en WP fue
significativa sobre FI en las clases 35–50% FI y 65–80% FI, aunque los resultados de WP para 35–50% FI en este cultivo se basaron
solo en dos estudios.

Efectos del riego deficitario por textura del suelo.(Higo.3). Con un poco más de riego, es decir, con 35–50% FI, aunque el rendimiento
disminuyó significativamente (aparte del suelo franco), hubo un aumento significativo en WP sobre FI para algunas texturas de suelo. El
rendimiento estuvo significativamente influenciado por el tipo de suelo a < 35% FI. Bajo esta clase de riego mínimo, el suelo franco registró la
reducción más baja en el rendimiento (26,9 %), seguido del suelo franco limoso (38,2 %) y el suelo franco arcilloso (44,1 %), mientras que el
suelo arcilloso arenoso tuvo la mayor penalización de rendimiento con un 82,1 %. Se observó un patrón similar en un nivel de 35–50 % de FI,
donde el suelo franco volvió a sufrir la reducción de rendimiento más baja (28,5 %) (Tabla complementaria S2). La textura del suelo no mostró
una influencia significativa en el rendimiento en niveles de 50–65 %, 65–80 % y > 80 % de FI, la variación en WP debido a la textura del suelo
fue significativa por debajo de 50–65 % de FI. Con 50–65% FI, la arcilla limosa, la arena y la arcilla reportaron el aumento más alto y
significativo de 47. 2, 28,9 y 26,5 % en WP, respectivamente (Tabla complementaria S3). A este nivel de riego, solo la marga limosa sufrió una
pérdida de WP del 6,7% en comparación con FI, aunque no fue significativa. En 65–80% FI, WP aumentó significativamente en suelos franco
arenosos, francos, franco arcillosos y arcillosos.

Efectos del riego deficitario por clima.La respuesta del rendimiento a varios niveles de DI varió con las condiciones climáticas.
Excepto en la clase > 80% FI, las penalizaciones de rendimiento más bajas se observaron en condiciones templadas (Fig.4.). En 65–
80% DI, el clima templado registró una disminución del rendimiento de solo 6,9%, mientras que las reducciones de rendimiento en
el clima tropical y subtropical fueron 17,5 y 16,1%, respectivamente. Aunque se observaron reducciones severas en el rendimiento
en todos los climas a niveles inferiores al 65 % de FI, la magnitud varió con el clima. Por ejemplo, bajo la clase 50–65%FI, la
penalización de rendimiento fue la más alta en el clima tropical (33,9%), mientras que el clima templado reportó la reducción de
rendimiento más baja (17,5%). El tamaño del efecto negativo obtenido con 50–65 % de FI en climas tropicales fue comparable al
obtenido con riego mínimo (< 35 %) en climas subtropicales y templados. A un nivel <35%FI, clima seco reportado

Informes científicos| (2021) 11:22095 | https://doi.org/10.1038/s41598-021-01433-w 3

Vol.:(0123456789)
 www.nature.com/scientificreports/

Figura 1.Efecto de los niveles de riego deficitario sobre el rendimiento y la productividad del agua (PT) de papa, tomate, pimiento y
berenjena. La línea punteada (tamaño del efecto = 0) representa el riego total. El tamaño del efecto > 0 indica un aumento y el tamaño del
efecto < 0 indica una reducción en el rendimiento y WP para el nivel de riego deficitario en relación con el riego total (FI). Los intervalos de
confianza que no se superponen (barras horizontales) indican diferencias significativas. Los números en el lado derecho del eje Y
representan el número de estudios/observaciones.

la mayor reducción de rendimiento (64,2%) seguida por el clima subtropical (41,9%). Las clases 35–50%FI para
subtropicales y < 35% y 35–50%FI para tropicales no pudieron incluirse debido a la falta de estudios.
Al igual que el rendimiento, se observó variación en WP a diferentes niveles de DI entre cuatro climas. En climas secos y
templados, WP aumentó con una reducción en la aplicación de riego y alcanzó un nivel máximo de 35 a 50% de FI (Fig.4). Una
reducción adicional en el riego, es decir, < 35% FI resultó en una fuerte reducción en WP en ambos climas. Las ganancias en WP
debido a la aplicación DI fueron significativas solo en climas templados y secos. En 65–80%, la aplicación DI aumentó el WP en un
16% tanto en climas templados como secos. Reducir el riego aún más al 50-65% de FI provocó una ganancia del 22,1% en WP en
clima templado en comparación con el 13,4% en clima seco. Bajo climas subtropicales y tropicales, WP en todos los niveles de DI
estuvo a la par con FI.

Informes científicos| (2021) 11:22095 | https://doi.org/10.1038/s41598-021-01433-w 4

Vol:.(1234567890)
www.nature.com/scientificreports/

Figura 2.Efecto de los niveles de riego deficitario sobre el rendimiento y la productividad del agua (WP) de cebolla, pepino, melón y sandía. La
línea punteada (tamaño del efecto = 0) representa el riego total. El tamaño del efecto > 0 indica un aumento y el tamaño del efecto < 0 indica
una reducción en el rendimiento y WP para el nivel de riego deficitario en relación con el riego total (FI). Los intervalos de confianza que no se
superponen (barras horizontales) indican diferencias significativas. Los números en el lado derecho del eje Y representan el número de
estudios/observaciones.

Efectos de campo abierto vs efecto invernadero.Los efectos en el rendimiento debido a los diferentes niveles de DI siguieron una tendencia similar
en condiciones de campo abierto y de invernadero, con respecto al aumento de las penalizaciones en el rendimiento con el aumento del déficit de agua
(Fig.5). Bajo ambas condiciones, se observó una disminución dramática en el rendimiento al pasar de 65 a 80 % de FI a 50 a 65 % de FI. El tamaño del
efecto más negativo para el campo abierto en comparación con las condiciones de invernadero en todas las clases de DI excepto < 35% FI indicó mayores
penalizaciones de rendimiento bajo la aplicación de DI en campo abierto que en el invernadero. Por debajo del 35 % de FI, el invernadero registró una
caída del 77,7 % en el rendimiento, que fue relativamente mayor que la caída del 57,2 % observada en campo abierto.

Tanto en campo abierto como en invernadero, la ganancia en WP aumentó con el aumento del déficit de agua, alcanzando un
máximo de 35–50% FI (Fig.5). Con una nueva disminución en el riego, es decir, <35%FI, el WP disminuyó, siendo la caída drástica en
condiciones de invernadero. Tanto en condiciones de campo abierto como de invernadero, la aplicación DI

Informes científicos| (2021) 11:22095 | https://doi.org/10.1038/s41598-021-01433-w 5

Vol.:(0123456789)
 www.nature.com/scientificreports/

Figura 3.Efecto de los niveles de riego deficitario en el rendimiento y la productividad del agua (WP) en diferentes texturas de suelo. La línea
punteada (tamaño del efecto = 0) representa el riego total. El tamaño del efecto > 0 indica un aumento y el tamaño del efecto < 0 indica una
reducción en el rendimiento y WP para el nivel de riego deficitario en relación con el riego total (FI). Los intervalos de confianza que no se
superponen (barras horizontales) indican diferencias significativas. Los números en el lado derecho del eje Y representan el número de
estudios/observaciones.

aumentó significativamente el WP en comparación con FI para las clases de riego con > 35 % de FI, pero la magnitud de las ganancias de WP
fue mucho mayor en invernadero que en campo abierto. Excluyendo la clase FI < 35%, la aplicación DI resultó en una ganancia promedio de
WP de 24.5% bajo invernadero en comparación con 14% bajo condiciones de campo abierto.

Discusión
La magnitud de la reducción del rendimiento aumentó con el aumento del déficit hídrico. El análisis del tamaño del efecto reveló una disminución
significativa en el rendimiento para todas las clases de DI en comparación con FI para todos los cultivos con algunas excepciones que confirman el hecho
de que la mayoría de los vegetales son sensibles al estrés hídrico. Sin embargo, las reducciones de rendimiento relativamente menores con déficits de
agua bajos a moderados (> 65 % de FI) pueden ser aceptables en áreas con recursos hídricos decrecientes, especialmente para el melón y la sandía, que
produjeron un rendimiento estadísticamente similar al FI con déficits de agua bajos. Además,

Informes científicos| (2021) 11:22095 | https://doi.org/10.1038/s41598-021-01433-w 6

Vol:.(1234567890)
www.nature.com/scientificreports/

Figura 4.Efecto de los niveles de riego deficitario sobre el rendimiento y la productividad del agua (WP) en diferentes condiciones
climáticas. La línea punteada (tamaño del efecto = 0) representa el riego total. El tamaño del efecto > 0 indica un aumento y el tamaño del
efecto < 0 indica una reducción en el rendimiento y WP para el nivel de riego deficitario en relación con el riego total (FI). Los intervalos de
confianza que no se superponen (barras horizontales) indican diferencias significativas. Los números en el lado derecho del eje Y
representan el número de estudios/observaciones.

las penalizaciones de rendimiento bajo estos niveles de DI pueden compensarse con un aumento en WP y una reducción en los costos de
producción. Como lo indica el análisis del tamaño del efecto de WP, para > 65 % de FI, WP aumentó significativamente o estuvo a la par con FI
(Fig.1). La ganancia significativa en WP en todos los niveles de DI en comparación con FI muestra que la berenjena es comparativamente
resistente al estrés hídrico. Al revisar los efectos del DI en vegetales, Singh et al.3también reportaron un mejor comportamiento de la
berenjena entre los cultivos de hortalizas en condiciones de déficit hídrico. Para la papa, el tomate y el pimiento, la ganancia más alta en WP a
35–50 % FI sugiere que estos niveles bajos de DI pueden ser ventajosos para áreas con una grave escasez de agua donde se le da más énfasis
a la WP del cultivo que al rendimiento. Sin embargo, dado que las verduras se venden en peso fresco, la calidad del producto puede verse
comprometida con tasas de riego muy bajas. Por ejemplo, Badr et al.29informó una disminución del 36 % en el peso medio de los tubérculos
(en última instancia, el tamaño) para las patatas sometidas a una ET del 40 %Criego. Del mismo modo, Fabeiro

Informes científicos| (2021) 11:22095 | https://doi.org/10.1038/s41598-021-01433-w 7

Vol.:(0123456789)
 www.nature.com/scientificreports/

Figura 5.Efecto de los niveles de riego deficitario sobre el rendimiento y la productividad del agua (WP) en condiciones de campo abierto e
invernadero. La línea punteada (tamaño del efecto = 0) representa el riego total. El tamaño del efecto > 0 indica un aumento y el tamaño del
efecto < 0 indica una reducción en el rendimiento y WP para el nivel de riego deficitario en relación con el riego total (FI). Los intervalos de
confianza que no se superponen (barras horizontales) indican diferencias significativas. Los números en el lado derecho del eje Y representan
el número de estudios/observaciones.

et al.30observó un aumento sustancial en el porcentaje de tubérculos de tamaño pequeño (<30 mm de diámetro) empleando 40% ETCriego a
base. En tomate, se ha informado que un riego deficitario mejora los atributos de calidad, como sólidos solubles totales, azúcares, acidez
titulable, ácido ascórbico y color.31,32. Recientemente, Darko et al.33observó un aumento significativo en el contenido de carbohidratos en
berenjenas que recibieron 70% ETCrestauración en comparación con 100% ETC. Tales ganancias son obviamente ventajosas y pueden
contribuir a la compensación del rendimiento. En tomates, se puede lograr una ganancia significativa en WP con una reducción de tan solo el
5,5 % en el rendimiento usando riego con bajo déficit de agua (> 80 % FI). Francaviglia y Di Bene10llegó a la conclusión de que la disminución
en el rendimiento de los tomates procesados sería marginal en el 70-80% de la ETC
restauracion. Una ganancia considerable en WP (11,3 %) con una disminución moderada en el rendimiento (25,6 %) por debajo de los niveles
de FI de 50 a 80 % para la cebolla indica el potencial de ahorro de agua de estos niveles de DI para la producción de cebolla en regiones con
agua limitada (Fig.2). Según el análisis, > 80 % FI para pepinos y > 65 % FI para melones parecen ser las opciones óptimas para conservar
agua y mantener la productividad (Fig.2). Aunque la sandía registró la mayor ganancia en WP (47,3 %) por debajo del 35 % de FI, las
penalizaciones de rendimiento también fueron altas (49,7 %).
Bajo condiciones de bajo déficit de agua (> 80% FI), las diferencias significativas generales para el rendimiento y WP entre los
estudios y las diferencias no significativas entre los estudios dentro de un cultivo, excepto tomate, pimiento, cebolla y sandía,
indican que la especie del cultivo fue el principal determinante. de rendimiento y WP a esta tasa de riego (Fig. S1 complementaria).
Las interacciones de otros factores (textura del suelo, clima y sistema de producción) con la tasa de riego se hicieron más
pronunciadas hacia tasas de riego más bajas, como lo indica el aumento de las diferencias dentro de los cultivos con la tasa de
riego decreciente. Además de las especies de cultivo, los principales factores que pueden influir en el rendimiento del cultivo y el
WP bajo DI incluyen el método de riego, el genotipo, las enmiendas del suelo y los factores ambientales, como el clima y las
características del suelo.6. La evaluación de los efectos interactivos de estos factores y DI puede arrojar luz sobre las diferencias en
los efectos de rendimiento encontrados entre los estudios. En el metanálisis actual, intentamos cuantificar el efecto de la textura
del suelo, el clima y el sistema de producción (campo abierto/invernadero) en el rendimiento y WP de cultivos de hortalizas sujetos
a diferentes niveles de DI.
A través de las clases DI, las diferencias en los efectos de rendimiento entre las texturas del suelo fueron significativas en <35% FI y las diferencias en
los efectos WP fueron significativas en las clases <35% y 50–65% FI (Fig.3). Para todas las demás clases de DI, las discrepancias en el rendimiento y los
efectos de WP debido a la textura del suelo no fueron significativas. Bajo clases de riego más bajas, es decir, 35–50% y <35% FI, la marga registró la menor
disminución en el rendimiento, mientras que la ganancia en WP fue mayor en los suelos arcillosos (Fig.3). Esta inconsistencia en el rendimiento y la
tendencia de WP puede deberse a las diferencias en las cantidades de riego dentro de la misma clase de DI. Sin embargo, los resultados sugieren que las
tasas más bajas de DI fueron más efectivas en suelos de textura media a fina en comparación con los suelos gruesos. En general, la marga tuvo una
ventaja de rendimiento de 12,9 y 7,8 % sobre los suelos arenosos y arcillosos, respectivamente (Tabla complementaria S2). Una mayor capacidad de
retención de agua parece una razón probable para una mejor

Informes científicos| (2021) 11:22095 | https://doi.org/10.1038/s41598-021-01433-w 8

Vol:.(1234567890)
www.nature.com/scientificreports/

desempeño de rendimiento de suelos de textura media y fina bajo severos déficits hídricos. Esto no solo hace que haya más agua disponible
en la zona de las raíces, sino que también da más tiempo para que las plantas se adapten al estrés hídrico. Por el contrario, los suelos de
textura gruesa que tienen mayores tasas de infiltración y drenaje pierden agua a un ritmo más rápido, lo que provoca un estrés hídrico.
Debido a estas razones, los suelos de textura fina utilizan el agua de lluvia de manera más eficiente en comparación con los suelos gruesos.
La ventaja para el rendimiento y el desempeño de WP de suelos de textura media a fina en comparación con suelos de textura gruesa en
condiciones de secano o casi secano (< 35% FI) respalda la afirmación anterior. Ahora, una mayor capacidad de retención de agua no significa
necesariamente una mayor cantidad de agua disponible para la planta34. Cuanto más fina es la textura del suelo, más apretadamente el suelo
retiene el agua. Bajo condiciones de baja humedad, el agua disponible para la planta para suelo franco posiblemente puede ser mayor que
para suelo arcilloso dependiendo del contenido de humedad del suelo. Esto explica la ventaja de rendimiento del suelo franco sobre el
arcilloso observado en las clases de DI más bajas, aunque las diferencias no fueron significativas. Estos resultados concuerdan con los
hallazgos de los experimentos de campo de papa realizados por Martin y Miller.19y Ahmadi et al.18, que mostró una ventaja de rendimiento de
texturas de suelo medias sobre texturas de suelo gruesas bajo regímenes DI. En un metanálisis que compara los efectos del riego DI y el
secado parcial de la zona radicular, Adu et al.1también sugirió un mejor comportamiento de los suelos profundos y de textura fina.
Francaviglia y Di Bene10también observaron la ventaja de rendimiento de los suelos de textura fina sobre los de textura gruesa para la
producción de tomate bajo DI. Un estudio de metanálisis sobre rendimiento y WP del trigo sugirió que DI es más ventajoso para suelos
arcillosos y arenosos15. Un reciente estudio de metanálisis realizado por Cheng et al.12reveló un mejor rendimiento de DI bajo suelo franco
arcilloso, aunque los resultados se basaron en una amplia gama de cultivos. Nuestros resultados coincidieron en parte con los estudios
mencionados anteriormente con tasas de riego más bajas. Sin embargo, bajo 50–65% FI, los efectos de WP fueron más ventajosos para
franco arcilloso limoso y arena, aunque comparables con arcilla, franco arcilloso, franco, franco arenoso y franco arenoso. Bajo 65–80% FI,
todos los suelos excepto arena, arena arcillosa y franco limoso registraron una ganancia significativa en WP mientras que el suelo franco
arcilloso arenoso fue el más ventajoso con > 80% FI (Fig.3). A pesar de estos resultados mixtos de WP bajo una tasa de riego de moderada a
alta (> 50% FI), el metanálisis reveló consistentemente la ventaja de rendimiento de la textura franca media sobre otras texturas del suelo
bajo varios regímenes DI. Este metanálisis evaluó los efectos de la textura del suelo bajo DI en ocho vegetales colectivamente, pero el efecto
de la textura del suelo en el rendimiento bajo DI puede ser específico del cultivo. Sin embargo, dicho análisis será viable solo en aquellos
cultivos en los que se disponga de suficientes estudios para diversas texturas del suelo. Además de la textura, la conductividad eléctrica (CE) y
el pH del suelo también pueden afectar la disponibilidad de agua y, por lo tanto, el rendimiento del cultivo, pero dicha información apenas
estaba disponible en la mayoría de los artículos incluidos en esta revisión sistemática.
En los cuatro climas, la magnitud de las reducciones de rendimiento aumentó con un aumento del déficit hídrico. Las condiciones casi de
secano con un nivel de FI <35% dieron como resultado las reducciones de rendimiento más altas en todos los climas (Fig.4). Se observó un
impacto más severo en el rendimiento y WP en clima seco en este nivel, ya que las condiciones cálidas y secas multiplican los niveles de estrés
hídrico experimentados por cultivos que crecen con muy poca agua suplementaria. En condiciones de déficit hídrico más bajo (> 65% FI), las
reducciones de rendimiento en clima seco fueron relativamente menores que en clima tropical y subtropical (Fig.4). La mayoría de los
estudios de clima seco utilizaron sistemas de riego por goteo o por aspersión en comparación con los estudios tropicales y subtropicales por
inundación. El sistema de riego por inundación es el menos eficiente y sufre una mayor pérdida por evaporación y escorrentía. Por lo tanto,
una cantidad relativamente menor del agua aplicada estaba disponible para los cultivos, lo que podría tener un efecto negativo en el
crecimiento y el rendimiento de los cultivos. Además, la mayoría de los estudios tropicales y subtropicales se realizaron durante una estación
más seca o bajo un refugio contra la lluvia. Las regiones climáticas tropicales y subtropicales reciben una cantidad relativamente mayor de
radiación solar. Con una precipitación baja o insignificante, una reducción en el agua suplementaria puede haber resultado en un ambiente
más estresado en estos climas. En todos los niveles de DI, el clima templado con temperatura y precipitaciones moderadas tuvo las
reducciones de rendimiento más bajas. En los cuatro climas, aumento en WP fue sustancial en clima templado y seco. Para todos los demás
climas, WP bajo varios niveles de DI se mantuvo comparable a FI excepto la condición casi de secano para el clima seco, donde WP disminuyó
sustancialmente. Un metanálisis de trigo y maíz también informó una mayor WP en condiciones templadas.13. En general, las ganancias en
WP bajo estos climas parecen ser mucho más bajas que las observadas en el análisis del efecto del cultivo. Esto se atribuye en parte a la
exclusión de los estudios de efecto invernadero al analizar los efectos climáticos. Las condiciones de campo abierto mostraron ganancias
notablemente menores en WP en comparación con el invernadero (Fig.5). Estos resultados sugieren que, para condiciones climáticas
adversas, el uso de DI en cultivos protegidos de vegetales puede ser más productivo en agua que en campo abierto. Una de las limitaciones
asociadas con el análisis del tamaño del efecto climático fue que los mapas de clasificación climática de Koppen-Geiger utilizados en este
estudio podrían no representar siempre el verdadero clima durante la temporada de crecimiento. Por ejemplo, mientras probaban los efectos
de DI en sandía en tres entornos diferentes, Bang et al.22registraron una ET de referencia general más alta durante el período de crecimiento
en climas templados que en climas semiáridos y subtropicales. Solo unas pocas publicaciones indicaron el clima real durante la duración del
experimento, lo que dificulta llegar a conclusiones sólidas.

Los resultados indicaron las ventajas de rendimiento y WP de la aplicación de DI a la producción de cultivos de hortalizas en
invernadero sobre campo abierto en todos los niveles de riego, excepto en condiciones de secano o casi secano (<35% FI) (Fig.5). El
uso de estructuras controladas, como el invernadero, puede reducir el requerimiento de agua del cultivo al disminuir la ET. La
cubierta de plástico reduce la velocidad del viento, reduce la radiación solar, atrapa las radiaciones de onda larga y, por lo tanto,
reduce las pérdidas de humedad.24. En consecuencia, la ET de referencia bajo el invernadero se reduce entre un 65 y un 80 % en
comparación con las condiciones de campo abierto.35. Esta reducción en la demanda de agua bajo cultivos protegidos es más
pronunciada en climas secos (áridos y semiáridos) y tropicales caracterizados por condiciones de baja precipitación y alta
temperatura, respectivamente. Harmanto et al.36encontró que el ETCpara los tomates dentro del invernadero fue del 75% de fuera
en un ambiente tropical. Bajo el ambiente mediterráneo, Stanghellini37observó que la ET real dentro del invernadero era el 70 % de
la registrada en el exterior. Esto explica las mayores ganancias de WP debido a DI bajo el invernadero que en campo abierto. Por
debajo del nivel mínimo de DI, las plantas del invernadero obviamente no recibieron agua de lluvia, lo que provocó una reducción
drástica en el rendimiento y el WP. Al comparar el impacto de diferentes niveles de DI en el rendimiento de pepino entre campo
abierto e invernadero en un ambiente árido, Alomran, et al.28observaron pérdidas de rendimiento considerablemente mayores en
campo abierto que en invernadero con la reducción de la tasa de riego. La evidencia en la literatura y los resultados actuales
sugieren que la adaptación del cultivo protegido de hortalizas puede ahorrar agua y mantener la productividad, especialmente en
condiciones climáticas adversas. La integración de los sistemas de recolección de agua de lluvia con el invernadero puede ayudar
aún más a la conservación del agua de riego.

Informes científicos| (2021) 11:22095 | https://doi.org/10.1038/s41598-021-01433-w 9

Vol.:(0123456789)
 www.nature.com/scientificreports/

Fortalezas, limitaciones e implicaciones.Nuestro estudio representa un análisis exhaustivo de los efectos de la aplicación DI
en el rendimiento y WP de los principales cultivos de hortalizas. La heterogeneidad significativa entre los estudios encontrados en
el análisis se explora mediante el análisis de subgrupos de variables/factores definidos previamente. La estimación de los cambios
cuantitativos en el rendimiento y WP asociados con una amplia gama de niveles de riego para cultivos de hortalizas individuales,
bajo diversas texturas del suelo, condiciones climáticas y entornos de producción proporcionados en este estudio podría ayudar
en la toma de decisiones al diseñar estrategias de riego limitadas en una región. La mayoría de los estudios incluidos en este
estudio proporcionaron información sobre los factores del subgrupo considerados para el análisis. Sin embargo, algunos factores
de confusión (por ejemplo, métodos de riego, pH del suelo, EC, y densidad aparente) que podrían ser responsables de la variación
existente no se exploraron debido a la falta de suficiente información disponible para generar suficientes comparaciones por
pares. Existen incertidumbres en dicho análisis debido a muchos otros factores, como las prácticas de manejo de campo, la
densidad de plantación, el manejo de nutrientes, los tiempos/intervalos de riego, el mulching, así como las experiencias y
preferencias de los investigadores. Algunas de estas incertidumbres son difíciles de eliminar. Sin embargo, mientras extraíamos
datos de los estudios que informaban la interacción de los niveles de riego con otros factores, consideramos solo los efectos del
riego para excluir la variabilidad debida a otros factores. Por ejemplo, si un estudio presentó una interacción significativa para el
rendimiento y el WP entre los niveles de riego y el acolchado, solo se incluyeron los efectos del riego,

El tamaño de la muestra del conjunto de datos para analizar los efectos de WP fue más pequeño que el
conjunto de datos de rendimiento, ya que pocos estudios no proporcionaron suficiente información sobre
las precipitaciones y el riego. Pocos subgrupos y niveles de riego para algunos cultivos no pudieron
incluirse en el análisis debido a la falta de disponibilidad de suficientes comparaciones por pares. Pocos
otros análisis de subgrupos se basaron en un número relativamente menor de estudios, lo que redujo la
confiabilidad de esos resultados a gran escala. Este metanálisis determinó la viabilidad de la aplicación de
DI bajo diferentes texturas de suelo, climas y sistemas de producción colectivamente para ocho vegetales,
pero las interacciones de estos factores con DI pueden ser específicas de cada cultivo. Sin embargo, dicho
análisis será viable solo en aquellos cultivos en los que se disponga de suficientes estudios para generar
un número razonable de comparaciones por pares.

Conclusiones
En general, un nivel mayor que moderado de déficit de agua (<65% FI) tiene efectos adversos en el rendimiento vegetal, independientemente
de los factores externos, como la textura del suelo, el clima y el sistema de producción. Aunque la disminución en el rendimiento fue
estadísticamente significativa incluso en condiciones de bajo déficit de agua, estos niveles de riego son justificables para las regiones que ya
sufren o prevén restricciones de agua. A la luz de la disminución de los recursos hídricos en todo el mundo, las restricciones de agua son
inevitables. En tal escenario, el aumento de WP, la disminución del costo de producción y la mejora de la calidad del producto bajo DI pueden
contribuir a la compensación del rendimiento. Teniendo en cuenta las pérdidas y ganancias de rendimiento en WP, las tasas de riego pueden
asignarse según la disponibilidad de agua. Con base en las ganancias de WP, niveles de riego tan bajos como 35–50% FI para papas, tomates
y pimientos, y 50–65% para cebolla e incluso < 35% FI para berenjena y sandía parecen ser una opción para áreas con escasez severa de agua.
Sin embargo, mayores déficits de agua también pueden tener un efecto adverso sobre la calidad en términos de reducción del tamaño de la
fruta/tubérculo, como lo sugieren algunos estudios previos. Para muchas verduras, todavía falta información sobre aspectos cualitativos
como los niveles de DI afectados.
Los efectos de la textura del suelo sobre el rendimiento vegetal fueron significativos solo bajo condiciones de casi temporal
(<35% FI) en las que los suelos de textura media a fina fueron ventajosos sobre los suelos gruesos. En general, el suelo franco
registró la menor reducción en el rendimiento en casi todos los niveles de DI. En el sistema de producción de campo abierto, el
riego deficitario fue más beneficioso en clima templado, especialmente en DI moderado (50–80% FI). La aplicación DI bajo
invernadero registró menores reducciones de rendimiento en comparación con las condiciones de campo abierto. El cambio en
WP siguió un patrón similar tanto en invernadero como en campo abierto, pero la magnitud de las ganancias de WP fue
considerablemente mayor para las condiciones de invernadero. Estos resultados, junto con los efectos climáticos, sugieren que la
adaptación de la producción vegetal protegida es ventajosa para la conservación del agua,
La mayoría de los estudios incluidos en este metanálisis no proporcionaron valores de desviación estándar (SD) o
error estándar (SE). Las DE para estos estudios se interpolaron utilizando valores de DE de otros estudios dentro de cada
cultivo. Alentamos a los investigadores a incluir estas medidas de dispersión de los datos. También alentamos la inclusión
de algunos otros detalles importantes relacionados con los experimentos, como las características del suelo (textura, pH,
EC, materia orgánica), condiciones climáticas y métodos de riego.

Métodos
Este estudio siguió las recomendaciones Cochrane38y Elementos de informe preferidos para una revisión sistemática y
metanálisis (PRISMA) directrices39. Las listas de verificación PRISMA se proporcionan en la información complementaria
(Tabla S4 y S5).

Recopilación de datos.Buscamos en la literatura revisada por pares los estudios que informaron diferencias de rendimiento
en cultivos de vegetales sujetos a riego deficitario o estrés por humedad. La búsqueda se realizó en Google Scholar y Web of
Science utilizando las diferentes combinaciones de las siguientes palabras clave: rendimiento vegetal y riego deficitario o estrés
hídrico o estrés hídrico o estrés por sequía. Con base en la disponibilidad de literatura, ocho cultivos vegetales principales, papa (
Solanum tuberosumL.), tomate (Solanum lycopersicum) L.), pimienta (Capsicum anualL.), berenjena (Solanum melongenaL.),
cebolla (Allium cepaL.), pepino (Cucumis sativusL.), melón (Cucumis meloL.) y sandía (Citrullus lanatusL.) fueron identificados para
su inclusión en el metanálisis. A partir de entonces, se llevó a cabo una búsqueda exhaustiva de cultivos individuales. Adoptamos
los siguientes criterios para la inclusión de estudios: debe ser un estudio de campo abierto o en parcelas de invernadero (se
excluyeron los estudios en macetas), proporcionar datos de rendimiento para FI y DI; proporcionó información detallada sobre los
criterios de riego y DI se dio como un porcentaje de FI; proporcionó información

Informes científicos| (2021) 11:22095 | https://doi.org/10.1038/s41598-021-01433-w 10

Vol:.(1234567890)
www.nature.com/scientificreports/

ción sobre la textura del suelo del sitio experimental o porcentaje de partículas de arena, limo y arcilla en el suelo; proporcionó el rendimiento medio y el
tamaño de la muestra para los niveles de riego individuales. En la mayoría de estos estudios, las DI se basaron en ETCo evaporación en bandeja con pocos
estudios utilizando el contenido de agua del suelo como criterio de riego.
El WP se obtuvo directamente (si se proporcionó) o se calculó como:

P = Rendimiento/(Riego + Precipitación) (1)

Pocos estudios no proporcionaron información sobre la lluvia y el riego, lo que hizo que el número de observaciones para los datos de WP fuera
menor que el de los datos de rendimiento.
El tamaño de la muestra (N), la media y la SD son las tres principales variables de entrada para estimar el tamaño del efecto en un
metanálisis40. El tamaño de la muestra fue el mismo que el número de repeticiones en la mayoría de los casos, con pocas excepciones, en las
que intervinieron múltiples factores. El rendimiento medio/WP y SE o SD se obtuvieron de tablas o se extrajeron de gráficos proporcionados
en las publicaciones utilizando GetData Graph Digitizer 2.26. Si los valores de SD no se proporcionaron directamente, se calcularon a partir de
SE utilizando la ecuación. (2) como se describe por Higgins et al.41.
√
D = SE×norte (2)
Si no se proporcionó la SD y no se pudo calcular a partir de la información proporcionada, se estimó usando el coeficiente de
variación (CV) de los estudios dentro del mismo cultivo calculado usando la ecuación. (3) como se describe por Wiebe et al.42.

V = DE/Media×100 (3)
el currículumsignificarse calculó como la media de los CV de los estudios obtenidos mediante la ecuación. (3). La SD que falta (SDdesaparecido)
luego se calculó usando el CVsignificarcomo en la Ec. (4).

P = (CVsignificar×SignificarFalta SD)/100 (4)

donde mediaSD faltantees la media de las observaciones correspondientes con SD faltante.
La textura del suelo se determinó a partir del porcentaje de arena, limo y arcilla (si se proporciona) usando la calculadora de
textura del suelo del Servicio de Conservación de Recursos Naturales del Departamento de Agricultura de los Estados Unidos.43u
obtenido directamente de la publicación. La mayoría de los estudios proporcionaron esta información con algunas excepciones
que se excluyeron al realizar el metanálisis de las texturas del suelo. Al comparar los efectos de DI en condiciones de campo
abierto e invernadero, solo se incluyeron los cultivos que tenían al menos un estudio de parcela de invernadero. Así, se excluyeron
los cultivos de patata y sandía por no contar con ningún estudio de parcela de invernadero. Para evaluar los efectos del
rendimiento en diferentes zonas climáticas, solo se incluyeron estudios de campo abierto. Según la ubicación (latitudes y
longitudes), los estudios se clasificaron en cuatro zonas climáticas: seco, templado, subtropical y tropical. Mapas actualizados de
clasificación climática de Koppen-Geiger de Beck et al.44se utilizaron para llegar al clima de un estudio.
Para los estudios, donde los autores informaron N, media y DE por separado para diferentes años/temporadas o tratamientos
de subgrupos, los datos se combinaron en un solo grupo para cada tratamiento de riego. Por ejemplo, si un solo estudio presentó
los datos de rendimiento por separado para varias temporadas o varios años, combinamos los años agregando tamaños de
muestra y calculando el rendimiento medio. El SD combinado (SDconjunto) se obtuvo utilizando la Ec. (5):
√ ( )
(NORTE1-1) DE12+(norte2-1) DE2 2+norte1norte2 1+M22-2M1METRO2
Dconjunto=
norte1+NMETRO
2 2
(5)
norte1+N2-1

donde N1y N2son el número de observaciones (tamaño de la muestra) en el grupo 1 y el grupo 2, respectivamente; METRO1y M2
son medios, y SD1y SD2son las desviaciones estándar del grupo 1 y el grupo 2, respectivamente.
Sin embargo, para los estudios de múltiples ubicaciones que representan diferentes texturas del suelo o condiciones climáticas, los
resultados de rendimiento de cada ubicación se examinaron de forma independiente en el metanálisis. Además, en los casos en que la misma
clase de DI incluía dos o más niveles de riego, los niveles se incluyeron como casos independientes.

Disposición de datos y análisis del tamaño del efecto.Antes del análisis, organizamos los datos por separado para las
siguientes clases de nivel de DI dadas como porcentaje de FI (100%): < 35%; 35–50%; 50–65%; 65-80% y > 80%. El metanálisis se
realizó claramente para comparar el rendimiento y el tamaño del efecto de WP de cada clase de DI frente a FI.
El tamaño del efecto, un tipo de diferencia de medias estandarizada, es un parámetro estadístico general que permite comparar los resultados de
diferentes estudios en la misma escala.41. Las diferentes medidas para el tamaño del efecto incluyen la d de Cohen, la g de Hedges y la delta de Glass. En
este estudio, utilizamos la g de Hedges40para evaluar la magnitud del efecto de los niveles de DI en el rendimiento de los cultivos de hortalizas. La g de
Hedges usa SD agrupado (SDagrupados) y calcula el tamaño del efecto de los grupos emparejados como:

= (METROmi− METROC)/Dakota del Suragrupados

(6)
donde Mmiy MCson las medias del grupo activo (nivel DI) y el grupo control (FI), respectivamente.
El MetaXL versión 5.345se empleó para realizar el análisis estadístico utilizando el modelo de efectos aleatorios con un intervalo
de confianza (IC) del 95 %. La posibilidad de cualquier sesgo de publicación en los datos de rendimiento y WP se examinó mediante
gráficos en embudo46y se realizaron análisis de sensibilidad para evaluar la influencia de las observaciones individuales en los
tamaños medios del efecto y se corrigieron los sesgos. Se realizaron varios metanálisis distintos para evaluar la influencia de
diferentes variables, incluidas las especies de cultivos, la textura del suelo, el sistema de producción (campo abierto o invernadero)
y el clima en el rendimiento y los efectos de WP bajo diferentes niveles de DI. Se excluyó del análisis cualquier nivel de riego o
variables consideradas que tuvieran menos de dos comparaciones. Para cada metanálisis, FI (100%) se definió como control. Un
valor positivo de g de Hedges indicaba un aumento en el rendimiento/WP para DI sobre FI y un valor negativo indicaba

Informes científicos| (2021) 11:22095 | https://doi.org/10.1038/s41598-021-01433-w 11

Vol.:(0123456789)
 www.nature.com/scientificreports/

una reducción en el rendimiento/WP bajo DI en comparación con FI. La importancia del tamaño del efecto está
determinada por el IC de salida. Un IC superpuesto no indicó una diferencia significativa, mientras que un IC no
superpuesto indicó una diferencia significativa (p < 0,05) entre estudios o subgrupos. Cifras1,2,3,4y5se crearon usando
SigmaPlot Versión 14.0 (Systat Software, San Jose, CA). Las figuras complementarias S1-S10 se crearon con MetaXL
versión 5.3 y la figura complementaria S11 se creó con ArcMAP versión 10.8 (Environmental Systems Research Institute
Inc., Redlands, CA).
Para cuantificar el rendimiento y la respuesta de WP de un tratamiento frente a un control (FI), se calculó el cambio porcentual
en las medias entre los dos. Esto se obtuvo usando la Ec. (7):

∑wnorte(Ynorte−ynorte)×100

cambiar =
Ynorte
(7)
100
dondenorte, ynorte, y Ynorte, representa el factor de ponderación obtenido del análisis del tamaño del efecto, la media del tratamiento y la media
del control (FI) de la nelestudio, respectivamente. El cambio porcentual en el rendimiento y WP bajo varios niveles de riego deficitario en
comparación con FI según lo afectado por las especies de cultivos, la textura del suelo, el clima y el sistema de producción se proporciona en
las tablas complementarias S1 y S2.

Disponibilidad de datos
La mayor parte de los datos analizados en este estudio se incluyen en el artículo y sus archivos de información complementaria.
Los conjuntos de datos no incluidos en el artículo publicado están disponibles del autor correspondiente a pedido razonable.

Recibido: 5 de diciembre de 2020; Aceptado: 22 de octubre de 2021

Referencias
1. Adu, MO, Yawson, DO, Armah, FA, Asare, PA y Frimpong, KA Metanálisis de los rendimientos de los cultivos de riego con secado total, deficitario y
parcial de la zona radicular.agricola Gestión de agua197, 79–90.https://doi.org/10.1016/j.agwat.2017.11.019(2018).
2. Chai, Q.et al.Riego deficitario regulado para la producción de cultivos bajo estrés por sequía Una revisión.Agron. Sostener. desarrollo36, 3.https://
doi.org/10.1007/s13593-015-0338-6(2015).
3. Singh, M., Saini, RK, Singh, S. & Sharma, SP Potencial de integrar biocarbón y estrategias de riego deficitario para sostener la producción
de vegetales en regiones con agua limitada: una revisión.hortciencia54, 1872.https://doi.org/10.21273/hortsci14271-19(2019).
4. Lott, DE & Hammond, VE Producción inteligente de frutas y verduras con agua.NebGuide(2013).http://extensionpublications.unl. edu/
activos/pdf/g2189.pdf.
5. Sorensen, EJ Aviso de sequía de WSU: cultivos de hortalizas. (2005).https://research.libraries.wsu.edu:8443/xmlui/bitstream/handle/
2376/7035/em4830.pdf?sequence=1&isAllowed=y.
6. Costa, JM, Ortuño, MF & Chaves, MM El riego deficitario como estrategia para ahorrar agua: Fisiología y potencial aplicación a la
horticultura.J.Integr. Biol. vegetal49, 1421–1434.https://doi.org/10.1111/j.1672-9072.2007.00556.x(2007).
7. Rahil, MH & Qanadillo, A. Efectos de diferentes regímenes de riego sobre el rendimiento y la eficiencia en el uso del agua del cultivo de pepino.agricola
Gestión de agua148, 10–15.https://doi.org/10.1016/j.agwat.2014.09.005(2015).
8. Díaz-Pérez, JC & Eaton, TE Crecimiento de plantas de berenjena (Solanum melongena L.) y rendimiento de frutos afectados por la tasa de riego por
goteo. hortciencia50, 1709–1714 (2015).
9. Du, Y.-D., Cao, H.-X., Liu, S.-Q., Gu, X.-B. & Cao, Y.-X. Respuesta del rendimiento, calidad, eficiencia del uso de agua y nitrógeno del tomate a diferentes
niveles de agua y nitrógeno bajo riego por goteo en el noroeste de China.J.Integr. agricoladieciséis, 1153–1161.https://doi.org/ 10.1016/
s2095-3119(16)61371-0(2017).
10. Francaviglia, R. & Di Bene, C. Riego por Goteo Déficit en la Producción de Tomate Procesado en la Cuenca Mediterránea. Un análisis de datos para
Italia.Agricultura9, 79 (2019).
11. Mitchell-McCallister, D., Cano, A. & West, C. Metanálisis de la eficiencia del uso del agua de cultivos por sistema de riego en Texas High
Plains.Riego ciencia38, 535–546.https://doi.org/10.1007/s00271-020-00696-x(2020).
12. Chen, M.et al.Un metanálisis global del rendimiento y la eficiencia del uso del agua de cultivos, hortalizas y frutas bajo riego completo, deficitario y
parcial alternativo en la zona de las raíces.agricola Gestión de agua248, 106771.https://doi.org/10.1016/j.agwat.2021.106771(2021).
13. Foley, DJ, Thenkabail, PS, Aneece, IP, Teluguntla, PG & Oliphant, AJ Un metanálisis de la productividad global del agua de los cultivos de
tres cultivos líderes en el mundo (trigo, maíz y arroz) en las áreas irrigadas durante tres décadas .En t. J. Dígito. tierra13, 939–975.https://
doi.org/10.1080/17538947.2019.1651912(2020).
14. Sadras, VO ¿El secado parcial de la zona radicular mejora la productividad del agua de riego en el campo? Un meta-análisis.Riego ciencia
27, 183–190.https://doi.org/10.1007/s00271-008-0141-0(2009).
15. Yu, L., Zhao, X., Gao, X. y Siddique, KHM Mejorar/mantener la eficiencia en el uso del agua y el rendimiento del trigo mediante riego deficitario: un
metanálisis global.agricola Gestión de agua228, 105906.https://doi.org/10.1016/j.agwat.2019.105906(2020).
16. Zheng, H.et al.Cerrar las brechas de productividad del agua para lograr la seguridad alimentaria y del agua para un suministro mundial de maíz.ciencia Reps.8, 14762.
https://doi.org/10.1038/s41598-018-32964-4(2018).
17. Baya, W.et al.Serie de fichas técnicas de agronomía: Textura del suelo. (2007).http://nmsp.cals.cornell.edu/publications/factsheets/factsheet29. pdf.

18. Ahmadi, SHet al.Efectos de las estrategias de riego y suelos en papas cultivadas en campo: rendimiento y productividad del agua.agricola Gestión de
agua97, 1923–1930.https://doi.org/10.1016/j.agwat.2010.07.007(2010).
19. Martin, MW & Miller, DE Variaciones en las respuestas del germoplasma de papa al riego deficitario según lo afectado por la textura del suelo.Soy.
patata j.60, 671–683.https://doi.org/10.1007/BF02852838(1983).
20. Zotarelli, L., Dukes, MD, Romero, CC, Migliaccio, KW y Morgan, KTCálculo paso a paso de la Evapotranspiración Penman-
Monteith (Método FAO-56)(Universidad de Florida, 2010).
21. Tolk, JA, Evett, SR & Howell, TA Influencias de la advección en la evapotranspiración de la alfalfa en un clima semiárido.Agron. j98, 1646–
1654.https://doi.org/10.2134/agronj2006.0031(2006).
22. Bang, H., Leskovar, DI, Bender, DA y Crosby, K. Impacto del riego deficitario en el licopeno, los sólidos solubles, la firmeza y el rendimiento
de la sandía diploide y triploide en tres entornos distintos.J. Hortic. ciencia Biotecnología.79, 885–890.https://doi.org/10.1080/
14620316.2004.11511861(2004).
23. Kuswardhani, N., Soni, P. y Shivakoti, GP Análisis comparativos de insumo-producto energético y financieros de la producción de hortalizas en
invernadero y campo abierto en Java Occidental, Indonesia.Energía53, 83–92.https://doi.org/10.1016/j.energy.2013.02.032(2013).
24. Mpusia, toma de fuerzaComparativa de consumo de agua entre cultivo en invernadero y al aire libre, TIC Enschede, (2006).
25. Muñoz, P.et al.enSimposio Internacional de Alta Tecnología para la Gestión de Sistemas de Invernadero: Greensys2007 801.1591-1596.

Informes científicos| (2021) 11:22095 | https://doi.org/10.1038/s41598-021-01433-w 12

Vol:.(1234567890)