Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Papers Acerca de La Cadena de Suminsitro
Papers Acerca de La Cadena de Suminsitro
En t. J. Economía de la producción 256 (2023) 108728
Listas de contenidos disponibles en ScienceDirect
Revista Internacional de Economía de la Producción
página de inicio de la revista: www.elsevier.com/locate/ijpe
El papel de la Industria 4.0 en el desarrollo de resiliencia para las empresas
manufactureras durante el COVID19
F HLC Consulting, Semarang 50241, Indonesia y FTD Institute, Ambon, 97234, Indonesia g NEOMA
Business School, 1 Rue Du Mar´echal Juin BP 215, 76130, Francia
INFORMACIÓN DEL ARTÍCULO ABSTRACTO
Palabras La humanidad ha enfrentado muchas crisis en el pasado, como pandemias, guerras y crisis económicas, y es seguro que vendrán
clave: Industria otras crisis en el futuro; sin embargo, las tecnologías emergentes tienen un papel que desempeñar en la mejora de la resiliencia de las
4.0 Rendimiento de la fabricación
empresas frente a tales crisis. La pandemia de coronavirus (COVID19) ha generado limitaciones humanas, tecnológicas y
Resiliencia
administrativas para las empresas de fabricación debido a la escasez de recursos o interrupciones en la cadena de suministro (SC).
COVID19
El objetivo de investigación de este documento es investigar si la implementación de Industry 4.0 mejoró la resiliencia de las empresas
y si el desempeño de las empresas mantuvo la estabilidad durante el brote de COVID19. El modelo de ecuaciones estructurales
basado en compuestos se aplica para analizar los datos recopilados de 207 empresas de fabricación. El modelo teórico se basa en la
teoría de la Vista basada en la práctica (PBV). Los hallazgos de la investigación muestran que las respuestas operativas basadas en
la Industria 4.0, las prácticas de fabricación inteligente y las capacidades inteligentes permiten a los fabricantes desarrollar resiliencia
y mitigar rápidamente la pérdida de rendimiento en tiempos de crisis global. Por lo tanto, los resultados demuestran que la
implementación de la Industria 4.0 brinda resiliencia a las empresas a través de la flexibilidad, la confiabilidad, la solidez y la capacidad
de respuesta. La principal implicación práctica de este estudio es ayudar a los gerentes a lograr la estabilidad del desempeño de la
fabricación durante tiempos interrumpidos, como la crisis de COVID19, utilizando enfoques de Industria 4.0 para hacer que sus
empresas sean más resistentes y estén preparadas para enfrentar futuros desafíos y crisis.
1. Introducción instantáneamente, mientras que otros han afectado lentamente a la sociedad durante
generaciones. Ejemplos de crisis en todo el mundo incluyen la epidemia del síndrome de
1.1. Contextualización y objetivos de la investigación inmunodeficiencia adquirida (SIDA) en África en la década de 1990, los ataques terroristas
del 11 de septiembre de 2001, el tsunami del Océano Índico (2004), el ébola en África
Las principales crisis se han presentado de muchas formas durante el último cuarto de Occidental (2013), el coronavirus (COVID 19) pandemia (2020), y la invasión rusa de
siglo, incluidos los desastres naturales, la guerra, la invasión de insectos, el terrorismo, la Ucrania (2022) Es seguro que en el futuro ocurrirán otras crisis de diversa magnitud, como
violencia electoral, las enfermedades y el colapso económico. Algunas crisis se han limitado el cambio climático en curso (The New Humanitarian, 2022). Un factor común en este tipo
dentro de las fronteras regionales, mientras que otras han desestabilizado el mundo entero, de crisis es su influencia en la evolución de factores como hu
incluidas las cadenas de suministro globales (SC). Algunos han aparecido en los titulares de
todo el mundo y han atraído una inmensa financiación, mientras que otros no han atraído el esfuerzos humanitarios, desarrollo de tecnología, resiliencia de las empresas y desempeño
interés internacional. Algunos han matado a miles de operativo y financiero del negocio. Los impactos de tal
* Autor correspondiente. Departamento de Ingeniería Industrial, Universidad Federal de Sao Carlos (UFSCar), Rodovia Washington Luís – Km 235, Código Postal, 13565
905, São Carlos, SP, Brasil.
Direcciones de correo electrónico: debora.unifei@gmail.com (D. Bianco), adauto.bueno@unemat.br (A. Bueno), mgodinhofilho@emnormandie.fr (M. Godinho Filho), latanhengky@gmail.com
´
(H. Latan), ganga@dep.ufscar.br (G. Miller Devos Ganga), ag.frank@ufrgs.br (AG Frank), cj.chiappettajabbour@neomabs.fr
(CJ Chiappetta Jabbour).
https://doi.org/10.1016/j.ijpe.2022.108728 Recibido el
22 de junio de 2022; Recibido en forma revisada el 23 de noviembre de 2022; Aceptado el 26 de noviembre de 2022
Disponible en línea el 28 de noviembre de
2022 09255273/© 2022 Elsevier BV Todos los derechos reservados.
Machine Translated by Google
D. Bianco et al. Revista Internacional de Economía de la Producción 256 (2023) 108728
Las crisis en las empresas dan forma al futuro de la gestión de operaciones, ya que Surge: ¿El desempeño de las empresas manufactureras se ve menos afectado por
las prácticas que han demostrado funcionar bien en el pasado se replican para hacer la crisis del COVID19 cuando se implementa I4.0?
frente a futuras disrupciones. Un posible camino que pueden seguir las empresas es Esta investigación investiga los efectos de la implementación de I4.0 en la
aprovechar las nuevas tecnologías, como las que se encuentran bajo el paraguas de estabilidad del rendimiento de fabricación a través de la fabricación inteligente, que
'Industria 4.0', para mantenerse sólidas en tiempos de crisis. media el desarrollo de capacidades inteligentes, utilizando la lente teórica de la Vista
La aparición del nuevo coronavirus (COVID19) provocó una pandemia que basada en la práctica (PBV). El PBV, propuesto por Bromiley y Rau (2016), ofrece a
impactó significativamente la vida y la salud de las personas, produciendo una crisis la investigación de gestión de operaciones un enfoque que explica la variación en el
económica mundial (Organización Mundial de la Salud OMS, 2021), por lo que puede desempeño de las empresas mediante la adopción de un conjunto de prácticas
considerarse un contexto contemporáneo relevante para estudiar el comportamiento imitables (p. ej., prácticas derivadas de la implementación de I4.0).
organizacional en tiempos de crisis. Se adoptaron varias acciones públicas para Estas prácticas representan una actividad definida o un conjunto de actividades que
limitar la propagación de la pandemia, como cerrar las fronteras de los países, varias empresas deben ejecutar para lograr el desempeño deseado (Bromiley y Rau,
restringir las actividades comerciales y acortar la jornada laboral de las industrias. 2014). No hay necesidad de exclusividad en una empresa que adopta estas prácticas
Estas acciones tuvieron varios efectos en las operaciones y cadenas de suministro para lograr una mejora operativa; las prácticas son intercambiables dentro de la
de las empresas. Los principales efectos fueron dificultades logísticas para el industria (Umar et al., 2022a). Como resultado, varias organizaciones pueden adoptar
transporte de productos o insumos/materias primas, dificultades para obtener los prácticas similares y todas experimentarán mejoras en el desempeño (Umar et al.,
insumos/materias primas que se utilizan en las operaciones de las empresas, 2022b).
necesidad de seguir pagando los gastos corrientes con ingresos reducidos y Según Battesini et al. (2021), la medición del desempeño se evalúa con base en
disminución de la producción (Confederación Nacional de la Industria CNI ). medidas operativas y financieras. Las medidas de rendimiento operativo más
Se adoptaron varias acciones de mitigación en la industria manufacturera para conocidas y comúnmente utilizadas son la capacidad, la productividad, el tiempo de
reducir los efectos del COVID19 (IbnMohammed et al., 2021). entrega, el inventario y la eficiencia. Estas medidas se derivan de las prioridades
Ejemplos de acciones emprendidas incluyen la reducción de la actividad productiva, competitivas: calidad, velocidad, flexibilidad, confiabilidad y costo. En cuanto a las
la desmovilización de los trabajadores (Laing, 2020), la adopción del trabajo remoto medidas financieras, las medidas financieras más utilizadas son el beneficio neto, el
(RioChanona et al., 2020), la redistribución de los turnos de trabajo (Organización rendimiento de la inversión y el flujo de caja. Además, el desempeño sostenible de la
Internacional del Trabajo OIT, 2020), adopción de programas gubernamentales para empresa se aborda bajo las dimensiones social, ambiental y económica, en relación
preservar empleos (Kumar et al., 2020), rediseño de estaciones de trabajo (Shen et con las personas, el planeta y la rentabilidad, respectivamente (Battesini et al., 2021;
al., 2020) y adopción de tecnologías digitales (Donthu y Gustafsson, 2020). Algunas Rajesh, 2022; Slack et al., 2016). La presente investigación tiene como objetivo
de estas acciones de mitigación solo fueron posibles debido a los procesos de investigar el papel de la implementación de I4.0 en la construcción de resiliencia con
transformación digital existentes que las empresas han ido adoptando en los últimos respecto a las medidas financieras y operativas de las empresas. Por lo tanto, el
años basados en tecnologías de Industria 4.0 (I4.0). I4.0 permite la creación de desempeño de nuestras empresas de fabricación de construcciones en este estudio
sistemas ciberfísicos que conectan el entorno físico de fabricación con el mundo consideró solo medidas de desempeño operativo y financiero. Las dimensiones
virtual y remoto a través del Internet de las cosas (IoT), la conectividad y los sistemas ambientales y sociales están más allá del alcance de este proyecto y deben ser
digitales (Frank et al., 2019; Meindl et al . , 2021). consideradas en futuras investigaciones.
Estudios recientes han sugerido que las empresas manufactureras que adoptan Por lo tanto, el objetivo principal de esta investigación es investigar si la
I4.0 han sido más capaces de lidiar con los efectos de la pandemia de COVID19 (p. implementación de I4.0 proporciona un camino hacia la creación de resiliencia para
ej., Hopkins, 2021; Narayanamurthy y Tor torella, 2021; Papadopoulos et al., 2020; mantener la estabilidad del desempeño de las empresas manufactureras, incluso
Shen et al. ., 2020; Spieske y Birkel, 2021). Por ejemplo, el análisis de 'big data' es durante la crisis de COVID19. Este estudio utiliza una encuesta implementada
particularmente adecuado para mejorar la resiliencia de la cadena de suministro a durante el apogeo de la crisis para investigar este asunto. Al igual que la pandemia
través de prácticas y capacidades predictivas. Las soluciones de inteligencia artificial de COVID19, pueden surgir y propagarse otras crisis y pandemias en el futuro. La
(IA) permiten simulaciones, lo cual es una característica esencial dado que la intención es demostrar una estrategia alternativa para que los gerentes de
ocurrencia de infecciones durante una pandemia es muy dinámica y requiere manufactura cumplan con sus objetivos de desempeño organizacional, incluso en
reevaluaciones periódicas de las medidas de la cadena de suministro (Spieske y tiempos de interrupción de las cadenas de suministro globales.
Birkel, 2021). La impresión 3D se ha utilizado para desarrollar máscaras faciales Para lograr el objetivo de la investigación, se realizó una encuesta con 207
(Akpan et al., 2020), mientras que las aplicaciones de IoT y blockchain pueden empresas manufactureras que operan en Brasil durante la pandemia de COVID19.
interrumpir potencialmente las operaciones de las empresas y generar mejoras Se utilizó un modelo de ecuaciones estructurales basado en compuestos para
operativas significativas durante una crisis como la del COVID19 (Almeida et al., analizar los datos recopilados.
2020).
Se espera que las tecnologías I4.0 puedan ayudar a las empresas a afrontar 1.2. Brechas de investigación
mejor esta 'nueva normalidad' en las operaciones de fabricación. Sin embargo, los
gerentes y los profesionales aún no saben en qué medida estas iniciativas pueden El presente estudio propone un modelo estructural con 5 hipótesis para abordar
ayudar a las empresas a reducir los efectos negativos de la pandemia y cómo los tres lagunas de investigación (Fig. 1). El modelo se basa en la teoría PBV, el análisis
recursos y las tecnologías de I4.0 pueden ayudar a crear una respuesta de fabricación de artículos recientes y establecidos en la literatura relevante y la validación de
ágil a la pandemia de COVID19 y sus consecuencias. Efectos de agatación a lo expertos. Se realizó una revisión sistemática de la literatura (SLR) para construir el
largo del tiempo. Estudios recientes han demostrado la contribución de I4.0 en el modelo y el instrumento de investigación. La Tabla 1 presenta las principales
contexto de COVID19 (por ejemplo, Hopkins, 2021; Shen et al., 2020; Spieske y contribuciones a la literatura que llevaron a identificar estos vacíos de investigación.
Birkel, 2021). Sin embargo, estos estudios han abordado solo las contribuciones
generales de las tecnologías I4.0, sin extender su investigación a las prácticas y El resto de este artículo está estructurado de la siguiente manera. La sección 2
capacidades específicas creadas en entornos de fabricación inteligente. Esta consolida la literatura en cuanto a los antecedentes teóricos y las hipótesis propuestas.
investigación investiga esta brecha, ya que la pandemia de COVID19 exigió nuevos La sección 3 describe los métodos de investigación utilizados.
hábitos y rutinas entre los trabajadores y sus actividades y prácticas operativas Los hallazgos se presentan en la Sección 4 y se analizan en la Sección 5.
(Meindl et al., 2021). En consecuencia, este estudio entiende que los programas I4.0 Finalmente, la Sección 6 presenta las conclusiones, incluidas las implicaciones
deben profundizar más que solo implementar tecnologías, en lugar de usarlas para teóricas y prácticas.
desempeñar un papel fundamental en el desarrollo de la resiliencia para mitigar los
efectos del deterioro del desempeño durante una crisis como la del COVID19. 2. Antecedentes teóricos y desarrollo de hipótesis
Con base en la discusión anterior, la siguiente pregunta de investigación (RQ) En esta sección se abordan los antecedentes teóricos con respecto a la
2
Machine Translated by Google
D. Bianco et al. Revista Internacional de Economía de la Producción 256 (2023) 108728
Figura 1. Modelo e hipótesis de investigación.
efectos de la pandemia de COVID19 en el desempeño de las empresas manufactureras En este contexto, el término 'práctica' se refiere a una actividad definida o un conjunto
a través de enfoques I4.0. Este estudio describe un modelo basado en hipótesis para de actividades que varias empresas podrían adoptar, por ejemplo, la digitalización (Bro
investigar si la implementación de tecnologías base I4.0 permite la rutinización de miley y Rau, 2016). Esta investigación define las prácticas de fabricación inteligente como
prácticas de fabricación inteligente, mediando así el desarrollo de capacidades basadas en seis pilares (Kusiak, 2018): tecnología y procesos de fabricación; intercambio
inteligentes, proporcionando a las empresas los atributos de resiliencia necesarios para de recursos y creación de redes; datos; ingeniería predictiva; sostenibilidad; y materiales
responder mejor a los efectos adversos de la pandemia Esta investigación plantea la Sobre la base de estos pilares, este estudio define la fabricación inteligente como un
hipótesis de que las características de resiliencia contribuyen a la estabilidad del conjunto de prácticas vinculadas a la autonomía del sistema de producción, la eficiencia
desempeño, mitigando los efectos negativos de la crisis del COVID19. Por lo tanto, el energética, la flexibilidad y la personalización, la integración vertical y la gestión de
PBV (Bromiley y Rau, 2016) se usa para explicar cómo las prácticas derivadas de I4.0 datos, y la trazabilidad interna (Frank et al., 2019) . Este estudio asume que las prácticas
pueden ayudar a las empresas manufactureras a mitigar los impactos de la pandemia de de fabricación inteligente se han desarrollado en línea con la evolución reciente del
COVID19 en las operaciones y el desempeño. concepto I4.0, cuyas raíces surgieron inicialmente de los sistemas de fabricación
avanzados y sus conexiones con otras dimensiones comerciales de las empresas
(Dalenogare et al., 2018 ; Franco et al., 2019). La fabricación inteligente permite a las
empresas combinar recursos internos (activos de fabricación) y externos (tecnologías
2.1. Vinculando los enfoques I4.0, la resiliencia y la estabilidad del desempeño en base I4.0).
tiempos de crisis: la visión basada en la práctica (PBV)
La fabricación inteligente permite a las empresas centrarse en sus competencias básicas
I4.0 permite a las empresas manufactureras desarrollar características de resiliencia y compartir capacidades para la innovación de productos en esfuerzos conjuntos para
y vías de mejora del rendimiento (Tortorella et al., 2020). desarrollar productos y activos complementarios, creando un mayor valor añadido (Frank
La implementación de las tecnologías base I4.0 desencadena prácticas de fabricación et al., 2019).
inteligente y el desarrollo de capacidades inteligentes únicas de desarrollo. El PBV se Las prácticas de fabricación inteligente impulsan a las empresas hacia nuevas
utiliza para respaldar la hipótesis de que el cambio tecnológico ayuda a las empresas a técnicas y procedimientos digitales que permiten, en el contexto de la gestión de
establecer prácticas inteligentes, lo que media en el desarrollo de capacidades operaciones, el desarrollo de capacidades inteligentes únicas, como la innovación de
inteligentes, resiliencia y estabilidad del desempeño en tiempos de crisis. productos y procesos, la servitización digital, la gestión en tiempo real.
3
Machine Translated by Google
D. Bianco et al. Revista Internacional de Economía de la Producción 256 (2023) 108728
Tabla 1 Tabla 1 (continuación )
Literatura relevante en la identificación de brechas de investigación. Autores Principal contribución en Brecha de investigación Cómo contribuye el
Autores Principal contribución en relación con las presente estudio a
Brecha de investigación Cómo contribuye el
relación con las presente estudio a lagunas de investigación abordar este vacío en la
investigación
sobre el papel de las la adopción aspecto
en las industrias brasileñas industria 4.0 es
y discuten la válida, lo que Esta discusión
los países emergentes. Shen et al. (2020) Los autores discuten cómo
Las tecnologías
presentan seis pilares inteligente
de la colaborativa pueden
fabricación inteligente ayudar a abordar los
que fueron desafíos en el contexto
de COVID
importantes para
19. Los autores no
desarrollar el
concepto I4.0 en nuestra desarrollan un estudio
investigación. empírico.
franco et al. (2019) Los autores La falta de
proponer un trabajo empírico en este
contexto destacó
marco
conceptual para I4.0 esta brecha de
tecnologías, que investigación.
se dividen en frontend y Hopkins (2021)
tecnologías de base. El autor
desarrolla una encuesta
Los autores para medir el nivel
proponen una de adopción de tecnologías
estructura I4.0 que clave I4.0
inspiró el modelo propuesto en la cadena de suministro
en nuestra investigación. (CS).
El autor argumenta que
Bueno et al. Los autores las
desarrollar un investigadas
marco desempeñarán un papel
analítico que explica fundamental en la
cómo las recuperación
capacidades inteligentes posterior a la COVID,
de cinco tecnologías proporcionando una
básicas influyen nueva hoja de ruta digital
en el contexto de para los desafiantes
la Industria 4.0. años que se
avecinan. La
Los autores brecha de investigación
Bag et al. (2021)
examinan el efecto de la identificada
adopción de la corrobora la propuesta
Industria 4.0 en de los autores de que
las las tecnologías I4.0
capacidades de son fundamentales
para la resiliencia de las empresas y
fabricación avanzada y
sus resultados recuperación.
para el Narayanamurthy y
Tortorella (2021)
desarrollo sostenible. El
trabajo de este autor fue
importante para Los autores verifican el
identificar esta brecha papel moderador de
las tecnologías base
en la
investigación. I4.0 en la relación
de la teoría de I4.0 y COVID 19
destacan la empírica de
evidencia limitada en la investigación de que la resiliencia para el trabajo y los
literatura Industria 4.0 empleados.
(Continúa en la siguiente página)
4
Machine Translated by Google
D. Bianco et al. Revista Internacional de Economía de la Producción 256 (2023) 108728
Tabla 1 (continuación ) características de resiliencia que permiten a las empresas manufactureras responder
Autores Principal contribución en
rápidamente a las perturbaciones sin sufrir un deterioro severo del desempeño
Brecha de investigación Cómo contribuye el
relación con las presente estudio a
(Kristianto et al., 2017).
lagunas de investigación abordar este vacío en Esta investigación adopta la definición de resiliencia propuesta por Bryce et al.
la investigación (2020), en el que la resiliencia es un proceso mediante el cual las organizaciones
actuación. Los tratan de anticipar y responder a los peligros externos de forma continua, en lugar
resultados del autor de esperar para hacer frente a sus resultados. Por lo tanto, la resiliencia refleja la
presentan evidencia efectividad de las prácticas implementadas y el desarrollo de capacidades en el
con respecto a
contexto de las operaciones y la estabilidad del desempeño en tiempos de crisis.
I4.0 durante COVID19,
lo que corrobora nuestra
Nuestra propuesta de investigación investiga si las tecnologías base de I4.0,
brecha de investigación. como IoT, la nube, big data y análisis de datos, conducen a la innovación de
Los autores
Spieske y Birkel (2021) productos y la excelencia operativa a través de la fabricación inteligente, lo que
destacan la falta de
brinda mejores respuestas organizacionales, basadas en atributos de resiliencia, a
literatura sobre
las interrupciones. como la pandemia de COVID19.
el vínculo entre I4.0 y
la resiliencia SC. Los Por lo tanto, el PBV se usa aquí para explicar los efectos de las prácticas de
autores desarrollan fabricación inteligente (basadas en tecnologías base I4.0) en el desarrollo de la
una SLR con el resiliencia y la estabilidad del rendimiento. Bromiley y Rau (2016) propusieron por
intención de llenar este
primera vez el PBV para evaluar todo el rango de desempeño de la empresa y la
brecha.
unidad con base en prácticas intercambiables (Bag et al., 2021). El PBV ofrece a la
Chowdhury y Los autores Brecha de Esta investigación investigación en gestión de operaciones un enfoque compatible con la adopción de
investigación 3: falta contribuye a la
Cuádruple (2017) desarrollan un prácticas imitables para explicar toda la gama del desempeño ordinario (Umar et
medición de investigación evolución de la
al., 2022a). El PBV plantea que, debido a la racionalidad limitada, las empresas a
instrumento para SC que valide literatura
resiliencia. empíricamente la menudo no utilizan todas las técnicas y tecnologías disponibles que podrían
referente a la
Además, los hallazgos afirmación de resiliencia, beneficiarlas (Bromiley y Rau, 2014). Esta investigación considera que esto es una
de los autores afirman que la concretamente realidad para las empresas manufactureras en el contexto I4.0. Esta visión es
que la escala de resiliencia de las estudiando la relevante para este estudio, ya que predice que cualquier empresa podría desarrollar
resiliencia del SC resiliencia SC en un
empresas mejora su desempeño.
e implementar enfoques I4.0, como prácticas y capacidades de fabricación
predice mejor la nuevo contexto,
vulnerabilidad proponiendo I4.0
inteligente, para crear y mantener la resiliencia en tiempos de crisis.
y el rendimiento como antecedente
operativo del SC. durante la
baz y ruel Los autores crisis del COVID19.
2.1.1. El impacto de la pandemia de COVID19 en las empresas manufactureras La
(2020) desarrollan y
desaceleración de la economía mundial debido a la pérdida de producción
realizan una encuesta
durante el brote de provocada por la pandemia de COVID19 provocó interrupciones en las cadenas
COVID19. El de suministro mundiales (IbnMohammed et al., 2021). Las empresas que dependen
Los hallazgos revelan el de los insumos de la cadena de suministro mundial también comenzaron a
papel mediador de las
experimentar reducciones en la producción (McKibbin y Fernando, 2021). Otro
prácticas de gestión de
riesgos de la
factor es que el transporte limitado entre países desaceleró la economía global
cadena de suministro y (Govindan et al., 2020), mientras que las nuevas preocupaciones de los clientes
su papel destacado en también cambiaron los patrones de consumo habituales del mercado (He y Harris,
el fomento de la
2020). En este contexto, los gerentes de manufactura deben conocer los
resiliencia de la cadena de suministro.
y robustez.
mecanismos óptimos para ajustar la oferta y la demanda de recursos y las técnicas
Queiroz et al. Los autores para optimizar sus redes de distribución y adaptarse a los cambios en la demanda
(2022) desarrollan y (RioChanona et al., 2020). Tales decisiones deben tomarse durante las fases de
realizan una encuesta respuesta y recuperación de la pandemia de COVID19, muy probablemente a nivel
durante el brote de
nacional o regional (Papagiannidis et al., 2020).
COVID 19 para
estudiar un modelo
Estos cambios afectaron a los mercados financieros mundiales y el índice bursátil
original para explorar se desplomó (Currie et al., 2020).
los antecedentes de la Bartik et al. (2020) muestran en su estudio empírico que las empresas se vieron
resiliencia
profundamente afectadas por la pandemia de COVID19. Los resultados de su
SC, considerando
investigación subrayan la fragilidad financiera de muchas pequeñas empresas. Su
el estado de alerta SC
como un factor clave estudio encontró que el 43% de las empresas se cerraron temporalmente y que el
para apoyar la resiliencia. empleo se redujo en un 40%. Estos resultados sugieren que muchas de estas
empresas enfrentaron problemas financieros durante la pandemia y se vieron
obligadas a reducir drásticamente los gastos, asumir deudas adicionales o declararse en bancarr
capacidades (por ejemplo, visibilidad del flujo logístico en tiempo real) y autonomía.
Estos hallazgos resaltan el efecto negativo que tuvo la pandemia de COVID19 en
Por lo tanto, las capacidades inteligentes son las habilidades más valiosas
los sistemas financieros de las organizaciones.
habilitadas a través de la implementación de prácticas de fabricación inteligente
Aunque aún no se ha probado empíricamente en la literatura, se han discutido
para lograr un objetivo predefinido. Por ejemplo, IoT permite la trazabilidad interna
varios efectos de la pandemia de COVID19, más allá de las dificultades financieras
de piezas y procesos en una línea de ensamblaje, como la capacidad en tiempo
que han estado experimentando las organizaciones. Actualmente, varios efectos
real para medir la humedad y la temperatura de los componentes de ensamblaje
de la crisis de COVID19 continúan dañando las operaciones de fabricación y las
de un nuevo producto.
cadenas de suministro, incluidos cambios repentinos en el suministro relacionado
Estudios previos, como Marcucci et al. (2021), han descubierto que las
con productos, pérdida de contratos y ventas (Venkatesh, 2020), la necesidad de
tecnologías clave I4.0 tienen un impacto positivo en la resiliencia. Sin embargo,
desinfección en el lugar de trabajo (Kuckertz et al. ., 2020), largas demoras en la
estos estudios no han abordado los impactos de temas específicos de I4.0, como
recepción de suministros y entrega de productos (Kumar et al., 2020), escasez de
las prácticas y capacidades de fabricación inteligente, en la resiliencia de fabricación
mano de obra y capacidad reducida (Queiroz et al., 2020), la necesidad del trabajo
interna. La rapidez, la solidez, la redundancia y el ingenio son
remoto (Carroll y Conboy, 2020) ,
5
Machine Translated by Google
D. Bianco et al. Revista Internacional de Economía de la Producción 256 (2023) 108728
cambios repentinos en la demanda de productos y patrones de compra de los 2.1.3. El efecto mediador de las prácticas de fabricación inteligente en el desarrollo de
consumidores (Sharma et al., 2020), y capacidad limitada en aspectos humanos, capacidades
tecnológicos, logísticos y de gestión debido a recursos y acceso limitados (Bryce et al., inteligentes Las prácticas de fabricación inteligente abordadas en este estudio se
2020; Hopkins, 2021; Queiroz et al., 2020; Sarkis et al., 2020). alinean con las tecnologías I4.0 propuestas por Frank et al. (2019). Las prácticas
evaluadas en este estudio son la autonomía del sistema productivo, la eficiencia
Si bien la literatura existente señala que, en general, los SC se han visto afectados energética, la flexibilidad, la personalización, la integración vertical, la gestión de datos
negativamente por el brote de COVID19, lo que ha provocado una caída en las ventas y la trazabilidad interna. Además, esta investigación investiga si las prácticas de
y la falta de los insumos necesarios para la producción, algunos modelos de negocios fabricación inteligente respaldan el desarrollo de capacidades inteligentes (por ejemplo,
se han beneficiado, como la producción de productos de higiene y productos de visibilidad de piezas en tiempo real) para hacer frente a la crisis de COVID19 y, en
protección personal (por ejemplo, mascarillas). Sin embargo, el objetivo de la presente consecuencia, crean resiliencia y respaldan la estabilidad del rendimiento.
investigación es considerar solo las empresas que se han visto afectadas negativamente
por la pandemia, a fin de ajustarse mejor al modelo hipotético. Por lo tanto, para verificar La implementación de prácticas básicas centradas en la creación de valor digital
si las empresas incluidas en la muestra del presente estudio son efectivamente parte de puede conducir a la excelencia al proporcionar competencias digitales únicas para la
cadenas que se han visto afectadas negativamente por el brote de COVID19, se fabricación, es decir, capacidades inteligentes. El PBV afirma que un conjunto de
formula la siguiente hipótesis: prácticas definidas dentro de las actividades organizacionales clave podría influir
significativamente en el desempeño de la empresa (Bromiley y Rau, 2016). Sin
embargo, las prácticas de fabricación específicas también pueden asociarse con otras
H1. La pandemia de COVID19 ha tenido un impacto negativo en el desempeño de las
variables independientes además del rendimiento, por ejemplo, capacidades inteligentes
empresas manufactureras.
(Bag et al., 2021). Por lo tanto, las prácticas de fabricación inteligente pueden, a su vez,
respaldar el desarrollo único y ventajoso de capacidades inteligentes.
2.1.2. Implementación de tecnología I4.0 y prácticas de fabricación inteligente
Las capacidades inteligentes se definen como la capacidad única de reconfigurar
El enfoque
los activos tangibles e intangibles del sistema de fabricación en función de los enfoques
de I4.0 adoptado en el presente estudio se basa en los conceptos de tecnologías
I4.0. Las capacidades inteligentes son el resultado de la implementación de prácticas
base y tecnologías frontend. Esta es una categorización basada en el marco de Frank
de fabricación inteligentes que son factibles debido a las tecnologías base específicas
et al. (2019) para los patrones de adopción I4.0. Las tecnologías de base se tratan en
de I4.0. Por ejemplo, Helo et al. (2019) toman un conjunto de tecnologías I4.0 para
la hipótesis 2 y las tecnologías frontend en la hipótesis 3 (p. ej., IA, cobots, fabricación
prácticas de integración vertical en una empresa de fabricación de chapa. Se aplicaron
aditiva, líneas autónomas). Por lo tanto, a pesar de la existencia de otros estudios
herramientas como algoritmos genéticos y maquinaria IoT, arquitectura orientada a
importantes que presentan una gama de tecnologías I4.0 (ver Tabla 1), no han clasificado
servicios (SOA)/REST API y programación C# a través del sistema de nube privada de
y sistematizado estos conjuntos de tecnologías en categorías de relación (respaldando
Microsoft Azure para desarrollar capacidades en tiempo real (análisis y planificación de
la perspectiva sobre I4.0 adoptada en este artículo). ). Cuatro tecnologías básicas
producción en tiempo real) con servitización digital (programación de producción
constituyen los pilares del concepto I4.0, proporcionando una amplia gama de
basada en la nube).
aplicaciones de fabricación inteligente: IoT; la nube; grandes datos; y análisis de datos
Bolsa et al. (2021) investigan las prácticas relacionadas con I4.0 y el desarrollo de
(p. ej., el uso de análisis de datos multivariados y algoritmos avanzados de IA) (Frank
capacidades inteligentes a través de la lente PBV. Encuentran que las empresas con un
et al., 2019). Las tecnologías base I4.0 permiten prácticas de fabricación inteligente
alto grado de adopción de I4.0 demuestran un mayor grado de capacidades inteligentes.
(Kusiak, 2018) y reflejan la implementación de I4.0 en la empresa. franco et al. (2019)
Esta investigación asume que la implementación de prácticas de fabricación inteligente
proponen un marco que resume los patrones de implementación de I4.0. En este marco,
basadas en tecnologías I4.0 media el desarrollo de capacidades inteligentes. Las
estas cuatro tecnologías base respaldan el uso de tecnologías frontend, lo que permite
capacidades inteligentes, como el monitoreo y la conectividad en tiempo real de los
el desarrollo de prácticas de fabricación inteligente.
activos de fabricación y el trabajo remoto, fueron fundamentales para la reconfiguración
de las operaciones ante la repentina crisis de COVID19. Por lo tanto, las capacidades
inteligentes son fundamentales para la estabilidad del rendimiento de las empresas en
entornos de producción que enfrentan cambios rápidos y dinámicos, por ejemplo, la
Las tecnologías I4.0 brindan una amplia gama de aplicaciones y conllevan cambios
pandemia de COVID19. Por lo tanto, la tercera hipótesis es la siguiente:
en las prácticas de fabricación al adoptar el concepto de fabricación inteligente (Kusiak,
2018). A partir de las tecnologías IoT, surgen oportunidades para prácticas de
fabricación inteligente, como la autonomía del sistema de producción, la flexibilidad y la H3. Las prácticas de fabricación inteligente se asocian positivamente con el desarrollo
trazabilidad interna. Desde la nube surgen opciones de personalización digital e de capacidades inteligentes.
integración vertical. Las oportunidades de gestión y eficiencia energética surgen del big
data y el análisis de datos. Los procesos de fabricación con autocorrección, la 2.1.4. Desarrollo de capacidades inteligentes y características de resiliencia de las
planificación del trabajo y la digitalización de manuales, la intralogística de empresas manufactureras
almacenamiento con eficiencia energética, la lavandería industrial con uso eficiente de Durante tiempos de crisis, las empresas requieren capacidades únicas para permitir
los recursos y la gestión de la energía en las redes inteligentes en las industrias de una rápida reconfiguración de las operaciones y adaptabilidad para mitigar el
procesamiento son ejemplos de prácticas de fabricación inteligentes habilitadas por las comportamiento inesperado de la cadena de suministro. Las capacidades inteligentes
cuatro tecnologías base I4.0. adoptado en esta encuesta (MacDougall, 2016). incluidas en este estudio se basan en la investigación de Bueno et al. (2020) . Estas
capacidades incluyen: promover la coordinación en los procesos; desarrollar una amplia
La segunda hipótesis pretende probar la teoría existente y presentar una gama de productos y procesos innovadores; desarrollar un alto nivel de automatización
investigación empírica de las relaciones de las tecnologías de base I4.0 y sus efectos y autonomía para fabricar máquinas, sistemas y procesos de decisión; digitalización de
positivos en el desarrollo de prácticas de fabricación inteligente, con base en el marco la recopilación de datos y la infraestructura de conectividad; procesos operativos y de
de Frank et al. (2019 ) . Por lo tanto, con base en estudios previos que muestran que las gestión como servicio; ydesarrollando
si las empresas tienen una cultura digital que incorpora
tecnologías I4.0 permiten prácticas de fabricación inteligente de las empresas, la tecnologías I4.0 en todos los niveles de empleados. Esta investigación investiga si la
segunda hipótesis de este estudio es la siguiente: creación previa de capacidades inteligentes conduce a una mejor resiliencia de la
empresa durante la pandemia de COVID19.
H2. La implementación de las tecnologías base I4.0 en las empresas manufactureras
En las operaciones de fabricación, las ventajas competitivas sostenibles y la
se asocia positivamente con las prácticas de fabricación inteligente.
estabilidad del rendimiento se pueden lograr a través de una posición competitiva que
explote mejor las estrategias de capacidad únicas que son posibles gracias a la
implementación de I4.0. A través de las tecnologías I4.0, las empresas integran
6
Machine Translated by Google
D. Bianco et al. Revista Internacional de Economía de la Producción 256 (2023) 108728
recursos inteligentes en sus prácticas, abriendo nuevas oportunidades para llevar a cabo Ivanov y Dolgui (2020), la supervivencia de las empresas manufactureras y de la cadena
operaciones de fabricación y gestión de una manera novedosa y mejorada. Posteriormente, de suministro durante eventos extraordinarios va más allá de una comprensión limitada
las capacidades inteligentes surgen de procesos, caminos y posiciones únicos a lo largo del desempeño basado en las ganancias o los ingresos: estas empresas necesitan
del tiempo y a través de la práctica. asegurar la provisión de bienes y servicios siendo altamente resilientes. En consecuencia,
Las empresas pueden desarrollar varias capacidades en su respuesta a impactos se propone la quinta y última hipótesis:
como la pandemia de COVID19. Esta capacidad de respuesta está directamente
H5. La resiliencia de las empresas manufactureras tiene un impacto positivo en su
relacionada con el desarrollo de características de resiliencia (Kristianto et al., 2017). Por
desempeño operativo y financiero.
ejemplo, la capacidad inteligente de recopilación de datos digitalizados minimiza la
El modelo conceptual de este estudio, incluidas las hipótesis, se muestra en la figura 1.
presencia de los trabajadores en el taller. Permite una mayor flexibilidad en la programación
de los trabajadores en la planta para hacer frente al distanciamiento social durante el
período crítico de propagación de COVID19. Este ejemplo representa una característica
3. Métodos de investigación
de resiliencia basada en la flexibilidad desencadenada por la capacidad de digitalización.
Por lo tanto, esta investigación considera que los atributos de resiliencia de fabricación son
Este estudio utiliza una metodología de investigación de encuestas para evaluar la
aprovechados por capacidades inteligentes.
implementación de tecnologías I4.0 para desarrollar prácticas de fabricación inteligentes y
Por lo tanto, la creación de capacidades inteligentes puede tener un impacto positivo
capacidades inteligentes para respaldar la respuesta de las empresas de fabricación a la
en la respuesta y la resiliencia de las empresas manufactureras en tiempos de
pandemia de COVID19. El modelo de investigación (Fig. 1) se desarrolló con base en una
perturbación, como la pandemia de COVID19. En consecuencia, nuestra cuarta hipótesis
revisión de la literatura para ilustrar los principales elementos investigados en este estudio
es la siguiente:
y sus hipótesis. Según Fowler (2013), el método de la encuesta consiste en recopilar
H4. La creación de capacidades inteligentes tiene un impacto positivo en la resiliencia de información de los individuos sobre las unidades sociales a las que pertenecen. Por lo
las empresas manufactureras en tiempos de crisis. tanto, un proceso de muestreo de investigación de encuestas determina información sobre
grandes poblaciones con un nivel conocido de precisión. Este estudio utiliza una encuesta
2.1.5. Resiliencia y desempeño de las empresas manufactureras en tiempos de crisis exploratoria. Una encuesta exploratoria es adecuada durante las primeras etapas de la
Las investigación de un fenómeno para obtener información preliminar sobre un tema y
hipótesis planteadas anteriormente sugieren que la resiliencia de las empresas puede proporcionar evidencia para una investigación más profunda (Stapleton, 2019). Los efectos
ser mediada por el dominio de tecnologías, prácticas y capacidades inteligentes asociadas de la pandemia de COVID19 son un tema reciente, y esta investigación es una de las
con I4.0. La calidad de respuesta de las empresas y la agilidad en tiempos de crisis son primeras en presentar evidencia de que I4.0 puede hacer que las organizaciones sean
variables importantes para la gestión de operaciones, y se conoce como capacidad de más receptivas y resistentes cuando se enfrentan a crisis como las pandemias.
respuesta. En tiempos "normales", la capacidad de respuesta permite a las organizaciones
responder a las fluctuaciones en la demanda de los clientes, mejorando así el tiempo de
entrega y las ganancias. En tiempos de crisis, la capacidad de respuesta de las empresas
se convierte en una variable de gran complejidad y se considera de suma importancia para
3.1. Selección de muestras y recopilación de datos
la gestión de operaciones de manufactura (Kris tianto et al., 2017). Por ejemplo, ser
altamente receptivo puede permitir que una empresa sobreviva a la interrupción de la
La muestra del estudio proviene de la industria manufacturera brasileña. El
cadena de suministro. La pandemia de COVID19 demostró que la resiliencia a las
cuestionario se administró utilizando la plataforma SurveyMonkey y se envió a las
interrupciones de la cadena de suministro debe evaluarse como un problema de
direcciones de correo electrónico de las empresas, dirigido a los profesionales que se
supervivencia cívica e industrial frente a eventos extraordinarios. El ejemplo de la pandemia
ocupan de la implementación de I4.0 en sus empresas. Los cuestionarios de la encuesta
de COVID19 muestra claramente la necesidad de capacidad de respuesta, robustez y
se administraron de octubre a diciembre de 2020. Sin embargo, se pidió a los encuestados
resiliencia.
que consideraran el período entre marzo y noviembre de 2020 al responder la encuesta.
La literatura muestra que las empresas que buscan mejorar su desempeño necesitan
Se utilizaron dos variables de control: implementación de soluciones I4.0; y responsabilidad
evaluar constantemente el diseño de su cadena de suministro y los enfoques proactivos
del rol (analistas, gerentes).
y reactivos (reconfiguración) para combatir las vulnerabilidades de la cadena de suministro
(Chowdhury y Quaddus, 2017). La resiliencia se relaciona con la capacidad de las
Las contramedidas de COVID19 a menudo se gestionan en los niveles tácticos y
empresas de fabricación y cadena de suministro para llevar a cabo sus operaciones
estratégicos de las organizaciones (analistas y gerentes); también se ocupan de los
planificadas y garantizar la estabilidad del desempeño global luego de una interrupción (o
problemas de implementación de I4.0 (por lo tanto, poseen conocimiento sobre estos
una serie de interrupciones) ( Baz y Ruel, 2020; Nair y Vidal, 2011; Queiroz et al., 2022) ;
procesos y tecnologías). Por lo tanto, la atención se centró en llegar a los encuestados que
SimchiLevi et al., 2018).
eran analistas y gerentes (niveles medio y superior).
Rajesh (2021) vincula las características de resiliencia con efectos positivos en el
Por lo tanto, se utilizó un muestreo no probabilístico (Vehovar et al., 2016).
rendimiento. En consecuencia, esta investigación asume que el desempeño operativo (p.
Se enviaron seguimientos cada 15 días durante tres meses a aquellos contactos que no
ej., productividad, calidad, desperdicio), el desempeño de la cadena de suministro (p. ej.,
habían respondido, con el fin de aumentar la tasa de respuesta. LinkedIn también se utilizó
escasez de materia prima, tiempo de entrega) y el desempeño financiero están asociados
para aumentar el número de respuestas, en función de la red del equipo de investigación,
con la resiliencia de las empresas manufactureras durante la pandemia de COVID19. Por
creando solicitudes personalizadas de participación y brindando una explicación detallada
lo tanto, esta investigación asume que la resiliencia mitiga el efecto de los impactos
del propósito y los beneficios del estudio (Vehovar et al., 2016). Finalmente, de los 1500
negativos de la pandemia de COVID19 en las operaciones y el rendimiento de fabricación.
cuestionarios enviados, se devolvieron 349 (una tasa de respuesta del 23,7%). Sin
Según Kristianto et al. (2017, p. 607), “… la estrategia principal para lograr esto es
embargo, solo 207 de estas respuestas estaban completas y utilizables. Según Holtom et
responder a las disrupciones teniendo las capacidades de fabricación para ser flexibles o
al. (2022), nuestra tasa de respuesta es bastante adecuada. La recolección de datos se
confiables. La combinación de flexibilidad y capacidad de respuesta se denomina
realizó durante diferentes períodos (50 días, n = 207), resultando en tres submuestras.
'resiliencia', y la combinación de fiabilidad y capacidad de respuesta se denomina 'robustez'”.
Se utilizó la prueba de KruskalWallis como prueba no paramétrica (HahsVaughn y Lomax,
2020) para probar las medias entre los diferentes períodos para las respuestas de los
encuestados. Los resultados de estas pruebas no indicaron ninguna diferencia (p > 0,05)
En consecuencia, se espera que cuando I4.0 mejore la capacidad de respuesta de la
entre los tres grupos, lo que significa que no hay evidencia estadística de que cada
empresa, esto le permita tomar decisiones y ejecutar acciones para garantizar que su
segmento de la muestra sea significativamente diferente del resto de la población (Hahs
desempeño operativo y financiero se mantenga estable a pesar de las grandes
Vaughn y Lomax, 2020).
interrupciones en la cadena de suministro global. Por lo tanto, la flexibilidad, confiabilidad,
solidez y capacidad de respuesta de las empresas manufactureras pueden respaldar la
En cuanto a las características de los encuestados, el 14,4% eran gerentes o
resiliencia de la empresa. De acuerdo a
directores, el 30,3% eran supervisores o coordinadores y
7
Machine Translated by Google
D. Bianco et al. Revista Internacional de Economía de la Producción 256 (2023) 108728
El 55,4% eran analistas. Además, el 35,4 % de los encuestados trabajaba en Tabla 3
empresas con más de 5000 empleados, y la encuesta abordó diferentes Perfiles de empresas respecto a I4.0 (n = 207).
industrias manufactureras. La Tabla 3 midió el conocimiento de las empresas Porcentaje
sobre el concepto I4.0. El grado de implementación de la tecnología se midió (%)
en los constructos 'Tecnologías base I4.0' (IBT)” y 'Constructos reflexivos
Grado de conocimiento de la empresa sobre el concepto global de I4.0 Completamente
formativos de segundo orden' (ver Tablas 4 y 5). Los resultados sugieren que la comprometido con proyectos concretos dentro del concepto de I4.0 32.3 Ya ha desarrollado
mayoría de las empresas analizadas, aunque implementen tecnologías I4.0, no algún proyecto piloto para implementar 44.1 tecnologías I4.0 avanzadas Algunos conocimientos
comprenden completamente el concepto global de I4.0. Muchas empresas ya actualizados sobre Industria 4.0
conceptos Poca familiaridad con el concepto global de I4.0 Poco 12.8
estaban invirtiendo en tecnologías incluso antes de que apareciera el concepto 9.7
conocimiento del concepto Industria 4.0 Categoría de innovación
I4.0 en la literatura. La comprensión de muchas empresas de la Industria 4.0 se de la empresa en relación con I4.0 Innovadores 1.0
limita a la implementación de tecnologías avanzadas, como robots e inteligencia
artificial. El desglose completo de las características y perfiles organizacionales 25,6
Early adopters (adopción antes que la mayoría de las empresas) 30,8
de los encuestados respecto a I4.0 se muestra en las Tablas 2 y 3.
Mayoría anticipada (adopción en línea con empresas líderes del sector) 20.5
Mayoría tardía (adopción después de la mayoría de las empresas) 20
Rezagados (últimos en adoptar) 3.1
3.2. Medidas y escalas
El constructo de capacidades inteligentes se basó en la revisión sistemática de
El cuestionario aplicado en esta investigación siguió las recomendaciones
literatura (SLR) de Bueno et al. (2020 ). El concepto de resiliencia de las
de Fowler (2013) y Dillman et al. (2014) . En cuanto a la formulación de las
empresas manufactureras se desarrolló a partir de los estudios de Kristianto et
preguntas, se consideró el lenguaje correspondiente al nivel de comprensión
al. (2017), Rajesh (2021) y Castro y Zermeno ˜ (2021). Finalmente, las medidas
de los encuestados. Se eligió un formato de pregunta cerrada para permitir un
de rendimiento se basaron en las SLR de Bueno et al. (2020), Moeuf et al.
análisis inmediato. El instrumento de investigación se estructuró en cinco partes.
(2018) y Buer et al. (2018).
La primera parte pedía datos de la organización y de los encuestados.
La segunda parte verificó el grado de implementación de las tecnologías base
I4.0 y las prácticas de fabricación inteligente asociadas. La tercera parte abordó 3.3. Análisis de los datos
la resiliencia y el desempeño de las empresas manufactureras frente a la
pandemia del COVID19. En la cuarta parte, esta investigación evaluó la Se utilizó un modelo de ecuaciones estructurales basado en compuestos
percepción de la organización sobre los efectos de la pandemia de COVID19. para el análisis de datos y para probar las hipótesis a fin de generar hallazgos
La quinta parte estuvo relacionada con el desarrollo de capacidades inteligentes. empíricos. Se seleccionó el modelo de ecuaciones estructurales de mínimos
Se utilizó una escala de Likert de siete puntos (1 = "Muy en desacuerdo" a 7 = cuadrados parciales (PLSSEM) considerando que es un enfoque adecuado
"Muy de acuerdo") para todos los ítems. para tratar con modelos compuestos (no modelos factoriales) en sistemas
Nuestro cuestionario se desarrolló utilizando un conjunto inicial de grandes que involucran docenas de constructos e indicadores y examinar
constructos y elementos adoptados de Frank et al. (2019), Dalenogare et al. relaciones que no han sido establecidas. o que carecen de conocimientos
(2018), Kusiak (2018) y Bag et al. (2021) sobre I4.0 y construcciones de previos (Henseler, 2021; Latan y Noonan, 2017; Mehmetoglu y Venturini, 2021).
fabricación inteligente. Las preguntas sobre el constructo COVID19 se En el presente estudio, el modelo propuesto es aún primitivo y carece de
desarrollaron a partir de artículos que abordan los efectos de la pandemia de respaldo empírico. Además, PLSSEM es útil cuando se trata de indicadores
COVID19 en la gestión de operaciones de fabricación, como se analiza en la formativos o compuestos y cuando se pretende examinar las relaciones causales
Sección 2. Estas preguntas se basaron en estudios recientes de Bryce et al. predictivas entre variables. Dada la naturaleza de los constructos de este
(2020), Ivanov y Dolgui (2020), Queiroz et al. (2020), McKibbin y Fernando, estudio, que son formativos o compuestos, se considera que PLSSEM es una
2021, Govindan et al. (2020), Papagiannidis et al. (2020), Kuckertz et al. (2020) técnica adecuada (Henseler, 2021; Latan y Noonan, 2017; Mehmeto glu y
y Hopkins (2021). Los elementos relacionados con la Venturini, 2021).
Aunque PLSSEM sigue suposiciones no paramétricas (es decir, sin
Tabla 2 distribución), esta investigación considera varios requisitos clave al usar este
Características de la muestra (n = 207). método: (i) el tamaño de la muestra debe ser suficiente para la estimación del
modelo; (ii) no debe haber multicolinealidad entre predictores; y (iii) el modelo
(norte) Porcentaje (%)
debe especificarse adecuadamente (Hair et al., 2022; Henseler, 2021). Se
Sector industrial
encontró que el tamaño de muestra mínimo requerido para estimar el modelo
Comida y bebida 32 15,5%
Mecanica metalica 22 10,6%
era de 138 casos (tamaño del efecto = 0,15, nivel de poder requerido = 0,95,
Minería 22 10,6% nivel significativo = 0,05, número de predictores = 5), que se cumplió en este
Automoción y aviación 12 5,8% estudio. Además, se aseguró que el modelo estuviera correctamente especificado
Agricultura 9 4,3% a través de una serie de revisiones bibliográficas. No se encontró una relación
Bienes de consumo 3 1,4%
inversa entre los coeficientes de ruta, lo que indica que el modelo está libre de
Energía 9 4,3%
quimicos 9 4,3%
errores de especificación del modelo (Whittaker y Schu macker, 2022).
software y tecnologia 13 6,3% Finalmente, se siguieron las recomendaciones de mejores prácticas para
Transporte 10 4,8% informar los resultados del análisis PLSSEM, incluido el examen de varios
Papel y celulosa 8 3,8%
sesgos en el método de la encuesta, la evaluación del modelo de medición, la
Petroquímica 5 2,4%
Electrónico 1,4%
evaluación del modelo estructural, la prueba de hipótesis y las pruebas de
Transporte 3 10 4,8% robustez (Hair et al., 2022; Latan , 2018).
industria tabacalera 1 0,5% Se llevaron a cabo una serie de procesos de limpieza de datos antes de
Otros 39 19% estimar el modelo y probar las hipótesis propuestas. En primer lugar, se
Tamaño de la
verificaron los valores lineales y faltantes. En este caso, no se encontraron
organización ≤5000 134 64,7%
73 35,3% respuestas lineales ni valores faltantes. En segundo lugar, se verificaron los
empleados >5000 empleados
papel del encuestado datos en busca de valores atípicos mediante el cálculo de la puntuación z, que
Analista 115 55,5% no encontró un valor z > 2,58. Por lo tanto, se concluyó que los datos están
supervisor o coordinador 63 30,4%
libres de valores atípicos y faltantes. Estos procedimientos fueron esenciales
gerente o director 29 14,0%
para evitar sesgos en la estimación de parámetros.
8
Machine Translated by Google
D. Bianco et al. Revista Internacional de Economía de la Producción 256 (2023) 108728
Tabla 4
Validación de constructos formativos.
Construir Artículo Código V.F.I. Peso exterior Carga
(valor p) exterior
Notas: * FIV <3,3; Peso exterior **p < 0,05; *** Carga exterior >0,5.
3.3.1. Sesgo de no respuesta Se explicó a cada encuestado que su nombre y la información de la empresa
Esta investigación probó el sesgo de falta de respuesta para determinar si los permanecerían en el anonimato.
encuestados que participaron en esta encuesta diferían de los que no participaron El enfoque de variables marcadoras se utilizó para detectar sesgos a través del
(Clottey y Benton, 2020; Vogel y Jacobsen, 2021). análisis factorial confirmatorio (AFC) (Simmering et al., 2015). Esta investigación no
Este sesgo representa una amenaza en este método de encuesta, dado que la encontró ninguna significancia para las variables marcadoras a través de pequeñas
participación fue voluntaria. Para detectar este sesgo, se utilizaron dos enfoques. correlaciones con los constructos principales y el modelo marcador resultó en una
Primero, se comparó a los que respondieron temprano con los que respondieron tarde. pobre bondad de ajuste. Por lo tanto, se concluyó que CMV no existe en nuestras
No se encontraron diferencias entre los dos grupos de muestra según la prueba t (p > mediciones.
0.05) para cada variable en el modelo. Por lo tanto, se concluyó que este sesgo no
existe. Para corroborar esta evidencia, se comparó a quienes nunca se negaron a 4. Resultados
participar en la encuesta con quienes inicialmente se negaron (Fulton, 2016). De nuevo,
no se encontraron diferencias entre los dos grupos según la prueba t (p > 0,05). Por lo El software SmartPLS 4 (Ringle et al., 2022) se utilizó para el análisis de datos,
tanto, se puede concluir que los datos están libres de este sesgo. como el software PLS más conocido para la estimación general del modelo. Se crearon
configuraciones específicas, como la selección de un esquema de ponderación de ruta
y resultados estandarizados en el algoritmo PLS. Para el bootstrapping, se utilizaron
3.3.2. Variación del método común (CMV) 10.000 remuestreos con procesamiento paralelo, así como un intervalo acelerado y
La CMV suele surgir cuando el mismo encuestado asigna valores numéricos en corregido por sesgo (BCa) al nivel de significancia del 5 % (prueba de una cola) para
una escala psicométrica, tanto para los constructos antecedentes (p. ej., la respuesta probar las hipótesis. Las siguientes subsecciones presentan los resultados de los
de las empresas manufactureras) como para los constructos de consecuencias (p. ej., modelos de medición y estructural.
el desempeño de las empresas manufactureras) (Bozionelos y Simmering, 2022) . Por
lo tanto, es fundamental adoptar procedimientos que eviten el CMV. Este estudio redujo
este sesgo al clasificar aleatoriamente los elementos para cada constructo.
9
Machine Translated by Google
D. Bianco et al. Revista Internacional de Economía de la Producción 256 (2023) 108728
Tabla 5
Validación de constructos reflexivos.
Puesta en marcha virtual para sistemas de automatización (p. ej., PLC)a ViDm5 0.775*
Comunicación e integración entre máquinas (M2M) ViDm6 0.800*
Inteligencia artificial para diagnóstico predictivo en equipos Inteligencia ViDm7 0,791* ViDm8
artificial para planificación y control de producción (p. ej., análisis de big data, minería de datos, 0,774*
aprendizaje automático, entre otros)
Simulación de procesos para ayudar en la toma de decisiones (p. ej., fabricación ViDm9 0,785* ViDm10
digital)b Identificación automática de no conformidades en la producción 0,751*
Notas: CA = alfa de Cronbach; CR = confiabilidad compuesta; AVE = varianza media extraída; * p < 0,05.
a
Al utilizar las soluciones de puesta en marcha virtual, los códigos del controlador lógico programable (PLC) se pueden depurar en un entorno virtual antes de descargar el equipo
real. Simular y validar el equipo de automatización puede confirmar virtualmente que funcionará como se espera.
b
En Smart Manufacturing, los sistemas de gestión de datos y las tecnologías de simulación se utilizan conjuntamente para optimizar la fabricación antes de iniciar la producción y
apoyando las fases de aceleración.
4.1. Evaluación del modelo de medición formativa excluidos (CO1, CO2, SCD1, SCD2, SCD4, SCD5, SCD6, SCD7 y SCD8). Finalmente, se
examinaron los valores de carga factorial para ítems con un “peso” significativo (p > 0,05). Los
Nuestro modelo utiliza constructos formativos y constructos de segundo orden tipo II ítems con un valor de carga factorial de más de 0,5 se mantuvieron para fortalecer la validez
(reflexivoformativo) (Schuberth et al., 2020) relacionados con el constructo de prácticas de nomológica; había varios elementos que cumplían con este criterio. Los resultados de la
fabricación inteligente, es decir, integración vertical y gestión de datos, trazabilidad interna, evaluación del modelo de medición formativa se muestran en la Tabla 4.
autonomía del sistema de producción, eficiencia energética y flexibilidad y personalización.
Se eligió un modelo de medición formativo debido al carácter 4.2. Evaluación del constructo reflexivoformativo de segundo orden
de los elementos que componen cada constructo. Esto no presupone covarianza, sino que
busca generar un indicador sumativo (Hair et al., 2022; Henseler, 2021). Por ejemplo, en el Los indicadores reflexivos y un constructo de segundo orden fueron validados mediante
constructo “pandemia de COVID19”, los ítems comprendían “nuestro sector industrial”, un método tipo II (reflexivoformativo), siguiendo el procedimiento descrito por Hair et al.
“nuestros proveedores”, “nuestros competidores”, “nuestra demanda” y “nuestra fábrica […] (2022). Se utilizó un enfoque de dos etapas, que se considera mejor para el manejo de
fue/fueron afectadas por la Pandemia de COVID19." construcciones de segundo orden. En el primer paso, se utilizaron indicadores repetidos para
evaluar el modelo de medición de estos elementos dimensionales. Se utilizaron los valores de
Si bien es posible una correlación entre estos factores, este método tiene como objetivo confiabilidad compuesta (CR) y alfa de Cronbach (CA) para evaluar la consistencia interna
generar un indicador que exprese en términos generales cómo la empresa y otros grupos de entre los ítems para cada construcción de dimensión. Los valores de CR y CA fueron
interés se han visto afectados por la pandemia de COVID19, de ahí la elección de un modelo
formativo. Se confirmó que era superior a 0,7. Así, se confirmó la consistencia interna de estos
Para asegurar que no existan errores de especificación en la selección de indicadores, constructos de dimensión (Bandalos, 2018; Nunnally y Bernstein, 1994).
se realizó un análisis tétrada confirmatorio (CTA), que confirmó la posibilidad de utilizar
modelos de carácter formativo para los constructos “desempeño de las empresas Además, la validez convergente se evaluó mediante el factor de carga y los valores de
manufactureras”, “Industria 4.0 ”, “prácticas de fabricación inteligente”, “capacidades de varianza extraída promedio (AVE). El AVE es el valor medio de las cargas de ítems al
fabricación inteligente” y “resiliencia de las empresas” (Hair et al., 2018). Se determinó que cuadrado asociadas con el constructo, y un valor de AVE de 0,50 o superior es adecuado
estos constructos eran formativos en base a las características del para que cada constructo explique más de la mitad de sus ítems correspondientes (Hair et al.,
2022; Henseler, 2021 ) . Mientras tanto, las cargas de los ítems deben ser iguales o superiores
elementos que los componen, como se ilustra en el constructo “pandemia COVID19”. a 0,708 para una variable latente para explicar una parte sustancial de la varianza de cada
indicador (Bandalos y Finney, 2019; Nye, 2022). Si eliminar el artículo aumenta el CR y el
El modelo de medida formativa se evaluó siguiendo las reglas generales propuestas por AVE, los artículos con una carga exterior inferior a 0,4 deben considerarse para su eliminación.
Hair et al. (2022). Primero, se examinó la importancia del "peso" de cada indicador formativo Finalmente, la validez discriminante se evaluó utilizando la relación heterorrasgomonorrasgo
que forma los constructos en el modelo a través de un procedimiento de arranque. Se encontró (HTMT) y HTMT2 (Henseler, 2021). En esta investigación, se encontró que los valores de las
un conjunto de indicadores que cumplieron con este criterio (p < 0,05); sin embargo, varios proporciones HTMT y HTMT2 eran mayores que el umbral de 0,85, según la matriz multirrasgo
indicadores fueron excluidos por no ser significativos, con un factor de carga inferior a 0,5 multimétodo (MTMM) (consulte la Tabla 6), lo que proporciona evidencia de validez
(CR2, CR3, CR4, CR5 y CR6). Además, se aseguró que el valor del factor de inflación de la discriminante.
varianza (VIF) de cada ítem fuera inferior a 3,3. Esta investigación encontró que la mayoría de
los ítems tenían valores VIF < 3.3; por lo tanto, se concluyó que no existe un problema de
multicolinealidad entre los indicadores formativos del modelo (Lindner et al., 2020). Para validar las “prácticas de fabricación inteligente” y su dimensión asociada (un
constructo de segundo orden tipo II), se utilizaron constructos reflexivos. Los resultados de
este análisis se presentan en las Tablas 5 y 6
Sin embargo, dado que no alcanzaban este umbral, varios artículos fueron De acuerdo con las reglas generales mencionadas anteriormente, los valores de CA y CR
10
Machine Translated by Google
D. Bianco et al. Revista Internacional de Economía de la Producción 256 (2023) 108728
se obtuvieron para todas las dimensiones superiores a 0,70. Además, se encontró que los valores 4.4. Evaluación de la hipótesis
de AVE eran superiores a 0,50, y el valor de carga externa para cada indicador fue superior a
0,708 para las dimensiones de los constructos de segundo orden (ver Tabla 5 ) . Por lo tanto, se Después de evaluar el modelo estructural, las hipótesis se probaron utilizando un enfoque
concluyó que se demuestra la validez convergente y la confiabilidad de la consistencia interna. de arranque con 10 000 submuestras y el examen de la dirección del coeficiente beta y los
Aunque el ítem ViDm4 tenía un valor de carga externa por debajo de 0,708 (0,574), se decidió valores significativos resultantes. Se utilizó un intervalo de confianza (IC) del 95% para aceptar o
mantenerlo en el modelo porque no dañaba la validez convergente global de su constructo. rechazar cada hipótesis probada. El IC se generó con un nivel de significación del 5 % (prueba
de una cola). La figura 2 ilustra los principales resultados del modelo. Finalmente, todas las
hipótesis propuestas fueron sustentadas empíricamente.
La Tabla 6 muestra los resultados para la validez discriminante. Los valores de HTMT
obtenidos fueron inferiores a 0,85 (ver arriba de la línea diagonal en la Tabla 6). Como se muestra en la Tabla 8 y la Fig. 2, se encontraron relaciones de trayectoria
Por lo tanto, se concluyó que en este estudio se demuestra la validez discriminante. Para significativas específicamente entre las variables “pandemia de COVID19” → “desempeño de las
fortalecer esta evidencia, se examinó HTMT2. Todos los constructos mostraron valores de HTMT2 empresas manufactureras” y “tecnologías de base I4.0” → “prácticas de fabricación inteligente”,
inferiores al umbral predefinido de 0,85, lo que corrobora la evidencia previa de validez con coeficientes beta (β) de 0,766 y 0,697, respectivamente, significativo a p < 0,05 con un IC
discriminante (ver debajo de la línea diagonal en la Tabla 6). del 95 %. Por lo tanto, H1 y H2 se sustentan empíricamente. Además, se encontró una relación
de trayectoria entre “prácticas de fabricación inteligente” → “desarrollo de capacidades inteligentes”
Después de validar estas dimensiones del modelo de medición reflexivo, se extrajeron → “resiliencia de las empresas” → “desempeño de las empresas manufactureras”, la cual fue
puntuaciones de variables latentes de estas dimensiones para formar "prácticas de fabricación significativa, con coeficientes beta de 0.642, 0.567 y − 0.125, respectivamente , significativo a p
inteligente" como una nueva construcción formativa. El siguiente paso fue evaluar el modelo < 0,05 con un IC del 95 %.
estructural y probar las hipótesis.
Por lo tanto, se puede concluir que se admiten H3, H4 y H5 .
4.3. Evaluación del modelo estructural
4.5. Comprobaciones de robustez
Antes de probar las hipótesis, el modelo estructural se evaluó a través de varias métricas
centrales para demostrar el ajuste del modelo. Se calcularon los valores Rcuadrado (R2 ) y R2 Se consideraron varias comprobaciones de robustez para garantizar los principales resultados.
ajustado para mostrar el porcentaje de varianza explicado y el tamaño del efecto (f) Se encontró estaban libres de sesgo de estimación. En primer lugar, se probó el sesgo de endogeneidad
2
que la fuerza de la relación entre las ), así como el VIF interno para mostrar el utilizando la prueba de DurbanWuHausman para garantizar que los resultados primarios
variables (es decir, entre un predictor y un resultado) y el modelo probado era libre de estuvieran libres de causalidad inversa, sesgo de selección de muestras y variables omitidas
multicolinealidad (ver Tabla 7). (Ullah et al., 2021). Usando el software Stata 17.0, se encontraron valores de p > 0.05 para cada
ecuación de regresión en estas pruebas. Por lo tanto, se concluyó que el sesgo de endogeneidad
Los valores de R2 varían de 0 a 1, y los resultados más cercanos a 1 indican una precisión no amenaza los resultados. Finalmente, se probaron los posibles efectos no lineales (o
predictiva más significativa del modelo. Los valores de R2 obtenidos oscilan entre 0,486 y 0,654, cuadráticos) entre las variables para garantizar que no hubiera errores de especificación del
que según Cohen et al. (2003), se encuentran dentro de la categoría de 'grandes'. Un valor de R2 modelo (Whittaker y Schumacker, 2022). Se utilizó la prueba de error de especificación de
superior a 0,25 se considera bueno en la investigación en ciencias sociales. Los valores de R2 regresión de Ramsey (RESET) para detectar este sesgo (Wooldridge, 2020). Nuevamente usando
sugieren que el modelo tiene una excelente adecuación, excepto por la relación “desarrollo de Stata 17.0, se encontraron valores de p > 0.05 para cada relación cuadrática posible en el modelo.
capacidades inteligentes” → “resiliencia de las empresas manufactureras” (R2 = 0,322). El valor
R2 aquí, relacionado con H4, puede explicarse por el hecho de que la “resiliencia de las Por lo tanto, se concluyó que el modelo está libre de errores de especificación del modelo.
empresas” no puede explicarse completamente exclusivamente por el “desarrollo de capacidades
inteligentes”. Otras prácticas de fabricación de las industrias de interfaz, como logística, calidad,
compras y finanzas, también pueden afectar la “resiliencia de las empresas”. Además, la relación 5. Discusión
del modelo f entre las dos variables osciló entre 0,042 y 0,574. Un valor de f superior a 0,02 indica
2
que el modelo muestra una fuerte relación (es decir, un efecto valores generados en el 5.1. Hallazgos de investigación y literatura previa
real), mientras que un f insignificante sugiere sesgo. En este caso, se obtuvieron valores de f
2
superiores a 0,02, lo que indica la fuerza de la asociación entre cada predictor y resultado en este A diferencia de estudios previos que han propuesto I4.0 como una solución para enfrentar
2 valor cercano a cero es
modelo (Grissom y Kim, 2012). Finalmente, se obtuvieron valores tiempos de crisis directamente (por ejemplo, Janssen y van der Voort, 2020; Kumar et al., 2020),
2
de VIF interno < 3.3, lo que demuestra que el modelo está libre de multicolinealidad (Lindner et estos hallazgos sugieren y prueban toda una secuencia de relaciones estructurantes ( caminos)
al., 2020). que se combinan para permitir que las empresas manufactureras superen las disrupciones.
“Tecnologías de base I4.0” mostró una correlación positiva significativa (p < 0,05; β = 0,697)
con “prácticas de fabricación inteligente”, que tiene una correlación (p < 0,05; β = 0,642) con
“desarrollo de capacidades inteligentes”, que media (p < 0,05; β = 0,567) la “resiliencia de las
empresas”, que a su vez mitiga (p < 0,05; β = − 0,125) el deterioro del “rendimiento de
fabricación”.
Este resultado respalda la propuesta del documento de que las tecnologías base como IoT, la
Tabla 6
nube, big data y análisis de datos/IA subyacen en un camino I4.0 que admite prácticas,
Validez discriminante: cocientes HTMT y HTMT2.
capacidades y soluciones de fabricación inteligente.
Construir EE.UU. FC ITr PSA VerDm
11
Machine Translated by Google
D. Bianco et al. Revista Internacional de Economía de la Producción 256 (2023) 108728
evaluar las relaciones que crean caminos basados en la implementación de I4.0.
Además, esta investigación considera que I4.0 no puede verse como la solución
inmediata y directa a las interrupciones inesperadas. En cambio, el punto central es preparar
la capacidad de respuesta de la empresa a través de un “camino contra la crisis”, como lo
han señalado estudios anteriores (por ejemplo, Ivanov y Dolgui, 2020; Kristianto et al., 2017;
Spieske y Birkel, 2021). Por lo tanto, los resultados de esta investigación demuestran que
la capacidad de respuesta se desarrolla mejor cuando se apoya en un camino I4.0. Este
camino puede ayudar a las empresas a generar capacidad de respuesta y, en consecuencia,
resiliencia a corto plazo basada en el rápido desarrollo de capacidades inteligentes para
abordar crisis inesperadas.
Nuestros resultados también muestran que, a través de la ruta I4.0, la implementación
de la fabricación inteligente permite el rápido desarrollo de capacidades inteligentes
centradas en el establecimiento de prácticas inteligentes. Por lo tanto, este estudio
proporciona evidencia empírica para tal asociación y mejora, lo que contribuye a la
comprensión del despliegue de "prácticas de fabricación inteligente". A través de la lente de
PBV, las "prácticas de fabricación inteligente" se definieron como prácticas accesibles a
través de la implementación de I4.0.
La implementación efectiva de prácticas de fabricación inteligente permite a las empresas
desarrollar capacidades inteligentes para reconfigurar rápidamente activos intangibles y
enredados. Por ejemplo, el estudio de Gao et al. (2021) muestra que las prácticas flexibles
son fundamentales para las estrategias de fabricación receptiva para hacer frente a entornos
VUCA (volátiles, inciertos, complejos, ambiguos) durante tiempos de crisis. Al mismo
tiempo, la innovación, la digitalización y las capacidades autónomas contribuyen a la
flexibilidad (Bueno et al., 2022). En consecuencia, la cadena de suministro flexible y las
prácticas de fabricación pueden permitir que un proceso de innovación supere los eventos
Fig. 2. Resultados del modelo estructural.
perturbadores. Por ejemplo, la industria de la moda comenzó a producir máscaras
protectoras en masa durante la pandemia de COVID19 (Zhao y Kim, 2021). Se descubrió
Tabla 8 que las empresas que dominan las prácticas flexibles pueden ajustar mejor el volumen y la
Principales resultados de las pruebas de hipótesis. combinación de su producción durante los períodos de apertura y cierre debido a los
bloqueos de COVID19 (Rajesh, 2021). Por lo tanto, como en los ejemplos anteriores, las
Relación estructural b Dakota del Sur
valor p 95% BCa Decisión
ALLÁ
prácticas inteligentes flexibles permiten una reconfiguración innovadora (capacidades) de
procesos y productos (volumen/mezcla) y sistemas de fabricación (activos).
H1: COVID19 0.766 0,041 0,000*** (0,818, 0,670)*** Soportado
pandemia →
Desempeño de
las empresas Si bien varios estudios se han centrado en el impacto directo que tiene I4.0 en el
manufactureras rendimiento (p. ej., Dalenogare et al., 2018) o en prácticas que conducen a un mayor
H2: Tecnologías 0.697 0,039 0,000*** (0,746, 0,610)*** Soportado
rendimiento operativo (p. ej., Tortorella et al., 2019), este estudio muestra que Las
base I4.0 → Smart
“tecnologías base I4.0” y las “prácticas de fabricación inteligente” ayudan a desarrollar
prácticas de robustez, confiabilidad y capacidad de respuesta (resiliencia) a través del “desarrollo de
fabricación capacidades inteligentes”. Por lo tanto, las capacidades inteligentes admiten una mayor
H3: Inteligente 0.642 0,044 0,000*** (0,702, 0,552)*** Soportado capacidad de respuesta; es decir, aprovechan la “resiliencia de las empresas” (Ibn
prácticas de
Mohammed et al., 2021; Ivanov, 2020; Janssen y van der Voort, 2020; Papagiannidis et al.,
fabricación → Desarrollo
de capacidades 2020; Sigala, 2020).
inteligentes La resiliencia es el resultado del camino I4.0 (“Tecnologías base I4.0” → “prácticas de
H4: Desarrollo de 0.567 0,076 0,000*** (0,643, 0,299)*** Soportado fabricación inteligente” → “desarrollo de capacidades inteligentes”) y mitiga los efectos
capacidades inteligentes →
negativos de la crisis del COVID19 en el desempeño de las empresas.
Resiliencia de
las empresas
12
Machine Translated by Google
D. Bianco et al. Revista Internacional de Economía de la Producción 256 (2023) 108728
y capacidades, se mejora su capacidad de respuesta, mitigando la degradación activos adaptados para el entorno local de prácticas de fabricación inteligente.
causada por efectos externos disruptivos en el desempeño de las empresas (operativo Por lo tanto, la implementación de tecnología no necesariamente conduce a efectos
y financiero). Esto puede explicarse por el hecho de que los fabricantes con algún positivos e inmediatos en el desempeño; se requiere dominar este paquete de prácticas
grado de digitalización/integración/automatización admiten un mejor trabajo remoto, inteligentes basadas en tecnologías I4.0 (mediante el dominio de capacidades
control de fabricación remoto, virtualización y operaciones autónomas (Papadopoulos dinámicas) para afectar completamente el rendimiento (Bromiley y Rau, 2016;
et al., 2020; Papagiannidis et al., 2020). Se espera que estas empresas muestren Tortorella et al., 2019).
mayor capacidad de respuesta (capacidad de respuesta y agilidad), robustez Nuestro estudio también valida cuatro tecnologías I4.0 (IoT, la nube, big data e IA
(estabilidad en el desempeño de las operaciones) y operaciones confiables durante y análisis), cinco prácticas de fabricación inteligente, tres capacidades inteligentes,
la gestión de crisis, como la pandemia de COVID19 (Ivanov y Dolgui 2020; Janssen diez tipos de respuestas de fabricación a cuatro efectos de COVID 19 y seis
y van der Voort , 2020 ; Sharma et al., 2020; Sigala, 2020). indicadores de rendimiento. Este estudio muestra que la mayoría de los constructos
originales y las variables formativas convergen en un paquete relacionado. La
validación empírica de las tecnologías base I4.0 que abordan la fabricación inteligente
Por lo tanto, en lugar de abordar I4.0 solo como un fenómeno capaz de aumentar es consistente con el marco propuesto por Frank et al. (2019).
la productividad operativa, como se abordó principalmente en el período previo a la
pandemia (por ejemplo, Kamble et al., 2019), el presente estudio señala que los En este contexto, esta investigación proporciona evidencia empírica para las
enfoques I4.0 pueden respaldar un sistema completo de fabricación inteligente, tecnologías I4.0, sin embargo, esta investigación propone la evaluación de prácticas
vinculando los antecedentes de la tecnología base y las capacidades inteligentes inteligentes en relación con los requisitos de capacidad de respuesta, confiabilidad y
posteriores a lo largo de un camino. Las empresas que dominan este camino tienden robustez. Además, la validación empírica de la relación entre las capacidades
a ser más resilientes y mejor preparadas para mitigar los efectos de las interrupciones inteligentes y el desempeño de la empresa es en gran medida consistente con los
y los tiempos de crisis (Rajesh, 2021). Los hallazgos de la investigación sugieren que marcos propuestos por Bueno et al. (2020) y Duman y Akdemir (2021).
las empresas con una estructura inteligente avanzada podrían desarrollar
características de resiliencia tanto a largo como a corto plazo, mitigando los efectos Por lo tanto, la capacidad de respuesta, la confiabilidad y la solidez podrían
del COVID19 en cuanto al deterioro del desempeño operativo y financiero. considerarse características de resiliencia que se crean a través de prácticas y
capacidades inteligentes, que ayudan a las empresas manufactureras a superar
tiempos de crisis. La capacidad de respuesta (agilidad y flexibilidad del sistema), la
5.2. Aportaciones teóricas confiabilidad (estabilidad y continuidad de las operaciones) y la solidez (confiabilidad
y capacidad de respuesta) proporcionan un cierto grado de resiliencia (Ivanov, 2020;
En el viaje I4.0, el establecimiento de prácticas de fabricación inteligente y el Ivanov y Dolgui, 2020; Janssen y van der Voort, 2020; Rajesh, 2021; Shen et al.,
desarrollo de capacidades inteligentes son procesos esenciales para que las 2020). En particular, se encontró un vínculo entre la estabilidad del desempeño
organizaciones de fabricación alcancen los beneficios esperados. Las prácticas durante la crisis de COVID19 y las características de resiliencia.
inteligentes tienden a tener más impacto en tiempos de crisis, ya que el concepto I4.0
permite una mejor comprensión y logro de la capacidad de respuesta, confiabilidad y Los conocimientos de este estudio también se han examinado desde una
robustez de la fabricación (Papadopoulos et al., 2020; Papagiannidis et al., 2020). La perspectiva de PBV, lo que revela que la implementación de I4.0, como la digitalización
fabricación inteligente permite acciones flexibles que respaldan la estabilidad del y el entorno de infraestructura, la integración de sistemas y la automatización de
rendimiento en las operaciones de producción durante eventos repentinos, como la fábricas, pueden influir en la viabilidad y el rendimiento de la fabricación inteligente en
crisis de COVID19 (Rajesh, 2021). I4.0 puede aprovechar los resultados de las tiempos de crisis. Los hallazgos del estudio respaldan la suposición de que la adopción
operaciones tradicionales, transformándolos en operaciones inteligentes (Tortorella et de I4.0 puede tener un impacto distinto en la consolidación de las prácticas de
al., 2019). Debido a una mayor resiliencia, es posible mantener los niveles de fabricación inteligente, lo que afecta positivamente el desarrollo de capacidades
desempeño, incluso en tiempos de crisis, al evitar el deterioro del desempeño debido inteligentes. Esta investigación sugiere que las capacidades inteligentes ocurren con
a una mayor robustez, confiabilidad y capacidad de respuesta (Janssen y van der base en las prácticas de fabricación inteligente establecidas de acuerdo con las
Voort, 2020; Tortorella et al., 2020). Este estudio proporciona evidencia empírica de especificidades y el entorno de cada fábrica, lo que afecta positivamente el
dicha asociación y mejora, lo que contribuye a la comprensión de la implementación desempeño. Este estudio proporciona evidencia del sector industrial brasileño. El
de las tecnologías I4.0 y sus efectos en tiempos de crisis. fenómeno de la adopción de I4.0 también ayuda a comprender la estabilidad del
desempeño de las empresas manufactureras en períodos volátiles, como la crisis de
Nuestros hallazgos brindan otra contribución teórica significativa en el sentido de COVID19, en función de la transición tecnológica y las prácticas y capacidades de
que un cierto grado de flexibilidad y capacidades inteligentes respaldan la solidez, la innovación. Hasta donde sabemos, este es el primer estudio que asocia las tecnologías
confiabilidad y la capacidad de respuesta con respecto a los cambios de fabricación a I4.0 y sus caminos con el despliegue de prácticas de fabricación inteligente,
corto plazo y ayudan a mantener la estabilidad del rendimiento a corto plazo. Esta investigando la resiliencia de las empresas de fabricación durante la crisis de COVID19.
evidencia está asociada con efectos positivos entre I4.0 y la estabilidad del desempeño
a corto plazo durante la crisis del COVID19, como se detalla en las Secciones 4 y 5.1.
5.3. Implicaciones gerenciales
Las prácticas de fabricación inteligente respaldan capacidades y mentalidades
inteligentes únicas que aprovechan las mejoras de rendimiento en los sistemas de A medida que los fabricantes buscan sistemas de producción eficientes, las
fabricación (Buer et al., 2018; Moeuf et al., 2018; Tortorella et al., 2019). tecnologías inteligentes pueden aumentar su rendimiento e innovación.
Desde una perspectiva analítica, los cambios tecnológicos y organizacionales que trae Simultáneamente, las iniciativas I4.0 pueden conducir a acciones ágiles para ayudar a
I4.0 refuerzan las prácticas y capacidades inteligentes, permitiendo: (i) la combinación la gobernanza dentro de las empresas manufactureras en escenarios impredecibles,
de ventajas competitivas; (ii) empresas manufactureras para posicionarse exitosamente; como durante la pandemia de COVID19. Sin embargo, su implementación conlleva
(iii) mejora de la resiliencia en tiempos de crisis; y (iv) resiliencia a corto plazo basada enormes desafíos para las empresas, especialmente en las economías emergentes.
en el desarrollo de capacidades inteligentes (por ejemplo, autonomía, capacidades en Es imposible implementar rápidamente esfuerzos contingentes complejos, de alto
tiempo real, servitización, adaptabilidad, previsibilidad y soluciones basadas en big costo y riesgo como I4.0. Para lograrlo se requieren planes, estrategias y preparación
data). operacionalorganizativa. Por lo tanto, este estudio proporciona a los gerentes y
profesionales de la fabricación una indicación del camino adecuado, basado en la
Sin duda, existe una oportunidad para que las empresas de fabricación equilibren adopción de tecnologías I4.0, prácticas de fabricación inteligente y las competencias
adecuadamente las compensaciones relevantes al introducir tecnologías inteligentes o capacidades asociadas para la creación de valor, lo que constituye una forma de
I4.0. Sin embargo, los sistemas de fabricación también pueden aprovechar capacidades garantizar la fabricación de las empresas. estabilidad del rendimiento.
inteligentes transformadoras e innovadoras basadas en
13
Machine Translated by Google
D. Bianco et al. Revista Internacional de Economía de la Producción 256 (2023) 108728
Nuestros resultados también tienen otras implicaciones prácticas. Supongamos, por et al., 2020; Bag et al., 2021) sobre resiliencia puede mitigar los impactos negativos de la
ejemplo, que la respuesta de una empresa para mejorar el desempeño en tiempos de crisis crisis del COVID19 en el desempeño.
depende de la estructura digital/inteligente de la empresa. En este caso, el desarrollo de la Esta investigación encontró que las características de resiliencia de las empresas
resiliencia también debería ser un objetivo estratégico desencadenado por el viaje I4.0. manufactureras mitigan la degradación del rendimiento a corto plazo causada por la crisis
Varios estudios han señalado los beneficios de la implementación de I4.0, incluida la de COVID19. Además, las medidas de respuesta específicas tienden a reducir los efectos
flexibilidad de fabricación (Kumar et al., 2020), una mayor calidad del producto (Ahmed et de esta crisis cuando están influenciadas por las características relacionadas con la
al., 2019) y una mayor productividad de fabricación (Bueno et al., 2020; Dalenogare et al., resiliencia de las empresas manufactureras. Además, tales respuestas también pueden
2018). Sin embargo, existe una brecha en la literatura con respecto a la capacidad de influir positivamente en las posibilidades de supervivencia de estas organizaciones cuando
respuesta, la confiabilidad y la robustez (la 'triple R'), en relación con las interrupciones en se enfrenten a futuras crisis.
la fabricación, como un beneficio de la implementación de I4.0. En este contexto, la literatura
ha discutido las inversiones I4.0 y las consecuencias de la adquisición de tecnología; sin
6.1. Limitaciones y sugerencias para futuras investigaciones
embargo, ha ignorado el impacto de situaciones inesperadas de alto riesgo, como
COVID19, que podrían justificar tales inversiones para minimizar el deterioro del
Aunque se han abordado varias contramedidas, este estudio tiene algunas limitaciones
desempeño, en lugar de aumentar los ingresos. Por lo tanto, un análisis de riesgo sería
que deben discutirse. Primero, la muestra tiene ciertas limitaciones. Aunque la muestra fue
más apropiado que un análisis de inversión convencional, ya que el verdadero valor de la
suficiente para demostrar que la pandemia de COVID19 ha perjudicado a las empresas
transformación digital es evidente en tiempos de disrupción. Este estudio proporciona una
manufactureras y que las prácticas de fabricación inteligente ayudan a las organizaciones
perspectiva inicial en este contexto, que merece una mayor evaluación en futuros estudios.
a superar los efectos de COVID19, es necesario desarrollar y probar empíricamente el
modelo con muestras más grandes. Aumentar la muestra replicando el estudio en diferentes
países apoyaría una mayor generalización.
Nuestra investigación proporciona evidencia para respaldar los procesos de toma de
Nuestro cuestionario abordó información de diferentes sectores industriales y niveles
decisiones de los gerentes y las pautas de políticas sectoriales: si adoptan muchas prácticas
organizacionales. Sin embargo, parte de la información solo se comparte con los altos
de fabricación inteligente relacionadas con la capacidad de respuesta, la confiabilidad y la
directivos de las organizaciones, por lo que, en algunos casos, los datos se basan en las
solidez (que conducen a la resiliencia), esto también debería mejorar la digitalización y la
opiniones globales de los encuestados (p. ej., los analistas) sobre la organización en la
servitización, la integración de los sistemas de fábrica de fabricación. (vertical, horizontal,
que trabajan. Por lo tanto, esta investigación sugiere que los datos deben recopilarse solo
de extremo a extremo) y automatización (autonomía, aprendizaje, conocimiento,
de gerentes o directores en estudios futuros.
capacidades basadas en datos) para ayudar a lograr la estabilidad del rendimiento en
Además, esta investigación abarcó industrias de diferentes sectores. Para futuras
tiempos de crisis. Con IoT, la nube, big data y análisis de datos, junto con un sistema
investigaciones, se sugiere enfocarse en una industria manufacturera específica, debido a
operativo de fabricación inteligente, una empresa de fabricación puede mantener los
que los efectos de la pandemia de COVID19 pueden haber tenido una intensidad diferente
estándares de rendimiento en períodos de crisis impredecibles y graves. En general, los
dependiendo del mercado de cada empresa.
hallazgos del estudio pueden ayudar a los gerentes a anticipar y lidiar con las dificultades
Las diferentes experiencias de las empresas en la adopción de tecnologías I4.0
de fabricación mediante el uso de tecnologías inteligentes para adoptar prácticas que crean
también representan una limitación, que posiblemente influya en las percepciones de los
capacidades únicas cuando los tiempos de crisis requieren cambios rápidos. Este estudio
encuestados sobre la implementación de prácticas de fabricación inteligente. Para las
ayuda a establecer expectativas realistas que pueden respaldar las decisiones de inversión
empresas brasileñas, I4.0 es todavía un enfoque reciente. Por lo tanto, esta investigación
de los gerentes para lograr la estabilidad del rendimiento durante tiempos de crisis,
fomenta la replicación de esta investigación en economías desarrolladas, entre empresas
utilizando prácticas y competencias de fabricación inteligente para dotar a las empresas de
con implementación avanzada de tecnologías I4.0. Además, un estudio comparativo de
capacidad de respuesta, solidez y resiliencia en tiempos de crisis, como COVID19. Por lo
empresas en la misma etapa de adopción de la tecnología I4.0 en otros países en desarrollo
tanto, los hallazgos de este estudio pueden contribuir tanto a la práctica como a la teoría,
podría evitar posibles errores en los datos recopilados. Se deben desarrollar investigaciones
como se destaca a continuación (Tabla 9).
futuras para evaluar el efecto de la pandemia de COVID19 en las empresas que han
adoptado enfoques de manufactura esbelta, Six Sigma o sostenibles. La investigación que
aborde las respuestas de las empresas frente a la pandemia de COVID19 mediante la
6. Conclusiones
integración de diferentes enfoques de gestión podría contribuir al avance de la capacidad
de respuesta/resiliencia en la gestión de operaciones.
La pandemia de COVID19 provocó cambios sociales y graves efectos en las
operaciones, con muchos países imponiendo bloqueos, lo que supuso pérdidas para la
También se sugiere un estudio más profundo de los efectos de la pandemia de
cadena de suministro y las empresas manufactureras en varios sectores económicos
COVID19 y los desafíos que enfrentarán las empresas en un mundo posterior a COVID19.
(Mota et al., 2022; Verma y Gustafsson, 2020). El objetivo principal de este estudio fue
Esta investigación fomenta estudios longitudinales para identificar nuevos impactos de la
investigar un camino I4.0 que aborde los efectos de la crisis disruptiva que supuso la
pandemia de COVID19 para las empresas, o estudios que involucren a los supervisores
pandemia de COVID19 en el desempeño de las empresas manufactureras. Para ello, se
de primera línea en la calificación de los efectos de COVID19 y la implementación de
verificaron empíricamente seis constructos: efectos del COVID19 (COV); Implementación
prácticas de fabricación inteligente. Se podrían incluir nuevas variables/construcciones en
de tecnologías de base I4.0 (IBT); establecimiento de prácticas de fabricación inteligente
dicho análisis, o se podrían usar múltiples niveles de análisis para observar la influencia de
(SMP); desarrollo de capacidades inteligentes únicas (SCD); las características de creación
COVID19 a lo largo del tiempo. Además, los estudios de casos en profundidad que
de resiliencia de las empresas (CRS); y el deterioro del desempeño de las empresas
abordan las medidas adoptadas por las empresas durante la pandemia de COVID19
manufactureras (MCP).
pueden proporcionar una mejor comprensión de cómo deben actuar las empresas en un
mundo posterior a COVID19 y cómo deben enfrentar futuras pandemias o crisis.
Nuestros hallazgos muestran que las respuestas operativas de las empresas basadas
en el enfoque I4.0 ayudaron a los fabricantes a mantener su desempeño durante la crisis
de COVID19. Por lo tanto, los hallazgos de este estudio validan empíricamente un camino
de implementación I4.0, como lo proponen Frank et al. (2019) y Meindl et al. (2021). Esta Declaración de competencia de intereses
investigación muestra que I4.0 apoya el desarrollo de características de resiliencia, es
decir, flexibilidad, confiabilidad, robustez y capacidad de respuesta (Kristianto et al., 2017). Los autores no tienen intereses financieros ni relaciones personales que pudieran
Los resultados de la encuesta también demuestran que, de acuerdo con Frank et al. (2019) haber influido en el trabajo que se presenta en este artículo.
y Kusiak (2018), las prácticas de fabricación inteligente brindan a las empresas
manufactureras estabilidad en el desempeño durante tiempos de crisis. Es posible que los Disponibilidad de datos
efectos positivos de desarrollar capacidades inteligentes únicas (Bueno
No se utilizaron datos para la investigación descrita en el artículo.
14
Machine Translated by Google
D. Bianco et al. Revista Internacional de Economía de la Producción 256 (2023) 108728
Tabla 9 Tabla 9 (continuación )
Aportes teóricos y prácticos de la presente investigación. Aportaciones
Brechas de investigación Implicaciones prácticas
Aportaciones Implicaciones prácticas teóricas
Brechas de investigación
teóricas
reportado en la literatura previa;
representa una contribución a
de Emprego de Ensino Superior Brasil (CAPES) Código de Finanzas 001".
la evolución de la literatura I4.0.
Referencias
Adicionalmente, esto demuestra Ahmed, BM, Imran Shafiq, S., Sanin, C., Szczerbicki, E., 2019. Hacia un diseño de producto inteligente basado
la necesidad del grado en la experiencia para la industria 4.0. cibernético sist. 50 (2), 165–175.
de madurez I4.0 en las empresas Akpan, IJ, Soopramanien, D., Kwak, DH, 2020. Tecnologías de vanguardia para las pequeñas empresas y la
para brindar capacidades innovación en la era de la pandemia de salud global de COVID19. J. Autobús pequeño. Emprendedor 33 (3),
que contribuyan a la 607–617.
evolución de la gestión Almeida, F., Santos, JD, Monteiro, JA, 2020. Los desafíos y oportunidades en la digitalización de las empresas en un
de operaciones. mundo postCOVID19. Ing. IEEE Administrar Ap. 48 (3),
97–103.
Brecha de investigación La presente investigación Esta investigación presenta a
Bag, S., Gupta, S., Kumar, S., 2021. Adopción de Industria 4.0 y avance 10R
2: falta de investigación contribuye a la evolución ingenieros y gerentes el conjunto
capacidades productivas para el desarrollo sostenible. En t. J.Prod. economía 231,
107844.
que valide empíricamente de la literatura sobre resiliencia de tecnologías, prácticas y
Bandalos, DL, 2018. Teoría de la Medida y Aplicaciones para las Ciencias Sociales.
que la adopción de de la cadena de capacidades inteligentes
Guilford Press, Nueva York.
Industry 4.0 mejora la suministro al asociadas con el desarrollo
Bandalos, DL, Finney, SJ, 2019. Análisis factorial: exploratorio y confirmatorio. En: Hancock, GR, Stapleton, LM,
resiliencia de las empresas recopilar datos y validar de prácticas de resiliencia. Por lo
Mueller, RO (Eds.), The Reviewer's Guide to Quantitative Methods in the Social Sciences, segunda ed.
en tiempos de crisis de un modelo conceptual en un tanto, proporciona una guía Routledge, Nueva York, págs. 98–122.
COVID19. momento único en la para los gerentes que
historia humana, durante necesitan mejorar la resiliencia Battesini, M., ten Caten, CS, de Jesus Pacheco, DA, 2021. Factores clave para el desempeño operativo en sistemas
la ruptura de la cadena de su empresa. Los gerentes de manufactura: modelo conceptual, revisión sistemática de literatura e implicaciones. J. Manuf. sist. 60,
de suministro global. Deben pueden enfocarse en los 265–282.
construirse aspectos de resiliencia aspectos de I4.0 que han sido Baz, EJ, Ruel, S., 2020. ¿Pueden las prácticas de gestión de riesgos de la cadena de suministro mitigar la
científicamente probados para impactos de la disrupción en la resiliencia y solidez de las 'cadenas' de suministro? Evidencia de una encuesta
frente a una disrupción En: Mesquita, A., Abreu, A., Carvalho, JV (Eds.), Perspectivas y Tendencias en Educación y Tecnología.
Innovación inteligente, sistemas y tecnologías, vol. 256. Springer, Singapur.
importante,
contribuyendo así a la
Bueno, A., Filho, MG, Frank, AG, 2020. Planificación y control inteligente de la producción en el contexto de la
evolución de la literatura
industria 4.0: una revisión sistemática de la literatura. computar Ing. Ind. 149, 106774.
sobre resiliencia.
Buer, SV, Strandhagen, JO, Chan, FTS, 2018. El vínculo entre la industria 4.0 y la fabricación ajustada: mapeo de la
investigación actual y establecimiento de una agenda de investigación. En t. j
Pinchar. Res. 56 (8), 2924–2940.
˜
Brecha de investigación La presente investigación La validez del modelo tiempos de crisis: una revisión MG, 2021. Ser emprendedor postCOVID19 – resiliencia en Castro, MP, Zermeno,
3: Falta de contribuye a la literatura conceptual demostrada en el sistemática de la literatura. J Entreprenp Emerging Eco. 13 (4),
investigación que valide cuando los hallazgos presente estudio podría guiar 721–746.
empíricamente que sugieren que las empresas a los gerentes e ingenieros Carroll, N., Conboy, K., 2020. Normalizando la 'nueva normalidad': cambiando las prácticas laborales impulsadas por
la resiliencia de las que son expertas en I4.0 en la implementación la tecnología bajo la presión del tiempo pandémico. En t. J.Inf. Administrar 55, 102186.
empresas mejora su desempeño. fueron más resistentes a la de I4.0. Así, los gerentes Clottey, T., Benton, WC, 2020. Nota técnica: recomendaciones para la unidad de evaluación
pandemia de COVID19 y pueden garantizar la solidez de sesgo de falta de respuesta en la investigación empírica de gestión de la cadena de suministro enfocada en diádicas.
Determinado. ciencia J. 51 (2), 423–447.
mantuvieron la la empresa en tiempos de crisis y
Chowdhury, MMH, Quaddus, M., 2017. Resiliencia de la cadena de suministro: conceptualización y desarrollo de
estabilidad en los indicadores mantener estables los indicadores
escala utilizando la teoría de la capacidad dinámica. En t. J.Prod. economía 188, 185–204.
de desempeño operativo ante de desempeño operativo.
una gran disrupción. La relación
Cohen, J., Cohen, P., West, SG, Aiken, LS, 2003. Análisis de correlación/regresión múltiple aplicada para las ciencias
positiva entre la resiliencia y Por tanto, este estudio ayuda a las
del comportamiento, 3.ª ed. Asociados de Lawrence Erlbaum, Mahwah, NUEVA JERSEY.
el rendimiento fue empresas a estar preparadas para
afrontar futuras crisis.
Currie, CSM, Fowler, JW, Kotiadis, K., Monks, T., Onggo, BS, Robertson, DA,
Tako, AA, 2020. Cómo el modelado de simulación puede ayudar a reducir el impacto de COVID 19. J. Simulat.
14 (2), 83–97.
15
Machine Translated by Google
D. Bianco et al. Revista Internacional de Economía de la Producción 256 (2023) 108728
Dalenogare, LS, Benitez, GB, Ayala, NF, Frank, AG, 2018. La contribución esperada de las tecnologías de la Mehmetoglu, M., Venturini, S., 2021. Modelado de ecuaciones estructurales con mínimos cuadrados parciales
industria 4.0 para el desempeño industrial. En t. J.Prod. economía 204, 383–394. utilizando Stata y R. CRC Press, Boca Raton.
Moeuf , A. , Pellerin , R. , Lamouri , S. , Giraldo , ST , Barbaray , R. , 2018
Dillman, DA, Smyth, JD, Christian, LM, 2014. Encuestas por Internet, teléfono, correo y modo mixto : el método gestión de las pymes en la era de la industria 4.0. En t. J.Prod. Res. 56 (3), 1118–1136.
de diseño personalizado, cuarta ed. edición Wiley, Hoboken, NUEVA JERSEY. Mota, RO, Bueno, A., Gonella, JSL, Ganga, GMD, Filho, MG, Latan, H.,
Donthu, N., Gustafsson, A., 2020. Efectos del COVID19 en las empresas y la investigación. J. Autobús.
Res. 117, 284–289. gerente Determinado. 60 (12), 3388–3415. https://doi.org/10.1108/MD0720210998.
Duman, MC, Akdemir, B., 2021. Un estudio para determinar los efectos de la industria 4.0 Narayanamurthy, G., Tortorella, G., 2021. Impacto del brote de COVID19 en el desempeño de los empleados:
componentes tecnológicos en el desempeño organizacional. Tecnología Pronóstico. Soc. papel moderador de las tecnologías base de la industria 4.0. En t. J.Prod. economía 234, 108075.
Cambio 167, 120615.
Fowler Jr., FJ, 2013. Survey Research Methods, quinta ed. Publicaciones sabias, mil Nair, A., Vidal, JM, 2011. Topología de red de suministro y robustez frente a interrupciones : una investigación
Robles. utilizando un modelo multiagente. En t. J.Prod. Res. 49 (5), 1391–1404.
Frank, AG, Dalenogare, LS, Ayala, NF, 2019. Tecnologías Industria 4.0: Confederación Nacional de la Industria (CNI), 2020. Encuesta especial 77: Impactos del COVID19 en la
patrones de implementación en empresas manufactureras. En t. J.Prod. economía 210, industria brasileña. www.portaldaindustria.com.br.
15–26. Nunnally, JC, Bernstein, IH, 1994. Teoría psicométrica, tercera ed. McGrawHill, Nueva
Fulton, BR, 2016. Organizaciones e investigación de encuestas: implementación de la respuesta York.
mejorar las estrategias y realizar análisis de falta de respuesta. socio. Métodos Res. 47 (2), 240–276. Nye, CD, 2022. Recursos del revisor: análisis factorial confirmatorio. Organo. Res. Métodos.
https://doi.org/10.1177/10944281221120541.
Gao, Y., Zhuo, F., Zhang, S., 2021. Gestión de la resiliencia de la cadena de suministro en la era de VUCA. Papadopoulos, T., Konstantinos, NB, Balta, ME, 2020. El uso de tecnologías digitales por parte de las pequeñas
Gerente de Ing. de Fronteras 8 (3), 465–470. y medianas empresas durante el COVID19: implicaciones para la teoría y la práctica. En t. J.Inf.
Govindan, K., Hassan, M., Behrouz, A., 2020. Un sistema de soporte de decisiones para la demanda Administrar 55, 102192.
gestión en las cadenas de suministro de atención médica considerando los brotes epidémicos: un estudio Papagiannidis, S., Harris, J., Morton, D., 2020. ¿QUIÉN lideró la transformación digital de su empresa? Un
de caso de la enfermedad por coronavirus 2019 (COVID19). Transporte. Res. E Logista. Transporte. reflejo de sus desafíos relacionados durante la pandemia. En t. J.Inf.
Rev. 138, 101967. Administrar 55, 102166.
Grissom, RJ, Kim, JJ, 2012. Tamaños del efecto para la investigación: univariante y multivariante Queiroz, MM, Wamba, SF, Chiappetta Jabbour, CJ, Machado, MC, 2022. Suministro
Aplicaciones, segunda ed. Routledge, Nueva York. resiliencia de la cadena en el Reino Unido durante la pandemia de coronavirus: una perspectiva de
Hair, JF, Sarstedt, M., Ringle, CM, Gudergan, SP, 2018. Problemas avanzados en el modelado de ecuaciones orquestación de recursos. En t. J.Prod. economía 245, 108405.
estructurales por mínimos cuadrados parciales. Publicaciones Sage, Thousand Oaks. Queiroz, MM, Ivanov, D., Dolgui, A., Wamba, SF, 2020. Impactos de los brotes epidémicos en las cadenas de
Hair, JF, Hult, GTM, Ringle, CM, Sarstedt, M., 2022. Introducción al modelado de ecuaciones estructurales suministro: mapeo de una agenda de investigación en medio de la pandemia de COVID19 a través de
por mínimos cuadrados parciales (PLSSEM), tercera edición. Publicaciones Sage, Thousand Oaks. una revisión estructurada de la literatura. Ana. oper. Res. https://doi.org/10.1007/s10479020036857 .
HahsVaughn, DL, Lomax, RG, 2020. Introducción a los conceptos estadísticos. Rajesh, R., 2022. Predicciones del rendimiento de la sostenibilidad en las cadenas de suministro: enfoques
Routledge, Nueva York. teóricos grises y aproximados. Ana. oper. Res. 310, 171–200.
He, H., Harris, L., 2020. El impacto de la pandemia de covid19 en la responsabilidad social Rajesh, R., 2021. Estrategias comerciales flexibles para mejorar la resiliencia en las cadenas de suministro
corporativa y la filosofía de marketing. J. Autobús. Res. 116, 176–182. de fabricación: un estudio empírico. J. Manuf. sist. 60, 903–919.
Helo, P., Duy, P., Yuqiuge, H., 2019. Fabricación en la nube: programación como servicio para la fabricación de Ringle, CM, Wende, S., Becker, J.M., 2022. SmartPLS 4”. Oststeinbek. SmartPLS GmbH.
chapa. computar oper. Res. 110, 208–219. http://www.smartpls.com.
Henseler, J., 2021. Modelado de ecuaciones estructurales basado en compuestos: análisis de RioChanona, RM, Mealy, P., Pichler, A., Lafond, F., Farmer, D., 2020. Suministro y
Variables emergentes. Guildford Press, Nueva York. Choques de demanda en la pandemia de COVID19: una perspectiva de la industria y la ocupación.
Holtom, B., Baruch, Y., Aguinis, H., Ballinger, GA, 2022. Tasas de respuesta de la encuesta: tendencias y un buey Rev. Econ. polaco 36 (1), S94–S137.
marco de evaluación de la validez. Tararear. Relativo 75 (8), 1560–1584. Sarkis, J., Cohen, MJ, Dewick, P., Schroder, ̈ P., 2020. Un mundo nuevo y valiente: lecciones de la pandemia
Hopkins, JL, 2021. Una investigación sobre las tecnologías emergentes de la industria 4.0 como impulsoras de de COVID19 para la transición hacia un suministro y una producción sostenibles.
la innovación en la cadena de suministro en Australia. computar Ind. 125, 103323. recurso Conservar reciclar 159, 104894.
IbnMohammed, TKB, Mustapha, JGZ, Adamu, KA, Babatunde, DD, Akintade, A. Schuberth, F., Rademaker, ME, Henseler, J., 2020. Estimación y evaluación de construcciones de segundo
A., 2021. Una revisión crítica de los impactos de COVID19 en la economía global y los ecosistemas y las orden mediante PLSPM: el caso de compuestos de compuestos. Gerente Ind.
oportunidades para las estrategias de economía circular. recurso Conservar Sistema de datos 120 (12), 2211–2241.
reciclar 164, 105169. Sharma, A., Anirban, A., Sourav, BB, 2020. Covid19′ impacto en la cadena de suministro
OIT, 2020. ILO Monitor 2nd Edition: COVID19 and the World of Work Estimaciones y análisis decisiones: conocimientos estratégicos de las 100 empresas de NASDAQ utilizando datos de Twitter. J. Autobús.
actualizados. Organización Internacional del Trabajo. Abril: 1. Res. 117, 443–449.
Ivanov, D., 2020. Predicción de los impactos de los brotes epidémicos en las cadenas de suministro mundiales: Shen, W., Yang, C., Gao, L., 2020. Aborde la crisis empresarial causada por COVID19 con
un análisis basado en simulación del caso del brote de coronavirus (COVID19/SARSCoV2). tecnologías colaborativas de fabricación inteligente. IET Colaboración Intel Manuf. 2 (2),
Transporte. Res. E Logista. Transporte. Rev. 136, 101922. 96–99.
Ivanov, D., Dolgui, A., 2020. Viabilidad de las redes de suministro entrelazadas: ampliar la Slack, N., BrandonJones, A., Johnston, R., 2016. Gestión de operaciones, 8 ed. Pearson,
la resiliencia de la cadena de suministro se inclina hacia la supervivencia. Un documento de posición Harlow.
motivado por el brote de COVID19. En t. J.Prod. Res. 58 (10), 2904–2915. SimchiLevi, D., Wang, H., Wei, Y., 2018. Aumento de la solidez de la cadena de suministro mediante la
Janssen, M., van der Voort, H., 2020. Gobernanza ágil y adaptable en respuesta a crisis: lecciones de la flexibilidad del proceso y el inventario. Pinchar. oper. Administrar 27 (8), 1476–1491.
pandemia de COVID19. En t. J.Inf. Administrar 55, 102180. Sigala, M., 2020. Turismo y COVID19: impactos e implicaciones para el avance y reinicio de la industria y la
http://dx.doi.org/10.1037/0021843X.112.2.202 Christianto, Y., Gunasekaran, A., Helo, P., 2017. Building the "Triple investigación. J. Autobús. Res. 117, 312–321.
R" in Global Manufacturing. En t. J.Prod. economía Rev. 183 , 607–619. Simmering, MJ, Fuller, CM, Richardson, HA, Ocal, Y., Atinc, GM, 2015. Elección de variables marcadoras,
Kuckertz, A., Brandle, ̈ L., Gaudig, A., Hinderer, S., Reyes, CAM, Prochotta, A., Steinbrink, KM, informes e interpretación en la detección de la varianza del método común: revisión y demostración.
Berger, ESC, 2020. Startups en tiempos de crisis: una respuesta rápida a la pandemia de COVID19. J Organo. Res. Métodos 18 (3), 473–511.
BusVentur Insights 13, e00169. Spieske, A., Birkel, H., 2021. Mejora de la resiliencia de la cadena de suministro a través de la industria 4.0: una
Kumar, S., Rakesh, DR, Vaibhav, SN, Balkrishna, EN, 2020. Aplicaciones de la industria 4.0 para superar los revisión sistemática de la literatura bajo las impresiones de la pandemia de COVID19.
desafíos operativos de COVID19. Diabetes Metabol. Sindr.: Clin. Res. Rev. 14 (5), 1283–1289. computar Ing. Ind. 158, 107452.
Stapleton, LM, 2019. Muestreo, administración y análisis de encuestas. En: Hancock, GR, Stapleton, LM,
Kusiak, A., 2018. Fabricación inteligente. En t. J.Prod. Res. 56 (1–2), 508–517. Mueller, RO (Eds.), The Reviewer's Guide to Quantitative Methods in the Social Sciences, segunda ed.
Laing, T., 2020. El impacto económico del coronavirus 2019 (Covid2019): implicaciones para la Routledge, Nueva York, págs. 467–481.
industria minera. extr. Soc. Ind. 7 (2), 580–582. The New Humanitarian, 2022. Las 25 crisis que dieron forma a la historia. El nuevo humanitario | Las 25 crisis
Latan, H., Noonan, R., 2017. Modelado de ruta de mínimos cuadrados parciales: conceptos básicos, que dieron forma a la historia.
problemas metodológicos y aplicaciones. Springer, Cham. Tortorella, GL, Giglio, R., Van Dun, DH, 2019. Adopción de Industry 4.0 como moderador del impacto de las
Latan, H., 2018. Modelado de rutas PLS en la investigación hotelera y turística: la edad de oro y los días del prácticas de producción ajustada en la mejora del rendimiento operativo.
futuro pasado. Aplicar mínimos cuadrados parciales tour hospitalidad res. 53–83. En t. J.Oper. Pinchar. Administrar 39 (6/7/8), 860–886.
Lindner, T., Puck, J., Verbeke, A., 2020. Conceptos erróneos sobre la multicolinealidad en Tortorella, G., Narayanamurthy, G., Godinho, MF, Staudacher, AP, Mac Cawley, AF, 2020. Efecto de la
investigación de negocios internacionales: identificación, consecuencias y remedios. J. Int. pandemia en la relación entre la implementación ajustada y el rendimiento del servicio. Revista de
Autobús. Semental. 51, 283–298. teoría y práctica del servicio 31 (2), 203–224.
Marcucci, G., Antomaroni, S., Ciarapica, FE, Bevilacqua, M., 2021. El impacto de Ullah, S., Zaefarian, G., Ullah, F., 2021. ¿Cómo usar variables instrumentales para abordar la endogeneidad?
Operaciones y tecnologías clave de la Industria 4.0 relacionadas con TI sobre la resiliencia organizacional. Un procedimiento paso a paso para no especialistas. Mercado Ind. Administrar 96, A1–A6.
Pinchar. Planificar Control. https://doi.org/10.1080/09537287.2021.1874702.
Macdougall, W., 2016. Industria 4.0: Fabricación inteligente para el futuro. Comercio e inversión Umar, M., Khan, SAR, Yusoff, YM, Ali, S., Yu, Z., 2022a. Industria 4.0 y prácticas de cadena de suministro
de Alemania . verde: un estudio empírico. En t. J.Prod. Llevar a cabo. Administrar 71 (3), 814–832.
Meindl, B., Ayala, NF, Mendonça, J., Frank, AG, 2021. Las cuatro inteligencias de la industria 4.0: evolución de Umar, M., Khan, SAR, Ziaulhaq, HM, Yusliza, MY, Farooq, K., 2022b. El papel de las tecnologías emergentes
diez años de investigación y perspectivas de futuro. Tecnología Pronóstico. Soc. en la implementación de prácticas ecológicas para lograr operaciones sostenibles. El diario TQM 34
Cambio 168, 120784. (2), 232–249.
McKibbin, WJ, Fernando, R., 2021. Los impactos macroeconómicos globales de COVID19: siete Vehovar, V., Toepoel, V., Steinmetz, S., 2016. Muestreo no probabilístico. Método de encuesta del
escenarios. Documentos económicos asiáticos 20 (2), 1–30. manual de Sage . 1, 329–345.
dieciséis
Machine Translated by Google
D. Bianco et al.
Revista Internacional de Economía de la Producción 256 (2023) 108728
Venkatesh, V., 2020. Impactos de COVID19: una agenda de investigación para apoyar a las personas en su lucha. OMS, 2021. Tablero de control de la enfermedad por coronavirus de la OMS (COVID19). ', Salud mundial
En t. J.Inf. Administrar 55, 102197. Organización. https://covid19.who.int/.
Verma, S., Gustafsson, A., 2020. Investigando las tendencias de investigación emergentes de COVID19 en el Whittaker, TA, Schumacker, RE, 2022. Una guía para principiantes sobre ecuaciones estructurales
campo de los negocios y la gestión: un enfoque de análisis bibliométrico. J. Autobús. Res. 118, 253–261. Modelado, quinta ed. Routledge, Nueva York.
Wooldridge, JM, 2020. Econometría introductoria: un enfoque moderno, séptima ed.
Vogel, D., Jacobsen, CB, 2021. Sesgo por falta de respuesta en la investigación sobre liderazgo público: una Cengage Learning, suroeste.
evaluación empírica. En t. publ. Administrar J. 24 (3), 435–454. Zhao, L., Kim, K., 2021. Respondiendo a la pandemia de COVID19: prácticas y estrategias de la cadena de valor
mundial de prendas de vestir y textiles. Paño. Texto. Res. J. 39 (2), 157–172.
17