Inteligencia artificial y Big Data en la optimización de cadenas de suministro internacionales: hacia una logística predictiva y sostenible
Palabras clave:
Inteligencia artificial, Big Data, cadenas de suministro internacionales, logística predictivaResumen
El estudio examina la implementación de Inteligencia Artificial (IA) y Big Data en la optimización de cadenas de suministro internacionales en Ecuador y países andinos vecinos, con el objetivo de desarrollar un modelo de logística predictiva y sostenible, la metodología empelada es mixta, combina análisis cualitativo y cuantitativo, incluyendo una revisión sistemática de literatura, se realizaron observaciones directas en puntos claves de las cadenas de suministro y se organizaron grupos focales con diversos stakeholders, los datos se analizaron mediante técnicas de análisis cuali cuantitativas para identificar patrones y conceptos claves, los principales hallazgos revelan una adopción desigual de IA y Big Data, con una clara brecha entre grandes empresas multinacionales y PYMES locales. Las empresas que implementaron con éxito estas tecnologías experimentaron mejoras significativas en eficiencia operativa, precisión en la previsión de demanda y sostenibilidad ambiental, se identificaron desafíos críticos como la falta de infraestructura de datos adecuada y la escasez de personal cualificado, la colaboración regional y las políticas proactivas de innovación demostraron ser cruciales para acelerar la adopción tecnológica, se concluye que la implementación de IA y Big Data tiene un potencial transformador para las cadenas de suministro en la región andina, pero requiere un enfoque integral que aborde aspectos técnicos, organizacionales y de política pública, el estudio subraya la necesidad de desarrollar estrategias específicas para apoyar a las PYMES y fomentar la colaboración transfronteriza, además, se sugieren futuras investigaciones para explorar el impacto a largo plazo de estas tecnologías y sus implicaciones éticas y sociales en el contexto de economías emergentes.
Descargas
Citas
Anaba, D. C., Kess-Momoh, A. J., & Ayodeji, S. A. (2024). Optimizing supply chain and logistics management: A review of modern practices. Open Access Research Journal of science And Technology, 11(2), 20-28 https://doi.org/10.53022/oarjst.2024.11.2.0083
Bag, S., Gupta, S., & Luo, Z. (2020). Examining the role of logistics 4.0 enabled dynamic capabilities on firm performance. The International Journal of Logistics Management, 31(3), 607-628. https://doi.org/10.1108/IJLM-11-2019-0311
Davenport, T. H. (2024). Putting the Enterprise into the Enterprise System. https://hbr.org/1998/07/putting-the-enterprise-into-the-enterprise-system
Fatorachian, H., & Kazemi, H. (2020). Impact of Industry 4.0 on supply chain performance. Production Planning & Control, 32(1),63–81. https://doi.org/10.1080/09537287.2020.1712487.
Fosso Wamba, S., Queiroz, M. M., & Trinchera, L. (2020). Dynamics between blockchain adoption determinants and supply chain performance: An empirical investigation. International Journal of Production Economics, 229(2). https://ideas.repec.org/a/eee/proeco/v229y2020ics0925527320301687.html
Geissdoerfer, M., Savaget, P., Bocken, N., & Hultink, E. J. (2017). The Circular Economy – A new sustainability paradigm? Journal of Cleaner Production, 143, 757–768; https://doi.org/10.1016/j.jclepro.2016.12.048
Govindan, K., Cheng, T. C., Mishra, N., & Shukla, N. (2018). Big data analytics and application for logistics and supply chain management. Transportation Research Part E: Logistics and Transportation Review, 114, 343-349. https://doi.org/10.1016/j.tre.2018.03.011
Gunasekaran, A., Subramanian, N., & Papadopoulos, T. (2017). Information technology for competitive advantage within logistics and supply chains: A review. Transportation Research Part E: Logistics and Transportation Review, 99, 14-33; https://doi.org/10.1016/j.tre.2016.12.008
Ivanov, D., & Dolgui, A. (2020). Viability of Intertwined Supply Networks: Extending the Supply Chain Resilience Angles towards Survivability. A Position Paper Motivated by COVID-19 Outbreak. International Journal of Production Research, 58, 2904-2915.
https://doi.org/10.1080/00207543.2020.1750727
Ivanov, D., Dolgui, A., & Sokolov, B. (2018). The impact of digital technology and Industry 4.0 on the ripple effect and supply chain risk analytics. International Journal of Production Research, 57(3), 829–846. https://doi.org/10.1080/00207543.2018.1488086
Ivanov, D., Dolgui, A., & Sokolov, B. (2019). Ripple Effect in the Supply Chain: Definitions, Frameworks and Future Research Perspectives. En D. Ivanov, A. Dolgui, & B. Sokolov, Handbook of Ripple Effects in the Supply Chain. (pp. 1-33). Springer.
Kache, F., & Seuring, S. (2017). Challenges and opportunities of digital information at the intersection of Big Data Analytics and supply chain management. International Journal of Operations & Production Management, 37(1), 10-36. https://doi.org/10.1108/IJOPM-02-2015-0078.
Karmaker, C., Tazim Ahmed, Sayem Ahmed, Mithun Ali, S., Abdul Moktadir, M., & Golam Kabir. (2021). Improving supply chain sustainability in the context of COVID-19 pandemic in an emerging economy: Exploring drivers using an integrated model. Sustainable Production and Consumption, 26, 411-427. https://doi.org/10.1016/j.spc.2020.09.019
Lee, J., Davari, H., Singh, J., & Pandhare, V. (2018). Industrial Artificial Intelligence for industry 4.0-based manufacturing systems. Manufacturing Letters, 18, 20-23. https://doi.org/10.1016/j.mfglet.2018.09.002.
Li, Y., & Zobel, C. (2020). Exploring supply chain network resilience in the presence of the ripple effect. International Journal of Production Economics, 228. https://doi.org/10.1016/j.ijpe.2020.107693.
Madani, S., & Barzoki, M. R. (2017). Sustainable supply chain management with pricing, greening and governmental tariffs determining strategies: A game-theoretic approach. Computers & Industrial Engineering, 105, 287-298. https://doi.org/10.1016/j.cie.2017.01.017
Mentzer, J. T., DeWitt, W., Keebler, J. S., Min, S., Nix, N. W., Smith, C. D., & Zacharia, Z. G. (2011). Defining supply chain management. Journal of Business Logistics, 22(2), 1-15. https://doi.org/10.1002/j.2158-1592.2001.tb00001.x.
Qu, C., & Kim, E. (2024). La gestión de cadenas de suministro internacionales en la era global requiere un enfoque multidisciplinario que integre teorías como la de Sistemas Complejos Adaptativos y la Difusión de Innovaciones. La incorporación de IA y Big Data potencia la adaptabi. Sustainability, 16(14). https://doi.org/10.3390/su16146186
Queiroz, M. M., Ivanov, D., Dolgui, A., & Wamba, S. F. (2022). Impacts of epidemic outbreaks on supply chains: mapping a research agenda amid the COVID-19 pandemic through a structured literature review. Annals of Operations Research, 319, 1159–1196. https://doi.org/10.1007/s10479-020-03685-7
Schwab, K. (2020). La Cuarta Revolución Industrial. Futuro Hoy del Fondo Editorial de la Sociedad Secular Humanista del Perú. https://futurohoy.ssh.org.pe/wp-content/uploads/2020/12/Schwab-Klaus-2020.-La-Cuarta-Revolucion-Industrial.-Futuro-Hoy.-Vol.1-Nro.1.pdf
Tiwari, S., Wee, H., & Daryanto, Y. (2018). Big data analytics in supply chain management between 2010 and 2016: Insights to industries. Computers & Industrial Engineering, 115, 319-330. https://doi.org/10.1016/j.cie.2017.11.017
Toorajipour, R., Sohrabpour, V., Nazarpour, A., Oghazi, P., & Fischl, M. (2021). Artificial intelligence in supply chain management: A systematic literature review. Journal of Business Research, 122, 502-517. https://doi.org/10.1016/j.jbusres.2020.09.009
Torkul, O., Yilmaz, R., Selvi, I. H., & Cesur, R. (2016). A real-time inventory model to manage variance of demand for decreasing inventory holding cost. Computers & Industrial Engineering, 102, 435-439. https://doi.org/10.1016/j.cie.2016.04.020
Waller, M. A., & Fawcett, S. E. (2013). Data Science, Predictive Analytics, and Big Data: A RevolutionThat Will Transform Supply Chain Design and Management. Journal of Business Logistics, 34(2), 77-84. https://doi.org/10.1111/jbl.12010
Yang, C. (2024). Innovation in Cross-Border Supply Chain Inventory Management Driven by Big Data.Advances in Economics, Management and Political Sciences, 76, 66-73. https://doi.org/10.54254/2754-1169/76/20241882
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Karla Alexandra Ibarra-Peña, Priscila Narcisa Morán-Murillo, Edison Andrés Rodríguez-Sares
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los autores que publican en la Revista UGC están de acuerdo con los siguientes términos:
1. Derechos de Autor
Los autores conservan los derechos de autor sobre sus trabajos sin restricciones. Los autores otorgan a la revista el derecho de primera publicación. Para ello, ceden a la revista, de forma no exclusiva, los derechos de explotación (reproducción, distribución, comunicación pública y transformación). Los autores pueden establecer otros acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista, siempre que exista un reconocimiento de su publicación inicial en esta revista.
© Los autores.
2. Licencia
Los trabajos se publican en la revista bajo la licencia de Atribución-NoComercial-CompartirIgual 4.0 Internacional de Creative Commons (CC BY-NC-SA 4.0). Los términos se pueden consultar en: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es
Esta licencia permite:
- Compartir: copiar y redistribuir el material en cualquier medio o formato.
- Adaptar: remezclar, transformar y crear a partir del material.
Bajo los siguientes términos:
- Atribución: ha de reconocer la autoría de manera apropiada, proporcionar un enlace a la licencia e indicar si se ha hecho algún cambio. Puede hacerlo de cualquier manera razonable, pero no de forma tal que sugiera que el licenciador le da soporte o patrocina el uso que se hace.
- NoComercial: no puede utilizar el material para finalidades comerciales.
- CompartirIgual: si remezcla, transforma o crea a partir del material, debe difundir su creación con la misma licencia que la obra original.
No hay restricciones adicionales. No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otros hacer cualquier cosa que la licencia permita.
