El estudio integra sostenibilidad, riesgo e incertidumbre en una herramienta que facilita decisiones e inversiones en cadenas de suministro circulares.
Un estudio desarrollado por investigadores de Perú y Brasil propone un modelo que permite evaluar de forma integrada la sostenibilidad, el riesgo y la incertidumbre en las cadenas de suministro circulares, un desafío que hasta ahora carecía de una herramienta operativa.
La investigación fue realizada por Juan Antonio Lillo Paredes, jefe del Finance, Coding & AI Lab (FIC-Lab) y docente de Posgrado de la Universidad San Ignacio de Loyola, y Claudemir Leif Tramarico, de la Universidade de São Paulo (Brasil).
Los resultados fueron publicados en el artículo Performance assessment: value-driven approach for circular supply chain, en Supply Chain Management: An International Journal, revista indexada en el primer cuartil (Q1) de Scopus.
El estudio responde a la necesidad de contar con herramientas que faciliten la transición hacia modelos de economía circular, en línea con el Objetivo de Desarrollo Sostenible 12 de las Naciones Unidas, orientado a reducir la generación de desechos mediante la prevención, reducción, reciclaje y reutilización.
“La literatura científica no disponía de modelos operativos que integraran, de forma simultánea, la medición del desempeño, la exposición al riesgo y la incertidumbre en estas cadenas”, explicó Lillo.
A diferencia de enfoques que analizan la sostenibilidad de forma aislada, la propuesta incorpora un marco de evaluación ajustado por riesgo para ofrecer una visión integral del desempeño.
Para desarrollar el modelo, los investigadores combinaron lógica difusa y el método DEMATEL, con el fin de identificar las relaciones de causa y efecto entre las variables analizadas.
Los resultados indican que la prevención de residuos y la alineación con modelos de negocio circulares son los factores que más influyen en el desempeño de estas cadenas de suministro.
Según los autores, la herramienta permite identificar qué inversiones pueden generar un mayor impacto ambiental y económico antes de ejecutarlas, lo que contribuye a optimizar los recursos y reducir riesgos.
El modelo fue validado mediante un estudio de caso en una corporación química de la lista Fortune 500 con operaciones en Argentina, Brasil, Chile, Colombia, México y Perú.
Los investigadores consideran que la metodología también puede ayudar a priorizar inversiones, optimizar recursos logísticos y reducir riesgos antes de implementar nuevas tecnologías.
El estudio servirá también de base para un nuevo proyecto del FIC-Lab USIL, que empleará datos financieros de la terminal Bloomberg, programación en Python y aprendizaje automático para analizar riesgos climáticos e inversiones ESG.
“Estos modelos permitirán que la inteligencia artificial automatice la recopilación de datos ambientales y financieros para monitorear el desempeño de los proveedores y anticipar riesgos en tiempo real”, señaló Lillo.
El artículo fue publicado por la editorial británica Emerald Publishing y está disponible en la plataforma Emerald Insight en el siguiente enlace.
