|
Menú
  • Revistas
  • Quiénes somos
  • Proceso editorial
Revistas
Quiénes somos
Proceso editorial
  • Registrarse
  • Entrar
  • |
    es
    en English pt_PT Português
    MLSPM

    Patrocinado por:

    Logo Funiber
    Logo UNINI Logo UNEAT
    Logo UNIB Logo unincol
    Logo unidc Logo Romana
    Logo PM Logo UNEAT
    Logo UNINI
    Logo UNEAT
    Logo UNIB
    Logo unincol
    Logo unidc
    Logo Romana
    Logo PM
    • Actual
    • Archivos
    • Acerca de
      • Sobre la revista
      • Equipo editorial
      • Revisores
      • Estadísticas
    • Envíos
    • Indexación
    • Contacto

    Modelo de valuación de sostenibilidad para una empresa exportadora 4.0.

    Publicado 2021-03-24

    DOI:

    https://doi.org/10.35992/pdm.v3i1.529

    Napoleon Alegre Poma

    José Antonio Trigueros Pina

    Formatos Disponibles

    PDF

    es

    PDF

    en

    EPUB

    es

    EPUB

    en

    HTML

    es

    HTML

    en

    Número del Artículo

    Vol. 3 Núm. 1 (2021)

    ISSN: 2683-1597

    Publicado: 2021-03-24

    Resumen

    La Industria 4.0 llegó con la tecnología digital y la promesa de un incremento de la productividad sobre la base de dato. El escenario es útil al stakeholder de la empresa exportadora sostenible, porque le permite crear valor a los bienes que exporta. Pero se requiere un modelo que acepte la incertidumbre para relacionar las variables de entrada: tecnología digital y estrategia 4.0 con la variable de salida: sostenibilidad. Un problema que se resuelve bajo un enfoque de la lógica difusa y el sistema de inferencia difusa el cual genera el conjunto de datos para entrenar, controlar y validar la red adaptativa del sistema de inferencia difusa (ANFIS). Lo que permite construir el algoritmo del modelo de valuación de sostenibilidad (MVS) y así se completa el objetivo general. Luego, el modelo se utiliza en cinco empresas exportadoras con el propósito de supervisar, controlar y calibrar el resultado de la variable de salida, el cual puede ser un valor, entre cero y uno, donde cero significa una baja sostenibilidad y uno refleja una alta sostenibilidad. Dato y conocimiento que le permite al stakeholder tomar decisiones estratégicas sobre las habilidades y competencias digitales avanzadas en el puesto de trabajo, lo cual es toda una innovación en el contexto de la Industria 4.0 que permite una contribución de conocimiento a la literatura económica y gestión de empresa. El MVS continuara su proceso de entrenamiento con nuevos ecosistemas exportadores, entrevistas presenciales y adaptar su contenido a otro idioma.


    Descargas

    Los datos de descarga aún no están disponibles.

    Estadísticas


    Cómo citar

    • ACM
    • ACS
    • APA
    • ABNT
    • Chicago
    • Harvard
    • IEEE
    • MLA
    • Turabian
    • Vancouver
    • AMA
    Modelo de valuación de sostenibilidad para una empresa exportadora 4.0. (2021). Project Design and Management , 3(1). https://doi.org/10.35992/pdm.v3i1.529
    EndNote Zotero Mendeley
    Descargar .ris .ris
    EndNote
    Descargar .bib

    Citas

    Acheson, P., Dagli, C., & Kilicay-Ergin, N. (2013). Model Based Systems Engineering for System of Systems Using Agent - Based Model. Conference on Systems Engineering Research (CSER 13) Instituto de Tecnología de Georgia. https://bit.ly/30wm6AK

    Barcellos, L. (2010). Modelos de Gestión Aplicados A la Sostenibilidad Empresaria. (Tesis Doctoral). Universidad de Barcelona. https://bit.ly/39gi7uO

    Bermùdez, A., Lugo, J. A., & Piñeros, P. (2015). An adaptive-network-based fuzzy inference system for project. Semantic Scholar. https://orcid.org/10.1114/Javerian.IYU19-2.SDIBID

    Blanco, R., Fontrodona, J., & Poveda, C. (2017). La Industria 4.0: El estado de cuestión. Economía industrial, 151-164: Retrieved from https://dialnet.unirioja.es/servlet/articulo?codigo=6343649

    Bocci, F. (2019). Transformación Digital y Deuda Tecnológica. Being Better Matters. https://bit.ly/2CRs066

    Cheng, G.-j., Liu, L.-t., Liu, Y., & Quiang, X.-j. (2016). Industry 4.0 Development and Application of Intelligent Manufacturing. In International Conference on Information System and Artificial Intelligence (pp. 407 - 410). Xi’an Shiyou University .

    Del Brio, B. M. & Sanz, A. (2001). Redes Neuronales y Sistemas Difusos. Alfaomega Ra-Ma.

    Diaz, W., Etse, G., Flores, F., Folino, P., & Will, A. (2007). Uso de redes neuronales y ANFIS para predecir la resistencia uniaxial a comprensión de hormigon de alta resistencia. Mecánica Computacional, XXVI(16) https://cimec.org.ar/ojs/index.php/mc/article/view/1149

    Gay, C. & Vermonden, A. (2013). Using Andaptive Neuro Fuzzy Inference System to Build Models with Uncertain Data for Rainfed Maize. Technologies and Applications (MSCCEC-2013), 512-516. https://orcid.org/10.5220/0004622205120516.

    Gil Aluja, J., & Kaufmann, A. (1987). Técnicas operativas de la gestión para el tratamiento de la incertidumbre. Hispano Europea.

    Govindarajan, V. (2016). La solución de tres cajas: una estrategia para liderar la innovación. Harvard Business Review. https://s.hbr.org/2OVEBrH

    Hart, S., & Milstein, M. (2003). Creating Sustainable Value. Academy of Management Executive, 17(2). https://bit.ly/39m21zN

    ISO. (2010). ISO 26000 - Guía de Responsabilidad Social. http://americalatinagenera.org/newsite/images/U4ISO26000.pdf

    Jang, J. (1993). ANFIS : Adaptive-Ne twork-Based Fuzzy Inference System. IEEE Transactions on Systems, Man, and Cybernetics, 23(3). https://bit.ly/39f6l3W

    Kotler, P. & Caslione, J. (2010). Caótica. Grupo Editorial Norma.

    Lazzarri, L., Machado , E., & Pérez, R. (2000). Los Conjuntos Borrosos: Una Introducción. Cuadernos del CIMBAGE, 1666-5112. https://bit.ly/3jsoKyV

    Madni, A., & Purohit, S. (2019). Análisis económico de la ingeniería de sistemas basados en modelos. Sistemas, 7 (1), 12. https://orcid.org/10.3390/systems7010012

    Margolis, J., & Walsh, J. (2003). Misery Loves Companies: Rethinking Social Initiatives by Business. Johnson Graduate School, 48, 268-305. https://bit.ly/2ONkPyq

    OEC. (2020). Ranking de Complejidad Económica. Observatorio de Complejidad Económica. https://oec.world/en/resources/about

    Olcese, A. (2005). Teoría y práctica del buen gobierno corporativo. Marcial Pons. https://bit.ly/39iFgNp

    Ramos, C. A. (2015). Los Paradigmas de la investigaciòn científica. UNIFE. https://bit.ly/2WGwjbC

    Stewart, D. (2019). Quantum computers. Deloitte Insights. https://bit.ly/2OMu9Tm

    Trigueros Pina, J. (2019). Una Propuesta Alternativa de Financiación Para el Sector Agrícola. (Bonos de PYME Agrícolas). Journal of Business Administration Research, 2(1). https://orcid.org/10.30564 / jbar.v2i1.382.

    University 4 Industry. (2013). Definition Industrie 4.0. University 4 Industry. https://bit.ly/2xktB1G

    Yadegaridehkordi, E. (2018.). Influence of big data adoption on manufacturing companies' performance: An integrated DEMATEL-ANFIS approach. Technological Forecasting & Social Change, 137, 199-210. https://orcid.org/10.1016/j.techfore.2018.07.043.

    Zadeh, L. (2008). Is there a need for fuzzy logic? Information Sciences, 178, 2751–2779. https://orcid.org/10.1016/j.ins.2008.02.012


    Becas

    es

    Buscar documentos

    Envíar un artículo

    La editorial MLS Journals acepta envíos en inglés, español y portugués.

    EU Flag

    Contacto

    Parque Científico y Tecnológico de Cantabria. C/Isabel Torres 21.

    39011 Santander, España.

    © 2025 Multi-Lingual Scientific (MLS) Journals. Todos los derechos reservados. | Política de privacidad | Transparencia