Gestión de Datos en Cadenas de Suministro de Fabricación Inteligente: Una Revisión Sistemática de Prácticas y Aplicaciones (2020-2025)
Autores: Smina, Nouhaila; Gahi, Youssef; Gharib, Jihane
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Gestión de Datos en Cadenas de Suministro de Fabricación Inteligente: Una Revisión Sistemática de Prácticas y Aplicaciones (2020-2025)
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Cadenas de suministro
Tecnologías de la industria 4.0
Gestión de datos
Fabricación inteligente
Cadena de valor
Servicio al cliente ágil
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Las cadenas de suministro inteligentes, habilitadas por las tecnologías de la Industria 4.0, son cada vez más reconocidas como motores clave de competitividad, aprovechando los datos a lo largo de la cadena de valor para mejorar la visibilidad, la capacidad de respuesta y la resiliencia, al tiempo que apoyan una mejor planificación, una utilización optimizada de los recursos y un servicio al cliente ágil. La gestión efectiva de datos se ha convertido así en una capacidad estratégica, fomentando el rendimiento operativo, la innovación y la creación de valor a largo plazo. Sin embargo, la investigación y la práctica existentes siguen siendo fragmentadas, a menudo centrándose en funciones aisladas como la producción, la logística o la calidad, los dominios más intensivos en datos y críticos en la fabricación inteligente, sin abordar de manera integral la adquisición, almacenamiento, integración, análisis y visualización de datos en todas las fases de la cadena de suministro. Este artículo aborda estas lagunas a través de una revisión sistemática de la literatura de 55 estudios revisados por pares publicados entre 2020 y 2025, realizada siguiendo las directrices de PRISMA utilizando Scopus y Web of Science. Las contribuciones se clasifican en revisiones, marcos/modelos y estudios empíricos, y el análisis examina cómo se recopilan, integran y aprovechan los datos a lo largo de toda la cadena de suministro. Al adoptar una perspectiva holística, este estudio proporciona una comprensión integral de la gestión de datos en las cadenas de suministro de fabricación inteligente, destaca las prácticas actuales y los desafíos persistentes, e identifica las principales vías para futuras investigaciones.
Descripción
Las cadenas de suministro inteligentes, habilitadas por las tecnologías de la Industria 4.0, son cada vez más reconocidas como motores clave de competitividad, aprovechando los datos a lo largo de la cadena de valor para mejorar la visibilidad, la capacidad de respuesta y la resiliencia, al tiempo que apoyan una mejor planificación, una utilización optimizada de los recursos y un servicio al cliente ágil. La gestión efectiva de datos se ha convertido así en una capacidad estratégica, fomentando el rendimiento operativo, la innovación y la creación de valor a largo plazo. Sin embargo, la investigación y la práctica existentes siguen siendo fragmentadas, a menudo centrándose en funciones aisladas como la producción, la logística o la calidad, los dominios más intensivos en datos y críticos en la fabricación inteligente, sin abordar de manera integral la adquisición, almacenamiento, integración, análisis y visualización de datos en todas las fases de la cadena de suministro. Este artículo aborda estas lagunas a través de una revisión sistemática de la literatura de 55 estudios revisados por pares publicados entre 2020 y 2025, realizada siguiendo las directrices de PRISMA utilizando Scopus y Web of Science. Las contribuciones se clasifican en revisiones, marcos/modelos y estudios empíricos, y el análisis examina cómo se recopilan, integran y aprovechan los datos a lo largo de toda la cadena de suministro. Al adoptar una perspectiva holística, este estudio proporciona una comprensión integral de la gestión de datos en las cadenas de suministro de fabricación inteligente, destaca las prácticas actuales y los desafíos persistentes, e identifica las principales vías para futuras investigaciones.