Espacios. Vol. 36 (Nº 12) Año 2015. Pág. 5
Curvas en S y análisis de cluster en ciclo de vida de la tecnología : Aplicación en 11 tecnologías en alimentos
"S" curves and cluster analysis in technology life cycle: Application in 11 food technologies
Jhon Wilder ZARTHA Sossa 1; Bibiana ARANGO Álzate 2; Raúl HERNÁNDEZ Zarta 3; José Gamaliel MEDINA Henao 4; Gina Lía OROZCO Mendoza 5
Recibido: 04/03/15 • Aprobado: 13/04/2015
Contenido
6. ReferenciasRESUMEN: |
ABSTRACT: |
1. Introducción
En los últimos años las empresas han comenzado a destinar esfuerzos, recursos y estrategias encaminadas a la gestión de la innovación y la tecnología como apoyo en la toma de decisiones (Schilling, 2010). Algunos autores afirman que las curvas en S son una alternativa para comprender el comportamiento y las etapas en el ciclo de vida de una tecnología (Daim, Rueda, Martin y Gerdsri 2006; Pérez, 2001), mediante los cuales es posible identificar el estado de una tecnología: emergente, entrante, clave, madura o en declive (Ortiz y Pedroza, 2006); la estrategia a seguir: monitoreo, inversión selectiva, sobreinversión; y el comportamiento de la tecnología en cada fase: inicial, crecimiento temprano, crecimento tardío y madurez (Figura 1).
Figura 1. Estado de la tecnología.
Fuente: Adaptado de Ortiz y Pedroza (2006)
Lidan et al. (2011), Afirman que el concepto del ciclo de vida de la tecnología (TLC) fue desarrollado por Arthur (1981) para medir los cambios tecnológicos, este autor identifica de manera similar las diferentes etapas del ciclo de vida de la tecnología: la etapa emergente es una nueva tecnología de bajo impacto competitivo y baja integración en productos o procesos; en la etapa de crecimiento, hay estimulación de tecnologías con alto impacto sobre la competencia que aún no se han integrado en nuevos productos o procesos; en la etapa de madurez, algunas tecnologías de estimulación se convierten en tecnologías clave, están integrados en productos o procesos, y mantienen su alto impacto sobre la competencia. Tan pronto como una tecnología pierde su impacto competitivo, se convierte en una tecnología de base. Se entra en la etapa de saturación y podría ser sustituida por una nueva tecnología.
Kaplan (s.f.), afirma que el modelo del ciclo de vida sugiere que la adopción del mercado refleja una curva en forma de campana que hace un seguimiento a la adopción de clientes y/o consumidores de una nueva tecnología, producto o servicio. Primero están los "adoptadores tempranos" que están interesados en poner a prueba y ensayar algo nuevo. Después de los primeros en adoptar vienen aquellos de mercado específicos que representan segmentos con necesidades específicas que se convierten en puntos de referencia para otros segmentos. La tecnología se mueve entonces a partir de soluciones personalizadas para segmentos específicos a la fabricación en masa y distribución de productos estandarizados para el mercado. A partir de ahí, el mercado madura. Es cuando los adoptantes tardíos que son adversos al "riesgo" comienzan la compra de las soluciones probadas (Figura 2).
Figura 2. Curva en S. Aplicación en adopción de mercado.
Fuente: Kaplan (s.f.)
Paap y Katz (2004), afirman de igual manera, la importancia de centrarse en la comprensión de las necesidades y los consumidores en la adopción del mercado, describiendo en su artículo modelos de innovación, que de una y otra manera muestran la dinámica del ciclo de vida de la tecnología y su caracterización en cada una de las etapas.
En cuanto a las innovaciones, tienen asociadas una serie de incertidumbres de mercado, tecnológicas y de comercio, las cuales se incrementan con la necesidad de información o conocimiento sobre las variables que intervienen en el proceso de lanzamiento de un nuevo producto o mejora de uno existente (Avalos et al. 2011; Afua, 1999; Kotler, 1996; Pérez, 2004; Fernández, 2005; Kucharavy, 2007; Kucharavy & De Guio, 2009).
Actualmente el estudio de estas curvas ha tenido mucha importancia en el campo de la tecnología y las innovaciones ya que han permitido la identificación del momento adecuado para la realización de cambios, inversiones o trasformaciones para que el producto o maquinaria sigan siendo competitivos en el mercado (Fernández, 2005; Kucharavy, 2007; Kucharavy & De Guio, 2009; Shilling, 2010; White & Bruton, 2007). Igualmente, a nivel empresarial es absolutamente relevante el uso de curvas en S para representar el ciclo de vida de un producto, conocer las condiciones en las que se encuentra el artículo producido y crear un plan estratégico de inversiones y de ejecución de estrategias de mercadotecnia que permitan aumentar la productividad (Aguilar et al. 2012).
Los estudios de futuro de las nuevas tecnologías son bastante complejos debido a la ausencia de datos históricos disponibles. Es por esto que el uso de estudios bibliométricos al igual que el análisis de patentes presenta información muy útil para este fin (Daim, Rueda, Martin y Gerdsri 2006)
Las curvas en S tienen muchas aplicaciones describiendo el comportamiento de ciertos fenómenos en distintas áreas de conocimiento por ejemplo, el crecimiento poblacional de los microorganismos se comporta como una curva en S al igual que el diámetro de los árboles, propiedades como la difusividad térmica en función de la temperatura y la humedad en base seca en función de tiempo en el secado de alimentos se comportan como una curva en S invertida.
2. Metodología
Debido al amplio espectro de aplicación de las curvas en S, fueron 11 tecnologías relacionadas con el procesamiento de alimentos: Alta Presión; Centrifugación; Emulsificación; Esterilización; Evaporación; Molienda; Ozonización; Plasma Frío; Secado; Sedimentación y Tamizado
Para realizar el análisis del ciclo de vida de las 11 tecnologías se siguió el siguiente procedimiento (Figura 3)
Figura 3. Metodología para el análisis de una tecnología a través de curvas en S
Fuente: Adaptado de Zartha, Palop, Arango, Vélez & Avalos (2013)
Como se observa en la figura, primero se realizó una búsqueda en bases especializadas –Scopus y Free Patents – sobre artículos y patentes relacionados con las 11 tecnologías. Para garantizar la validez y exactitud de los datos, se elaboraron ecuaciones de búsqueda, las cuales fueron revisadas por un experto en el tema.
Se tabularon los datos obtenidos de artículos y patentes, especificando su respectivo año y cantidad, y se acumularon los valores con el objetivo de introducirlos como parámetros de entrada en el software Sigmaplot y a través de regresiones no lineales se aplicaron 13 modelos utilizados por el programa para obtener las respectivas curvas en S.
Se aprobaron y validaron las curvas obtenidas teniendo en cuenta los datos estadísticos arrojados por el software: R2 ajustado, valor t, valor P y Durbin Watson (DW). Zartha, Arango, Hernández y Moreno (2014); Cortés et al (2013); Ávalos et al. (2011). Posteriormente, se obtuvo la segunda derivada de cada ecuación a través del paquete de software derive para seleccionar las curvas más adecuadas para su posterior análisis. Por último se analizó el ciclo de vida de las tecnologías seleccionadas teniendo en cuenta los puntos de inflexión obtenidos.
3. Resultados
A continuación, se dan a conocer las ecuaciones de búsqueda empleadas para determinar las cantidades de artículos en Scopus y patentes en Free Patents registrados sobre 10 de las 11 tecnologías en alimentos (Tabla 1):
Tabla 1. Ecuaciones de búsqueda en Artículos y patentes
En la tabla 2, se puede observar las 11 tecnologías con los datos de artículos y patentes con relación al punto de inflexión, D.W y Modelo para cada uno.
-----
Tabla 2. Datos de artículos y patentes
Algunos Datos obtenidos sobre artículos y patentes en las 11 tecnologías (tabla 3):
-----
Tabla 3. Datos obtenidos sobre artículos en sedimentación.
-----
Tabla 4. Datos obtenidos sobre patentes en Sedimentación.
Algunas de las gráficas arrojadas por el software Sigmaplot, en las 11 tecnologías de alimentos son:
Análisis Clúster para 11 Tecnologías empleadas en Alimentos
El análisis clúster se aplicó a un conjunto de tecnologías u operaciones unitarias en alimentos, tomando como datos los puntos de inflexión obtenidos a partir de una regresión no lineal de la curva sigmoidea o curva en S, y tomando la serie de tiempo de la producción técnica y científica, expresada en artículos y solicitudes de patentes.
El método de Clusterización utilizado fue el método del vecino más cercano, tomando como métrica la distancia euclidiana cuadrática. Las gráficas muestran la conformación de tres grupos:
El primero corresponde a la tecnología de Emulsificación, la cual presenta un punto de inflexión en cuanto a artículos para el año 2040, lo que podría indicar que esta tecnología, desde el punto de vista de éste parámetro de desempeño, se encuentra en la fase de crecimiento donde se busca aumentar el rendimiento, la productividad y su costo es alto, además, puede tratarse de una "veta" desde el punto de vista de publicaciones, ya que presenta una buena oportunidad para realizar apuestas en realización de más artículos científicos.
El segundo clúster está conformado por las tecnologías de sedimentación, secado, molienda, esterilización, tamizado y altas presiones. Estas tecnologías poseen un punto de inflexión para los artículos que se encuentra entre los años 2018 ± 4 años, lo cual indica que podrían estar en la etapa de maduración temprana. Al igual que la tecnología de Emulsificación, tiene un punto de inflexión mayor que la fecha actual – 2015, sin embargo el punto de inflexión está cerca y las posibilidades de generar nuevos artículos científicos son prometedoras pero se acabarán dentro de pocos años.
El tercer clúster está formado por las tecnologías de centrifugación, molienda, evaporación y plasma frio, cuyo punto de inflexión para artículos se encuentra entre los años 2009 ± 4 años. Estas tecnologías se encuentran en la etapa de maduración plena o en declive, por lo que las publicaciones que se han generado en el mundo no tienen una alta dinámica lo que generó la aparición de un punto de inflexión en el pasado- antes de 2015, y es probable que los expertos en tecnologías de alimentos se hayan desplazado hacia otras tecnologías dominantes que son una nueva "veta" donde están generando sus nuevos artículos.
Con relación a los puntos de inflexión de patentes, estos se encuentran entre los años 1998 y 2014, lo que indica que en términos del desarrollo de la técnica, todas se encuentran en una etapa madura, lo que puede indicar:
Que son tecnologías maduras o en declive y que no es conveniente la sobreinversión en éstas.
Que de acuerdo con su punto de inflexión menor a 2015, ya no es conveniente aplicar mecanismos de derecho tecnológico y propiedad intelectual.
Que estas tecnologías son altamente confiables.
Que son tecnologías de bajo costo.
Que son tecnologías cuyos puntos de inflexión se dieron hace varios años y que las ventajas de patentamiento después de 2015 no son apreciables.
4. Conclusiones
Las curvas en S aplicadas a ciclo de vida de la tecnología pueden ayudar a los tomadores de decisiones a reducir la incertidumbre en relación a las estrategias de monitoreo e inversión y en momento a adecuado para ejercer mecanismos de derecho tecnológico y propiedad intelectual.
Desde el punto de vista de artículos, dos de los tres cluster presentan puntos de inflexión en un año superior al actual – 2015, por lo que tienen un alto potencial para la generación de nuevas publicaciones científicas, estas tecnologías son: Emulsificación, sedimentación, secado, molienda, esterilización, tamizado y altas presiones.
Solo un cluster presenta punto de inflexión en artículos antes de 2015, lo que indica que en las tecnologías centrifugación, molienda, evaporación y plasma frio, la dinámica de publicaciones ha bajado.
Desde el punto de vista de patentes, todas las 11 tecnologías analizadas presentan un punto de inflexión anterior a 2015, por lo que desde este punto de vista se trata de tecnologías maduras o en declive donde no se sugiere sobreinvertir ni ejercer mecanismos de derecho tecnológico y propiedad intelectual.
No se obtuvo un cluster con tecnologías con los dos puntos de inflexión a futuro, es decir mayor a 2015, en caso de existir tecnologías en alimentos con los dos puntos de inflexión a futuro, podríamos concluir que estas tecnologías estarían en fase emergente, entrante o clave, por lo que la estrategia a seguir sería la de monitoreo, inversión selectiva o control o construcción propia, además, desde el punto de vista de derecho tecnológico y propiedad intelectual si sería conveniente aplicar mecanismos tales como patentamiento, registro de software y diseño industrial entre otras.
5. Recomendaciones
Es importante estudiar las causas de la presentación de puntos de inflexión anteriores a la fecha de construcción de los modelos de curvas en S, ya que esta información ayuda a entender las variables internas y externas que llevaron a la existencia de ese cambio en el ciclo de vida de la tecnología.
Ampliar en número de tecnologías en alimentos con el fin de validar si efectivamente se presentan estos tres tipos de cluster y revisar si existen tecnologías en alimentos con puntos de inflexión futuros, ya que conformarían un nuevo cluster con grandes expectativas para generadores de tecnología, investigadores, académicos y empresarios.
Existen varias tecnologías denominadas "emergentes" en ingeniería de alimentos desde hace varios años, podría pensarse en aplicar estos modelos de curvas en S con el fin de validar si efectivamente dichas tecnologías entran en esa categoría.
6. Referencias
AFUAH, A. (1999). La dinámica de la innovación organizacional: El nuevo concepto para lograr ventajas competitivas y rentabilidad. México DF: Oxford University Press México.
AGUILAR, S., ÁVALOS, A., GIRALDO, D., QUINTERO, S., ZARTHA J.W. Y CORTÉS, F. (2012); "La Curva en S como Herramienta para la Medición de los Ciclos de Vida de Productos", J. Technol. Manag Innov, 7(1), 238-249.
ARTHUR D LITTLE. (1981). The Strategic Management of Technology. Cambridge, Mass.
AVALOS, A. F., AGUILAR, S., Y ZARTHA, J.W. (2011). "Curvas en S. Aplicación en Innovaciones de tres Sectores Industriales Colombianos", Revista Espacios, 32 (2), 21.
CORTÉS, I., ZARTHA, J., MÉNDEZ, K., CASTRILLÓN, F. (2013) Valoración de modelos de curvas en S aplicadas al sector financiero colombiano. Revista Espacios. ISSN 0798 1015. Vol. 34 (3) p 2.
DAIM, T., RUEDA, G., MARTIN, H., GERDSRI, P. (2006). Forecasting emerging technologies: Use of bibliometrics and patent analysis. Technological Forecasting & Social Change 73, 981–1012. DOI: 10.1016.
EROSA, V Y ARROYO, P. (2007); Administración de la tecnología: nueva fuente de creación de valor para las organizaciones; México. Limusa noriega editores, 258 p.
FERNÁNDEZ, E. (2005). Estrategias de Innovación. Thomson. Madrid.
GEANKOPLIS, C. (2006); Procesos de transporte y principios de procesos de separación; México. CECSA, 1034 p.
KAPLAN, S. (s.f.). Innovation Lifecycles. Leveraging market, technology, and organizational S-curves to drive breakthrough growth. Managing Principal, InnovationPoint LLC.
KOTLER, P. (1996). Dirección de mercadotecnia, análisis, planeación, implementación y control. Prentice Hall. México DF.
KUCHARAVY, D. (2007). Application of S-shaped curve. In proc. Triz future- conference, (Kassel university press GmbH), Frakfurt, Germany. 81-88.
KUCHARAVY, D., DE GUIO, R. (2009). Logistic Substitution Model and Technological Forecasting. The Triz Journal Part of the Real Innovation Network, ABI/Inform database.
LIDAN GAO, ALAN L PORTER, JING WANG, SHU FANG, XIAN ZHANG, TINGTING MA, WENPING WANG, LU HUANG (2011); TECHNOLOGY LIFE CYCLE ANALYSIS MODELLING BASED ON PATENT DOCUMENTS. Fourth International Seville Conference on Future-Oriented Technology Analysis (FTA) FTA and Grand Societal Challenges—Shaping and Driving Structural and Systemic Transformations Seville, 12–13 May 2011.
ORTIZ, S. Y PEDROZA, A. (2006); "¿QUÉ ES LA GESTIÓN DE LA INNOVACIÓN Y LA TECNOLOGÍA (GInnT)?", Journal of Technology Management and Innovation, 1(2), 64-82.
PAAP, J., KATZ, R. (2004). ANTICIPATING DISRUPTIVE INNOVATION. This article is based on his presentation at the Industrial Research Institute Annual Meeting, Colorado Springs, Colorado, May, 2003. 0895-6308.
PÉREZ, C. (2001); "El cambio tecnológico y las oportunidades de desarrollo como blanco móvil", Revista de la CEPAL, No. 75, 115-136.
PÉREZ C. (2004). Technological revolutions, paradigm shifts and socio-institutional change. CERF, Cambridge University, UK and SPRU, University of Sussex, U.K.
PÉREZ, C., SOETE, L. (1988). Catching up in technology: Entry barriers and windows of opportunity, G. Dosi y otros (ed.), Technical Change and Economic Theory, Londres, Pinter Publishers.
SCHILLING, M. (2010); Dirección estratégica de la innovación tecnológica. New York. Mc Graw Hill.
WHITE, M., BRUTON, G. (2007). The Management of Technology and Innovation: A Strategic Approach. Mason OH: Thomson Higher Education.
ZARTHA, J., ARANGO, B., HERNÁNDEZ, R., MORENO, F. (2014) Análisis del ciclo de vida de la tecnología a través de curvas en S: Aplicación en operaciones unitarias en alimentos. Revista Espacios. ISSN 0798 1015. Vol. 35 (7) p 1.
ZARTHA, J. W. PALOP, F. ARANGO, B. AVALOS, A. VÉLEZ, F. (2013); S-curve analysis and technology life cycle. Application in series of data of articles and patents. 3rd Global TechMining Conference, Atlanta.
1. Universidad Pontificia Bolivariana. Email: jhon.zartha@upb.edu.co
2. Universidad Pontificia Bolivariana. Email: bibiana.arango@upb.edu.co
3. Universidad Pontificia Bolivariana. Email: rhernandezz@uqvirtual.edu.co
4. Centro de Ciencia y Tecnología de Antioquia CTA. Email: jhosep005@gmail.com
5. Universidad Pontificia Bolivariana. Email: gina.orozco@upb.edu.co