Back to top

Técnica Administrativa

Curación Abierta – CyTA + ChatGPT (OpenAI) + Gemini
  • Primera instancia: Curación académica realizada por CyTA, según criterios de integridad científica, semántica y estructura académica (disponible a partir de 2024/07).
  • Segunda instancia: Curación asistida por inteligencia artificial (ChatGPT, desarrollada por OpenAI), y Gemini; mediante prompts especializados diseñados por CyTA. (disponible a partir de 2001/09)

Este protocolo implementa un modelo de revisión abierta, responsable y trazable, centrado en la formación, la transparencia y la accesibilidad del conocimiento.


Índice

Research article

From the Linear Factory to Biorefinery 4.0: the leap in technical efficiency in Northwestern Argentina

Lamarque, Marcelo Javier ⓘ
Facultad de Ingeniería, Universidad del Norte Santo Tomás de Aquino.
CENIT (Centro de Innovación Tecnológica),
Facultad de Ciencias Exactas y Tecnología,
Universidad Nacional de Tucumán.

Rodríguez Rey, Julio César ⓘ
CENIT (Centro de Innovación Tecnológica),
Facultad de Ciencias Exactas y Tecnología,
Universidad Nacional de Tucumán.

Bearzotti, Lorena ⓘ
Escuela de Ingeniería de Construcción y Transporte,
Pontificia Universidad Católica de Valparaíso, Chile.

Resumen

Background: La industria azucarera del Noroeste Argentino (NOA) se encuentra en un proceso de transformación frente a la obsolescencia del modelo productivo lineal. En este contexto, la eficiencia técnica y la adopción de enfoques digitales avanzados se vuelven esenciales para sostener la competitividad y adaptarse a nuevas demandas productivas y energéticas.

Gap: El artículo aborda la falta de integración entre herramientas analíticas avanzadas y la gestión estratégica de la eficiencia en la industria, particularmente en relación con la interpretación del "Yield Gap" y la transición hacia modelos más complejos como la biorrefinería.

Purpose: El objetivo principal es demostrar que la transición hacia el modelo de Biorefinery 4.0 constituye una necesidad crítica, condicionada por el nivel de sofisticación analítica de las empresas del sector.

Methodology: Se propone un enfoque híbrido que combina el modelo DEA-BCC orientado a outputs para evaluar la eficiencia técnica, junto con algoritmos Random Forest utilizados como herramienta de análisis para descomponer el Yield Gap. El análisis se basa en datos auditados del IPAAT correspondientes a 19 unidades de decisión (DMUs).

Results: Los hallazgos evidencian que el cierre de brechas operativas no depende exclusivamente de la inversión en capital físico, sino también de la capacidad estratégica para gestionar flujos de biomasa y energía mediante modelos prescriptivos.

Conclusion: El estudio contribuye al campo al resaltar la importancia de la analítica avanzada en la mejora de la eficiencia técnica, posicionando la Biorefinery 4.0 como un paradigma clave para la evolución sostenible del sector.

Palabras Clave:

Eficiencia Técnica, Biorrefinería 4.0, Análisis Envolvente de Datos   ⓘ

Keyword:

Technical Efficiency, Biorefinery 4.0, Data Envelopment Analysis - - -

Revisión Académica

La revisión académica es realizada aplicando una demarcación epistemológica, la cual permite valorar un trabajo científico para la web semántica -

Revisor

Community Science

Show concept
Campos de conocimiento disciplinares, establecida por la actuación de la comunidad de investigadores, que conforman la línea de investigación. La denominación, indicadas en las keywords o subjects, surge de aplicar de un sistema taxonómico, tal es el UNESCO Thesaurus, enumerando así el término general, el particular, y algunos otros relacionales si correspondiera.

Crowdsourcing Citizen Science

Show concept
Personas, agrupaciones gubernamentales, industriales, o sociales que contribuyen colaborativamente (Crowdsourcing), con la investigación, y quienes participan más activamente (Citizen Science) en en todas o en algunas de las etapas de la investigación; estableciendo una Investigación-Acción.
Ver caso

Object of study

Show concept
Principal idea sustanciada en evidencias relevantes que permite distinguir y comprender, en esencia, al objeto de estudio; y el conjunto de datos (Dataset) que sustenta dichas evidencias.

Philosophical Background

Show concept
Cosmovisión o conjunto de conceptos utilizados que modelan, de manera rigurosa, el dominio del discurso; y por el cual se plantea el problema y explora la respuesta.

Formal Background

Show concept
Forma en que se referencia o representa, desde la lógica o la matemática, al objeto de estudio.

Specific Background

Show concept
Conocimiento específico en que se basa el estudio, como ser teorías, leyes, teoremas, axiomas, principios, o modelos aceptados por los cuales se referencia o representa al objeto de estudio.

Accumulated Background

Show concept
Bagaje acumulado de conocimientos obtenidos previamente por los miembros de la comunidad de investigadores.

Problematic

Show concept
Planteo concreto o hipótesis, mediante el cual se presenta al problema.

Objective

Show concept
Propósito del estudio (como fin último en referencia a la naturaleza del objeto de estudio), su objetivo o meta (como resultado a priori) que se persigue, y sus implicancias.

Methodical

Show concept
Tipo de metodología se aplica para resolver el problema de investigación.

Results

Show concept
Principales evidencias, en lo posible expresadas como conjunto de dato (Dataset) surgentes del estudio, y el principal resultado que concuerda con el objetivo.

Conclusion

Show concept
Deducción resultante de las consecuencias contrastables, provista por el principal hallazgo (resultado); y su implicancia o aporte al campo del conocimiento (Bagaje Acumulado).
No se encontró al autor en la base de datos

Bibliography

Almeida, Gabriela Mourão De, Gener Tadeu Pereira, Angélica Santos Rabelo De Souza Bahia, Kathleen Fernandes, y José Marques Júnior. 2021. «Machine Learning in the Prediction of Sugarcane Production Environments». Computers and Electronics in Agriculture 190 (noviembre): 106452.

Anino, Pablo. 2018. «Informes de Cadena de Valor - Azucarera». Ciudad Autónoma de Buenos Aires: Subsecretaría de Programación Microeconómica - Secretaría de Política Económica - Ministerio de Hacienda - Presidencia de la Nación.

Banker, Rajiv D. 1984. «Estimating Most Productive Scale Size Using Data Envelopment Analysis». European Journal of Operational Research 17 (1): 35-44.

Barredo Arrieta, Alejandro, Natalia Díaz-Rodríguez, Javier Del Ser, y Adrien Bennetot. 2020. «Explainable Artificial Intelligence (XAI): Concepts, Taxonomies, Opportunities and Challenges toward Responsible AI». Information Fusion.

Bogetoft, Peter, y Lars Otto. 2011. Benchmarking with DEA, SFA, and R. Vol. 157. International Series en Operations Research and Management Science.

Bonomi, Antonio. 2011. «Virtual Sugarcane Biorefinery: A Tool to Compare the Sustainability of Different Technological Alternatives». CEPAC PASI 2011 Presentation.

Davis, Steve, Ivan Voigt, y kitty Foxon. 2019. «New Opportunities for Improved Sugar Factory Performance through the Sugar Factory 4.0 Project - Shukela Sugar Magazine». Shukela Sugar Magazine.

Dessbesell, Luana, Chunbao (Charles) Xu, Reino Pulkki, Mathew Leitch, y Nubla Mahmood. 2017. «Forest Biomass Supply Chain Optimization for a Biorefinery Aiming to Produce High-Value Bio-Based Materials and Chemicals from Lignin and Forestry Residues: A Review of Literature». Canadian Journal of Forest Research 47 (3): 277-88.

Ghobakhloo, Morteza. 2018. «The Future of Manufacturing Industry: A Strategic Roadmap Toward Industry 4.0». Journal of Manufacturing Technology Management 29 (6): 910-36.]

Mandegari, Mohsen Ali, Somayeh Farzad, Eugéne van Rensburg, y Johann F. Görgens. 2017. «Multi-Criteria Analysis of a Biorefinery for Co-Production of Lactic Acid and Ethanol from Sugarcane Lignocellulose». Biofuels, Bioproducts and Biorefining 11 (6): 971-90.

Meramo-Hurtado, Samir I., Eduardo Sanchez-Tuiran, José María Ponce-Ortega, Mahmoud M. El-Halwagi, y Karina Angélica Ojeda-Delgado. 2020. «Synthesis and Sustainability Evaluation of a Lignocellulosic Multifeedstock Biorefinery Considering Technical Performance Indicators». ACS Omega 5 (16): 9259-75.

Pessl, Ernst. 2017. «Roadmap Industry 4.0 – Implementation Guideline for Enterprises». International Journal of Science, Technology and Society 5 (6): 193.

Petrus, Ana, Albert Weichselbraun, Ralf-Peter Mundani, Stefanie Müller, Ingo Barkow, Ana Bucić-Kojić, Mirela Planinić, Marina Tišma, y Ana Jurinjak Tušek. 2024. «Systematic Review of Machine-learning Techniques to Support Development of Lignocellulose Biorefineries». Chemical and biochemical engineering quarterly 38 (3): 241-63.

Zhu, Joe. 2022. «DEA Under Big Data: Data Enabled Analytics and Network Data Envelopment Analysis». Annals of Operations Research 309 (2): 761-83.


Inteligencia Artificial Generativa para usos académicos

📊 Análisis de tendencias en palabras clave

Las palabras clave de este artículo han sido analizadas a través de Google Trends, permitiendo visualizar su tendencia en los últimos cinco años. Esto facilita comprender su impacto en el ámbito científico y su relevancia en el tiempo. Las palabras clave provienen de un enfoque estructurado basado en un thesauro temático, disciplinar y metodológico; disponible en: https://skos.um.es/unesco6/. La integración con IA permitirá, en el siguiente paso, analizar la pertinencia de estas palabras clave en función de la literatura académica y el impacto en bases científicas.


Prompt sugerido para revisar el resumen

Para la curacción del resumen se ha establecido una longitud recomendada entre 150 y 250 palabras, y la siginete estructura: Contextualización, Intersticio, Propósito, Metodología, Resultados y Conclusiones; dado que la misma:


Prompt sugerido para revisar la semántica del resumen

El siguiente prompt se centra en la curación semántica del resumen científico.

El objetivo es garantizar que el resumen capture la esencia del artículo y sea comprensible para la comunidad académica.

Este prompt conjuga con el prompt se complementa con el desarrollado para ChatGPT analizando, valorando y asistientdo, entre ambos, a la estructura y la semántica del trabajo.

Prestaremos especial atención a la claridad, la precisión y las relaciones entre los conceptos clave.


Prompt sugerido para curar el artículo con

ChatGPT

Copilot

Gemini

Una de las características centrales para proporcionar respuestas precisas, en tiempo real y verificables es la funcionalidad de Grounding with Google Search (Fundamentación con Búsqueda de Google); por lo que se establece una estructura de Prompt 'Deep Research' de CyTA para la Curación.


Prompt sugerido para curar la bibliografía

📖 La importancia de las referencias bibliográficas en la investigación

Las referencias bibliográficas no solo documentan la información utilizada, sino que reflejan la estructura filosófica y conceptual del estudio. Constituyen el andamiaje sobre el cual se construye el conocimiento, permitiendo:

🔹 Ubicar el estudio en su contexto dentro del campo científico.
🔹 Demostrar rigor académico, mostrando que el trabajo se basa en principios y teorías validadas.
🔹 Identificar tendencias y enfoques clave, revelando qué perspectivas guían la investigación.
🔹 Evitar el sesgo y la obsolescencia, asegurando que el conocimiento se base en fuentes actualizadas y diversas.

Por ello, analizar las referencias bibliográficas de un artículo permite:
📌 Determinar cuáles son las más influyentes dentro del documento.
📌 Evaluar la solidez teórica y metodológica del estudio.
📌 Identificar principios, teorías y enfoques clave en la disciplina.

🔍 Con esta herramienta, puedes obtener una selección optimizada de referencias destacadas, priorizando aquellas más relevantes por su frecuencia de citación, actualidad y relación con el tema central del documento.


Ask AI

Curation by Ask AI »

Phind

Curation by Phind »

SciSpace

Curation by SciSpace »

Revisión de Literatura Científica con SciSpace

Curation by SciSpace »

You.com

Curation by You.com »


Google Scholar Index

Article

De la Factoría Lineal a la Biorrefinería 4.0: el salto de eficiencia técnica en el noroeste argentino

Related Articles

Artículos relacionados

Buscar por subject: Technical Efficiency, Biorefinery 4.0, Data Envelopment Analysis


Version of Record - VoR

Journal: Técnica Administrativa

Volume: 25 , Number: 3, Order: 6 ; ISSUE: 107

Date of publisher:

URL: www.cyta.com.ar/ta/article.php?id=250306

License: Atribución 4.0 - Internacional (CC BY 4.0)

© Ciencia y Técnica Administrativa

Registro ISSN: 1666-1680


Cita del artículo

(2026). De la Factoría Lineal a la Biorrefinería 4.0: el salto de eficiencia técnica en el noroeste argentino . Técnica Administrativa. 25(3), 6. https://www.cyta.com.ar/ta/article.php?id=250306

Contribución

La programaciónha basada en IA, para la estructuración semántica y mejora del contenido, ha sido desarrollada con la contribución y asistencia de ChatGPT

ChatGPT (2025). Representación estructurada en RDF/Turtle para la curación semántica de artículos científicos.OpenAI. Disponible en este enlace.
Microsoft Copilot 7 de febrero de 2025 Análisis de las categorías relevantes de la demarcación epistemológica según Mario Bunge

Compartir en redes sociales

Facebook / Twitter / Whatsapp / Linkedln /


To send article, send it to the email: editorialcyta@gmail.com or cyta@cyta.ar

Identify it, in the subject field, with the word: Article

In the body of the email, indicate the following information for each of the authors, name to be quoted, filiation, and email.


Técnica Administrativa se encuentra indexada en los siguientes directorios de publicaciones científicas: Scholar Google, DIALNET, ZDB, LATINDEX, WorldCat, Crossref, REBIUN, PURL, Ágora, Miar, BINPAR, entre otros.