1. Introducción

El incremento de la complejidad de las cadenas de suministros (CS) lleva a que los investigadores reconozcan la necesidad de medir y monitorear su funcionamiento, para evaluar el desempeño organizacional, gestionar efectivamente las actividades y ser más competitivo (^{Avelar- Sosa, García-Alcaraz y Maldonado-Macías, 2019}; ^{Hemalatha, Rao, Rambabu y Venkatasubbaiah, 2017}; ^{Sánchez-Flores, Ojeda-Benítez, Cruz-Sotelo y Navarro-González, 2020}). Esta complejidad es consistente con la cantidad de actores presentes, por lo que ha sido un aspecto debatido en la literatura (^{Narimissa, Kangarani-Farahani y Molla-Alizadeh- Zavardehi, 2020}; ^{Mohaghar, 2014}). También se reconocen las necesidades de medir el desempeño de la CS (^{Ahi y Searcy, 2015}), de poseer capacidades ágiles como condiciones necesarias para maximizar el desempeño de la cadena de suministro sostenible (^{Gey, Yusuf, Menhat, Abubakar y Ogbuke, 2020}) y de administrar la relación entre los participantes y sus recursos (^{Icarte-Ahumada, 2016}). En la actualidad, el desempeño de las CS se considera un factor clave de análisis para el mejoramiento de los procesos de dichas cadenas (^{Kumar, Kumar, Rao y Veeramalla, 2019}).

La mejora continua de las CS requiere de la integración efectiva de todos los elementos que la componen (^{Parmenter, 2015}). Este enfoque de gestión hace necesario reducir el riesgo y el impacto ambiental negativo a los niveles fijados (^{Dey y Cheffi, 2013}), lo que acentúa la utilidad de considerar varios criterios para evaluar y mejorar el desempeño de la CS, mediante métricas integradas en un indicador o índice general (^{Anand y Grover, 2015}).

Las expectativas del siglo XXI han cambiado y se observa un énfasis en las prácticas limpias y la dimensión social, unido a la conservación del tradicional criterio económico en el desempeño de una CS, con el nombre de cadenas de suministro sostenibles (CSS) (^{Chacón-Vargas y Moreno- Mantilla, 2016}; ^{Chin, Tat y Sulaiman, 2015}). La sostenibilidad en el desempeño de la CS (^{Katiyar, Meena, Barua, Tibrewala y Kumar, 2018}) ha ganado interés entre académicos y empresarios gracias a la consideración de aspectos sociales y ambientales (^{Mani, Gunasekaran y Delgado, 2018}). Esto requiere de mecanismos robustos de medición, necesarios para transitar hacia una economía más limpia (^{Acquaye, Ibn, Genovese, Afrifa, Yamoah y Oppon, 2017}). Las métricas empleadas en esta evaluación están dirigidas a los actores clave, al contexto de sostenibilidad y a sus características.

Varios investigadores han realizado importantes aportes utilizando técnicas con enfoque difuso, debido a la incertidumbre de la información para evaluar el desempeño, sin mostrar un indicador integral. A su vez, estos indicadores están compuestos por criterios con un enfoque funcional o departamental de la CS (^{Acquaye et al. 2017}; ^{Chin et al., 2015}; ^{Jakhar, 2015}; ^{Sopadang, Wichaisri y Banomyong, 2017}; ^{Tong, 2017}; ^{Uygun y Dede, 2016}; ^{Wang, 2012}; ^{Zhang, 2017}) y no por procesos, con la excepción de ^{Tsai y Hung (2009)}. Estos autores, aunque analizaron el desempeño de CS mediante criterios con enfoque en procesos internos, solo consideraron los eslabones de abastecimiento y manufactura, por medio de criterios de las dimensiones económica y ambiental. También fueron utilizados métodos basados en múltiples criterios, como el de jerarquías analíticas o de Saaty (AHP, por su sigla en inglés), pero sin proponer un indicador integral, y los criterios utilizados fueron funcionales.

Los autores mencionados en el tema de la evaluación del desempeño de CSS han realizado aportes importantes, entre los que resaltan el empleo de diferentes herramientas matemáticas, que incluyen métodos basados en múltiples criterios, el tratamiento de hasta dos dimensiones del desarrollo sostenible y algunas incursiones en el enfoque en procesos de las CS. Todos combinan métodos de investigación cuantitativos y cualitativos, lo cual es acertado en estos estudios. Sin embargo, dejan una brecha en la investigación en cuanto a la definición de un indicador integral para evaluar toda la CS con enfoque en procesos, que considere las tres dimensiones (económica, ambiental y social) del desarrollo sostenible.

Es opinión de los autores del presente artículo que, si bien es importante la evaluación de procesos y eslabones de una CS, también es necesario evaluarla de manera integral. Esta afirmación se justifica por la presencia de las denominadas relaciones de conflicto en la toma de decisiones, en las que las mejoras en algún proceso pueden deteriorar el funcionamiento de otros y de la CS como un todo. Esto se acentúa cuando se consideran diferentes dimensiones de la sostenibilidad, por lo que las medidas que se apliquen deben mejorar el desempeño de toda la CS. Por esa razón, el objetivo general del presente artículo fue desarrollar una herramienta metodológica para evaluar el desempeño de CSS mediante un indicador integral, compuesto por indicadores parciales enfocados en procesos, que considere las tres dimensiones del desarrollo sostenible y utilice métodos basados en múltiples criterios.

Para demostrar la factibilidad y bondades de la herramienta metodológica desarrollada, se tomó como estudio de caso la CS cubana de contadores de energía eléctrica. Esta CS utilizaba un enfoque en procesos en la gestión, pero basaba la toma de decisiones logísticas en los tradicionales criterios económicos y carecía de una herramienta que incluyera criterios ambientales y sociales; esta situación problemática originó la investigación. Para facilitar la lectura y comprensión, el artículo fue estructurado en las siguientes secciones: introducción, marco teórico, metodología, análisis de los resultados y conclusiones.

2. Marco teórico

Durante las últimas dos décadas, la gestión de la CS se ha convertido en un tema importante de investigación en la literatura de negocios. También se ha demostrado que las CS bien gestionadas pueden proporcionar ventajas competitivas para las organizaciones, las regiones y los países. Se reconoce que para lograr ese objetivo se necesita ser productivo (^{Sun, Xu y Li, 2020}; ^{Elgazzar, Tipi y Jones, 2019}; ^{Kumar, Shivashankar y Kadadevaramath, 2017}; ^{Vinajera-Zamora, Marrero-Delgado, Coello-Machado y Glistau, 2015}), agregar valor en cada uno de los procesos (^{Kaido y Katsuhito, 2020}; ^{Schenk, Thuronyi y Cui 2016}), ser rentable (^{Tripathi y Talukder, 2020}; ^{Dossou y Nachidi, 2017}; ^{Mathivathanan, Govindan y Haq, 2017}; ^{Moharamkhani, Amiri y Mina, 2017}; ^{Montero, Schmalenberg, Quirós y Doluschitz, 2018}; ^{Tortorella, Giglio y Limon-Romero, 2018}), mejorar continuamente (^{Egiguren y Elordi 2011}), lograr el enfoque en el cliente (^{Tyagi, Kumar y Kumar, 2017}) y gestionar la CS por procesos (^{Tundys y Fernando, 2020}; ^{Miri-Lavassani, 2018}).

La CS vista desde una perspectiva económica, ambiental y social ha llamado la atención de los investigadores, dado el aumento de la conciencia social respecto a estas dimensiones. Al mismo tiempo, se ha producido un cambio en las filosofías tradicionales de gestión (^{Mediavilla, Errasti y Domingo, 2011}), ya que, además de velar por los objetivos económicos, también se debe cumplir con objetivos sociales y ambientales (^{Mishra, Gunasekaran, Papadopoulos y Hazen, 2017}; ^{Narimissa et al., 2020}; ^{Saeed y Kersten, 2017}; ^{Tyagi, Kumar y Kumar, 2018}). A este nuevo enfoque se le denomina gestión de la CSS (^{Ala-Harja y Helo, 2016}; ^{Feitó-Cespón, Cespón-Castro y Rubio-Rodríguez, 2016}). Algunos autores abordan este concepto desde posiciones tecnológicas, políticas, operacionales y culturales, que pueden variar entre países y áreas geográficas (^{Gopal y Thakkar, 2015}; ^{Guan, Cheng y Ye, 2010}).

Para evaluar y mejorar el desempeño de la CSS, se emplean métricas que permiten medirla (^{Sánchez-Flores et al., 2020}) por procesos (^{Tundys y Fernando, 2020}), departamentos, eslabones de la cadena, proyectos, grupos e individuos. Así, al realizar una búsqueda en la literatura usando el término desempeño de la CSS (sustainable supply chain performance), se identificó un total de 62 investigaciones. El 31% (19) realiza una revisión de la literatura o identifica criterios que sirven de ayuda para la evaluación de su desempeño, sin mostrar cómo evaluarla. Del 69% restante, 22 (36%) no muestran contribuciones sobre su evaluación y solo en las 21 investigaciones que aparecen en la figura 1 se ofrecen formas de medir el desempeño de las CSS.

La figura 1 contiene cuatro vertientes: a) método empleado para el cálculo o evaluación, b) enfoque de dicha evaluación (global¹ o detallado²), c) integración de los criterios en un indicador o índice y d) propuesta de la escala de evaluación.

En la figura 1(a) se observa la tendencia que empleará la lógica difusa con tratamientos diferentes. ^{Zhang (2017)} y ^{Tong (2017)} utilizaron operadores; y ^{Tyagi, Kumar y Kumar (2015)}, la técnica difusa (Fuzzy Technique for Order of Preference by Similarity to Ideal Solution [TOPSIS]), para encontrar la mejor alternativa de mejorar el desempeño de CSS. ^{Mohaghar (2014)} usó un método de programación difusa de preferencia logarítmica; y ^{Pang (2013)}, el exhaustivo difuso multinivel para crear el sistema de indicadores. En cambio, ^{Uygun y Dede (2016)} utilizaron TOPSIS para evaluar el desempeño de CSS; ^{Jakhar (2015)}, un modelo de programación lineal con múltiples objetivos para obtener la mejor estrategia; y ^{Wang (2012)}, un método difuso de evaluación exhaustiva. Los criterios empleados en estas investigaciones fueron funcionales. Ello significa que no se realizó previamente un estudio de los procesos (en diferentes niveles) que componen la CS, para, en función de ellos, definir los criterios de evaluación. Una herramienta que ha demostrado un elevado potencial para el enfoque en procesos es el modelo de referencia para las operaciones de la CS (SCOR, por sus siglas en inglés) (^{Jamehshooran, Shaharoun, Haron, 2015}; ^{Moharamkhani et al., 2017}; ^{Sellitto, Pereira, Borchardt, da Silva, Viegas, 2015}).

^{Tsai y Hung (2009)} proponen un modelo de programación metadifusa; ^{Golghate y Pawar (2013)}, un análisis de lógica difusa; y ^{Liu y Wang (2011)} y ^{Guan et al. (2010)} aplicaron un método difuso de evaluación exhaustiva para determinar el desempeño de una CSS. ^{Jun (2009)} utilizó un método de evaluación por síntesis de los niveles difusos multietapa para evaluar el desempeño en grupos de CSS; ^{Zhang y Zhiwei (2009)}, un modelo difuso de evaluación exhaustiva; y ^{Shuwang, Lei, Zhifeng y Guangfu (2005)}, una evaluación difusa de dos capas.

Se identificaron dos investigaciones que emplearon métodos basados en múltiples criterios. ^{Jellali y Benaissa (2015)} utilizaron estos métodos para obtener una clasificación de las mejores prácticas en el mejoramiento del desempeño de la CSS, y ^{Dey y Cheffi (2013)} utilizaron el AHP para determinar los criterios más importantes en el desempeño de las CSS analizadas. Los criterios empleados en estas investigaciones también fueron funcionales.

En la figura 1(a), aparecen además investigaciones que emplearon otros métodos. ^{Acquaye et al. (2017)} utilizaron un modelo cuantitativo para medir la sostenibilidad de la CS desde perspectivas ambientales. ^{Rujema, Richu y Aquilars (2015)} usaron herramientas estadísticas (estadística descriptiva e inferencial y pruebas de correlación) para analizar el efecto de las estrategias de compra en el desempeño de la CSS; ^{Gopal y Thakkar (2015)}, la técnica de polígono en la evaluación del análisis del ciclo de vida (ACV); y ^{Gao, Li y Song (2009)}, un algoritmo de conversión de miembros con igual objetivo.

En la figura 1(b), se observa que solo un trabajo presenta un enfoque en procesos. Es el caso de ^{Tsai y Hung (2009)}, que, como se comentó, utilizaron una perspectiva de análisis de los procesos de abastecimiento y manufactura, y los criterios empleados analizaron solo las dimensiones económicas y ambientales. En la figura 1(c), se muestra la integración de criterios en un indicador en el que se evidencian las investigaciones de ^{Gopal y Thakkar (2015)}, ^{Golghate y Pawar (2013)}, ^{Liu y Wang (2011)}, ^{Guan et al; (2010)}, ^{Jun (2009)}, ^{Zhang y Zhiwei (2009)} y ^{Shuwang et al; (2005)}. En estas, se emplearon criterios funcionales. La figura 1(d) muestra las investigaciones que proponen una escala de evaluación, entre estas se destacan las de ^{Jakhar (2015)}, ^{Guan et al. (2010)} y ^{Jun (2009)}, aunque también con enfoque funcional.

A pesar de que los diferentes métodos para evaluar el desempeño de la CS, ya descritos, no son en su mayoría excluyentes, la totalidad de los autores consultados prefieren el empleo de un método en particular. Otro análisis realizado se refiere a los criterios analizados en estas investigaciones. En la figura 2 se muestran los criterios abordados en cada una de las 21 investigaciones antes mencionadas.

A partir de los aportes mostrados en la figura 2, en la presente investigación fueron seleccionados los criterios de rentabilidad, servicio al cliente, productividad o eficiencia, valor agregado e impacto ambiental. El valor agregado se incorpora como consecuencia de la aplicación del método propuesto y es explicado más adelante en el punto correspondiente a los resultados. Los criterios planteados se corresponden con el estudio de caso que se analiza en el presente artículo, pues el método propuesto es flexible al cambio de criterios, independiente de la CS que se analice.

El análisis de las investigaciones contenidas en las figuras 1 y 2 corrobora que el objetivo que se plantea en el presente trabajo resulta de interés en la literatura especializada y en la práctica empresarial.

Por esa razón, al utilizar métodos basados en múltiples criterios, para obtener un indicador integral e indicadores parciales con un enfoque en procesos para evaluar la CSS, y con base en los criterios señalados en el párrafo anterior, se afirma que la herramienta metodológica propuesta permite las siguientes acciones:

3. Metodología

El método propuesto está compuesto por cinco pasos de trabajo que son explicados a continuación:

Para calcular el VA _ij , se utilizó la metodología de ^{Vinajera-Zamora, Marrero-Delgado y Ruiz-Morales (2017)}, reflejada en las expresiones (5) y (6). El término Swij expresa el peso específico promedio del proceso i en el producto j, es decir, el nivel de importancia de un proceso en el producto que se procesa. Constituye un valor promedio de la relación de tres parámetros esenciales, que son el costo agregado por el proceso i al producto j en unidades monetarias por unidad de producto (Cij), respecto al costo total de producto para toda la CS en las mismas unidades de medida (Cj); tiempo de elaboración del proceso i en el producto j en unidades de tiempo por unidad de producto (tij) respecto al tiempo del producto en la CS en iguales unidades de medida (Tj) y, por último, el tiempo de retraso promedio total del producto i en unidades de tiempo por unidad de producto (Dtij), respecto al tiempo total de retraso del producto en toda la CS en las mismas unidades (Dt). De esta forma, se considera el impacto del proceso más costoso, el que más demora y el que mayores atrasos provoca. El otro término empleado es Bj, que constituye el beneficio neto del producto j en unidades monetarias por unidad de producto.

Las modificaciones mencionadas fueron la primera, en el tercer paso, que coincide con el tercer paso del procedimiento ACV+DEA. Se aplicó el modelo propuesto por ^{Barba-Gutiérrez, Adenso-Díaz y Lozano (2009)}, que toma como datos de entradas los impactos ambientales y no los recursos empleados, como el método de ^{Vázquez-Rowe et al. (2010)}. La segunda modificación se deriva del enfoque en procesos utilizados, por lo que fueron incorporados los valores de VA _ij calculados a través de la expresión (6), en lugar del precio del producto j que propone el DEA. El modelo modificado se presenta mediante el conjunto de ecuaciones (9).

En este modelo (9), la variable que se debe optimizar es el valor de la ecoeficiencia del proceso i en el producto j (γ_ij) expresada en eco-puntos o puntos ambientales; las variables de decisión son la reducción de la categoría de impacto ambiental K para llegar a la ecoeficiencia αk en iguales unidades de medida, utilizando el Eco-indicador 99 y el vector de pesos del proceso i (λi). Por su parte, Iik es un parámetro de entrada que expresa el impacto ambiental del proceso i en la categoría ambiental k, n la cantidad de procesos y c cantidad de categorías de impacto ambiental.

Una vez obtenida la ecoeficiencia de cada uno de los procesos, se calcula la ecoeficiencia de la CS a través de la expresión (10), Wi es el peso promedio del proceso i según componentes ambientales (expresión 11), n, cij y tij son términos ya explicados en las expresiones (3), (4) y (5), Iaij (T) es el impacto ambiental del proceso i al procesar el producto j en un periodo de tiempo T (suma de los impactos ambientales en cada una de las categorías) y tnij es el tiempo normado total para el proceso i en el producto j en unidades de tiempo por unidad de producto. El resultado de la ecoeficiencia fluctúa entre 0 y 1; aquí son deseables aquellos valores que más se aproximen al extremo superior.

A los efectos del presente artículo, el término ecoeficiencia en la CS expresa un estado de perfección respecto a la dimensión ambiental que desde el punto de vista práctico nunca es alcanzable, por lo que siempre es posible encontrar brechas para el mejoramiento.

Donde W_q es el peso del criterio q, ME _q es la máxima evaluación del criterio q, Rpp _q es la razón de puntos perdidos en el criterio q, q es el índice de criterios, m es la cantidad de criterios analizados y Eq es la evaluación obtenida por el criterio. Si Rpp _q obtiene un valor negativo, significa que el criterio obtuvo una evaluación mejor que la evaluación máxima propuesta, por lo que los puntos perdidos en dicho criterio serán cero. Con el valor del SCPI, se evalúa el desempeño de la CS utilizando la escala propuesta por los expertos que se explica en el punto correspondiente a los resultados.

4. Resultados

La herramienta metodológica descrita fue aplicada a la CS de contadores de energía eléctrica (CEE) de 127 y 220 voltios (v), tomada como estudio de caso, que comprende su adquisición en el proveedor extranjero, calibración en la empresa y entrega al cliente (empresas eléctricas del país que los instalan en las viviendas). Para definir los procesos, se consideraron los dos primeros niveles propuestos por el modelo SCOR; en el primer nivel se definieron los procesos de aprovisionamiento, producción y distribución y, en el segundo, los enumerados del P1 al P10 en la figura 3 (^{Jamehshooran et al., 2015}; ^{Moharamkhani et al., 2017}; ^{Sellitto et al., 2015}).

Los resultados de la aplicación de la herramienta metodológica se muestran a continuación:

Se aplicó una encuesta a un grupo de expertos³ seleccionado previamente; estos dieron una puntuación según la escala de ^{Saaty (1980)}, de acuerdo con sus opiniones sobre el impacto e importancia de los criterios identificados en la literatura sobre el desempeño de la CS estudiada. Con los resultados de la encuesta, se aplicó un método de clasificación (método clúster), para seleccionar los criterios que formarían el SCPI (productividad, servicio al cliente, valor agregado, la rentabilidad e impacto ambiental). El criterio relacionado con los beneficios y las ventas no fue incluido, pues está contenido en la rentabilidad, mientras que el valor agregado fue defendido con fuerza por los expertos, a pesar de no ser uno de los recomendados en la literatura especializada (figura 2).

Se realizó un trabajo en equipo para determinar la escala de evaluación de cada uno de los criterios (tabla 1). Una vez determinada la cantidad de evaluaciones, se determinaron todas las posibles combinaciones para el cálculo del SCPI (5 x 5 x 5 x 4 x 5 = 2500 SCPI). Luego, fueron procesados cada uno de estos SCPI, clasificados según la escala de la tabla 1, y se realizó un análisis discriminante para comprobar los límites de cada grupo de evaluación. Este análisis permitió corroborar la correcta clasificación del 83,4% de los datos y crear la escala para evaluar el SCPI (última columna, tabla 1) según los resultados obtenidos del software.

Como parte de este paso, se calcularon los valores de cada uno de los criterios para los CEE de 127v y 220v.

Luego, tomando como base que el volumen total de producción fue de 137.828 contadores eléctricos (CEE) de 127v y 262.172 de 220v, con 295 defectuosos (133 de 127v y 163 de 220v), de los cuales se recuperaron 133 de 127v y 113 de 220v, se obtuvo una TVA de 99,87%. Este valor es considerado como muy bueno en la tabla 1.

En la evaluación del impacto ambiental, se comenzó por determinar el inventario del ciclo de vida para toda la CS analizada (tabla 4).

Luego, se calcularon las categorías de impacto ambiental según el Eco-indicador 99 y se aplicó el modelo mostrado por el conjunto de ecuaciones (9), hasta obtener la ecoeficiencia para cada proceso (última columna, tabla 5). Por último, se aplicó la expresión (10), que es el resultado final de la ecoeficiencia de la CS de 0,726, para una evaluación de mal (tabla 1).

Para el cálculo del peso de cada criterio se aplicó el método de ^{Saaty (1980)}. En la tabla 6 se muestra el valor de los criterios de la CS estudiada y los pesos calculados para cada uno de ellos. Los resultados de cada criterio se corresponden con los obtenidos en el paso 3 de la herramienta metodológica.

Se procede con el cálculo del SCPI, que integra todos los criterios al considerar el aporte de cada uno a la sostenibilidad de la CS. La figura 4 muestra este resultado. Se puede observar para cada criterio el peso ponderado y el valor obtenido del criterio en los pasos anteriores (tabla 6), junto con su evaluación.

Aplicando la expresión (12), se obtuvo un valor de SCPI de 0,561. Según la escala propuesta (tabla 1) el desempeño de la CS es regular. Este resultado refleja la necesidad de buscar las causas y aplicar mejoras para toda la CS. El peor comportamiento lo muestran los criterios ecoeficiencia y rentabilidad. Luego de propuestas las mejoras, se aplica de nuevo la metodología y de ser positivo su impacto se pone en práctica. En un estudio posterior realizado por ^{Vinajera-Zamora, Sarache-Castro, Cespón-Castro y Marrero- Delgado (2014)}, se detectaron las principales causas de este comportamiento y las acciones de mejora emprendidas:

5. Conclusiones

La literatura especializada y la práctica empresarial reconocen la importancia de medir el desempeño de las CS y transitar hacia CSS. Al respecto, existen aportes importantes que constituyeron el punto de partida del presente trabajo, junto con la situación problemática definida en la CS estudiada.

Esta investigación cubre el vacío de conocimiento dejado por los autores consultados en la bibliografía especializada en la medición del desempeño de CSS, lo que facilita su monitoreo y mejoramiento continuo. Presenta como novedad la integración del enfoque en procesos, los métodos basados en múltiples criterios y la sostenibilidad. Además, el SCPI obtenido permite tomar decisiones sobre toda la CS de forma integral y considerar las situaciones de conflicto que se puedan presentar.

Resultaría interesante el desarrollo de trabajos similares para evaluar la CSS con enfoque en procesos, con el empleo de otros métodos como los estadísticos y la lógica difusa, por citar solo algunos. Sin embargo, en conjunto con la necesaria generalización de trabajos como este, el mayor reto se encuentra en las investigaciones de la dimensión social de la CS, pues posee aún muchas aristas en las que se debe profundizar.