Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Gestión de riesgos operacionales en el proceso de logística inversa del aceite vehicular usado

Resumen

En la actualidad, las cadenas de suministro buscan establecer estrategias para la recuperación y reincorporación de los productos que cumplen su vida útil, no obstante en estas operaciones de logística inversa se presentan eventos que pueden generar no solamente pérdidas financieras para la empresa, sino también efectos nocivos sobre el medio ambiente y la comunidad. En este documento se realiza un proceso de identificación, priorización y control para los riesgos operacionales más representativos en el proceso de logística inversa del aceite vehicular usado debido al alto volumen de este residuo que se genera dentro del país y cuya mala gestión de las actividades de recuperación puede generar problemas ambientales, económicos y sociales.  La metodología utilizada para el proceso de gestión de riesgo implica el uso de la herramienta multicriterio QFD Fuzzy, para evaluar los eventos operacionales más comunes dentro del proceso usando la valoración de expertos en el sector, y posteriormente se diseña una serie de estrategias de mitigación a través del uso del diagrama Ishikawa. Entre los resultados más relevantes encontrados en el estudio se tiene el hecho de que los riesgos más relevantes en la logística inversa del aceite vehicular usado son el inadecuado proceso de almacenamiento, la ausencia de un vehículo adecuado para el transporte y la baja calidad del residuo. La investigación realizada establece un marco de referencia para el proceso de gestión del riesgo en compañías que se dediquen al aprovechamiento y reutilización de productos en una cadena de suministro de ciclo cerrado.

Palabras clave

gestión de riesgo, logística inversa, aceite vehicular usado, QFD fuzzy, cadena de suministro, diagrama Ishikawa

XML (English) PDF (English)

Biografía del autor/a

Andrés-Mauricio Paredes-Rodríguez

Roles: Investigación,   Metodología,   Escritua-revisión y edición, Análisis Formal.

Andrés-Felipe Grisales-Aguirre

Roles: Investigación, Visualización.

David-Alberto Sánchez-Zambrano

Roles: Investigación, Validación.


Citas

  1. J. C. Osorio, D. F. Manotas, L. Rivera, “Priorización de Riesgos Operacionales para un Proveedor de Tercera Parte Logística - 3PL,” Información tecnológica, vol. 28, no. 4, pp. 135–144, 2017. https://doi.org/10.4067/S0718-07642017000400016 DOI: https://doi.org/10.4067/S0718-07642017000400016
  2. G. Ramírez-Flórez, N. Tabares-urrea, J. C. Osorio Gómez, “Fuzzy AHP for 3PL supplier’s performance evaluation considering risk,” Revista Facultad de Ingeniería, vol. 26, no. 45, pp. 165–172, 2017. https://doi.org/10.19053/01211129.v26.n45.2017.6424 DOI: https://doi.org/10.19053/01211129.v26.n45.2017.6424
  3. H. Fan, G. Li, H. Sun, T. C. E. Cheng, “An information processing perspective on supply chain risk management: Antecedents, mechanism, and consequences,” International Journal of Production Economics, vol. 185, pp. 63–75, 2017. https://doi.org/10.1016/j.ijpe.2016.11.015 DOI: https://doi.org/10.1016/j.ijpe.2016.11.015
  4. M. A. Coronado, M. Colorado, J. C. Osorio Gómez, “Gestión del riesgo operacional en el proceso de transporte de producto terminado en el sector azucarero,” Scientia Technica, vol. 24, no. 4, p. 604, 2019. https://doi.org/10.22517/23447214.22811 DOI: https://doi.org/10.22517/23447214.22811
  5. M. Er Kara, S. Ü. Oktay Fırat, A. Ghadge, “A data mining-based framework for supply chain risk management,” Computers and Industrial Engineering, vol. 139, e105570, 2020. https://doi.org/10.1016/j.cie.2018.12.017 DOI: https://doi.org/10.1016/j.cie.2018.12.017
  6. C. S. Tang, “Perspectives in supply chain risk management,” International Journal of Production Economics, vol. 103, no. 2, pp. 451–488, 2006. https://doi.org/10.1016/j.ijpe.2005.12.006 DOI: https://doi.org/10.1016/j.ijpe.2005.12.006
  7. M. Dai, L. Liu, “Risk assessment of agricultural supermarket supply chain in big data environment,” Sustainable Computing: Informatics and Systems, vol. 28, e100420, 2020. https://doi.org/10.1016/j.suscom.2020.100420 DOI: https://doi.org/10.1016/j.suscom.2020.100420
  8. P. Dutta, P. Suryawanshi, P. Gujarathi, A. Dutta, “Managing risk for e-commerce supply chains: An empirical study,” IFAC-PapersOnLine, vol. 52, no. 13, pp. 349–354, 2019. https://doi.org/10.1016/j.ifacol.2019.11.143 DOI: https://doi.org/10.1016/j.ifacol.2019.11.143
  9. M. A. Moktadir et al., “Analysis of Risk Factors in Sustainable Supply Chain Management in an Emerging Economy of Leather Industry,” Journal of Cleaner Production, vol. 20202, e124641, 2020. https://doi.org/10.1016/j.jclepro.2020.124641 DOI: https://doi.org/10.1016/j.jclepro.2020.124641
  10. X. Deng, X. Yang, Y. Zhang, Y. Li, Z. Lu, “Risk propagation mechanisms and risk management strategies for a sustainable perishable products supply chain,” Computers and Industrial Engineering, vol. 135, pp. 1175–1187, 2019. https://doi.org/10.1016/j.cie.2019.01.014 DOI: https://doi.org/10.1016/j.cie.2019.01.014
  11. K. Biçe, S. Batun, “Closed-loop supply chain network design under demand, return and quality uncertainty,” Computers and Industrial Engineering, vol. 155, e107081, 2021. https://doi.org/10.1016/j.cie.2020.107081 DOI: https://doi.org/10.1016/j.cie.2020.107081
  12. U. R. De Oliveira, L. Aparecida Neto, P. A. F. Abreu, V. A. Fernandes, “Risk management applied to the reverse logistics of solid waste,” Journal of Cleaner Production, vol. 296, e126517, 2021. https://doi.org/10.1016/j.jclepro.2021.126517 DOI: https://doi.org/10.1016/j.jclepro.2021.126517
  13. C. E. Peña, D. E. Carter, F. Ayala-Fierro, Toxicología Ambiental: Evaluación de riesgos y restauración ambiental, 2001.
  14. Asociación Colombia del Petróleo (ACP), Fondo de Aceites Usados (FAU), Informe FAU 2021, p. 14, 2021.
  15. Ministerio de Ambiente Vivienda y Desarrollo Territorial, Manual Técnico para el Manejo de Aceites Lubricantes Usados, 2006.
  16. Ministerio de Ambiente, Manual técnico para el manejo de aceites lubricantes usados de origen automotor e industrial, 2014.
  17. S. Senthil, K. Murugananthan, A. Ramesh, “Analysis and prioritisation of risks in a reverse logistics network using hybrid multi-criteria decision making methods,” Journal of Cleaner Production, vol. 179, pp. 716–730, 2018. https://doi.org/10.1016/j.jclepro.2017.12.095 DOI: https://doi.org/10.1016/j.jclepro.2017.12.095
  18. R. Cigolini, T. Rossi, “Managing operational risks along the oil supply chain,” Production Planning and Control, vol. 21, no. 5, pp. 452–467, 2010. https://doi.org/10.1080/09537280903453695 DOI: https://doi.org/10.1080/09537280903453695
  19. J. Castañeda Jiménez, J. A. Cardona Arias, “Diseño de una Red de logística Inversa para recolectar Aceite Vehicular Usado en la ciudad de Pereira implementando CVRP,” Scentia e Technica, vol. 22, no. 2, pp. 150–160, 2017. https://doi.org/10.22517/23447214.9243 DOI: https://doi.org/10.22517/23447214.9243
  20. J. C. Osorio, D. F. Manotas, L. Rivera, I. Canales, “Operational Risk Prioritization in Supply Chain with 3PL Using Fuzzy-QFD,” in New Perspectives on Applied Industrial Tools and Techniques, 2018, pp. 91–109. https://doi.org/10.1007/978-3-319-56871-3_5 DOI: https://doi.org/10.1007/978-3-319-56871-3_5
  21. M. Bevilacqua, F. E. Ciarapica, G. Giacchetta, “A fuzzy-QFD approach to supplier selection,” Journal of Purchasing & Supply Management, vol. 12, pp. 14–27, 2006. https://doi.org/10.1016/j.pursup.2006.02.001 DOI: https://doi.org/10.1016/j.pursup.2006.02.001

Descargas

Los datos de descargas todavía no están disponibles.

Artículos más leídos del mismo autor/a

Artículos similares

También puede {advancedSearchLink} para este artículo.