Análisis del Flujo de Materiales para la Predicción de la Demanda y la Entrada Basada en la Vida Útil en la Cadena de Suministro de Bolsas de Plástico de Indonesia
Autores: Octaviani, Erin; Masudin, Ilyas; Khoidir, Amelia; Restuputri, Dian Palupi
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
Categoría
Gestión y administración
Subcategoría
Gestión logística
Palabras clave
Sostenibilidad
Cadenas de suministro de bolsas de plástico
Tasas de reciclaje
Análisis de flujo de materiales
Objetivos de circularidad
Aprendizaje automático
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 40
Citaciones: Sin citaciones
Esta investigación presenta un enfoque integrado para mejorar la sostenibilidad de las cadenas de suministro de bolsas de plástico en Indonesia, abordando problemas críticos relacionados con la gestión ineficaz de residuos post-consumo y las bajas tasas de reciclaje. El objetivo de este estudio es desarrollar un marco combinado de análisis de flujo de materiales (MFA) y planificación de cadenas de suministro sostenibles para mejorar la previsión de la demanda y la gestión de entradas a lo largo del ciclo de vida de las bolsas de plástico. La investigación adopta un método cuantitativo utilizando el algoritmo XGBoost para la previsión y está respaldada por un marco de MFA basado en polímeros que mapea los flujos de materiales desde la producción hasta las etapas de fin de vida. Los hallazgos indican que, aunque los procesos de producción logran una alta eficiencia con un rendimiento del 89%, más del 60% de los residuos de bolsas de plástico permanece sin gestionar después de su uso. Además, el análisis de escenarios demuestra que las intervenciones individuales son insuficientes para alcanzar los objetivos de circularidad, mientras que las estrategias integradas (por ejemplo, reducir los volúmenes de exportación, mejorar la recolección de residuos y mejorar el rendimiento del reciclaje) son más efectivas para aumentar las tasas de reciclaje más allá del 35%. Adicionalmente, el estudio revela que aumentar la capacidad de reciclaje nacional y minimizar la dependencia de las exportaciones puede reducir significativamente la fuga ambiental y fortalecer los sistemas locales de gestión de residuos. La novedad del estudio radica en demostrar cómo el aprendizaje automático y los datos de flujo de materiales pueden sinergizarse para informar decisiones sobre cadenas de suministro circulares y planificación regulatoria.
Descripción
Esta investigación presenta un enfoque integrado para mejorar la sostenibilidad de las cadenas de suministro de bolsas de plástico en Indonesia, abordando problemas críticos relacionados con la gestión ineficaz de residuos post-consumo y las bajas tasas de reciclaje. El objetivo de este estudio es desarrollar un marco combinado de análisis de flujo de materiales (MFA) y planificación de cadenas de suministro sostenibles para mejorar la previsión de la demanda y la gestión de entradas a lo largo del ciclo de vida de las bolsas de plástico. La investigación adopta un método cuantitativo utilizando el algoritmo XGBoost para la previsión y está respaldada por un marco de MFA basado en polímeros que mapea los flujos de materiales desde la producción hasta las etapas de fin de vida. Los hallazgos indican que, aunque los procesos de producción logran una alta eficiencia con un rendimiento del 89%, más del 60% de los residuos de bolsas de plástico permanece sin gestionar después de su uso. Además, el análisis de escenarios demuestra que las intervenciones individuales son insuficientes para alcanzar los objetivos de circularidad, mientras que las estrategias integradas (por ejemplo, reducir los volúmenes de exportación, mejorar la recolección de residuos y mejorar el rendimiento del reciclaje) son más efectivas para aumentar las tasas de reciclaje más allá del 35%. Adicionalmente, el estudio revela que aumentar la capacidad de reciclaje nacional y minimizar la dependencia de las exportaciones puede reducir significativamente la fuga ambiental y fortalecer los sistemas locales de gestión de residuos. La novedad del estudio radica en demostrar cómo el aprendizaje automático y los datos de flujo de materiales pueden sinergizarse para informar decisiones sobre cadenas de suministro circulares y planificación regulatoria.