Espacios. Vol. 37 (Nº 36) Año 2016. Pág. 19
Camilo Andrés GRAJALES López 1; Jhon Wilder ZARTHA Sossa 2; Raúl HERNÁNDEZ Zarta 3; Rodrigo ESTRADA Reveiz 4; Carlos Alberto GUARNIZO Gómez 5; Jorge Humberto DÍAZ Uribe 6; Jonathan GÓMEZ Garcés 7
Recibido: 01/07/16 • Aprobado: 24/08/2016
5. Resultados Factores Críticos de Vigilancia
RESUMEN: En este artículo, se describe la metodología y resultados de un ejercicio de vigilancia tecnológica para el sector turismo, en el marco del proyecto Quindío Innova. Se aplicó la metodología de curvas en S con la serie de datos de artículos relacionados con diagnóstico empresarial y ciclo de vida del producto en el sector turismo, consultando la base de datos bibliográfica Scopus y Freepatents. Para la generación de las curvas en S, se usó el software Sigmaplot, con el que se calculó el punto de inflexión en las series de datos, a partir de la aplicación de los parámetros estadísticos R2 ajustado, Valor T, Valor P, y Durbin Watson. Los datos de los artículos y patentes fueron analizados desde el software ejecutando trece modelos, tales como Sigmoidal, Logistic, Weibull y Gompertz, entre otros, seleccionando los modelos con mejor ajuste estadístico, con lo que fue posible definir el punto de inflexión. Éste se dio en el 2013 según la serie de datos de artículos para la tecnología de diagnóstico empresarial y entre el año 1990 y 1992 para el conocimiento sobre el ciclo de vida del producto en turismo, lo que indica que en ambos casos el ciclo de vida de la tecnología o el conocimiento se encuentra en la fase de madurez. |
ABSTRACT: In this article, the methodology and results of an exercise technological surveillance for the tourism sector in the project Quindio Innova is described. The S curve methodology was applied with the data series of articles related to business assessment and product life-cycle management in the tourism sector, consulting bibliographic database Scopus and Freepatents. For the generation of S curves, SigmaPlot software was used, by which the inflection point was calculated the data series, from the application of statistical parameters, such as adjusted R2, value T, value P, and Durbin Watson. The data of articles and patents were analyzed from thirteen models running software such as sigmoidal Logistic, Weibull and Gompertz, among others, selecting models with better statistical fit through which was possible to define the inflection point. This was in 2013 according to the data series of articles for the technology business assessment and between 1990 and 1992 for the understanding of the product life-cycle management in tourism, indicating that in both cases the life cycle technology or knowledge is in the maturity phase. |
De acuerdo con Hernández, et al (2016) la aplicación de la Vigilancia Tecnológica VT y las Curvas en S no ha sido tan lejana a los proyectos emprendidos en Colombia, pues así lo demuestran los estudios de vigilancia tecnológica de Palop, Martínez, & Bedoya (2012), y Sánchez Torres & Palop (2002), así como los estudios de instituciones, grupos de investigación y unidades de transferencia de universidades. Por ejemplo, el proyecto de regalías para empaques bioedgradables al 2032, contó con el estudio de VT y el respectivo análisis del ciclo de vida de la tecnología. Así mismo, en el proyecto Quindío Innova se busca capacitar a por lo menos 30 equipos de Investigación, Desarrollo e innovación I+D+i, en la metodología para realizar VT, así como los vigías del proyecto realizan estudios a para transferir a los sectores agroindustria, TICs y turismo.
En el presente documento se describen los resultados obtenidos durante un estudio de VT para el sector turismo, en el marco del proyecto Desarrollo de capacidades de I+D+i para incrementar la competitividad en empresas y emprendimientos del Departamento del Quindío, occidente - Quindío Innova, el que ha sido financiado con recursos de regalías. El observatorio turistico se identificó como tema para el estudio durante el levantamiento de Factores Críticos de Vigilancia FCV, y como subtemas las herramientas para el diagnóstico empresarial y la información o conocimiento sobre el ciclo de vida del producto aplicados al turismo. El primer subtema fue abordado como una tecnología y el segundo como conocimiento, a los que se les elaboró el respectivo ciclo de vida, y se dio respuesta a las preguntas identificadas durante el levantamiento de FCV. Para obtener el ciclo de vida de la tecnología y del conocimiento, se generaron curvas en S desde el software Sigmaplot, en el que se ejecutaron los trece modelos, ingresando series de datos de artículos y patentes acordes a los resultados obtenidos con las ecuaciones de búsqueda ingresadas a Scopus y a Freepatentes. Como resultado de la generación de curvas en S para los subtemas seleccionados, se halló el punto de inflexión, es decir, el momento de cambio en el ciclo de vida de la tecnología o conocimiento, pasando de una etapa a otra, por ejemplo de la etapa de crecimiento a la de madurez.
Al final del documento se incluyen conclusiones y recomendaciones de acuerdo con el ciclo de vida de la tecnología analizado para los subtemas, y se da respuesta a los FCV identificados durante la consulta a expertos e interesados.
Según la norma UNE 166002 (AENOR, 2006) la Vigilancia Tecnológica consiste en “realizar de manera sistemática la captura, el análisis, la difusión y la explotación de las informaciones científicas o técnicas útiles para la Organización. Alertar sobre las innovaciones cientificas o técnicas susceptibles de crear oportunidades o amenazas”. p.15 Así mismo, en la norma UNE 166006 (AENOR, 2011) se define el concepto y se dan a conocer los procesos relacionados con vigilancia tecnológica. Para Palop & Vicente (1999) la VT hace referencia al “(…) esfuerzo sistemático y organizado por la empresa de observación, capacitación, análisis, difusión precisa y recuperación de información sobre los hechos del entorno económico, tecnológico, social o comercial, relevantes para la misma por poder implicar una oportunidad u amenaza para ésta”.
Ahora bien, por qué llevar a cabo procesos de Vigilancia Tecnológica (VT), en éste sentido vale la pena mencionar que la mayoria de organizaciones llevan a cabo de alguna manera este tipo de prácticas, sin embargo, no lo hacen con tanta profundidad, ni de forma sistemática, ni grupal, así como no siempre hay análisis y comunicación de la información, “(…) muchas organizaciones evolucionan con el tiempo. Parten de una situación inicial de práctica de la VT ‘espontanea’, individual o en pequeños equipos, aislada en determinados Departamentos, con carácter predominantemente reactiva en el tratamiento de los temas e ignorada por directivos”. (Palop, Martínez, & Bedoya, 2012, p.9) Por esto se propone organizar el proceso de busqueda, clasificación, análisis y difusión de la información, con el fin de tomar decisiones más acertadas y poder generar ideas innovadoras a partir de los hallazgos obtenidos.
De otra parte, Stackelberg (2009) y Cortés, Zartha Sossa, Mendéz Naranjo, & Castrillón Hernández (2013) señalan que los modelos de curvas en S, sirven para entender dinámicas de cambio de aspectos sociales, políticos, económicos y tecnológicos, identificando patrones de comportamiento a 25 o más años, permitiendo en varios casos generar hipotesis sobre el comportamiento de la tecnología a mediano plazo. De igual forma,
Investigadores de todo el mundo aplican curvas en forma de S para proyectar el comportamiento de tecnologías, que permitan determinar cambios en la población, para el análisis de la penetración de mercado, para estudios micro y macro económicos, para mecanismos de difusión tecnológica y de invenciones sociales, para el modelado ecológico, y para muchos otros fines [8]. (Dmitry Kucharavy, 2007, p.82)
En lo anterior también coinciden Zartha, Avalos, Urrea, & Hernandez (2009), Perez (2001), y Ortiz & Pedroza (2006), autores quienes han realizado diversos trabajos sobre vigilancia tecnológica usando curvas en S, identificando si una tecnología esta en introducción, crecimiento o en declive, para así permitir la toma de decisiones frente a la investigación, compra, contrucción, licenciamiento o patentamiento de la tecnología. En este mismo sentido, Aguilar, Ávalos, Giraldo, Quintero, Zartha, & Cortés (2012) relacionan el uso de las curvas en S para determinar el ciclo de vida de un producto, indicando el tipo de decisiones a tomar según la fase en que el producto se encuentre; para determinar momentos claves en el lanzamiento de innovaciones tecnológicas, realizar inversiones y ejecutar estrategias de mercadotecnia.
Dentro de las actividades propuestas en el plan de trabajo, se inicia con identificar los temas/tecnologías a vigilar que den respuesta a los requerimientos del proyecto Quindío Innova. Las tecnologías para el ejercicio fueron definidas en los Factores Críticos de Vigilancia FCV y serán parte fundamental al momento de iniciar con la búsqueda en bases de datos científicas en artículos y patentes. A continuación en la figura 1 se enseña la metodología aplicada durante el presente estudio y seguido a esto se describe el paso a paso desarrollado dentro de la metodología para realizar el estudio de VT.
Figura 1. Metodología vigilancia tecnológica
Fuente: Adaptado de Sánchez Torres & Palop (2002)
Para llevar a cabo el análisis del ciclo de vida de la tecnología utilizando el software SigmaPlot, fue necesario seguir la metodología definida en la figura 2:
Figura 2. Metodología Curvas en S
(Zartha, Palop, Arango, Velez, & Avalos, 2016,p.7)
En la primera parte, se determinó las ecuaciones de búsqueda para artículos y patentes, para este caso los subtemas a examinar fueron: Diagnóstico empresarial (herramientas, auto-evaluación y evaluación) y Ciclo de vida de producto (aplicado al sector turismo), posterior a esto se acumularon los datos para definir el parámetro de desempeño (la serie de datos a ingresar en el software SigmaPlot). Posteriormente se ejecutaron los trece modelos con el fin de hallar los puntos de inflexión, que son aquellos que indican el momento en el que se encuentra la tecnología o el conocimiento.
De otro lado, las fuentes de información secundaria a consultar durante este estudio de vigilancia tecnológica fueron las que se muestran en la figura 3:
Figura 3. Fuentes de información
Fuente: Elaboración propia
Por último, se realizó el análisis de la tecnología, de acuerdo con el ciclo de vida de la misma.
A continuación, en la tabla 1, se enseñan las ecuaciones de búsqueda definidas para artículos y patentes correspondientes al subtema diagnóstico empresarial. La ecuación correspondiente a la búsqueda de artículos se ingresó a la base de datos bibliográfica Scopus y la ecuación para patentes se ingresó a Freepatents.
Tabla 01. Ecuaciones de búsqueda para el diagnóstico empresarial
Ecuaciones de búsqueda Artículos |
TITLE-ABS-KEY("business assessment" OR "business diagnosis"OR"business assessment tool"OR"business diagnosis tool"OR"business assessment system" OR "business assessment platform" OR "business assessment aplication" OR "business self-diagnosis" OR "business auto diagnosis" OR "business self-assessment" OR "business auto assessment") |
Ecuaciones de búsqueda de Patentes |
ABST/("business" AND "assessment" AND ("tool" OR "diagnosis" OR " software" OR "Managerial Analyzer Master" OR "diagnosis system" OR "diagnosis software")) |
Fuente: Elaboración propia
Estas ecuaciones se ejecutaron durante el mes de junio del año 2016 y se obtuvieron 60 artículos y 66 patentes en las fuentes de búsqueda correspondientes.
En la tabla 2, por su parte, se muestra la ecuación de búsqueda correspondiente al ciclo de vida del producto aplicado al turismo.
Tabla 02. Ecuaciones de búsqueda para el ciclo de vida del producto aplicado al turismo
Ecuaciones de búsqueda Artículos |
TITLE-ABS-KEY("business assessment" OR "assessment" OR "business applications" OR "product life cycle" AND "tourism" OR "tourist") AND ("tourism plataform" OR "tourism technollogy") OR ("tourism product life cycle" OR "product life cycle") OR ( "tourist profile" OR "consumer profile") |
Fuente: Elaboración propia
En el caso del ciclo de vida del producto aplicado a la industria turística, solo se tuvo en cuenta los datos arrojados por la ecuación de búsqueda de artículos, ya que éste subtema se abordó como conocimiento, más no como una tecnología, por lo que la búsqueda de patentes no es pertinente para este caso.
En las tablas 03 y 04, se muestran las series de datos empleadas en el software Sigmaplot para hallar los puntos de inflexión de la tecnología y el conocimiento seleccionados, a partir de las fechas de publicación de los artículos.
Tablas 03 y 04. Serie de datos de artículos para la tecnología y el conocimiento
Fuente: Elaboración propia con datos de Scopus
En el software Sigmaplot, se corrieron 13 modelos con los datos del diagnóstico empresarial y la misma cantidad para el ciclo de vida del producto, con el fin de hallar el punto de inflexión de cada subtema.
En la figura 4, se muestran las curvas en S que cumplieron los parámetros estadísticos para el subtema ciclo de vida del producto en turismo, según los datos de artículos.
Figura 4. Ciclo de vida del producto
Fuente: Software Sigmaplot
Los modelos Sigmoidal 4, Sigmoidal 5, Logistico 4, Gompertz 4, Chapman 3, Chapman 4 no hubo convergencia de datos, por lo que no existe gráfica.
En la figura 5, se muestran las gráficas de los modelos que cumplieron los parámetros estadísticos en el software Sigmaplot con los datos de artículos correspondientes a la tecnología diagnóstico empresarial.
Figura 5. Diagnóstico empresarial
Fuente: Software Sigmaplot
Los modelos Chapman 3 y Chapman 4 no cumplieron los parámetros estadísticos, por lo que no existe gráfica. Los demás modelos no cumplieron éstos parámetros por lo que no se muestran las gráficas.
En la tabla 05, se muestra las serie de datos empleadas en el software Sigmaplot para hallar los puntos de inflexión de la tecnología seleccionada; herramientas de diagnóstico empresarial, a partir de las fechas de publicación de patentes.
Tabla 05. Serie de datos de patentes para la tecnología seleccionada
Herramientas de diagnóstico empresarial |
|||||||
Patentes |
|||||||
2002 |
1 |
2006 |
8 |
2010 |
19 |
2014 |
37 |
2002 |
2 |
2006 |
8 |
2010 |
24 |
2014 |
37 |
2003 |
2 |
2007 |
10 |
2011 |
25 |
2015 |
38 |
2003 |
3 |
2007 |
11 |
2011 |
27 |
2015 |
39 |
2004 |
4 |
2008 |
13 |
2012 |
28 |
2016 |
39 |
2004 |
4 |
2008 |
14 |
2012 |
31 |
2016 |
39 |
2005 |
5 |
2009 |
15 |
2013 |
36 |
|
|
2005 |
8 |
2009 |
16 |
2013 |
37 |
|
|
Fuente: Elaboración propia con datos de Scopus
De las 66 patentes encontradas para ésta tecnología, se trabajó con datos de 39, puesto que fueron las que más se alinearon con los FCV.
Coincidiendo con lo anterior, en la figura 6, se muestran las gráficas de curvas en S de los modelos que cumplieron los parámetros estadísticos con datos de patentes para la tecnología diagnóstico empresarial.
Figura 6. Diagnóstico empresarial (patentes)
Fuente: Software Sigmaplot
Tras el uso del software Sigmaplot, los modelos Chapman 3 y Chapman 4 no se ajustaron porque necesitan más iteraciones.
En la tabla 6, se exponen los resultados de la ejecución de los 13 modelos en Sigmaplot con datos de artículos para la tecnología diagnóstico empresarial, en ésta tabla se puede observar los modelos que cumplieron y los que no cumplieron con los parámetros estadísticos mencionados en la metodología.
Tabla 6. Resultados de la aplicación de los modelos de curvas en S para la tecnología de diagnóstico empresarial
Fuente: Elaboración propia
Tras la aplicación de los 13 modelos, se puede observar que cumplen los parámetros estadísticos los modelos Sigmoidal 3 y Logistico 3, indicando como punto de inflexión el año 2013 para la tecnología asociada a la aplicación de diagnóstico empresarial, lo que indica que la tecnología dentro del ciclo de vida se encuentra en la fase de madurez y declive, como se observa en la figura 7. Además, la mayoría de modelos no cumple con los parámetros estadísticos, pues por ejemplo en el modelo Sigmoidal 4 el valor de p (Yo) es superior a 0.005, así como en el modelo Sigmoidal 5 el valor de t(c) no tiende a 2.
Figura 7. Ciclo de vida de la tecnología de diagnóstico empresarial
Fuente: Adaptado de Ortiz y Pedroza (2006), citado por Zartha, Arango, Hernández, & Moreno (2014)
Del mismo modo, en la tabla 7 se pueden observar los modelos que cumplieron los parámetros estadísticos para el conocimiento relacionado con ciclo de vida del producto en turismo según fechas de publicación de artículos.
Tabla 7. Resultados de la aplicación de los modelos de curvas en S para el conocimiento sobre el ciclo de vida del producto
Artículos |
Conocimiento Ciclo de vida del producto |
|||||||||||||
Validez |
Modelo |
Punto de inflexión |
R2 Ajustado |
Valor t |
Valor t(a) |
Valor t(b) |
Valor t(c) |
Valor t(Yo) |
Valor p |
Valor p(a) |
Valor p(b) |
Valor p(c) |
Valor p(Yo) |
D-W |
SÍ |
Sigmoidal 3 |
1992 |
0.9521 |
5195 |
48.115 |
9.62 |
|
|
<0.0001 |
<0.0001 |
<0.0001 |
|
|
0.3568 |
SÍ |
Logistico 3 |
1992 |
0.9522 |
5201 |
48.08 |
-9.63 |
|
|
<0.0001 |
<0.0001 |
<0.0001 |
|
|
0.3578 |
SÍ |
Weibull 4 |
1992 |
0.979 |
4076 |
23.14 |
11.05 |
9.139 |
|
<0.0001 |
<0.0001 |
<0.0001 |
<0.0001 |
|
0.824 |
SÍ |
Gompertz 3 |
1990 |
0.968 |
6947 |
50.67 |
11.59 |
|
|
<0.0001 |
<0.0001 |
<0.0001 |
|
|
0.4911 |
Fuente: Elaboración propia
Como se observa en la tabla anterior, los modelos que cumplen los parámetros son Sigmoidal 3, Logistico 3, Weibull 4, Gompertz 3, arrojando como punto de inflexión entre los años 1990 y 1992, lo que indica que éste conocimiento se encuentra en la fase de declive, tal como se muestra en la figura 8.
Figura 8. Fase del conocimiento sobre ciclo de vida del producto en turismo
Fuente: Adaptado de Ortiz y Pedroza (2006), citado por Zartha, Arango, Hernández, & Moreno (2014)
“Con base en la metodología propuesta para el cálculo de puntos de inflexión,puede reducirse la incertidumbre en la toma de decisiones sobre el ciclo de vida de las tecnologías analizadas (Hernández, et al. 2016, p.19)”. Conocer el punto de inflexión es especialmente útil para identificar en qué fase del ciclo de vida se encuentra una tecnología, producto, información o conocimiento, lo que permite tomar decisiones frente a la oportunidad de investigación, protección de derechos de autor, compra o construcción propia (ver figura 11).
Figura 9. Evolución de la tecnología y conocimiento analizados
Fuente: Adaptado de Ortiz y Pedroza (2006), citado por Zartha, Arango, Hernández, & Moreno (2014)
En la figura 9, se puede observar que la tecnología de diagnóstico empresarial se encuentra en fase de madurez, pues el punto de inflexión para ésta ya pasó (año 2013), y el conocimiento asociado con el ciclo de vida del producto aplicado al turismo se encuentra en madurez puesto que el punto de inflexión fue en el año 1992 y en los años recientes la cantidad de publicaciones ha tenido una dinámica importante, lo que indica que aún hay interés de investigación sobre el tema (ver figura 10).
Figura 10. Artículos de la serie de datos del Ciclo de vida del producto (turismo) en Scopus
Fuente: Scopus
Teniendo en cuenta que para el diagnóstico empresarial y el ciclo de vida del producto en turismo ya se presentó el punto de inflexión de acuerdo con los años de publicación de artículos, en las figuras 11 y 12 se resumen las decisiones a tomar frente a la tecnología y el conocimiento seleccionados.
Figura 11. Mecanismos de derecho tecnológico y propiedad intelectual en la tecnología y el conocimiento
Fuente: Adaptado de Pérez (2001) citado por Zartha, Arango, Hernández, & Moreno (2014)
De acuerdo con Zartha J. , Arango, Hernández, Medina, & Orozco (2015), cuando las tecnologías se encuentran en la etapa de maduración plena o en declive, esto indica que las publicaciones que se han generado en todo el mundo no tienen una elevada dinámica, por lo que el punto de inflexión se da en el pasado, en este caso antes del 2016 para la tecnología de diagnóstico empresarial y el conocimiento sobre el ciclo de vida del producto aplicado al turismo, y es probable que los expertos en estos temas se hayan desplazado hacia otros dominantes o en surgimiento, en donde están generando nuevos artículos.
Figura 12. Estrategias de monitoreo e inversión en la tecnología y el conocimiento seleccionados
Fuente: Adaptado Ortiz y Pedroza (2006)
En la figura 12 se observa que de acuerdo con la fase en que se encuentra la tecnología y el conocimiento objeto de estudio no se debe sobre-invertir y la investigación debe ser muy selectiva puesto que ya hay bastantes publicaciones sobre estos temas, y en caso del desarrollo tecnológico asociado a los mismos se debe desarrollar internamente en lugar de adquirir.
En cuanto a las patentes, para la tecnología seleccionada; diagnóstico empresarial, se analizarán los resultados a partir de los modelos que cumplieron los parámetros estadísticos establecidos, los que pueden ser consultados a continuación en la tabla 8.
Tabla 8. Resultados de la aplicación de los modelos de curvas en S
para la tecnología de diagnóstico empresarial según serie de datos de patentes
Patentes |
Tecnología Diagnóstico empresarial |
|||||||||||||
Validez |
Modelo |
Punto de inflexión |
R2 Ajustado |
Valor t |
Valor t(a) |
Valor t(b) |
Valor t(c) |
Valor t(Yo) |
Valor p |
Valor p(a) |
Valor p(b) |
Valor p(c) |
Valor p(Yo) |
D-W |
SÍ |
Sigmoidal 3 |
2010 |
0.9888 |
7765 |
28.06 |
15.94 |
|
|
0.0001 |
0.0001 |
0.0001 |
|
|
1.7571 |
SÍ |
Logistico 3 |
2010 |
0.9882 |
7728 |
27.93 |
-15.91 |
|
|
0.0001 |
0.0001 |
0.0001 |
|
|
1.75 |
SÍ |
Gompertz 3 |
2009 |
0.9827 |
3430 |
11.049 |
8.615 |
|
|
0.0001 |
0.0001 |
0.0001 |
|
|
1.23 |
SÍ |
Gompertz 4 |
2009 |
0.9845 |
5443 |
11.07 |
7.13 |
|
2.79 |
0.0001 |
0.0001 |
0.0001 |
|
0.0097 |
1.39 |
Fuente: Elaboración propia
Posterior a la aplicación de los 13 modelos en el software Sigmaplot con la serie de datos de patentes correspondiente a la tecnología de diagnóstico empresarial, se pudo definir que los modelos que mejor se ajustan a los parámetros estadísticos son Sigmoidal 3, Logistico 3, Gompertz 3 y Gompertz 4, indicando un punto de inflexión entre los años 2009 y 2010, lo que se interpreta como la fase de madurez para ésta tecnología según la serie de datos de patentes (ver figura 13).
Figura 13. Ciclo de vida de la tecnología de diagnóstico empresarial
Fuente: Adaptado de Ortiz y Pedroza (2006), citado por Zartha, Arango, Hernández, & Moreno (2014)
En la figura 14, se puede observar la estrategia a implantar para la tecnología de diagnóstico empresarial, de acuerdo con los resultados obtenidos en el software Sigmaplot con la serie de datos de patentes.
Figura 14. . Estrategias de monitoreo e inversión en la tecnología diagnóstico empresarial (patentes)
Fuente: Adaptado Ortiz y Pedroza (2006)
Al igual que en los resultados obtenidos con la serie de datos de artículos, en patentes se indica que no se debe sobre-invertir en desarrollos tecnológicos asociados con herramientas para el diagnóstico empresarial, puesto que es una tecnología en declive, en donde ya hay bastantes patentes y documentos de carácter científico que sirven como marco referencial para la construcción propia de este tipo de tecnología.
De acuerdo con los resultados obtenidos de la búsqueda de artículos en la base de datos Scopus, a continuación, se da respuesta a las preguntas formuladas en los FCV.
Después de aplicar los trece modelos en la tecnología Diagnóstico empresarial (herramientas, auto-evaluación y evaluación), se puede observar que de los trece modelos, los modelos que mejor se ajustan a los parámetros estadísticos establecidos son: Sigmoidal 3 y logístico 3 para la serie de datos de artículos, y para patentes los modelos que mejor se ajustaron a los parámetros fueron Sigmoidal 3, Logistico 3, Gompertz 3 y Gompertz 4, coincidiendo los modelos Sigmoidal y logístico en artículos y patentes, a pesar de tener puntos de inflexión diferentes; siendo 2013 para artículos y entre 2009 y 2010 para patentes.
Para la tecnología seleccionada Diagnóstico empresarial (herramientas, auto-evaluación y evaluación) al observar el número de artículos por año, se identificó que el mayor número de publicaciones se presentó durante el año 2008 con ocho documentos y luego en el año 2010 se da una caída vertiginosa con tan solo dos publicaciones, evidenciándose posteriormente una tendencia decreciente para los años siguientes. Esto sugiere que la tecnología ha entrado en una etapa de madurez.
Así entonces, tanto la tecnología de diagnóstico empresarial (herramientas, auto-evaluación y evaluación) como la información o conocimiento sobre el ciclo de vida del producto aplicado al turismo se encuentran en fase de madurez; lo que indica que el número de publicaciones de artículos y de patentes ha disminuido durante los años posteriores al punto de inflexión (punto de cambio), así mismo, el momento adecuado para ejercer mecanismos de derecho tecnológico y propiedad intelectual fue antes de los respectivos puntos de inflexión. Para la tecnología analizada se sugiere no sobreinvertir puesto que ya es una tecnología base.
Los países que más publicaciones presentan sobre diagnóstico empresarial en orden según volumen son Estados Unidos, Alemania, China, Taiwan y Reino Unido. Así mismo, los países que más publican sobre ciclo de vida del producto aplicado al turismo son en su orden Estados Unidos, Reino Unido y España.
Los autores que más han publicado artículos sobre diagnóstico empresarial son Daniels, H.A.M- Feelders, A.J y Ko,C.H. Mientras que para el ciclo de vida del producto aplicado al turismo los autores con más publicaciones son Khan, H – Toh, R.S – Foolmaun, R.K y Yap, I.S.L.
Es importante destacar que en el subtema ciclo de vida del producto aplicado al turismo, es común encontrar documentos que se refieren al ciclo de vida del destino o del área turístico, en lugar del ciclo de vida del producto (Sucheta, 2015), (Nejad & Tularam, 2010), (Müller, Peters, & Blanco, 2010), (Litvin, 2010), (Khan & Yap, 2009), (Whitfield, 2009), (Ashworth, 2008), (Vassiliadis, Siomkos, Vassilikopoulou, & Mylonakis, 2006), (Choy, 1992), (Cooper & Jackson, 1989).
Con base en los resultados del presente estudio, se puede recomendar iniciar estudios sobre innovaciones en herramientas para el diagnóstico empresarial, así como sobre tecnología para la evaluación del ciclo de vida del producto, y también se recomienda investigar de forma puntual sobre el ciclo de vida del destino turístico; buscando herramientas, casos y procesos. De igual forma, es de tener en cuenta que los puntos de inflexión fueron obtenidos durante el año 2016, por lo que a futuro si se vuelven a ejecutar las ecuaciones de búsqueda estos podrían ser diferentes.
Adicionalmente, se recomienda realizar un estudio de caso piloto en el Quindío para medir el ciclo de vida de algún destino turístico, para lo que se necesita iniciar un proyecto que permita tomar registro de la cantidad de turistas que ingresan anualmente al destino turístico, ya que en la actualidad no se cuenta con registros de la totalidad de turistas que ingresan a los destinos en éste departamento.
Se agradece al Sistema General de Regalias SGR, a COLCIENCIAS, al Paisaje Cultural Cafetero, a la Gobernación del Quindío, a la Cámara de comercio de Armenia, a Parquesoft Quindío, a la Corporación Universitaria Empresarial Alexander Von Humboldt y a la Universidad la Gran Colombia sede Armenia.
Abramowicz, W., Filipowska, A., & Kaczmarek, M. T. (2008). A need for business assessment of semantic web services' applications in enterprises. Lecture Notes in Computer Science .
AENOR. (2006). Gestión de la I+D+i: Requisitos del Sistema de Gestión de la I+D+i. MADRID, España: AENOR.
AENOR. (2011). UNE 166006:2011 Gestión de la I+D+i: Sistema de vigilancia tecnológica e inteligencia competitiva. Madrid, España: AENOR.
Aguilar, S., Ávalos, A., Giraldo, D., Quintero, S., Zartha, J., & Cortés, F. (2012). La Curva en S como Herramienta para la Medición de los Ciclos de Vida de Productos. Journal of Technology Management & Innovation, 7(1).
Akama, J. (1999). The evolution of tourism in Kenya. Journal of Sustainable Tourism.
Ashworth, G. (2008). The blue-grey transition in Mediterranean tourism destinations. Nederlandse Geografische Studies.
Charles, D. (2013). Sustainable tourism in the Caribbean: The role of the accommodations sector. International Journal of Green Economics.
Choy, D. (1992). Life cycle models for Pacific island destinations. Journal of Travel Research.
Chung, K. (2000). Hotel room rate pricing strategy for market share in oligopolistic competition - eight-year longitudinal study of super deluxe hotels in Seoul. Tourism Management, 21, 135-145.
Cooper, C. S. (1989). Destination life cycle. The isle of man case study. Annals of Tourism Research.
Cooper, C., & Jackson, S. (1989). Destination life cycle. The isle of man case study. Annals of Tourism Research.
Cortés, I., Zartha Sossa, J. W., Mendéz Naranjo, K., & Castrillón Hernández, F. (2013). Valoración de modelos de curvas en S aplicadas al sector financiero colombiano. Espacios, 34(3), 2.
Daniels, H., & Feelders, A. (1992). Explanation and Diagnosis in Business Assessment. IEEE Transactions on Systems, Man and Cybernetics, 22(2), 397-402.
Dmitry Kucharavy, R. D. (Nov de 2007). Application of S-Shaped Curves. TRIZ-Future Conference 2007: Current Scientific and Industrial Reality. 81-88.
Feelders, A., & Daniels, H. (2001). A General model for automated business diagnosis. European Journal of Operational Research, 130, 623-637.
Foolmaun, R., & Ramjeawon, T. (2013). Life cycle sustainability assessments (LCSA) of four disposal scenarios for used polyethylene terephthalate (PET) bottles in Mauritius. Environment, Development and Sustainability.
Hernández, R., Villada, H., Zartha, J., Arango, B., Gómez, R., Walteros, L., y otros. (2016). Vigilancia tecnológica y análisis del ciclo de vida de la tecnología: evaluación del potencial comercial de un prototipo de guantes biodegradables a partir de almidón termoplástico de yuca. Espacios, 37(13), 27.
Kadiyala, A., & Kumar, A. (2007). Development of an Environmental Compliance Tool for Small Businesses. Environmental Progress , 26(4), 316-326.
Khan, R., & Yap, I. (2009). An empirical validation of the travel balance approach as an alternative to the tourism area life cycle. Tourism Analysis, 7, 207-215.
Litvin, S. (2010). Apocalypse not: A commentary on destination maturation models. Journal of Vacation Marketing.
Müller, S., Peters, M., & Blanco, E. (2010). Rejuvenation strategies: A comparison of winter sport destinations in Alpine regions. Tourism.
Müller, S., Peters, M., & Blanco, E. (2010). Rejuvenation strategies: A comparison of winter sport destinations in Alpine regions. Tourism.
Nejad, S., & Tularam, G. (2010). Modeling tourist arrivals in destination countries: An application to Australian tourism. Journal of Mathematics and Statistics, 431-441.
Nejad, S., & Tularam, G. (2010). Modeling tourist arrivals in destination countries: An application to Australian tourism. Journal of Mathematics and Statistics.
Ortiz, S., & Pedroza, A. (2006). ¿QUÉ ES LA GESTIÓN DE LA INNOVACIÓN Y LA TECNOLOGÍA (GInnT)? Journal of Technology Management & Innovation, 1(2).
Palop, F., & Vicente, J. (1999). Vigilancia Tecnológica e Inteligencia Competitiva. Su potencial para la empresa española. España.
Palop, F., Martínez, J. F., & Bedoya, A. (2012). Guía Metodológica de Práctica de la Vigilancia Tecnológica e Inteligencia Competitiva: "Proyecto Piloto de Transferencia y Desarrollo de Capacidades Regionales en Vigilancia Tecnológica e Inteligencia Competitiva". Valencia y Medellín: Universitat Politécnica de Valéncia UPV.
Perez, C. (2001). Cambio tecnológico y oportunidades del desarrollo como blanco móvil. Revista de la Cepal, 75, 115-136.
Sánchez Torres, J. M., & Palop, F. (2002). Herramientas de Software para la práctica en la empresa de la vigilancia tecnológica e inteligencia competitiva. Valencia-España: Triz XXI.
Schofield, N. (2002). e-BAT: A simple process for a complex problem. Aircraft Engineering and Aerospace Technology.
Scolozzia, R., Schirpkeb, U., Detassisc, C., Abdullahd, S., & Gretterc, A. (2014). Mapping Alpine Landscape Values and Related Threats as Perceived by Tourists. Landscape Research.
Shi, C., & Zhang, G. (2013). The ecological construction of scenic spots. BioTechnology: An Indian Journal.
Stackelberg, P. (2009). Footprints of the Future: Timelines and Exploratory Forecasts in Futures Research. Journal of Futures Studies, 13:34.
Sucheta, A. (2015). Pour en finir avec Butler (1980) et son modèle d’évolution des destinations touristiques. Le cycle de vie comme un concept inadapté à l’étude d’une aire géographique. Loisir et Societe, 38(1), 7-19.
Toh, R., Khan, H., & Yap, I. (2009). An empirical validation of the travel balance approach as an alternative to the tourism area life cycle. Tourism Analysis, Vol. 7, 207–215.
Vassiliadis, C., Siomkos, G., Vassilikopoulou, A., & Mylonakis, J. (2006). Product design decisions for developing new tourist destinations: The case of Rhodopi Mountain. Tourismos.
Whitfield, J. (2009). The cyclical representation of the UK conference sector's life cycle: The use of refurbishments as rejuvenation triggers. Tourism Analysis.
Xu, D.-L., McCarthy, G., & Yang, J.-B. (2006). Intelligent decision system and its application inbusiness innovation self assessment. Decision Support System, 42, 664-673.
Zapata, M., Hall, C., Lindo, P., & Vanderschaeghe, M. (2011). Can community-based tourism contribute to development and poverty alleviation? Lessons from nicaragua. Current Issues in Tourism, 14(8), 725-749.
Zartha, J., Arango, B., Hernández, R., & Moreno, J. (2014). Análisis del ciclo de vida de la tecnología a través de curvas en S: Aplicación en operaciones unitarias en alimentos. Espacios, 35(7), 1.
Zartha, J., Arango, B., Hernández, R., Medina, J., & Orozco, G. (2015). Curvas en S y análisis de cluster en ciclo de vida de la tecnología : Aplicación en 11 tecnologías en alimentos. Espacios, 36(12), 5.
Zartha, J., Avalos, A., Urrea, S., & Hernandez, F. (2009). Metodología para la medición de innovaciones tecnológicas aplicada a empresas del sector agroindustrial. Biotecnología en el Sector Agropecuario y Agroindustrial, 7(2), 89-98.
Zartha, J., Palop, F., Arango, B., Velez, F., & Avalos, A. (2016). S-Curve analysis and technology life cycle. Application in series of data of articles and patents. Espacios, 37(7), 19.
Zhang, X.-H., He, Z.-Y., & Xue, L.-Q. (2011). Tourism destination crisis management study - Based on the crisis life-cycle. Proceedings of International Conference on Information Systems for Crisis Response and Management, ISCRAM 2011.
1. Contratista Quindío Innova - Cámara de comercio de Armenia y del Quindío. grajales_camilo@hotmail.com
2. Escuela de ingenierías, Facultad de Ingeniería Agroindustrial, Universidad Pontificia Bolivariana. Jhon.zartha@upb.edu.co
3. Escuela de ingenierías, Facultad de Ingeniería Agroindustrial, Universidad Pontificia Bolivariana. rhernandezz@uqvirtual.edu.co
4. Cámara de comercio de Armenia y del Quindío. rodrigoestrada@camaraarmenia.org.co
5. Cámara de comercio de Armenia y del Quindío. carlosalberto@camaraarmenia.org.co
6. Parquesoft Quindío. jorge.diaz@parquesoftquindio.org
7. Cámara de comercio de Armenia y del Quindío. jonathan@camaraarmenia.org.co
8. Traducción de Dmitry Kucharavy (2007), disponible en https://hal.archives-ouvertes.fr/hal-00282758/document