Integración de ERP y optimización logística: indicadores clave para tesis de posgrado

Integrar un ERP con la gestión de la cadena de suministro no es solo un problema técnico: es un campo fértil para investigaciones de alto impacto. Esta guía sintetiza marcos, indicadores y métodos para que tu tesis, dentro de la LGAC de Cadena de Suministro, Logística y Operaciones, aporte evidencia rigurosa y publicable.

Marcos teóricos para anclar tu investigación

Todo trabajo sólido parte de un lente teórico claro. Para investigar la integración ERP-SCM conviven tres perspectivas complementarias. La resource-based view (RBV) sostiene que el ERP, como recurso valioso y difícil de imitar, genera ventajas competitivas cuando se combina con capacidades logísticas. Para estudiar adopción y aceptación, el modelo TAM (Technology Acceptance Model) explica la intención de uso vía utilidad y facilidad percibidas, mientras que el marco TOE (Technology-Organization-Environment) incorpora factores organizacionales y de contexto. Una combinación frecuente y publicable es RBV (para el impacto) + TOE (para los determinantes de la adopción). Lo importante es justificar por qué elegiste ese marco y no otro: el tribunal penaliza la teoría decorativa.

Indicadores y KPIs logísticos que vale la pena medir

El corazón empírico de muchas tesis está en los indicadores. Los más robustos y comparables son: OTIF (On-Time In-Full), que mide pedidos cumplidos a tiempo y completos; el costo logístico total como porcentaje de las ventas; el lead time de aprovisionamiento y entrega; la rotación de inventario y los días de stock; y el índice de desempeño logístico (LPI) del Banco Mundial para comparaciones entre países. Stević et al. (2024) muestran que los rankings LPI requieren marcos decisionales complementarios, pues un único indicador oculta ineficiencias. Para una tesis cuantitativa, define cada KPI operacionalmente, especifica la fórmula de cálculo y la unidad de análisis (pedido, línea, embarque); una operacionalización pobre es la causa principal de revisiones mayores.

Métodos comunes: PLS-SEM, DEA y simulación

La elección metodológica debe seguir a la pregunta de investigación, no al revés. El PLS-SEM es idóneo cuando testas relaciones causales con constructos latentes y muestras medianas (100-300 observaciones), por ejemplo para modelar cómo la integración del ERP afecta el desempeño vía capacidades mediadoras. La DEA (Data Envelopment Analysis) sirve para evaluar la eficiencia relativa de unidades comparables (plantas, proveedores, países) sin asumir una forma funcional; Ansari, Kant y Shankar (2022) ilustran su uso en cadenas de suministro. La simulación (Monte Carlo o dinámica de sistemas) es mejor cuando exploras escenarios de disrupción. Reporta siempre supuestos, software (SmartPLS, DEAP, Arena) y pruebas de validez.

Tendencias 2020-2026: resiliencia, analítica e integración ERP-SCM

La pandemia reorientó la agenda hacia la resiliencia. Zhao, Hong y Lau (2023) demuestran que la digitalización de la cadena fortalece capacidades de absorción, respuesta y recuperación, y que estas median el desempeño. La analítica avanzada y el cloud ERP están reemplazando a los ERPs monolíticos, mientras que la sostenibilidad y la adopción basada en TOE (Damali, Kocakulah y Ozkul, 2021) abren nuevas líneas. Una ventana de oportunidad para tu tesis: integrar la perspectiva de resiliencia post-COVID con KPIs clásicos, un cruce aún poco explorado en estudios latinoamericanos.

Errores metodológicos frecuentes (y cómo evitarlos)

Evita cinco trampas que repiten los tesistas: (1) confundir integración con implementación —medir si se instaló el ERP no equivale a medir si se integró con SCM—; (2) sesgo de método común por usar un solo cuestionario autoaplicado; (3) indicadores sin benchmark que imposibilitan interpretar si un 85 % de OTIF es bueno o malo; (4) generalizar de un caso único sin justificar el diseño; y (5) olvidar la triangulación. Anticipa estas críticas en tu diseño: eso eleva la defensabilidad.

Referencias

• Ansari, Z. N., Kant, R., & Shankar, R. (2022). Measuring operational efficiency of remanufacturing supply chain: a data envelopment analysis approach. International Journal of Logistics Systems and Management, 42(3), 328. https://doi.org/10.1504/IJLSM.2022.124232
• Damali, U., Kocakulah, M., & Ozkul, A. S. (2021). Investigation of Cloud ERP Adoption in the Healthcare Industry Through Technology-Organization-Environment (TOE) Framework. International Journal of Healthcare Information Systems and Informatics, 16(4), 1-14. https://doi.org/10.4018/IJHISI.289463
• García Prado, N. J., Tigre Ortega, F. G., Lema Chicaiza, F. R., Rosero Mantilla, C. A., Sánchez Rosero, C. H., & Sigcha Quezada, A. (2024). Indicadores de rendimiento de la cadena de suministro 5.0 para la agroindustria: revisión de literatura. ConcienciaDigital, 7(3), 112-134. https://doi.org/10.33262/concienciadigital.v7i3.3089
• Stević, Ž., Ersoy, N., Başar, E. E., & Baydaş, M. (2024). Addressing the Global Logistics Performance Index Rankings with Methodological Insights and an Innovative Decision Support Framework. Applied Sciences, 14(22), 10334. https://doi.org/10.3390/app142210334
• Tarigan, Z. J. H., Siagian, H., & Jie, F. (2021). Impact of Enhanced Enterprise Resource Planning (ERP) on Firm Performance through Green Supply Chain Management. Sustainability, 13(8), 4358. https://doi.org/10.3390/su13084358
• Zhao, N., Hong, J., & Lau, K. H. (2023). Impact of supply chain digitalization on supply chain resilience and performance: A multi-mediation model. International Journal of Production Economics, 259, 108817. https://doi.org/10.1016/j.ijpe.2023.108817