Espacios. Vol. 35 (Nº 7) Año 2014. Pág. 1


Análisis del ciclo de vida de la tecnología a través de curvas en S: Aplicación en operaciones unitarias en alimentos

Technology Life Cycle Analysis by S-curve: Application to Food Unit Operations

Jhon Wilder ZARTHA S 1, Bibiana ARANGO A 2, Raúl HERNÁNDEZ Z 3, John Fredy MORENO S 4

Recibido: 12/04/14 • Aprobado: 01/06/14


Contenido

RESUMEN:
En el presente trabajo, se aplica la metodología de curvas S en series de datos de artículos y patentes en las operaciones unitarias de secado y esterilización de alimentos. Se utilizaron datos acumulados en función del tiempo y se aplicaron técnicas de regresión no lineal para calcular el punto de inflexión en las series de patentes y artículos de las dos operaciones. Se calcularon parámetros estadísticos tales como R2 ajustado, Valor T, Valor P, y Durbin Watson con el fin de validar los resultados obtenidos. Los datos de los artículos y patentes fueron analizados bajo los modelos Weibull, Gompertz, logístico, Sigmodial, Hill entre otros. Para un total de 13 modelos aplicados. Se eligieron los modelos con el mejor ajuste estadístico y se calculó el punto de inflexión. En el caso de patentes los modelos de mejor ajuste fueron Sigmoidal en secado y Gompertz en esterilización, los cuales mostraron puntos de inflexión en los años 2002 y 2000 respectivamente. Para artículos, los modelos de mejor ajuste fueron Hill en secado y Sigmoidal en esterilización, los puntos de inflexión fueron determinados en los años 2019 y 2014, respectivamente. 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 de secado y esterilización de alimentos, esta reducción puede considerarse especialmente útil en las situaciones siguientes: Identificación del estado de la tecnología (antes y después del punto de inflexión), la determinación del momento adecuado para aplicar mecanismos de derecho tecnológico y propiedad intelectual y el establecimiento de estrategias adecuadas de monitoreo e inversión.
PALABRAS CLAVES: Ciclo de vida de la tecnología, Operaciones unitarias en alimentos, curvas en S.

ABSTRACT:
This work is an application of S-Curve analysis to a data series extracted from papers and patents from 2 drying and sterilisation unit operations. A set of data was collected along a timeline. Nonlinear regression techniques were used to calculate the inflection point in the series of patents and papers of both operations. The statistics used to validate the results were adjusted by R2, T-value and Durbin Watson. The data analyses were based on such models as Weibull, Gompertz, logistic, sigmoidal, Hill, among others. Thirteen models were applied. The models used were the best statiscally adjusted ones, from which the inflection point was then calculated. For the patent data, the selected models were sigmoidal for drying and Gompertz for sterilisation. The respective inflection points were located in the years 2002 and 2000. For papers data, the selected models were Hill for drying and sigmoidal for sterilisation. The respective inflection points were located in the years 2019 and 2014. These inflection points calculated over the corresponding S-Curve allow for reduction of the uncertainty in making investment decisions regarding the use of technologies similar to drying and food sterilization. This reduction of the uncertainty can be useful to define the state of technologies (before and after their inflection points), to determine the correct moment to apply mechanisms of intellectual property and technology law, and to establish appropriate strategies.
KEYWORDS: Technology life cycle analysis, Unit operations, S-Curve


Introducción

Actualmente la gestión de la tecnología y la innovación tecnológica juegan un papel de vital importancia en el incremento de la productividad y competitividad en empresas, regiones y países, razón por la cual, las empresas han comenzado a destinar esfuerzos, recursos y estrategias encaminadas a la gestión de la innovación y la tecnología como apoyo en la toma de decisiones. Adicionalmente, desde algún tiempo atrás, estudiosos de la tecnología, han intentado entender su comportamiento y las estrategias que pueden ser implementadas en cada una de las fases de su trayectoria a través del tiempo y una alternativa para dicho análisis son los modelos de curvas en S, mediante los cuales es posible identificar el estado de una tecnología: emergente, entrante, clave, madura o en declive; la estrategia a seguir sería: monitoreo, inversión selectiva, sobreinversión; y el comportamiento de la tecnología en cada fase: inicial, crecimiento temprano, crecimiento tardío y madurez (Figura 1).



 

Figura 1. Estado de la tecnología.

Fuente: Adaptado de Ortiz y Pedroza (2006)

El ciclo de vida de la tecnología, la comprensión del fenómeno de la difusión de innovaciones tecnológicas y la adopción de las mismas son otras características medibles a través de las curvas en S [14] Tidd & Bessant (2009). La figura 2 muestra una curva en forma de S en la cual se identifican las fases de una tecnología.

Descripción: http://www.revistaespacios.com/a11v32n02/08-03.jpg

Figura 2. Etapas de la curva en S. Grado de madurez.

Fuente: Pérez (1988, 2001)

Por otro lado, las innovaciones tienen asociadas una serie de incertidumbres de mercado, de comercio y tecnológicas, las cuales se incrementan con la necesidad de información o conocimiento sobre las variables que intervienen en el proceso de lanzamiento de un nuevo producto o mejora de uno existente [1] Afua (1999); [5] Kotler (1996); [10] Pérez (2004); [3] Fernández (2005); [6] Kucharavy (2007); [7] Kucharavy & De Guio (2009)

De igual manera, la incertidumbre tecnológica se refiere a la necesidad de conocimiento adicional sobre los componentes y la forma en que se relacionan, los métodos y las técnicas para que el nuevo producto funcione de forma adecuada.

Estas incertidumbres pueden ser reducidas por medio del estudio de las regularidades tecnológicas, de las regularidades del mercado y del uso de estrategias de innovación adecuadas. La forma más adecuada para analizar las regularidades tecnológicas se realiza por medio de las curvas en S, de esta forma la empresa puede analizar el desempeño de la innovación en el tiempo. De igual manera las regularidades del mercado pueden ser estudiadas por medio de las curvas en S.

Las curvas en S son una representación gráfica del avance acumulado del proyecto en función del tiempo que permiten realizar una comparación del avance esperado versus el avance real del proyecto. Se le denomina Curva S debido a que la gráfica toma forma de "S" a medida que se va representando los valores acumulados en el tiempo (S C. s.).

Actualmente el estudio de estas curvas ha tenido mucha importancia en el campo de la tecnología y las innovaciones ya que han permitido la identificación del momento adecuado para la realización de cambios, inversiones o trasformaciones para que el producto o maquinaria sigan siendo competitivos en el mercado [3] Fernández (2005); [6] Kucharavy (2007); [7] Kucharavy & De Guio (2009); [13] Shilling (2010); [15] White &  Bruton (2007). Igualmente, a nivel empresarial es absolutamente relevante el uso de curvas en S para representar el ciclo de vida de un producto, conocer las condiciones en las que se encuentra el articulo producido y crear un plan estratégico de inversiones y de ejecución de estrategias de mercadotecnia que permitan aumentar la productividad [2] Avalos, Aguilar & Zartha (2010).    

Las curvas en S tienen muchas aplicaciones describiendo el comportamiento de ciertos fenómenos en distintas ramas de la ciencia. En el campo de la biología, por ejemplo, permite la identificación del crecimiento poblacional de los microorganismos, en el campo de la química o agroindustria permiten la descripción de procesos de operaciones unitarias como las estudiadas en este artículo: Secado y Esterilización.

Debido al amplio espectro de aplicación de las curvas en S fue posible utilizar esta metodología para realizar la evaluación de las tecnologías sobre varias operaciones unitarias en el sector agroindustrial alimentario, para este caso concreto en Secado y Esterilización.

El secado de sólidos consiste en separar pequeñas  cantidades de agua, que es el caso más común en el secado de alimentos o de otro líquido, por ejemplo el hexano en una torta de soya, o un alcohol en la extracción de taninos; de un material sólido con el fin de reducir el contenido de líquido residual hasta un valor aceptablemente bajo. El secado es habitualmente la etapa final de una serie de operaciones y, con frecuencia, el producto que se extrae de un secadero pasa a empacado. El agua u otros líquidos pueden separarse de sólidos mecánicamente mediante prensas o centrífugas, o bien térmicamente mediante evaporación [8] McCabe, Smith & Harriot (1998).

Existen diferentes tipos de secadores continuos, entre ellos los rotatorios, o el secador continúo de túnel que suelen ser compartimentos de bandejas o de carretillas que operan en serie. Los sólidos se colocan sobre bandejas o en carretillas que se desplazan continuamente por un túnel con gases calientes que pasan sobre la superficie de cada bandeja. El flujo de aire caliente puede ser a contracorriente, en paralelo, o una combinación de ambos. Muchos alimentos se secan por este procedimiento [4] Geankoplis (1998).

Se denomina esterilización a la eliminación completa de microorganismos presentes en un alimento por medio de un tratamiento térmico. Debido a la existencia de otras bacterias que desarrollan esporas muy resistentes, es necesario utilizar tratamientos térmicos muy drásticos los cuales pueden producir cambios de naturaleza fisicoquímica que destruyen el alimento o deterioran su calidad [4] Geankoplis (1998).

Metodología

Para realizar el análisis del ciclo de vida de la tecnología de las 2 operaciones unitarias  (Secado y Esterilización), se realizó el siguiente procedimiento:

  1. Se realizó la búsqueda en bases especializadas como Scopus y Free Patents sobre artículos y patentes relacionados con las dos operaciones. Para garantizar la validez y exactitud de los datos se elaboraron ecuaciones de búsqueda, las cuales fueron revisadas por un experto en el tema.
  1. Se tabularon los datos obtenidos de artículos y patentes, especificando su respectivo año y cantidad, y se acumularon los valores con el objetivo de introducirlos como parámetros de entrada en el software Sigmaplot y a través de regresiones no lineales se aplicaron 13 modelos, de los cuales se seleccionó el de mejor ajuste y se obtuvieron las respectivas curvas en S.
  1. Se aprobaron y validaron las curvas obtenidas teniendo en cuenta los datos estadísticos arrojados por el software: R2 ajustado, valor t, valor P y Durbin Watson (DW). Posteriormente se realizó el análisis por segunda derivada a cada operación. Por último se analizó el ciclo de vida de las tecnologías seleccionadas teniendo en cuenta los puntos de inflexión obtenidos.

En la figura 3 se observa un resumen de la metodología empleada:

Descripción: C:\Users\jhon.zartha\AppData\Local\Microsoft\Windows\Temporary Internet Files\Content.Word\Nueva imagen.bmp

Figura 3. Metodología para el análisis de una tecnología a través de curvas en S

Fuente: Zartha, Palop, Arango, Vélez & Avalos (2013)

Resultados

Las ecuaciones de búsqueda empleadas para determinar las cantidades de artículos y patentes registradas sobre Secado y Esterilización, fueron:

ARTÍCULOS EN SECADO:

TITLE- ABS-KEY (continuous drying) AND TITLE- ABS-KEY (food) AND NOT TITLE- ABS. KEY (pharmaceutical)

PATENTES EN SECADO:

ABST/"continuous drying" TTL/"food"

ARTÍCULOS EN ESTERILIZACIÓN:

TITLE-ABS-KEY(sterilization) AND TITLE-ABS-KEY(food OR meal) AND NOT TITLE-ABS-KEY(pharmaceutical)

PATENTES EN ESTERILIZACIÓN:

ABST/ (sterilization) AND ABST/(food OR meal) NOT ABST/(pharmaceutical)

Análisis de resultados

A continuación, se presentan los resultados obtenidos para artículos y patentes de las 2 operaciones unitarias (Secado y Esterilización).

En la tabla 1, se presentan los resultados obtenidos para artículos en Secado.

Tabla 1. Datos de Artículos secado

Artículos acumulados

Artículos acumulados

Artículos acumulados

1971

1

1986

37

2000

84

1972

2

1987

42

2001

92

1973

5

1988

45

2002

100

1974

8

1989

46

2003

105

1975

10

1990

52

2004

113

1976

10

1991

54

2005

122

1977

13

1992

57

2006

135

1978

16

1993

59

2007

147

1979

22

1994

64

2008

155

1980

29

1995

64

2009

167

1981

30

1996

67

2010

179

1982

30

1997

69

2011

189

1983

31

1998

72

2012

198

1984

34

1999

80

2013

199

Después de correr los 13 modelos, aquel que presentó el mejor ajuste fue el modelo Hill 3 parámetros (Tabla 2)

Tabla 2. Modelo seleccionado para artículos – secado

Descripción: C:\Users\jhon.zartha\AppData\Local\Microsoft\Windows\Temporary Internet Files\Content.Word\Nueva imagen.bmp

Con el fin de corroborar el valor del punto de inflexión de la curva en S para el modelo Hill 3 parámetros se realizó la segunda derivada a  la ecuación del modelo arrojando un valor para el punto de inflexión correspondiente al año 2019; por lo que se puede concluir que el estado de la tecnología, de acuerdo con el parámetro de desempeño de número de  artículos científicos acumulados, es el de tecnología entrante - clave, ahora, para el periodo comprendido entre 2019 y 2020 pasará a estado de tecnología madura, debido a que en esta fecha se presentará el punto de inflexión correspondiente a través del cambio de sentido o concavidad de la su curva en S (Ver Figura 4).

 Figura 4. Curva en S Artículos secado

Resultados obtenidos para Patentes Secado (Tabla 3).

Tabla 3. Datos de Patentes secado

Patentes Acumuladas

Patentes Acumuladas

Patentes Acumuladas

1935

2

1962

356

1988

1748

1936

6

1963

373

1989

1892

1937

10

1964

390

1990

2058

1938

15

1965

407

1991

2248

1939

21

1966

424

1992

2454

1940

27

1967

441

1993

2684

1941

34

1968

458

1994

2937

1942

42

1969

475

1995

3213

1943

52

1970

492

1996

3511

1944

63

1971

514

1997

3831

1945

75

1972

541

1998

4165

1946

88

1973

575

1999

4521

1947

103

1974

613

2000

4891

1948

118

1975

658

2001

5292

1949

135

1976

706

2002

5723

1950

152

1977

757

2003

6182

1951

169

1978

810

2004

6664

1952

186

1979

868

2005

7182

1953

203

1980

933

2006

7724

1954

220

1981

1001

2007

8277

1955

237

1982

1087

2008

8844

1956

254

1983

1177

2009

9436

1957

271

1984

1278

2010

10047

1958

288

1985

1384

2011

10672

1959

305

1986

1496

2012

11301

1960

322

1987

1618

2013

11931

1961

339

Después de correr los 13 modelos, aquel que presentó el mejor ajuste fue el modelo Sigmoidal 5 parámetros (Tabla 4)

Tabla 4. Modelo seleccionado para patentes- secado

Descripción: C:\Users\jhon.zartha\AppData\Local\Microsoft\Windows\Temporary Internet Files\Content.Word\Nueva imagen.bmp

En cuanto a las patentes acumuladas, y según los datos arrojados, el modelo con mejor ajuste fue el Sigmoidal 5 parámetros con un punto de inflexión que fue corroborado a través de la segunda derivada, es decir, desde el punto de vista de las patentes, la tecnología de secado continuo de alimentos se encuentra entre tecnología clave y madura como se observa en la figura 5, desde el año 2002 (punto de inflexión), la tasa acumulada de patentes ha disminuido y ya se generó el cambio de sentido o concavidad en la curva.

Figura 5. Curva en S Patentes secado

Ahora, desde el punto de vista de mecanismos de privatización de la tecnología, la estrategia sería la de no privatización ya que no sería un momento adecuado para ejercer mecanismos de derecho tecnológico y propiedad intelectual tales como patentes y registros de software, entre otros, ya que su etapa se encontraría en una transición entre la de crecimiento tardío y madurez.

Los resultados obtenidos para los artículos en Esterilización, se muestran a continuación (Tabla 5):

Tabla 5. Datos de Artículos esterilización

Artículos Acumulados

Artículos Acumulados

Artículos Acumulados

1927

1

1956

16

1985

800

1928

1

1957

21

1986

839

1929

1

1958

21

1987

870

1930

1

1959

29

1988

927

1931

1

1960

31

1989

980

1932

1

1961

33

1990

1041

1933

1

1962

35

1991

1088

1934

2

1963

39

1992

1132

1935

2

1964

52

1993

1207

1936

2

1965

76

1994

1259

1937

2

1966

92

1995

1303

1938

2

1967

111

1996

1374

1939

2

1968

138

1997

1445

1940

2

1969

173

1998

1533

1941

2

1970

198

1999

1620

1942

2

1971

244

2000

1736

1943

2

1972

282

2001

1809

1944

2

1973

342

2002

1915

1945

2

1974

392

2003

2058

1946

2

1975

445

2004

2192

1947

3

1976

486

2005

2313

1948

5

1977

517

2006

2422

1949

5

1978

545

2007

2545

1950

5

1979

565

2008

2671

1951

7

1980

596

2009

2803

1952

7

1981

639

2010

2937

1953

12

1982

671

2011

3072

1954

15

1983

708

2012

3225

1955

15

1984

752

2013

3316

Los datos se ingresaron al Programa Sigmaplot y fueron sometidos a análisis de regresión no lineal a través de 13 modelos: Sigmoidal, Logístico, Weibull, Gompertz, Hill y Chapman, en este caso el modelo seleccionado por presentar el mejor ajuste fue: Sigmoidal 3 parámetros (Tabla 6).

Tabla 6. Modelos seleccionados para artículos- Esterilización

Los anteriores modelos fueron seleccionados ya que tuvieron los mejores ajustes frente a los parámetros R2, Valor T, valor P y DW.  El punto de inflexión para artículos-Esterilización se da en el 2014 (Figura 6).

Figura 6. Curva en S Artículos esterilización (Sigmoidal 3 parámetros)

En cuanto a los resultados obtenidos para patentes- Esterilización, se tiene (Tabla 7).

Tabla 7. Patentes en Esterilización

Patentes Acumuladas

Patentes Acumuladas

Patentes Acumuladas

1935

2

1962

79

1989

1225

1936

9

1963

79

1990

1385

1937

16

1964

79

1991

1518

1938

26

1965

79

1992

1649

1939

34

1966

79

1993

1783

1940

40

1967

79

1994

1935

1941

50

1968

79

1995

2096

1942

58

1969

79

1996

2274

1943

63

1970

80

1997

2434

1944

68

1971

84

1998

2631

1945

72

1972

94

1999

2886

1946

75

1973

102

2000

3150

1947

75

1974

107

2001

3391

1948

76

1975

124

2002

3618

1949

78

1976

144

2003

3882

1950

79

1977

158

2004

4132

1951

79

1978

168

2005

4376

1952

79

1979

180

2006

4602

1953

79

1980

236

2007

4750

1954

79

1981

311

2008

4908

1955

79

1982

387

2009

5047

1956

79

1983

461

2010

5179

1957

79

1984

545

2011

5291

1958

79

1985

669

2012

5417

1959

79

1986

810

2013

5477

1960

79

1987

942

1961

79

1988

1082

Al observar los datos obtenidos sobre patentes acumuladas, el modelo de Gompertz 4 parámetros fue el de mejor ajuste estadístico (Tabla 8), mostrando un punto de inflexión de la tecnología en el año 2000 (Figura 7), lo que permite afirmar que la tecnología se encuentra en una fase de madurez o declive y que la estrategia a seguir podría ser la de no sobreinversión.

En cuanto a los mecanismos de derecho y propiedad intelectual, la estrategia sería contraria a lo evidenciado en los artículos, es decir, una estrategia de no privatización ya que no sería un momento adecuado para ejercer estos mecanismos: Patentes, registros de software, entre otros, ya que su etapa se encontraría en una transición entre la de crecimiento tardío y madurez.

Tabla 8. Datos de patentes esterilización

Descripción: C:\Users\jhon.zartha\AppData\Local\Microsoft\Windows\Temporary Internet Files\Content.Word\Nueva imagen.bmp

Figura 7. Curva en S Patentes esterilización

Conclusiones

Para las dos operaciones unitarias con aplicación en alimentos, el tipo de  modelo que mejor explica el ciclo de vida de la tecnología es el Sigmoidal, Hill y Gompertz.

De acuerdo a las patentes acumuladas en Secado y Esterilización, los puntos de inflexión se dieron entre 2000 y 2002

El análisis a través de curvas en S de patentes acumuladas y artículos acumulados como parámetros de desempeño de una tecnología puede ser útil para analizar la fase de una tecnología: Emergente, entrante, clave, madura, en declive; la etapa en la que se encuentra: Difusión inicial, crecimiento temprano, crecimiento tardío, madurez, y para establecer la mejor estrategia en cuanto a monitoreo o inversión y frente al momento adecuado para ejercer mecanismos de derecho tecnológico y propiedad intelectual.

Es conveniente para nuevas aplicaciones contar con otros parámetros de desempeño tales como citaciones y patentes por año de prioridad, esto con el fin de complementar el análisis y poder establecer un punto de inflexión más preciso.

Cuando el punto de inflexión no ha ocurrido, es decir, el software lo calcula a futuro, este valor es un estimativo, que debe ser leído con cuidado, ya que el software no tiene precargado las restricciones, amenazas, nuevas variables y mejoras que una tecnología puede tener a futuro y que cambiarían drásticamente su comportamiento en lo relacionado al ciclo de vida; sin embargo, un punto de inflexión futuro tanto en patentes como en artículos podría indicar grandes beneficios para los generadores, adoptantes, difusores y compradores de tecnología.

POTENCIAL DE NUEVAS APLICACIONES.

Las citas pueden ser usadas para evaluar la calidad del trabajo científico y para medir la obsolescencia en un campo específico; en patentes y artículos estos pueden ser analizados a través de las citaciones, de tal forma, este se podría convertir en un tercer parámetro de desempeño para tomar decisiones y sugerir estrategias.

En un futuro cercano, las curvas en S pueden convertirse en superficies en S, así se podrían construir superficies con la combinación de varios parámetros de desempeño: Artículos, patentes, citas.

LIMITACIONES.

Es importante revisar las series de datos con expertos en el área analizada para estar seguros de que las patentes y artículos analizados y sigmaplot correspondan a las tecnologías analizadas.

Es difícil tomar una decisión con un solo parámetro de desempeño, se sugiere trabajar en un futuro con patentes por año de publicación, patentes por año de prioridad, artículos y citaciones.

Referencias

[1] AFUAH, A. La dinámica de la innovación organizacional: El nuevo concepto para lograr ventajas competitivas y rentabilidad. México DF: Oxford University Press México. 1999

[2] AVALOS, A., AGUILAR, S. y ZARTHA, J. Curvas en S. Aplicación en Innovaciones de tres Sectores Industriales Colombianos. Revista Espacios. 2010. Link

[3] FERNÁNDEZ, E. Estrategias de Innovación. Thomson. Madrid. 2005.

[4] GEANKOPLIS, C.J. Procesos de transporte y operaciones unitarias. ISBN: 968-26-1316-7. Ed 3. 1998.

[5] KOTLER, P. Dirección de mercadotecnia, análisis, planeación, implementación y control. Prentice Hall. México DF. 1996.

[6] KUCHARAVY, D. Application of S-shaped curve. In proc. Triz future- conference, (Kassel university press GmbH), Frakfurt, Germany. 2007. 81-88

[7] KUCHARAVY, D., DE GUIO, R. Logistic Substitution Model and Technological Forecasting.  The Triz Journal Part of the Real Innovation Network, ABI/Inform database. 2009.

[8] McCABE, W. L.; SMITH, J. C. & HARRIOT, P. Operaciones Unitarias en Ingeniería Química.McGraw Hill. Cuarta Ed. 1998. 1112p.

[9] ORTIZ, S. y PEDROZA, A. ¿QUÉ ES LA GESTIÓN DE LA INNOVACIÓN Y LA TECNOLOGÍA (GInnT)?. Journal of Technology Management and Innovation. Vol. 1, No. 2. 2006.

[10] PÉREZ C. Technological revolutions, paradigm shifts and socio-institutional change. CERF, Cambridge University, UK and SPRU, University of Sussex, U.K. 2004

[11] PÉREZ, C. Cambio tecnológico y oportunidades de desarrollo como blanco móvil. REVISTA DE LA CEPAL. 2001.

[12] PÉREZ, C. Y L. SOETE. Catching up in technology: Entry barriers and windows of opportunity, G. Dosi y otros (ed.), Technical Change and Economic Theory, Londres, Pinter Publishers. 1988.

[13] SCHILLING, M. Dirección estratégica de la innovación tecnológica. Mc Graw Hill. New York. 2010.

[14] TIDD, J. y BESSANT, J. Managing innovation. Integrating Technological Marke and Organization Change. 2009. Disponible: http://depa.fquim.unam.mx/amyd/archivero/ATAAditivos_1816.pdf. [Citado el 01 de septiembre de 2013]

[15] WHITE, M., BRUTON, G. The Management of Technology and Innovation: A Strategic Approach. Mason OH: Thomson Higher Education. 2007.

[16] ZARTHA, J., PALOP, F., ARANGO, B., VÉLEZ, F. Y AVALOS, A. S-CURVE ANALYSIS AND TECHNOLOGY LIFE CYCLE Application in series of data of articles and Patents. 3rd Global TechMining Conference. Atlanta, Georgia. 2013.


1 Universidad Pontificia Bolivariana. Escuela de Ingenierías. Facultad de Agroindustria. MSc. Medellín, Colombia. Correspondencia: jhon.zartha@upb.edu.co
2 Universidad Pontificia Bolivariana. Escuela de Ingenierías. Facultad de Ingeniería Industrial. PhD. Medellín, Colombia
3 Ingeniero de Alimentos. Medellín, Colombia
4 Estudiante Administración Tecnológica. ITM. Medellín, Colombia


Vol. 35 (Nº7) Año 2014
[Índice]

[En caso de encontrar algún error en este website favor enviar email a webmaster]