Recibido: 1/08/2025
Aceptado: 18/09/2025
https://revistas.unj.edu.pe/index.php/pakamuros
81
Volumen 13, Número 3, Julio - Setiembre, 2025, Páginas 81 al 90
DOI: https://doi.org/10.37787/2c53fe39
ARTÍCULO DE REVISIÓN
Tecnologías de la información de la cadena de suministro empresarial: Una revisión sistemática.
Business Supply Chain Information Technologies: A Systematic Review.
Luis M. Llanos 1 *, Dennis Noriega 2 , Lucio Yep 2 y Frans Fuentes1
RESUMEN
La transformación de las estrategias tecnológicas en un contexto de la globalización viene transformando de forma
incremental la gestión empresarial, teniendo como prioridad migrar al uso de tecnologías de la información (TI)
en la gestión de la cadena de suministro (GCS), la investigación contribuyo a identificar y describir las TI más
importantes a través de la metodología PRISMA, lo que permite realizar un análisis transparente y sistemático de
los antecedentes, entre las tecnologías más relevantes esta la inteligencia artificial (IA) y el aprendizaje
automático(ML), que ayudan a la gestión de la empresa mediante la predicción de los comportamientos de los
mercados; ofrecen trazabilidad y seguridad en las transacciones (blockchain (BC); internet de las cosas (IoT), que
permite el monitorio y control en tiempo real de los procesos logísticos y la automatización robótica de procesos
(RPA) permitiendo incrementar la eficiencia en los procesos funcionales, los resultados obtenidos evidencian el
impacto positivo reduciendo los tiempos en el procesamiento de grandes volúmenes de datos e información,
aumento de la competitividad, mejora en la resiliencia de la cadena de suministro, permitiendo la satisfacción de
cliente, las TI desarrollan capacidades en el ser humano como el análisis de datos e información permitiendo tomar
decisiones estratégicas.
Palabras clave: cadena suministros; inteligencia artificial; IoT; Blockchain; automatización robótica de
procesos. ABSTRACT
The transformation of technological strategies in a context of globalisation is gradually transforming business
management, with the priority being to migrate to the use of information technology (IT) in supply chain
management (SCM). The research contributed to identifying and describing the most important IT through the
PRISMA methodology, which allows for a transparent and systematic analysis of the background. Among the
most relevant technologies are artificial intelligence (AI) and machine learning (ML), which help in business
management by predicting market behaviour; they offer traceability and security in transactions (blockchain (BC));
the Internet of Things (IoT), which enables real-time monitoring and control of logistics processes; and robotic
process automation (RPA), which increases the efficiency of functional processes. The results obtained show a
positive impact, reducing the time taken to process large volumes of data and information, increasing
competitiveness, improving the resilience of the supply chain, enabling customer satisfaction, and allowing IT to
develop human capabilities such as data and information analysis, enabling strategic decisions to be made.
Keywords: supply chain; artificial intelligence; IoT; Blockchain; robotic process automation.
* Autor para correspondencia
1
Universidad Nacional de Jaén, Perú. Email: luis.llanos@unj.edu.pe, ingfrans@unj.edu.pe
2 Universidad Nacional de Trujillo, Perú. Email: noriegadennis5@gmail.com, autor3@gmail.com
Tecnologías de la Información de la Cadena de Suministro Empresarial: Una Revisión Sistemática
84
INTRODUCCIÓN
La GCS está atravesando por una transformación profunda, impulsada por las TI en un entorno complejo
empresarial caracterizado por la globalización y la complejidad de los mercados, el uso de los robots de
software (RS) para automatizar tareas procesando grandes volúmenes de información (MVI),
minimizando errores humanos, costos y tiempo, enfocándose al análisis y toma de decisiones (Escandon-
Barbosa & Salas-Paramo, 2025); así como IoT diseñado para interconectar todos los equipos industriales
(Ahmed et al., 2023), en supervisión de biomateriales, productos químicos en cadena productiva de
medicamentos (Sharma et al., 2020). Actualmente la tecnología IoT ha transformado los modelos de
negocio de comercio electrónico va más allá de optimizar procesos en CS, con un eco cada vez mayor
en la toma de decisiones basados en datos (Shamsuzzoha & Pelkonen, 2025; Su et al., 2025). La IA es
una tecnología que permite optimizar y analizar datos como gastos y gestión de contratos, predicción de
ventas y comportamientos proveedor-cliente (Bhat & Aljuneidi, 2025; Guida et al., 2025; Rahman Mahin
et al., 2025), la inteligencia artificial (IA) y el machine learning (ML) destacan por su capacidad de
automatizar la clasificación de gastos, optimizar contratos, predecir ventas y anticipar el comportamiento
proveedor–cliente, además de potenciar el marketing relacional mediante la identificación y
aprovechamiento de patrones en el mercado (Cuesta-Valiño et al., 2025; S. K. Roy et al., 2025),
asimismo, la combinación IA–Blockchain (BC) mejora la velocidad y seguridad en el comercio
electrónico, mientras que el BC de forma independiente asegura la trazabilidad en cadenas agrícolas y
logísticas gracias a su carácter descentralizado, transparente e inmutable (Pang et al., 2024; Valami &
Ahmadifar, 2025; Zhu, 2025), la TI gemelos digitales (GD) es una tecnología potente que permite la
creación virtual de sistemas mediante sensores IoT interactuando con el mundo físico real, esta TI se
mejora en gran medida en cuanto a la seguridad de sus datos al registrarse en plataforma BC que brinda
una característica inmutable y clara en los datos (Joshi et al., 2025; Lehner et al., 2024) los GD se busca
implementar en los diferentes cadenas de suministro como el sector de la construcción que busca mejorar
la productividad y la eficiencia operativa en los procesos constructivos (Moshood et al., 2024). Si bien
es cierto las TI impulsan RI4.0, hoy en día es aplicable a grandes empresas que poseen infraestructura
tecnológica de vanguardia, a diferencia de los países en desarrollo que enfrentan barreras tipo
organizativas, tecnológicas para su implementación (Awasthy et al., 2025; Elhusseiny & Crispim, 2022);
será cuestión de tiempo para que las PYMES rompan las barreras y encuentren soluciones aplicables y
accedan a TI (Nevi et al., 2025).
Las TI, se vienen implementando en diferentes campos como la ingeniería, ciencias sociales, ciencias
matemáticas, la gestión administrativa entre otros, mediante el uso de sensores inteligentes, Big Data ,
82
Llanos et al.
83
minería de datos, permitiendo de bases de datos robustas de datos e información, lo que permite tener un
cambio en la gestión de la cadena de suministro, posicionando a las TI como herramientas claves en la
mejora de procesos operativos, visibilidad en tiempo real y la capacidad de adaptación de la empresas,
es así que en el análisis de los antecedentes de las investigaciones ofrece información clara permitiendo
fundamentar decisiones sobre inversiones en TI y construir cadenas de suministro más ágiles y
competitivas, tal como lo menciona (Rumson & Hallett, 2019; Sharifmousavi et al., 2024).
Sin embargo, la sinergia entre tecnologías como blockchain (BC) y el internet de las cosas (IoT),
establecen desafíos como la interoperabilidad y la falta de estándares. Además, las tecnologías de la
información tienen algunas limitaciones estructurales como la dependencia de la conexión a internet,
fallas en la red, la complejidad de su implementación y mantenimiento. Sumado a la posibilidad de sesgo
en los datos, lo cual afecta a la calidad de la información y, en consecuencia, la toma de decisiones
estratégicas acertadas.
En este contexto el propósito de esta investigación es identificar y describir las TI más relevantes
aplicadas en la GCS, así como determinar cuáles son las tecnologías clave actualmente utilizadas en el
sector empresarial. Para ello, se recurre al análisis de publicaciones científicas que funcionan como guía
y respaldo en torno a la incorporación de TI en la cadena de suministro, además de evaluar el impacto de
las TI como la IA, el aprendizaje autónomo (ML), blockchain (BC), IoT y la automatización robótica de
procesos (RPA) en la gestión de la cadena de suministro, con el fin de aportar una visión integral sobre
sus beneficios, limitaciones y retos en el entorno empresarial actual.
MATERIALES Y MÉTODOS
El marco metodológico se estructuró bajo el enfoque de revisión sistemática de literatura (RSL),
siguiendo las recomendaciones de PRISMA 2020 (Preferred Reporting Items for Systematic Reviews
and Meta-Analyses)(Ahn & Kang, 2018), identificando las tecnologías de la información (TI) más
relevantes aplicadas en la gestión de la cadena de suministro (GCS). La revisión se realizó en la base de
datos ScienceDirect, seleccionada por su alta cobertura de artículos científicos indexados y revisados por
pares en ingeniería, administración y ciencias aplicadas. Se utilizaron las siguientes combinaciones de
palabras clave, “automation” AND “supply chain”, “blockchain” AND “supply chain” AND “business
sector”, “IoT” AND “supply chain”, “artificial intelligence” AND “supply chain” AND “business
sector”, Se aplicó como filtro el rango temporal hasta el año 2025, considerando únicamente artículos en
inglés y español, en los criterios de inclusión se trabajó con artículos científicos publicados en revistas
indexadas, estudios empíricos o revisiones que abordaran aplicaciones prácticas de TI (IA, ML, IoT, BC,
RPA) en la GCS empresarial y Publicaciones con acceso a texto completo, respecto a la exclusión en la
Tecnologías de la Información de la Cadena de Suministro Empresarial: Una Revisión Sistemática
84
búsqueda fueron artículos duplicados, trabajos que se limitaran a marcos teóricos sin aplicación en GCS,
publicaciones en congresos sin revisión por pares o de carácter meramente descriptivo, tras eliminar
duplicados y estudios irrelevantes, el número final de artículos analizados fue de 53, continuación se
presenta el diagrama de flujo PRISMA.
Figura 1
Diagrama de flujo PRISMA
La figura1 muestra el proceso sistemático seguido para la identificación, filtro, elegibilidad e inclusión
de los artículos considerados en el proceso de revisión. En la fase de identificación se encontraron 179
registros en la base de datos ScienceDirect. Seguidamente, se eliminaron 32 duplicados, quedando 147
estudios para el filtro. De ellos, 94 fueron excluidos por no cumplir los criterios de inclusión. Entre los
excluidos se especifican dos causas frecuentes: falta de acceso a texto completo (n=15) y publicaciones
no académicas (n=12), en la fase de elegibilidad, se evaluaron 53 artículos con texto completo y que
cumplían los criterios definidos, constituyendo el número final de estudios incluidos (n=53) en el análisis.
Llanos et al.
83
RESULTADOS
La creciente competencia empresarial, sumada a la recesión económica global producto de la pandemia,
ha establecido nuevas reglas en el mercado donde la adaptabilidad a entornos dinámicos se convierte en
un factor esencial para sostener la competitividad. En ese sentido, las Tecnologías de la Información (TI)
a través de la Industria 4.0 (IR4.0), permite la automatización de la gestión de la cadena de suministro
(GCS) en el ámbito empresarial, en ese sentido se presenta una tabla describiendo la tecnología, el ámbito
de aplicación y beneficios.
Tabla 1
Tecnologías de la Información aplicadas en la Gestión de la Cadena de Suministro (GCS).
Tecnología
Ámbito de aplicación
Beneficios principales
Referencias
IA / ML
Logística, inventarios,
transporte, finanzas,
marketing
Automatización en tiempo real; predicción de
demanda; rutas óptimas; análisis de grandes
volúmenes de datos; fidelización de clientes
(Balan et al., 2025; Guida
et al., 2025; S. K. Roy
et al., 2025)
IoT
Inventarios, monitoreo
de la demanda
Gestión inteligente de inventarios; reducción
de retrasos; monitoreo en tiempo real
(Jin & Karki, 2025)
Blockchain
(BC)
Comercio electrónico,
trazabilidad
Registro descentralizado, inmutable y
transparente; confianza en transacciones;
trazabilidad de productos
(Zhu, 2025)
IoT + BC
(sinergia)
Logística e inventarios
Minimización de retrasos; monitoreo de
demanda; visibilidad completa
(Jin & Karki, 2025) (Zhu,
2025)
RPA
Procesos administrativos
y logísticos
Digitalización de procesos; reducción de
errores; mayor eficiencia en pedidos
(Shamsuzzoha &
Pelkonen, 2025)
La Tabla 1 muestra el resumen de las principales TI aplicadas en la gestión de la cadena de suministro, la IA/ML destaca por
su capacidad de predicción de la demanda, optimización logística y fidelización de clientes. El IoT facilita el monitoreo en
tiempo real y la gestión inteligente de inventarios, mientras que el blockchain (BC) asegura transparencia, trazabilidad y
confianza en transacciones, la combinación IoT + BC potencia la visibilidad de los procesos logísticos y el control de
inventarios, en conjunto, estas tecnologías fortalecen la eficiencia, la resiliencia y la competitividad empresarial.
85
Tecnologías de la Información de la Cadena de Suministro Empresarial: Una Revisión Sistemática
84
Figura 2
Sinergia de Tecnologías de la Información en la GCS.
La Figura 2 muestra la gestión de la cadena de suministro (GCS) donde se apoya en tecnologías disruptivas de la Industria
4.0. La IA/ML facilita la predicción de la demanda y la optimización logística, mientras el IoT aporta el control y monitoreo
en tiempo real y trazabilidad. El Blockchain refuerza la transparencia y la confianza mediante registros inmutables, y la RPA
automatiza procesos permitiendo la reducción de tiempo, en conjunto, estas tecnologías fortalecen la eficiencia, resiliencia y
competitividad empresarial.
DISCUSIÓN
Los antecedentes recientes muestran un cambio constante en el sector empresarial hacia la digitalización
y la automatización de procesos en la cadena de suministro (CS), en donde las capacidades tecnológicas
se encuentran en constante mejoramiento. Desde este contexto, la implementación de tecnologías
aisladas ya no es suficiente; diversos autores destacan que la integración y centralización de la
información con ayuda de herramientas tecnológicas como la inteligencia artificial (IA), blockchain
(BC), internet de las cosas (IoT) y big data (BD) permite maximizar los resultados y fortalecer la
resiliencia empresarial (Jin & Karki, 2025; Zhu, 2025).
Un aspecto relevante de discusión gira en torno al paradigma cultural sobre remplazar el trabajo de las
personas por la IA, en ese sentido la evidencia científica demuestra que la IA no está diseñada para
reemplazar al trabajador, sino para mejorar sus capacidades, es así que la IA se centra en el procesamiento
86
Llanos et al.
83
de datos, la gestión de información y la automatización de procesos operativos, mientras que el ser
humano conserva un rol crítico y el análisis estratégico, la supervisión y la interpretación de los datos e
información (Balan et al., 2025; Guida et al., 2025; Shamsuzzoha & Pelkonen, 2025).
Pero de acuerdo a los avances significativos en la implementación de estas tecnologías aún se identifican
vacíos de investigación y diferencias contextuales en su implementación. En países con economías y
tecnologías sobresalientes, el proceso de automatización de la CS se ha consolidado gracias a una
infraestructura tecnológica robusta, inversiones planificadas y sostenibles en la innovación y capital
humano altamente capacitado. En contraste con economías en desarrollo, especialmente en las pequeñas
y medianas empresas (PYMES), las TI enfrentan barreras contextuales y estructurales, destacando la
poca infraestructura tecnológica, escasez de competencias digitales y la resistencia cultural al cambio
organizacional, factores que dificultan la adopción plena de estas tecnologías (Alnoor et al., 2025;
Awasthy et al., 2025; Elhusseiny & Crispim, 2022; Mao, 2025; W. Roy et al., 2023; Rumson & Hallett,
2019).
A pesar de estas limitaciones, el impacto de las TI en la CS resulta cuantificable, significativo y eficiente.
Los estudios muestran beneficios como la reducción en los tiempos de procesamiento de grandes
volúmenes de información (MVI), la predicción más precisa de la demanda y de segmentos de mercado
específicos, el aumento de la capacidad de adaptación organizacional, así como una mayor satisfacción,
desarrollo y fidelización de los clientes (Roy et al., 2025). En este sentido, el éxito de estas tecnologías
depende de una gestión estratégica de los datos, una integración tecnológica efectiva y la superación de
barreras culturales y estructurales.
CONCLUSIONES
El uso de las tecnologías de información (TI) vienen posicionándose como herramientas claves en la
gestión de la cadena de suministro, sobresaliendo las IA,IoT,ML,BC y RPA, que si trabajan de forma
integrada potencian la eficiencia operacional y la resiliencia empresarial, las investigaciones demuestran
que la IA, fortalece las capacidades críticas en el procesamiento de grandes volumen de datos e
información obteniendo insumos para las decisiones estratégicas (Benchis et al., 2025). Sin embargo, la
implementación de estas tecnologías enfrenta barreras significativas en países en proceso de desarrollo,
entre ellas altos costos, la falta de infraestructura y la resistencia cultural (Ghobakhloo et al., 2023;
Govindarajan et al., 2025). A esto se suman dependencia tecnológica y riesgos de ciberseguridad, aunque
las investigaciones destacan que los beneficios superan los desafíos y que las medidas de mitigación
evolucionan al mismo ritmo que las innovaciones (Delgado-von-Eitzen et al., 2026).
87
Tecnologías de la Información de la Cadena de Suministro Empresarial: Una Revisión Sistemática
84
REFERENCIAS BIBLIOGRÁFICAS
Ahmed, S. F., Alam, Md. S. B., Hoque, M., Lameesa, A., Afrin, S., Farah, T., Kabir, M., Shafiullah, G.,
& Muyeen, S. M. (2023). Industrial Internet of Things enabled technologies, challenges, and
future directions. Computers and Electrical Engineering, 110, 108847.
https://doi.org/10.1016/j.compeleceng.2023.108847
Ahn, E., & Kang, H. (2018). Introduction to systematic review and meta-analysis. Korean Journal of
Anesthesiology, 71(2), 103-112. https://doi.org/10.4097/kjae.2018.71.2.103
Alnoor, A., Abbas, S., Sadaa, A. M., Chew, X., & Bayram, G. E. (2025). Navigating the power of
blockchain strategy: Analysis of technology-organization-environment (TOE) framework and
innovation resistance theory using PLS-SEM and ANN insights. Technological Forecasting and
Social Change, 214, 124044. https://doi.org/10.1016/j.techfore.2025.124044
Awasthy, P., Haldar, T., & Ghosh, D. (2025). Blockchain enabled traceability—An analysis of pricing
and traceability effort decisions in supply chains. European Journal of Operational Research,
321(3), 760-774. https://doi.org/10.1016/j.ejor.2024.10.019
Balan, G. S., Kumar, V. S., & Raj, S. A. (2025). Machine learning and artificial intelligence methods and
applications for post-crisis supply chain resiliency and recovery. Supply Chain Analytics, 10,
100121. https://doi.org/10.1016/j.sca.2025.100121
Benchis, M. P., Shahzad, K., & Dan, S. (2025). Comparative analysis of blockchain adoption in the
public and private sectors. A technology-organization-environment (TOE) framework approach.
Journal of Innovation & Knowledge, 10(4), 100746. https://doi.org/10.1016/j.jik.2025.100746
Bhat, S. A., & Aljuneidi, T. (2025). Viable intertwined supply network: Modelling and dynamic analysis
using artificial neural networks. Applied Soft Computing, 168, 112503.
https://doi.org/10.1016/j.asoc.2024.112503
Cuesta-Valiño, P., Kazakov, S., Durán-Álamo, P., & Gutiérrez-Rodríguez, P. (2025). The role of AI as
an unconventional salesperson in consumer buying decisions, satisfaction and happiness.
European Research on Management and Business Economics, 31(2), 100278.
https://doi.org/10.1016/j.iedeen.2025.100278
Delgado-von-Eitzen, C., Fernández-Iglesias, M. J., Anido-Rifón, L., & Mikic-Fonte, F. A. (2026).
Blockchain beyond immutability: Application firewalls on ethereum-based platforms. Computer
Standards & Interfaces, 95, 104038. https://doi.org/10.1016/j.csi.2025.104038
Elhusseiny, H. M., & Crispim, J. (2022). SMEs, Barriers and Opportunities on adopting Industry 4.0: A
Review. Procedia Computer Science, 196, 864-871. https://doi.org/10.1016/j.procs.2021.12.086
Escandon-Barbosa, D., & Salas-Paramo, J. (2025). Driving success: Leveraging strategic decision-
making and digital technology for sustainable performance. Journal of Open Innovation:
Technology, Market, and Complexity, 11(2), 100536.
https://doi.org/10.1016/j.joitmc.2025.100536
88
Llanos et al.
83
Ghobakhloo, M., Asadi, S., Iranmanesh, M., Foroughi, B., Mubarak, M. F., & Yadegaridehkordi, E.
(2023). Intelligent automation implementation and corporate sustainability performance: The
enabling role of corporate social responsibility strategy. Technology in Society, 74, 102301.
https://doi.org/10.1016/j.techsoc.2023.102301
Govindarajan, U. H., Narang, G., Singh, D. K., & Yadav, V. S. (2025). Blockchain technologies adoption
in healthcare: Overcoming barriers amid the hype cycle to enhance patient care. Technological
Forecasting and Social Change, 213, 124031. https://doi.org/10.1016/j.techfore.2025.124031
Guida, M., Caniato, F., & Moretto, A. (2025). AI meets spend classification: A new frontier in
information processing. Journal of Purchasing and Supply Management, 31(3), 100993.
https://doi.org/10.1016/j.pursup.2025.100993
Jin, S., & Karki, B. (2025). Integrating IoT and blockchain for intelligent inventory management in
supply chains: A multi-objective optimization approach for the insurance industry. Journal of
Engineering Research, 13(2), 527-537. https://doi.org/10.1016/j.jer.2024.04.021
Joshi, R., Kumari, S., & Pandey, K. (2025). Chapter 26 - Rise of blockchain based digital twin: A
transformative tool for new research trends. En S. Iyer, A. Nayyar, A. Paul, & M. Naved (Eds.),
Digital Twins for Smart Cities and Villages (pp. 601-630). Elsevier.
https://doi.org/10.1016/B978-0-443-28884-5.00026-9
Lehner, C., Padovano, A., Zehetner, C., & Hackenberg, G. (2024). Digital twin and digital thread within
the product lifecycle management. Procedia Computer Science, 232, 2875-2886.
https://doi.org/10.1016/j.procs.2024.02.104
Mao, H. (2025). The Optimization Strategy and Application Practice of Business Management Supply
Chain Based on Artificial Intelligence Technology. Procedia Computer Science, 261, 707-715.
https://doi.org/10.1016/j.procs.2025.04.324
Moshood, T. D., Rotimi, J. OB., Shahzad, W., & Bamgbade, J. A. (2024). Infrastructure digital twin
technology: A new paradigm for future construction industry. Technology in Society, 77, 102519.
https://doi.org/10.1016/j.techsoc.2024.102519
Nevi, G., Pizzichini, L., Bastone, A., & Dezi, L. (2025). Adoption of AI by micro and small health
enterprises: Effects of entrepreneurial orientation on the TOE model. European Journal of
Innovation Management, 28(11), 209-241. https://doi.org/10.1108/EJIM-07-2024-0770
Pang, S., Teng, S. W., Murshed, M., Bui, C. V., Karmakar, P., Li, Y., & Lin, H. (2024). A survey on
evaluation of blockchain-based agricultural traceability. Computers and Electronics in
Agriculture, 227, 109548. https://doi.org/10.1016/j.compag.2024.109548
Rahman Mahin, Md. P., Shahriar, M., Das, R. R., Roy, A., & Reza, A. W. (2025). Enhancing Sustainable
Supply Chain Forecasting Using Machine Learning for Sales Prediction. Procedia Computer
Science, 252, 470-479. https://doi.org/10.1016/j.procs.2025.01.006
Roy, S. K., Tehrani, A. N., Pandit, A., Apostolidis, C., & Ray, S. (2025). AI-capable relationship
marketing: Shaping the future of customer relationships. Journal of Business Research, 192,
115309. https://doi.org/10.1016/j.jbusres.2025.115309
89
Tecnologías de la Información de la Cadena de Suministro Empresarial: Una Revisión Sistemática
84
Roy, W., Hans, B., Jannat, R. U., Reddy, Y. K., Hadi, Y., & Gayam, S. (2023). Tele-visits for GERD:
“Ecofriendly, efficient and effective”. Journal of Gastroenterology and Hepatology (Australia),
38(6), 905-909. Scopus. https://doi.org/10.1111/jgh.16148
Rumson, A. G., & Hallett, S. H. (2019). Innovations in the use of data facilitating insurance as a resilience
mechanism for coastal flood risk. Science of The Total Environment, 661, 598-612.
https://doi.org/10.1016/j.scitotenv.2019.01.114
Shamsuzzoha, A., & Pelkonen, S. (2025). A robotic process automation model for order-handling
optimization in supply chain management. Supply Chain Analytics, 9, 100102.
https://doi.org/10.1016/j.sca.2025.100102
Sharifmousavi, M., Kayvanfar, V., & Baldacci, R. (2024). Distributed Artificial Intelligence Application
in Agri-food Supply Chains 4.0. Procedia Computer Science, 232, 211-220.
https://doi.org/10.1016/j.procs.2024.01.021
Sharma, D. K., Bhargava, S., & Singhal, K. (2020). Chapter 6—Internet of Things applications in the
pharmaceutical industry. En V. E. Balas, V. K. Solanki, & R. Kumar (Eds.), An Industrial IoT
Approach for Pharmaceutical Industry Growth (pp. 153-190). Academic Press.
https://doi.org/10.1016/B978-0-12-821326-1.00006-1
Su, Y.-S., Wang, J., Tu, S.-H., Liao, K.-T., & Lin, C.-L. (2025). Detecting latent topics and trends in IoT
and e-commerce using BERTopic modeling. Internet of Things, 32, 101604.
https://doi.org/10.1016/j.iot.2025.101604
Valami, Z. H., & Ahmadifar, H. (2025). A low cost blockchain-based model for detecting of
counterfeiting container in the road transport system. Research in Transportation Business &
Management, 60, 101329. https://doi.org/10.1016/j.rtbm.2025.101329
Zhu, H. (2025). E-Commerce Big Data Logistics Supply Chain Control System Based on Artificial
Intelligence and Blockchain. Procedia Computer Science, 259, 923-930.
https://doi.org/10.1016/j.procs.2025.04.045
90
