Aprovechamiento de las tecnologías convergentes para el monitoreo de la contaminación ambiental adoptadas por el sector empresarial

Juan David Cruz Negrete

Resumen


Este artículo pretende describir cómo algunas tecnologías convergentes contribuyen en dinámicas de caracterización, monitoreo y control de contaminación en aire, suelo, y agua; asimismo, se busca brindar luces sobre retos y oportunidades desde el sector empresarial respecto a la adopción de esta tecnología en sus operaciones. Se realizó la revisión bibliográfica sobre las categorías mencionadas, en un primer momento se ilustran generalidades sobre tecnologías convergentes y monitoreo de la contaminación; en segundo lugar, se exponen casos prácticos sobre cómo se han implementado algunas tecnologías convergentes para el monitoreo, control y caracterización de la contaminación; y en un tercer momento se ilustran cuatro frentes respecto a dinámicas relacionadas con la transformación digital de las empresas. Permitiendo concluir que el uso de tecnologías convergentes mejora la caracterización y monitoreo de contaminantes, reducen costos en procesos relacionados con contaminación, asimismo, la sinergia entre tecnologías convergentes y control de contaminantes apoyaría en la creación de políticas públicas respecto a la contaminación ambiental, promoviendo así el mejoramiento de la salud pública y protección sanitaria. Con relación a la adopción empresarial de las tecnologías convergentes, podemos resaltar cuatro subtemas claves: Tecnologías convergentes y su orientación social y ambiental, beneficios de las tecnologías convergentes en las industrias, habilidades de la fuerza laboral, preparación y adopción empresarial de las tecnologías convergentes.


Palabras clave


Adopción tecnológica, Contaminación ambiental, Industria 4.0, Sostenibilidad.

Texto completo:

PDF

Referencias


Abascal, E., Gómez-Coma, L., Ortiz, I., & Ortiz, A. (2022). Global diagnosis of nitrate pollution in groundwater and review of removal technologies. Science of the Total Environment, 810. https://doi.org/10.1016/j.scitotenv.2021.152233

Ai, Y. H., Peng, D. Y., & Xiong, H. H. (2021). Impact of environmental regulation intensity on green technology innovation: From the perspective of political and business connections. Sustainability, 13(9), 1–23. https://doi.org/10.3390/su13094862

Arteaga-Quico, A. D., & Wong-Portillo, L. R. (2021). Framework for monitoring the temperature of aquaculture crops based on IoT. DYNA (Colombia), 88(218), 239–246. https://doi.org/10.15446/dyna.v88n218.90626

Atik, H., & Ünlü, F. (2019). The Measurement of Industry 4.0 Performance through Industry 4.0 Index: An Empirical Investigation for Turkey and European Countries. Procedia Computer Science, 158, 852–860. https://doi.org/10.1016/j.procs.2019.09.123

Bai, C., Dallasega, P., Orzes, G., & Sarkis, J. (2020). Industry 4.0 technologies assessment: A sustainability perspective. International Journal of Production Economics, 229, 1–55. https://doi.org/10.1016/j.ijpe.2020.107776

Carrillo, J., Gomis, R., de los Santos, S., Covarrubias, L., & Matus, M. (2020). ¿Podrán transitar los ingenieros a la Industria 4?0? Análisis industrial en Baja California. Entreciencias: Diálogos En La Sociedad Del Conocimiento, 8(22), 1–22. https://doi.org/10.22201/enesl.20078064e.2020.22.76089

Cheng, Z., Li, L., & Liu, J. (2019). The effect of information technology on environmental pollution in China. Environmental Science and Pollution Research, 26(32), 33109–33124. https://doi.org/10.1007/s11356-019-06454-7

Chui, C. H. K., & Ko, A. (2020). Converging humanitarian technology and social work in a public health crisis: a social innovation response to COVID-19 in Hong Kong. Asia Pacific Journal of Social Work and Development, 00(00), 1–8. https://doi.org/10.1080/02185385.2020.1790412

Chukwuka, K. S., Alimba, C. G., Ataguba, G. A., & Jimoh, W. A. (2018). The Impacts of Petroleum Production on Terrestrial Fauna and Flora in the Oil-Producing Region of Nigeria. The Political Ecology of Oil and Gas Activities in the Nigerian Aquatic Ecosystem, 125–142. https://doi.org/10.1016/B978-0-12-809399-3.00009-4

Courtene-Jones, W., Quinn, B., Gary, S. F., Mogg, A. O. M., & Narayanaswamy, B. E. (2017). Microplastic pollution identified in deep-sea water and ingested by benthic invertebrates in the Rockall Trough, North Atlantic Ocean. Environmental Pollution, 231, 271–280. https://doi.org/10.1016/j.envpol.2017.08.026

Departamento Nacional de Planeación. (2021). Índice Departamrntal de Innovación para Colombia 2021. Disponible en: https://www.dnp.gov.co/programas/desarrollo-empresarial/Competitividad/Paginas/Indice-Departamental-de-Innovacion-para-Colombia.aspx (Acceso enero 2023).

Drewil, G. I., & Al-Bahadili, R. J. (2022). Air pollution prediction using LSTM deep learning and metaheuristics algorithms. Measurement: Sensors, 143747. https://doi.org/10.1016/j.measen.2022.100546

Efobi, U., Belmondo, T., Orkoh, E., Atata, S. N., Akinyemi, O., & Beecroft, I. (2019). Environmental pollution policy of small businesses in Nigeria and Ghana: extent and impact. Environmental Science and Pollution Research, 26(3), 2882–2897. https://doi.org/10.1007/s11356-018-3817-x

Foro Económico Mundial. (2020). The Future of Jobs Report 2020. In The Future of Jobs Report (Issue October). Disponible en: https://www.weforum.org/reports/the-future-of-jobs-report-2020/digest (Acceso enero 2023).

Foro Económico Mundial. (2021). Digital Culture : The Driving Force of Digital Transformation (Issue June). Disponible en: http://www3.weforum.org/docs/WEF_Digital_Culture_Guidebook_2021.pdf (Acceso enero 2023).

Heidrich, F., Goncalves de Morais, D., & Blumetti Facó, J. (2020). La teoría de las opciones reales en la gestión de inversiones en la industria 4.0: un estudio de caso. Revista De Gestão, Finanças E Contabilidade, 10(2), 60–85. Disponible en: https://itacarezinho.uneb.br/index.php/financ/article/view/7304/7889 (Acceso enero 2023).

Heintzelman, A., Filippelli, G. M., Moreno-Madriñan, M. J., Wilson, J. S., Wang, L., Druschel, G. K., & Lulla, V. O. (2023). Efficacy of Low-Cost Sensor Networks at Detecting Fine-Scale Variations in Particulate Matter in Urban Environments. International Journal of Environmental Research and Public Health, 20(3), 1–18. https://doi.org/10.3390/ijerph20031934

Jung, K. H., Goodwin, K. E., Ross, J. M., Cai, J., Chillrud, S. N., Perzanowski, M., Perera, F. P., Miller, R. L., & Lovinsky-Desir, S. (2023). Characteristics of peak exposure to black carbon pollution in school, commute and home environments among school children in an urban community. Environmental Pollution, 319, 1–7. https://doi.org/10.1016/j.envpol.2022.120991

Meng, Q., Wang, J., Cui, J., Li, B., Wu, S., Yun, J., Aschner, M., Wang, C., Zhang, L., Li, X., & Chen, R. (2022). Prediction of COPD acute exacerbation in response to air pollution using exosomal circRNA profile and Machine learning. Environment International, 168(August), 107469. https://doi.org/10.1016/j.envint.2022.107469

Molano, S. M., Cardenas, D. P., Gómez, H. S., Alvarado, D. M., Galindo, A. F., Sanabria, J. F., & Gómez-Neita, J. S. (2022). Evaluación del retroceso glaciar de la Sierra Nevada del Cocuy, Colombia a partir de la clasificación de imágenes multisensor. Boletín de Geología, 44(1). https://doi.org/10.18273/revbol.v44n1-2022002

Morawska, L., Thai, P. K., Liu, X., Asumadu-Sakyi, A., Ayoko, G., Bartonova, A., Bedini, A., Chai, F., Christensen, B., Dunbabin, M., Gao, J., Hagler, G. S. W., Jayaratne, R., Kumar, P., Lau, A. K. H., Louie, P. K. K., Mazaheri, M., Ning, Z., Motta, N., … Williams, R. (2018). Applications of low-cost sensing technologies for air quality monitoring and exposure assessment: How far have they gone? Environment International, 116(February), 286–299. https://doi.org/10.1016/j.envint.2018.04.018

Naciones Unidas. (2015). Acuerdo de París. In Acuerdo de París. https://doi.org/10.16925/co.v25i111.1874

O’Regan, A. C., Byrne, R., Hellebust, S., & Nyhan, M. M. (2022). Associations Between Google Street View-Derived Urban Greenspace Metrics and Air Pollution Measured using a Distributed Sensor Network. Sustainable Cities and Society, 87(July), 104221. https://doi.org/10.1016/j.scs.2022.104221

Palacios Espinoza, E., & Espinoza Molina, C. (2014). Contaminación del aire exterior. Cuenca - ecuador, 2009- 2013. Posibles efectos en la salud. Revista de La Facultad de Ciencias Médicas de La Universidad de Cuenca, 32(2), 6–17. Disponible en: file:///D:/DESCARGAS/Trabajo de titulación.pdf (Acceso enero 2023).

Pashayev, N. M., Ragimov, R. M., Samedov, F. R., & Gahramanova, D. S. (2018). Aerospace monitoring of the oil pollution of the Caspian Sea on the base of GIS technology and radar space images. IFAC-PapersOnLine, 51(30), 558–560. https://doi.org/10.1016/j.ifacol.2018.11.266

Piñeres-Espitia, G., & Mejía-Neira, A. (2013). Plataformas tecnológicas aplicadas al monitoreo climático. Prospectiva, 11(2), 78–87. Disponible en: https://www.redalyc.org/articulo.oa?id=496250736010 (Acceso enero 2023).

Rayabharapu, V. K., Rampur, V., Jyothi, N. M., Tripathi, V., Bhaskar, T., & Glory, K. B. (2022). IOT sensor-based pollution management control technique. Measurement: Sensors, 24(August), 100513. https://doi.org/10.1016/j.measen.2022.100513

Rocha-Román, L., Olivero-Verbel, J., & Caballero-Gallardo, K. R. (2018). Impacto de la minería del oro asociado con la contaminación por mercurio en suelo superficial de san martín de loba, sur de bolívar (Colombia). Revista Internacional de Contaminacion Ambiental, 34(1), 93–102. https://doi.org/10.20937/RICA.2018.34.01.08

Rozo García, F. (2020). Revisión de las tecnologías presentes en la industria 4.0. Revista UIS Ingenierías, 19(2), 177–191. https://doi.org/10.18273/revuin.v19n2-2020019

Ryan, P. H., Wolfe, C., Parsons, A., Brokamp, C., Turner, A., & Haynes, E. (2023). Participant Engagement to Develop Report-Back Materials for Personal Air Monitoring. Journal of Clinical and Translational Science, 7(e76), 1–8. https://doi.org/10.1017/cts.2023.30

Schmaltz, E., Melvin, E. C., Diana, Z., Gunady, E. F., Rittschof, D., Somarelli, J. A., Virdin, J., & Dunphy-Daly, M. M. (2020). Plastic pollution solutions: emerging technologies to prevent and collect marine plastic pollution. Environment International, 144(May). https://doi.org/10.1016/j.envint.2020.106067

Schnelle, K. B., Dunn, R. F., & Ternes, M. E. (2018). Air pollution control technology handbook. Johnson Matthey Technology Review, 62(1), 81–85. https://doi.org/10.1595/205651318X696657

Silva, M., & Rocha, C. (2020). Avaliação do Nível de Maturidade da Indústria 4.0: O Caso de uma Empresa Estratégica de Defesa. Future Studies Research Journal: Trends and Strategies [FSRJ], 12(1), 31–59. https://doi.org/https://doi.org/10.24023/FutureJournal/2175-5825/2020.v12i1.455

Sinche, F., Armada, J., Valero, J., & Infante, L. (2021). Use of the APP in the fight against COVID-19 in South America: Technology at the service of health. Boletin de Malariologia y Salud Ambiental, 61(1), 124–130. https://doi.org/10.52808/bmsa.7e5.611.015

Sun, Z., Hu, Y., & Cheng, H. (2020). Public health risk of toxic metal(loid) pollution to the population living near an abandoned small-scale polymetallic mine. Science of the Total Environment, 718. https://doi.org/10.1016/j.scitotenv.2020.137434

Tang, L., Ruan, J., Bo, X., Mi, Z., Wang, S., Dong, G., & Davis, S. J. (2022). Plant-level real-time monitoring data reveal substantial abatement potential of air pollution and CO2 in China’s cement sector. One Earth, 5(8), 892–906. https://doi.org/10.1016/j.oneear.2022.07.003

Taylor, S., Edwards, S. J., & Walker, T. R. (2020). A toxicity-based analysis of Canada’s National Pollutant Release Inventory (NPRI): a case study in Nova Scotia. Environmental Science and Pollution Research, 27(2), 2238–2247. https://doi.org/10.1007/s11356-019-06933-x

Wang, M., Lu, T., & Li, Y. (2023). Optimizing air purification for household particulate matters using sensor-based and time-based intervention strategies. Particuology, 79, 78–84. https://doi.org/10.1016/j.partic.2022.11.008

Wang, P., Yao, J., Wang, G., Hao, F., Shrestha, S., Xue, B., Xie, G., & Peng, Y. (2019). Exploring the application of artificial intelligence technology for identification of water pollution characteristics and tracing the source of water quality pollutants. Science of the Total Environment, 693, 133440. https://doi.org/10.1016/j.scitotenv.2019.07.246

Wang, Y., & Yu, L. (2021). Can the current environmental tax rate promote green technology innovation? - Evidence from China’s resource-based industries. Journal of Cleaner Production, 278, 123443. https://doi.org/10.1016/j.jclepro.2020.123443

World Economic Forum. (2020). Diversity, Equity and Inclusion 4.0: A toolkit for leaders to accelerate social progress in the future of work | World Economic Forum (Issue June). Disponible en: https://www.weforum.org/reports/diversity-equity-and-inclusion-4-0-a-toolkit-for-leaders-to-accelerate-social-progress-in-the-future-of-work (Acceso enero 2023).


Enlaces refback

  • No hay ningún enlace refback.


Bookmark and Share


Copyright (c) 2023 Boletín de Malariología y Salud Ambiental