Introducción

El aumento de la población ha ocasionado el crecimiento, cada año, de la demanda de recursos naturales como materias primas a ser utilizadas para la elaboración de miles de productos que pueden ser esenciales en nuestra vida cotidiana. Los sectores industriales son uno de los principales responsables del impacto ambiental por su consumo acelerado de recursos y sus contribuciones con gases de efecto invernadero (^{Calzolari et al. 2022}), aunque no son los únicos actores involucrados, pues la sociedad en su papel como compradora tienen una contribución significativa en el deterioro ambiental, al ser su consumo de artículos constante y creciente, consecuencia de la frecuente modernización o actualización de estos.

Los sistemas económicos de la mayoría de los sectores industriales se rigen por el aumento en sus ventas, motivando la incorporación de nuevos modelos de productos; sin embargo, esto ha provocado una elevación de su huella de carbono. Uno de los sectores considerados como el más antiguo y el de mayor importancia en la población es la industria de textiles y de la moda (ITM), en la cual, diariamente, se fabrican prendas de todo tipo en distintos países, siendo gran parte de estos productos exportados para su comercialización (^{Hader et al. 2022}).

La ITM genera diversas afectaciones al medio ambiente, entre las cuales destacan las emisiones de gases de efecto invernadero, especialmente dióxido de carbono (CO₂); como consecuencia de sus procesos industriales, también se presenta un uso excesivo de agua, particularmente durante las etapas de lavado y teñido de las prendas. Además, el suelo, de igual forma, se ve gravemente afectado, sobre todo en la fase de cultivo de materias primas como el algodón, donde el uso intensivo de fertilizantes químicos deteriora las propiedades fisicoquímicas del suelo. Lo anterior, como resultado de la parte previa a la producción; no obstante, igual existen impactos posteriores al consumo de los productos textiles como la incorrecta disposición de los residuos textiles (RT) sólidos, al terminar gran parte de estos en rellenos sanitarios. Según datos de ^{Abdulla (2023)}, anualmente se consumen alrededor de 100 millones de prendas nuevas, de las cuales 90 millones terminan en los distintos rellenos sanitarios de todo el mundo, por otro lado, ciertos estudios demuestran que algunas prendas producen ciertos gases al estar expuestas a la intemperie (^{Schmutz y Som 2022}; ^{Shirvanimoghaddam et al. 2020}), un caso específico son las fibras de lana, las cuales, al descomponerse, emiten amoniaco, un gas tóxico y perjudicial para la salud y el ambiente (^{Echeverria et al. 2019}).

Dentro de la cadena de valor de esta industria, se puede identificar la generación de dos tipos de RT, los preconsumo y los posconsumo. En la Figura 1 se muestra un esquema de los puntos exactos de los procesos en los cuales se crean cada uno de los RT anteriormente mencionados.

Fuente: Adaptado de ^{Mirandona et al. (2007)}.

Figura 1 Identificación de los tipos de residuos textiles generados en la cadena de producción de la ITM. 

Los residuos preconsumo son todos aquellos remanentes de textiles generados durante el proceso de corte y fabricación de una prenda, gran parte de estos residuos surgen en los comercios o negocios, algunos de estos son los recortes de rollos de tela, hilados y fibras de telas (^{Nyika y Dinka 2022}). Mientras los residuos posconsumo son todas esas prendas desechadas cuando, una vez utilizadas, el poseedor considera que ya no cumplen con ciertas características para seguir usándose, este tipo de residuos proviene de los hogares como lo es la ropa de moda obsoleta, dañada y desgastada (^{Nyika y Dinka 2022}; ^{Shirvanimoghaddam et al. 2020}; ^{Schmutz y Som 2022}).

La gestión adecuada de ambos tipos de residuos plantea desafíos, al implicar una responsabilidad compartida entre los diferentes actores involucrados, los cuales incluyen al productor, vendedor y consumidor. Además, es fundamental por parte de las autoridades gubernamentales asumir su correspondiente responsabilidad en este ámbito. Por lo tanto, en primera instancia, es esencial establecer sistemas facilitadores de la recuperación de estos residuos textiles, seguido de acciones encaminadas a la reutilización o reciclaje (^{Sandin y Peters 2018}).

Ante el creciente problema de los residuos textiles, se ha iniciado una restructuración significativa en la supervisión de los procesos productivos, abarcando todas las etapas, desde la creación hasta la entrega y la disposición final de los residuos. Este cambio incorpora diversas tecnologías digitales con el objetivo de mejorar el rendimiento, la productividad, la flexibilidad y la eficiencia en los procesos y en las operaciones comerciales (^{Laskurain-Iturbe et al. 2021}). Por otro lado, se destaca la toma de decisiones autónomas gracias a la utilización de maquinaria inteligente (^{Nuttah et al. 2023}). En la Tabla 1, se presentan cuáles son las tecnologías digitales más representativas dentro de la toma de decisiones en la ITM.

En la actualidad, una de las principales ventajas radica en el notorio avance en la promoción de tecnologías, y este progreso debe ser plenamente aprovechado para lograr un manejo más efectivo de la gestión integral de los residuos generados en la fabricación de productos. La tecnología no solo puede servir como una herramienta valiosa, sino también como un medio eficiente para difundir una variedad de información y experiencias cruciales para fomentar la disposición correcta de residuos.

Por lo tanto, el objetivo principal de este estudio es realizar una revisión sistemática de la literatura para identificar, gestionar y extraer datos sobre las tecnologías implementadas en la ITM, seguido de una selección de estudios, análisis e interpretación de datos, y presentación de resultados.

Metodología

Para asegurar una metodología clara y rigurosa, esta investigación emplea una revisión sistemática de la literatura utilizando el método PRISMA (preferred reporting items for systematic reviews and meta-analyses), con lo cual se garantiza la reproducibilidad del estudio y permite un análisis exhaustivo de los estudios recuperados en la base de datos.

En primer lugar, se eligió Scopus como base de datos principal. Una vez seleccionada la base de datos, se definieron las siguientes palabras clave y operadores booleanos: “Textile waste” AND “Software” AND “Artificial intelligence” AND “Blockchain”, estas palabras fueron colocadas en distinto orden para recuperar el mayor número de estudios posible. La búsqueda se limitó a diez años, de 2014 a 2024, lo cual arrojó 382 artículos potenciales. Se eligió este marco temporal debido a haber sido a inicios del año 2010 cuando comenzó a introducirse el concepto de industria 4.0. Posteriormente, se aplicaron criterios específicos de inclusión y exclusión, para seleccionar únicamente aquellos estudios alineados al objetivo de esta investigación.

Primera etapa de selección: se delimitó la búsqueda a estudios exclusivamente en inglés y se analizaron artículos de caso de estudio, capítulos de libro y publicaciones de conferencias. Con este criterio, el número se redujo a 331 artículos.

Segunda etapa de selección: se realizó una inspección de los estudios, revisando título, resumen y conclusión, este primer análisis, con el objetivo de asegurar que los artículos seleccionados abordaran el tema central y que fueran estudios de caso en lugar de revisiones. Este proceso de evaluación redujo el número de artículos a 33.

Tercera etapa de selección: esta fase implicó una evaluación completa de los estudios obtenidos de la etapa anterior. El propósito de esto fue analizar que los artículos manejaran la aplicación de una tecnología y que esta fuera aplicada a alguna etapa del proceso de producción de la industria textil, enfocándose en mejorar la gestión de residuos sólidos textiles. Como resultado de esta rigurosa evaluación, se seleccionaron un total de 14 artículos.

Después de recopilar los artículos de esta última etapa, se procedió a resumir la información en una tabla. En primer lugar, se presentó el enfoque y el alcance de cada investigación. Luego, se identificó el tipo de tecnología digital utilizada. Por último, se determinó en qué etapa del ciclo de producción de la ITM se aplicaba dicha tecnología digital.

La descripción de la metodología puede observarse de forma gráfica en la Figura 2.

Fuente: Elaboración propia.

Figura 2 Diagrama de la metodología PRISMA empleada para la revisión sistemática de la literatura. 

Resultados y discusión

En esta sección, se describe cuáles son las tecnologías clave para la gestión de RT, como el Internet de las cosas (IoT), la tecnología blockchain (Bc) y la inteligencia artificial (IA), además de profundizar en su aplicación práctica y beneficio obtenido. Basados en una revisión sistemática de estudios relevantes, estos hallazgos proporcionan una visión completa de la efectividad de la aplicación de tecnologías, las cuales contribuyen en ciertos aspectos a la sustentabilidad en este sector.

En la Tabla 2, se recopilan los 14 artículos seleccionados para esta revisión, resumiendo sus contribuciones al estudio de la aplicación de tecnologías en la ITM y en la gestión de sus residuos. Se detalla también el tipo de tecnología, la etapa de aplicación en la cadena de producción de la ITM, el tipo de RT, la aplicación que tuvo la tecnología en la resolución de la problemática y los beneficios obtenidos con su adopción.

Contexto geográfico

La importancia del contexto geográfico en esta investigación acerca de las tecnologías aplicadas en la gestión de RT es crucial para comprender la variabilidad y la eficacia de las prácticas adoptadas en diferentes regiones. La figura 3 ofrece un panorama claro de la contribución por país en este campo de estudio, permitiendo reconocer algunos de los países en los cuales se ha centrado el estudio en la adopción de tecnologías en algún proceso de la ITM.

Analizando los estudios de caso de los 14 artículos revisados, se elaboró la Figura 3, donde se encontró que la mayoría de los estudios relacionados con la aplicación de tecnologías para la gestión de residuos en la ITM fue China seguido de Turquía. Lo anterior, se explica, pues China está emergiendo como un líder mundial en la aplicación de la tecnología blockchain para mejorar la transparencia y la sostenibilidad dentro de sus cadenas de suministro de textiles y prendas de vestir (^{Zhang et al. 2024}; ^{Gong et al. 2022}). Por otra parte, la industria textil turca está adoptando cada vez más tecnologías de inteligencia artificial e IoT para promover prácticas de economía circular y optimizar los procesos de gestión de residuos, como clasificación, seguimiento, análisis de datos de reciclaje, entre otros (^{Karadayi-Usta 2024}; ^{Dursun et al. 2023}).

Fuente: Elaboración propia.

Figura 3 Aportes por país en estudios de tecnologías aplicadas a la ITM. 

Tecnologías aplicadas en la gestión de RT

La Figura 4 muestra cómo las tecnologías examinadas en la literatura son la inteligencia artificial con un 43% indicando la prioridad de buscar una mayor automatización de los procesos y toma de decisiones, seguido de esta se encuentra el blockchain con 29% la cual se enfoca más en un análisis de las etapas de la cadena de producción de la ITM para crear mejoras al instante y, finalmente, el Internet de las cosas con 28%, el cual facilita la comunicación entre dispositivos y el intercambio de información. A continuación se desglosa a profundidad cada una de estas tecnologías y se hace énfasis en sus beneficios y barreras, según lo analizado de los estudios revisados.

Fuente: Elaboración propia.

Figura 4 Tecnologías aplicadas en la gestión de residuos textiles. 

Inteligencia artificial (IA)

La IA como herramienta para la gestión de residuos tiene distintas áreas de aplicación dentro de la cadena de producción de la ITM: disposición y diseño del producto, esto con énfasis en lo que son los residuos posconsumo, es decir, para facilitar su recuperación o reutilización; por otra parte, también se aplica para procesos como análisis de demanda de producto, identificación y clasificación de un producto como reutilizable o reciclable, esto crea trabajos precisos y eficiencia en los procesos, volviéndolos automáticos (^{Tian et al. 2024}; ^{Spyridis et al. 2024}).

Dentro de la optimización del diseño de productos, el uso de IA permite predecir los patrones de consumo e incluso disminuir el desperdicio de tela a través de conocer la demanda (^{Atik et al. 2022}), además de que casos como el mencionado por ^{Karadayi-Usta (2024)}, respecto a aplicaciones móviles con IA, pueden recomendar la ropa apropiada para el consumidor, con base en su gusto, y esto previene compras innecesarias.

En resumen, el uso de IA permite mejorar la gestión de residuos, en primera instancia reduciendo el desperdicio de ropa y, en segunda, optimizando procesos de clasificación de los residuos para su recuperación.

Por otra parte, la aplicación de esta herramienta también presenta algunas desventajas como lo es la programación de sistemas complejos de clasificación de residuos, pues en ocasiones pueden tenerse múltiples condiciones para clasificar un artículo como reutilizable o reciclable, como por ejemplo, color, deformación, oclusión en la prenda, lo cual dificultaría la precisión del modelo de IA (^{Tian et al. 2024}). Otra desventaja, ligada a la anterior, es la necesidad de datos de calidad, pues si se quieren datos precisos y beneficios, debe alimentarse la base de datos con información actualizada en tiempo real, de otra forma la eficiencia de la IA se vería limitada (^{Mizunuma et al. 2024}).

En cuestión de costos, la aplicación de IA en procesos de la ITM dependerá del tipo de resultado que se quiera obtener, es decir, si se busca automatizar toda la cadena de producción, o si solo será en un proceso en específico, tal como se muestra en los estudios revisados, los cuales, en su mayoría, se enfocan en la disposición o recolección de artículos. Además de verse los costos y accesibilidad afectados, igualmente, por el tamaño de la empresa.

Internet de las cosas (IoT)

El IoT tiene como propósito interconectar varios dispositivos y objetos a través de Internet, permitiendo la recopilación e intercambio de información. En la ITM se emplea para rastrear y monitorear el ciclo de vida de los productos textiles, lo cual facilita el seguimiento de los RT desde su producción hasta su disposición final, como lo es la producción ajustada a la realidad de cada pedido (^{Ghoreishi et al. 2020}) o la creación de sistemas de recolección inteligentes, siendo esta última la mayor abordad en los estudios analizados.

La parte esencial de estos sistemas de recolección inteligentes basados en el IoT reside en la adquisición y gestión de información proporcionada por fuentes externas, específicamente por sensores instalados en contenedores de RT. Los sensores utilizados en los contenedores están equipados con conexión inalámbrica, permitiéndoles enviar de manera remota la información recopilada. Esto posibilita conocer en tiempo real la cantidad de residuos acumulados y transmitir estos datos a un dispositivo de almacenamiento encargado de su procesamiento (^{Chowdhury et al. 2023}). La función de la IoT dentro de las rutas inteligentes es interconectar la ubicación de los distintos contenedores y conocer su ubicación para, a partir de eso, diseñar la ruta más eficiente para recolectar la mayor cantidad de residuos en un solo trayecto (^{Martikkala et al. 2023}). Las etapas que integran la monitorización de contenedores y recolección de RT con la aplicación del IoT son:

En la Figura 5 se muestra cómo se enlazan cada una de las etapas para crear sistemas inteligentes de recolección. En los casos revisados, la aplicación del IoT demuestra que las rutas de recolección creadas con esta tecnología permiten además de una eficiencia en el tiempo promedio de recolección, una minimización de las distancias de recorrido, lo cual significa un ahorro en la cantidad de combustible por parte de los camiones recolectores (^{Addas et al. 2024}; ^{Castiglione et al. 2023}).

Fuente: Adaptado de ^{Martikkala et al. (2023)}.

Figura 5 Descripción del funcionamiento del sistema IoT en la recolección de RT. 

Dentro de las desventajas, se encuentra el mantenimiento recurrente, en especial en el uso de contenedores inteligentes, pues los sensores requieren cambios de batería para seguir conectados a la red wifi y poder continuar con su funcionalidad (^{Martikkala et al. 2023}), además, pueden dañarse con el manejo brusco del contenedor y la exposición a la intemperie. Por otra parte, para crear sistemas inteligentes de gestión de RT se necesita soporte técnico, sistema de monitoreo y control, plan de inversión sostenible, creación de red transparente, programa de formación pública, promoción y participación comunitaria, normas de gestión de residuos, conectividad inalámbrica y seguridad de los datos (^{Chowdhury et al. 2023}), por lo cual, la inversión en esta herramienta es alta.

Tecnología blockchain (Bc)

El uso de la tecnología Bc puede utilizarse para registrar información sobre la procedencia de los materiales, la calidad de la fabricación y otros datos críticos. Esto facilita la identificación y gestión de residuos textiles durante su transcurso por cada una de las etapas de la ITM, tanto para supervisar los residuos preconsumo como los posconsumo.

Dentro de los estudios analizados, se identificó que su aplicación es en la mejora de la trazabilidad de residuos; complementándose con otra herramienta como la IoT, se garantiza la autenticidad y trazabilidad de los datos en la logística de residuos textiles, además de poderse prevenir un posible fraude y la evasión fiscal en el manejo de estos (^{Jiang et al. 2023}).

También, con el Bc se facilitan los ajustes en tiempo real y se reducen las pérdidas por retraso, facilitando la simetría en los datos (^{Nuttah et al. 2023}), esto mediante la recolección de datos de cada una de las maquinarias de la ITM, mejorando los tiempos de producción, la cantidad de material utilizado, el análisis del tipo de material empleado, conocer la calidad del material, verificar el armado de las prendas y evitar los tiempos de inactividad, incentivando de esta forma a los fabricantes a mejorar la sostenibilidad de sus productos (^{Remme et al. 2022}).

Otra de las aportaciones que tiene la adopción de Bc es la prolongación de utilidad de los productos a través de acciones de recuperación, reparación y fabricación, con el objetivo principal de crear servicios con mínima generación de residuos, siendo una buena opción para tratar la problemática existente en la ITM (^{Khan et al. 2023}; ^{Papamichael et al. 2023}).

Al igual que las otras dos tecnologías, el Bc presenta algunas barreras como desafíos en la implementación, pues no todos los actores en la cadena de suministro están preparados o dispuestos a adoptar esta tecnología (^{Dursun et al. 2023}). La adopción de Bc a gran escala implica altos costos iniciales en especial para mercados con ganancias reducidas, lo cual dificulta la integración de esta tecnología a sus procesos.

Conclusión

La IA ha demostrado una capacidad para optimizar la clasificación de los RT, además de predecir los desperdicios en la producción y ofrecer recomendaciones personalizadas para reducir el consumo innecesario, lo anterior a través del uso de aplicaciones que emplean esta herramienta, la cual facilita la identificación de estrategias para extender la vida útil de las prendas y fomentar prácticas de producción y consumo más responsables. No obstante, persisten desafíos técnicos como la clasificación precisa ante complejidades visuales, así como barreras de costos de implementación y la necesidad de datos de alta calidad.

Se identificó que el IoT impulsa la eficiencia en la recolección y gestión de residuos textiles, además de facilitar el monitoreo en tiempo real de contenedores, para su posterior recolección mediante rutas inteligentes, optimizando el tiempo y el traslado. Sin embargo, su adopción a gran escala se ve limitada por la necesidad de infraestructura tecnológica avanzada, problemas de interoperabilidad entre dispositivos y preocupaciones relacionadas con la privacidad y la seguridad de los datos.

Por su parte, el Bc emerge como una tecnología clave en el sentido de poder asegurar la transparencia, la trazabilidad y la autenticidad en los procesos de gestión de residuos textiles. No obstante, sus altos costos de adopción, la falta de estandarización y la resistencia al cambio por parte de los actores del sector, son algunos de los impedimentos para su adopción en la ITM.

A pesar de estas limitaciones, la integración de IA, IoT y Bc ofrece una oportunidad única para cerrar el ciclo de los textiles en búsqueda de una verdadera economía circular, por lo cual, la combinación de estas tecnologías no solo mejora la eficiencia operativa, sino que también posibilita la transformación de la ITM hacia modelos de producción y consumo sustentables y responsables. ID