Revista
de la
Universidad
del Zulia
Fundada en 1947
por el Dr. Jesús Enrique Lossada
DEPÓSITO LEGAL ZU2020000153
ISSN 0041-8811
E-ISSN 2665-0428
Ciencias
Exactas,
Naturales
y de la Salud
Año 14 N° 40
Mayo - Agosto 2023
Tercera Época
Maracaibo-Venezuela
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
161
Modelación de barreras energéticas para la transición industrial en la
Economía Circular
Fernando Lámbarry-Vilchis *
Juan Carlos Moreno-Jiménez **
RESUMEN
Los sistemas industriales de producción mientras agotan las existencias de materiales, liberan
emisiones en formas que la naturaleza no puede asimilar, para solventar esta situación una
incipiente alternativa es transitar a un modelo de Economía Circular en el que los procesos
industriales optimicen sus flujos energéticos y se sustituya la demanda y participación de
energías fósiles por renovables, situación que ha presentado barreras que aún no se entienden
del todo y que han obstaculizado su adopción. Es por ello que, el objetivo de esta investigación
consistió en modelar las barreras energéticas, a través del Modelado Estructural Interpretativo
y la Matriz de Impacto Cruzado-Multiplicación Aplicada a la Clasificación. Se concluye que las
barreras y sus interrelaciones prioritarias se orienten a lo político-regulatorio, por lo que se
sugiere promover un marco jurídico fundamentado en las mejores prácticas internacionales para
fomentar la transición a la circularidad energética.
PALABRAS CLAVE: Transición en la circularidad energética, barreras transitivas energéticas,
economía circular industrial, ISM-MICMAC circularidad energética.
**Investigador del Instituto Politécnico Nacional. Escuela Superior de Comercio y
Administración ST. Ciudad de México, México. ORCID: https://orcid.org/0000-0002-0216-
1647. E-mail: flambarry@gmail.com
**Candidato a Dr. en Ciencias Administrativas. Investigador independiente. Ciudad de México,
México. ORCID: https://orcid.org/0000-0003-4766-3605.
Recibido: 27/01/2023 Aceptado: 15/03/2023
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
162
Modeling of Energetic Barriers for the Industrial Transition in the
Circular Economy
ABSTRACT
Industrial production systems, while stocks of materials are being depleted, release emissions in
ways that nature cannot assimilate. To solve this situation, an emerging alternative is to move
to a circular economy model in which industrial processes optimize their energy flows and the
demand and share of fossil fuels are replaced by renewable ones, a situation that has presented
barriers that are still not fully understood and that have hindered their adoption. That is why
the objective of this research was to model the energy barriers, through Interpretive Structural
Modeling and the Cross-Impact-Multiplication Matrix applied to classification. It is concluded
that the barriers and their priority interrelationships are oriented towards the political-
regulatory aspect, for which it is suggested to promote a legal framework based on the best
international practices to promote the transition to energy circularity.
KEY WORDS: transition in energy circularity, energy transitive barriers, industrial circular
economy, ISM-MICMAC energetic circularity.
Introducción
La comunidad internacional, derivada de los acuerdos de París, adquirió el compromiso
de mantener el aumento de la temperatura media global por debajo de los 2ºC, para limitarlo a
1,5ºC. (IPCC, 2018; Unfccc, 2015) y alcanzar la neutralidad de emisiones de gas de efecto
invernadero para la segunda mitad de este siglo (Unfccc, 2015), lo que puede lograrse entre otras
formas, transitando a un nuevo modelo económico circular (Ellen MacArthur Foundation, 2020;
IRENA, 2020a). Varios factores indican que el modelo lineal se ve cada vez más desafiado por el
contexto mismo en el que opera, la eficiencia como solución (una reducción de los recursos y la
energía fósil consumida por unidad de producción económica) no alterará la naturaleza finita de
las existencias de materiales y sólo retrasará lo inevitable (Ellen MacArthur Foundation, 2015c),
es necesario un cambio más profundo del sistema económico.
Derivado de lo anterior, la comunidad internacional se ha propuesto transitar hacia la
circularidad de la economía, incluso se ha generado el estándar BS 8001:2017 para implantar estos
principios en las organizaciones; sin embargo, la circularidad no termina de emerger, hoy en día,
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
163
la economía global es sólo 8,6% circular, cuando hace dos años era de 9,1% (de Wit et al., 2020).
La transición a una industria circular implica por esencia transitar a fuentes de energía renovable
(Ellen MacArthur Foundation, 2020), promoverlas se considera un punto clave para la
circularidad (Elia et al., 2020; Kalchenko et al., 2019). Pese a ello, la energía en su uso, generación
y consumo ha sido un factor desestimado en su papel dentro de la adopción de la economía
circular, por lo que la pregunta de investigación abordada en este estudio es: ¿Cuáles son las
barreras energéticas de México en la transición industrial hacia la economía circular? Para
responder dicha interrogante, se considera necesario estudiar las barreras energéticas para
México y sus interrelaciones en la adopción de la energía renovable a través del análisis
interpretativo estructurado y bajo el marco de la circularidad económica industrial.
1. Base teórica
1.1. La energía renovable en la circularidad económica
Probablemente uno de los conceptos más relacionados con el de economía circular es el
de “Cradle to Cradle” al fundamentarse en la división entre materiales biológicos y técnicos
(McDonough & Braungart, 2002; Ellen MacArthur Foundation, 2014). Aunque en la literatura
se visualizan superposiciones del concepto de economía circular con otros, tales como, logística
inversa, circuito cerrado, simbiosis industrial, ecología industrial y ciclo de vida (Sehnem et al.,
2019), la mayoría de ellos son coincidentes sobre la optimización de los flujos energéticos, tanto
en su generación como en su uso durante el proceso productivo (Boons et al., 2017; Korhonen et
al., 2018a; Suárez-Eiroa et al., 2019). Ante ello, es evidente la influencia de estas corrientes
teóricas en la importancia de la energía en la acepción de economía circular como “un sistema
industrial restaurador o regenerativo por intención y diseño. Reemplaza el concepto de fin de vida por
restauración, cambia hacia el uso de energía renovable…”(Ellen MacArthur Foundation, 2014),
perspectiva que se refuerza bajo el marco ReSOLVE al establecer que la energía necesaria para
impulsar la circularidad en las organizaciones debe ser renovable por naturaleza (Ellen
MacArthur Foundation, 2015c; Ellen MacarthurFoundation, 2019); de igual forma, en el modelo
DISRUPT ralentizan el flujo de recursos, cierran el ciclo, mientras se cambia a recursos
regenerativos y energías limpias (de Wit et al., 2020). Esta es una de las razones por las que el
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
164
sector energético europeo está transitando hacia las energías renovables (Ellen MacArthur
Foundation, 2015b).
A pesar de ello, cerca del 75% de la energía en el mundo se sigue generando en fuentes no
renovables, liberando emisiones en formas y concentraciones que la naturaleza no puede tolerar
o asimilar. Este es el paradigma más evidente del agotamiento de la economía lineal y de la
necesidad de transitar a una visión de economía circular (Korhonen et al., 2018b). Ante ello y
derivado simultáneamente por el calentamiento global; la Agenda 2030 de desarrollo sostenible
acordada en 2015 por todos los países miembros de las Naciones Unidas planteó en el objetivo
7.2, aumentar sustancialmente la participación de la energía renovable para satisfacer la
demanda energética (IEA et al., 2020), lo que representa una oportunidad sin precedentes para
transformar la economía mundial. Sin embargo, y pese a que la energía renovable alcanzó una
participación del 17,3% del total del uso final en 2018 (IEA et al., 2020), el ritmo de este avance
no es suficiente para cumplir los objetivos del Acuerdo de París (IRENA, 2020a), en gran medida
explicado por la significativa demanda energética de cuatro industrias (siderurgia, química,
petroquímica y cementera) que emiten la mayor cantidad (28%) de CO2 (IRENA, 2020b).
Derivado de lo anterior, resulta necesario acelerar el cambio al uso de energías renovables en
todos los sectores industriales (IEA et al., 2020) toda vez que una de las alternativas para lograrlo
es transitar a un modelo económico circular (Ellen MacArthur Foundation, 2020; IRENA,
2020a).
Pese a ello, algunos de los modelos evolutivos plantean medir la economía circular de un
sistema en forma unidimensional, basadas sólo en el grado de recirculación del material, lo que
representa una considerable limitación al excluir del análisis otros factores importantes como
las emisiones atmosféricas y el consumo de energía (Geng et al., 2012; Moriguchi, 2007),
resultando modelos inadecuados que en tanto pueden alcanzar la circularidad de los recursos,
aumentan el uso de energía y emisiones contaminantes (Corona et al., 2019). Por lo que,
alternativamente otros modelos incorporan indicadores sintéticos para la métrica energética,
que por definición constituye un principio fundamental en la economía circular, y cuantifican
los flujos de la demanda energética (Huijbregtset al., 2010), el consumo de energía (Geng et al.,
2012), ahorro de energía (Nuñez-Cacho et al., 2018), recuperación de energía (Ellen MacArthur
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
165
Foundation, 2015a), o en cuanto al porcentaje de consumo de energías renovables o energías
limpias (Corona et al., 2019; Elia et al., 2017; European Environment Agency Report, 2016;
Nuñez-Cacho et al., 2018; World Business Council For Sustainable Development, 2019).
Así mismo, desde la perspectiva para identificar los factores clave al implementar la
economía circular en las organizaciones, Govindan & Hasanagic, (2018) enfatizan entre trece
impulsores, los de proteger a los recursos renovables y favorecer a la energía renovable para
implementar una economía circular en la cadena de suministro; Araujo Galvão et al., (2018)
identifican como un factor político y regulatorio la conversión de residuos en energía como un
método viable del sistema energético de distrito hacia la economía industrial circular, mientras
que Tura et al., (2019) concluyen que uno de los impulsores económicos son los combustibles
renovables.
1.2. Análisis estructural ISM-MICMAC en la Economía circular
El Modelado Estructural Interpretativo (ISM por sus siglas en inglés) y la Matriz de
Impacto Cruzado-Multiplicación Aplicada a la Clasificación (MICMAC por sus siglas en
francés) son métodos para comprender las relaciones directas o indirectas entre los factores que
influyen en un sistema (Godet et al., 2013; Ramesh et al., 2010), mediante los fundamentos de la
teoría de grafos (del Pilar et al., 2019; Sagheer et al., 2009) y conjuntamente con MICMAC,
estratifican a los factores según su poder de influencia y dependencia (Luthra et al., 2014; Wang
et al., 2008). En tanto que el poder de influencia es el grado que un factor tiene sobre otros, la
dependencia es la influencia que recibe un factor de uno o varios influyentes (Chander et al.,
2013), que conforme a esto, se clasifican en cuatro grupos: independientes con débil dependencia
y fuerte influencia; de enlace con fuerte dependencia y fuerte poder de influencia; autónomos son
poco influyentes y poco dependientes y; dependientes con fuerte dependencia y poco poder de
influencia (Agrawal, 2019; Arcade et al., 2004).
En la literatura sobre ISM-MICMAC se encuentran diversas áreas de aplicación, pero
desde la perspectiva de la energía renovable como uno de los factores clave al implementar la
economía circular en las organizaciones son escasos, Bilal et al., (2020) reportan a la energía en
el primer lugar entre siete dimensiones, valorándola a través del consumo de energía renovable
para el sector de la construcción. Derivado de lo anterior, este estudio tiene como objetivo
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
166
modelar estructuralmente las barreras energéticas en la transición industrial de México hacia la
economía circular.
2. Método de investigación
El estudio se fundamentó en el Modelado Estructural Interpretativo y en la Matriz de
Impacto Cruzado-Multiplicación Aplicada a la Clasificación (ISM-MICMAC), una
consideración de este método es que puede efectuarse un número pequeño de expertos (Shen et
al., 2016). Las etapas consideradas en el estudio se basaron en las de Gan et al., (2018) y Xu &
Zou, (2020):
Etapa 1: Identificación de las barreras energéticas en la transición industrial hacia la
economía circular y sus relaciones contextuales, a partir de una revisión teórica.
Etapa 2: Validación por un grupo de expertos de las barreras contextuales para la
construcción de la Matriz de Adyacencia (MAd). Las relaciones contextuales en la MAd se
describen mediante los símbolos: V (significa que la barrera i conduce a la barrera j), A (significa
que barrera j conduce a la barrera i), X (significa que la barrera i y la barrera j influyen entre sí),
O (significa que la barrera i y la barrera j no están relacionados).
Etapa 3. Desarrollo de la Matriz de Transitividad (MTr). A partir de la Matriz de
Adyacencia, se construyó la Matriz de Transitividad que contempla tanto a las relaciones
directas como a las transitivas. En esta etapa se desarrolla la Matriz de Transitividad inicial
(MTri) reemplazando los símbolos V, A, X, O, de la Matriz de Adyacencia con valores binarios 1
y 0 bajo las siguientes reglas (Gan et al., 2018; Shen et al., 2016):
Un símbolo V en la celda (i,j) de la MAd implica convertir en la MTri la celda (i,j) en 1 y la
celda (j,i) en 0.
Un símbolo A en la celda (i,j) de la MAd implica convertir MTri la celda (i,j) en 0 y la celda
(j,i) en 1.
Un símbolo X en la celda (i,j) de la MAd indica convertir en la MTri la celda (i,j) en 1 y
también la celda (j,i) en 1.
Un símbolo O en la celda (i,j) de la MAd indica convertir en la MTri la celda (i,j) en 0
además la celda (j,i) en 0.
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
167
En segundo lugar, a través de la regla de transitividad aplicada a la Matriz de
Transitividad Inicial, que establece si un atributo α está relacionado con β y β está relacionado
con γ, entonces α está necesariamente relacionado, aunque indirectamente con γ. Un paso clave
en la metodología ISM es verificar los enlaces transitivos entre los factores, lo que se logra
elevando la matriz de accesibilidad inicial a una potencia suficientemente grande hasta que los
números binarios converjan (del Pilar et al., 2019). La transitividad de la matriz, entre otros
métodos, puede ser calculada por (Shen et al., 2016):
 ecuación 1
Donde Rf es la Matriz final de Transitividad y Ri es la Matriz de Transitividad inicial.
Etapa 4. Desarrollo de la estructura jerárquica: partición de la matriz de transitividad y
modelo ISM. Es un proceso iterativo de jerarquización de las barreras de la MTr, a través de
conjuntos de accesibilidad, antecedente e intersección, identificándolos en un nivel según su
comunidad de accesibilidad e intersección. El resultado indica las barreras a las que pueden
influir o aquellas que las influyen (Luthra et al., 2014; Shen et al., 2016).
Etapa 5. Clasificación de las barreras con MICMAC. Calculando el poder de influencia y
de dependencia con las sumatorias de todos los valores de una fila y/o columna respectivamente
en la MTr.
3. Resultados y discusión
3.1. Etapa 1. Identificación de las barreras
En esta fase a partir de una revisión teórica se identificaron 20 barreras en la adopción de
energías renovables en la transición industrial hacia la economía circular.
Barreras sociales:
b1. Conciencia pública: en un contexto en donde las regulaciones condicionan a la
industria a reducir el impacto en el medio ambiente (Velasco-Herrejon & Bauwens, 2020).
b2. Consumo poblacional: inciden en la velocidad de transición al uso de energías
renovables en la industria. En distintas naciones existe un uso intensivo de carbón, petróleo,
combustóleo, motivado por distintos factores en los que los gobiernos deben replantear
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
168
estrategias para incidir en buscar alternativas menos contaminantes (U.S. Energy Information
Administration, 2019).
b3. Crecimiento poblacional: que correlaciona a la demanda de energéticos, posibilitando
que las energías renovables atiendan esa necesidad, escenarios a 2050-2100, plantean un
crecimiento poblacional mundial importante en el que la energía renovable tendrá un desarrollo
significativo pero insuficiente para atender las necesidades y requerimientos energéticos de la
población y de la industria (Khan et al., 2021; U.S. Energy Information Administration, 2019).
b4. Aceptación social: rechazo o falta de aceptación social hacía una energía renovable ya
sea por desconocimiento, disponibilidad o por falta de información sobre las bondades de su uso
(Asante et al., 2020; Ghimire & Kim, 2018; Martinez, 2020).
Barreras económicas:
b5. Competitividad con otros combustibles: específicamente con relación a los
combustibles fósiles, para lograr su sustitución o su reducción requiere entre otros factores de
su adecuada disponibilidad, de un precio competitivo, de un mayor rendimiento en relación a los
fósiles y de condiciones tecnológicas y de infraestructura para su aprovechamiento
(Seetharaman et al., 2019).
b6. Subsidios gubernamentales: pueden ir desde incentivos hasta descuentos tarifarios y
aplicarse de forma directa e indirecta, para que el gobierno apoye o promueva la transición al uso
de energías renovables (Asante et al., 2020; Seetharaman et al., 2019).
b7. Financiamiento: para empresas que desarrollan proyectos e inversiones tecnológicas
o bien para potenciar el crecimiento y desarrollo de la industria (Asante et al., 2020; Seetharaman
et al., 2019).
b8. Tamaño mercado: es un factor que puede limitar la entrada y expansión de las energías
renovables. La industria influye para que ese mercado sea atractivo para propiciar que los
renovables presenten un crecimiento permanente (Asante et al., 2020; Ghimire & Kim, 2018).
b9. Inversión inicial: es alta la inversión inicial para la industria ante el riesgo e
incertidumbre asociado con el desarrollo de proyectos en los que existe incertidumbre en el
eventual uso de energías renovables y en su costeabilidad-rentabilidad en el tiempo (Asante et
al., 2020; Luthra et al., 2015; Seetharaman et al., 2019).
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
169
b10. Tarifa competitiva: el uso intensivo de las energías renovable se ve afectado por el
costo que tiene y su precio con relación a otras alternativas energéticas (Asante et al., 2020;
Moshiri & Martinez Santillan, 2018; Shah et al., 2019).
Barreras tecnológicas:
b11. Infraestructura: la falta de infraestructura del país y del sector industrial para el
aprovechamiento de la energía renovable y su potencial explotación. La transición energética
depende en gran medida de las condiciones físicas y tecnológicas que el país ofrece para el
aprovechamiento de los renovables (Asante et al., 2020; Seetharaman et al., 2019).
b12. Investigación y desarrollo: al contar con recursos naturales y materia prima se
requiere desarrollo e investigación que permita el crecimiento tecnológico o bien adquirirla de
otras naciones (Seetharaman et al., 2019).
b13. Recursos humanos: la falta de recurso humano especializado en el uso de tecnologías
renovables, con la capacidad de operar las tecnologías de energías renovables disponibles
(Asante et al., 2020; Shah et al., 2019).
b14. Complejidad tecnológica: intrínsecamente asociada a las dificultades que enfrenta la
industria para adaptarse a los requerimientos y características al transitar a la energía renovable
(Asante et al., 2020; Diezmartínez, 2021; Seetharaman et al., 2019).
b15. Confiabilidad en la generación: la Secretaría de Energía señala sobre la intermitencia
de la generación solar y eólica, pone en riesgo la confiabilidad del sistema eléctrico, ante ello, la
industria requiere de un energético que garantice su confiabilidad y estabilidad (Navarro
Chávez, 2019; Ramos Gutierrez & Montenegro Fragoso, 2019).
b16. Consumo industrial: se prevé que el sector industrial y el de transporte serán los
mayores consumidores de energía a nivel mundial, sus requerimientos y necesidades dependerá
el dominio en la demanda de un determinado combustible e integración del mix energético
futuro (U.S. Energy Information Administration, 2019).
Barreras políticas-regulatorias:
b17. Comisión Reguladora: actualmente la Comisión Reguladora de Energía (CRE) ha
propiciado una reducción de permisos a privados en cuanto a actividades energéticas, estos
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
170
factores de tipo político y regulatorios influyen en la dinámica de consumo de la industria, en los
límites y restricciones que deben seguir (Mirza et al., 2009; OECD, 2017).
b18. Política energética 2024: el gobierno actual otorga preeminencia a la operación de
actores que desarrollan sus actividades mediante el uso de combustibles fósiles (petróleo, gas
natural, combustóleo y carbón), inercialmente el sector industrial depende de manera
importante de esta energía, pero el crecimiento en la demanda energética podría cubrirse
transitando a energías renovables (Bonilla & Cordero, 2019; Gobierno de México, 2019;
Seetharaman et al., 2019).
b19. Autosuficiencia energética: el gobierno de México anunció una posible reforma para
garantizar la autosuficiencia de energía (Bonilla & Cordero, 2019; CEPAL. Comisión Económica
para América Latina y el Caribe, 2018).
b20. Marco regulatorio: los actores privados lo consideran inadecuado por las
implicaciones de la soberanía energética y de alta incertidumbre (Asante et al., 2020; Bonilla &
Cordero, 2019; González-López & Giampietro, 2018).
3.2. Etapa 2: Identificación de las relaciones contextuales y construcción de la
matriz de adyacencia
En esta etapa, se identificaron las relaciones contextuales a partir de la retroalimentación
de 5 expertos del sector energético en la comparativa entre cada uno de los pares de las 20
barreras, toda vez que el planteamiento según la metodología ISM-MICMAC consistió en
determinar la influencia o no de una barrera sobre otras. Se consideró para construir la matriz
de adyacencia la regla de facto del uso de los cuatro símbolos, V, A, X y O (tabla 1).
Puede distinguirse que b5 (competitividad combustibles) es la barrera que presenta el mayor
número de relaciones, que en su mayor parte denotan que es influenciada por otras barreras.
3.3. Etapa 3. Desarrollando la matriz de transitividad
La matriz de transitividad inicial se obtiene reemplazando los símbolos de relación V, A,
X y O en la matriz de adyacencia por sus respectivos valores binarios (0 o 1) bajo las reglas
descritas. La matriz de transitividad final (tabla 2), se obtuvo con apoyo de la herramienta
computacional Maple ver 2020.1.
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
171
Tabla 1. Matriz de adyacencia
B
b1
b2
b3
b4
b5
b6
b8
b9
b10
b11
b12
b13
b14
b15
b16
b17
b18
b19
b20
b1
X
I
X
I
0
0
0
0
0
0
0
0
0
0
I
0
0
0
0
b2
X
V
V
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
b3
X
V
0
0
0
0
0
0
0
0
0
0
X
0
0
0
0
b4
X
0
0
0
0
0
0
0
0
0
0
I
0
0
0
0
b5
X
V
V
0
V
V
V
V
V
0
0
V
0
V
V
b6
X
0
0
I
0
I
0
0
0
I
0
0
0
0
b7
0
I
X
0
I
0
0
0
X
0
0
0
0
b8
X
V
0
0
0
0
0
0
0
0
0
0
0
b9
X
0
I
I
0
0
0
0
0
0
0
0
b10
X
V
V
0
0
0
0
0
0
0
0
b11
X
I
0
X
0
0
0
0
0
0
b12
X
X
X
I
X
0
0
0
0
b13
X
X
0
0
0
0
0
0
b14
X
X
I
0
0
0
0
b15
X
0
0
V
V
V
b16
X
0
0
V
0
b17
X
V
V
X
b18
X
X
X
b19
X
X
b20
X
Fuente: elaboración propia. V: B i influye a B j; A: B j influye a B i; X: B i y B j se influyen
mutuamente; y O: B i y B j no están relacionados.
Dos de los factores tienen la mayor cantidad de relaciones indirectas b17 (comisión
reguladora) y b18 (política energética 2024), mientras que b2 (consumo poblacional) y b5
(competitividades combustibles) son quienes presentan la menor cantidad de relaciones
directas y transitivas.
3.4. Etapa 4. Estructura jerárquica: partición de la matriz de transitividad y modelo
ISM
En esta etapa, la Matriz de transitividad final se subdivide iterativamente de acuerdo a la
accesibilidad y antecedente de cada una de las barreras, clasificándolas en un nivel jerárquico. El
conjunto de intersección son las barreras comunes incluidos en los conjuntos de accesibilidad y
antecedentes. En caso de que este conjunto contenga las mismas barreras que las de accesibilidad
se jerarquiza en el nivel que le corresponda según la iteración y se descarta del resto de las
iteraciones en caso de ser necesarias (tabla 3).
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
172
Tabla 2. Matriz de transitividad final
B
b1
b2
b3
b4
b5
b6
b7
b8
b9
b10
b11
b12
b13
b14
b15
b16
b17
b18
b19
b20
Pin
b1
1
1
1
1
1*
0
1*
1*
1*
1*
1*
1*
1*
1*
1*
1
0
0
0
0
15
b2
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
b3
1
1
1
1*
1*
0
1*
1*
1*
1*
1*
1*
1*
1*
1*
1
0
0
0
0
15
b4
1*
1
1
1
1*
0
1*
1*
1*
1*
1*
1*
1*
1*
1*
1
0
0
0
0
15
b5
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
b6
1*
1*
1*
1*
1
1
1
1*
1*
1
1*
1
1*
1*
1*
1
0
0
0
0
16
b7
1*
1*
1*
1*
1
0
1
1*
1
1
1*
1
1*
1*
1*
1
0
0
0
0
15
b8
1*
1*
1*
1*
1
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
2
b9
1*
1*
1*
1*
1*
0
1*
1
1
1*
1
1
1*
1*
1*
1*
0
0
0
0
15
b10
1*
1*
1*
1*
1*
0
1
1*
1*
1
1*
1*
1*
1*
1*
1*
0
0
0
0
15
b11
1*
1*
1*
1*
1*
0
1*
1*
1*
1
1
1
1*
1
1*
1*
0
0
0
0
15
b12
1*
1*
1*
1*
1
0
1*
1*
1*
1
1*
1
1
1
1
1
0
0
0
0
15
b13
1*
1*
1*
1*
1
0
1*
1*
1*
1*
1*
1
1
1
1*
1*
0
0
0
0
15
b14
1*
1*
1*
1*
1
0
1*
1*
1*
1*
1
1
1
1
1
1
0
0
0
0
15
b15
1*
1*
1*
1*
1*
0
1*
1*
1*
1*
1*
1*
1*
1
1
1*
0
0
0
0
15
b16
1*
1*
1
1*
1*
0
1
1*
1*
1*
1*
1
1*
1*
1*
1
0
0
0
0
15
b17
1*
1*
1*
1*
1
0
1*
1*
1*
1*
1*
1*
1*
1*
1*
1*
1
1*
1*
1
19
b18
1*
1*
1*
1*
1*
0
1*
1*
1*
1*
1*
1*
1*
1*
1
1*
1
1
1
1
19
b19
1*
1*
1*
1*
1
0
1*
1*
1*
1*
1*
1*
1*
1*
1
1
1
1
1
1
19
b20
1*
1*
1*
1*
1
0
1*
1*
1*
1*
1*
1*
1*
1*
1
1*
1
1
1
1
19
Ped
17
18
17
17
19
1
17
18
17
17
17
17
17
17
17
17
4
4
4
4
Fuente: Elaboración propia.
Nota: Pin: Poder de influencia y Pde: Poder de dependencia.
Los valores indicados por *representan las relaciones transitivas resultantes.
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
173
Tabla 3. Estructura jerárquica
B
Conjunto de Accesibilidad
Conjunto Antecedente
Conjunto Intersección
Nive
l
b1
1,2,3,4,5,7,8,9,10,11,12,13,14,15,16
1,3,4,6,7,9,10,11,12,13,14,15,16,17,18,19,20
1,3,4,7,9,10,11,12,13,14,15,16
3
b2
2
1,2,3,4,6,7,9,10,11,12,13,14,15,16,17,18,19,20
2
1
b3
1,2,3,4,5,7,8,9,10,11,12,13,14,15,16
1,3,4,6,7,9,10,11,12,13,14,15,16,17,18,19,20
1,3,4,7,9,10,11,12,13,14,15,16
3
b4
1,2,3,4,5,7,8,9,10,11,12,13,14,15,16
1,3,4,6,7,9,10,11,12,13,14,15,16,17,18,19,20
1,3,4,7,9,10,11,12,13,14,15,16
3
b5
5
1,3,4,5,6,7,9,10,11,12,13,14,15,16,17,18,19,20
5
1
b6
1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16
6
6
4
b7
1,2,3,4,5,7,8,9,10,11,12,13,14,15,16
1,3,4,6,7,9,10,11,12,13,14,15,16,17,18,19,20
1,3,4,7,9,10,11,12,13,14,15,16
3
b8
5,8
1,3,4,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20
8
2
b9
1,2,3,4,5,7,8,9,10,11,12,13,14,15,16
1,3,4,6,7,9,10,11,12,13,14,15,16,17,18,19,20
1,3,4,7,9,10,11,12,13,14,15,16
3
b10
1,2,3,4,5,7,8,9,10,11,12,13,14,15,16
1,3,4,6,7,9,10,11,12,13,14,15,16,17,18,19,20
1,3,4,7,9,10,11,12,13,14,15,16
3
b11
1,2,3,4,5,7,8,9,10,11,12,13,14,15,16
1,3,4,6,7,9,10,11,12,13,14,15,16,17,18,19,20
1,3,4,7,9,10,11,12,13,14,15,16
3
b12
1,2,3,4,5,7,8,9,10,11,12,13,14,15,16
1,3,4,6,7,9,10,11,12,13,14,15,16,17,18,19,20
1,3,4,7,9,10,11,12,13,14,15,16
3
b13
1,2,3,4,5,7,8,9,10,11,12,13,14,15,16
1,3,4,6,7,9,10,11,12,13,14,15,16,17,18,19,20
1,3,4,7,9,10,11,12,13,14,15,16
3
b14
1,2,3,4,5,7,8,9,10,11,12,13,14,15,16
1,3,4,6,7,9,10,11,12,13,14,15,16,17,18,19,20
1,3,4,7,9,10,11,12,13,14,15,16
3
b15
1,2,3,4,5,7,8,9,10,11,12,13,14,15,16
1,3,4,6,7,9,10,11,12,13,14,15,16,17,18,19,20
1,3,4,7,9,10,11,12,13,14,15,16
3
b16
1,2,3,4,5,7,8,9,10,11,12,13,14,15,16
1,3,4,6,7,9,10,11,12,13,14,15,16,17,18,19,20
1,3,4,7,9,10,11,12,13,14,15,16
3
b17
1,2,3,4,5,7,8,9,10,11,12,13,14,15,16,17,18,19,20
17,18,19,20
17,18,19,20
4
b18
1,2,3,4,5,7,8,9,10,11,12,13,14,15,16,17,18,19,20
17,18,19,20
17,18,19,20
4
b19
1,2,3,4,5,7,8,9,10,11,12,13,14,15,16,17,18,19,20
17,18,19,20
17,18,19,20
4
b2
0
1,2,3,4,5,7,8,9,10,11,12,13,14,15,16,17,18,19,20
17,18,19,20
17,18,19,20
4
Fuente: elaboración propia.
Nota: Por consideración de espacio, en cada uno de los números de los conjuntos no contiene a inicio la letra b (barrera).
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
174
Son 4 los niveles estructurales; en el nivel 1 están las barreras b2 (consumo poblacional)
y b5 (competitividades combustibles), mientras que en el nivel 4 están b6 (subsidios
gubernamentales), b17 (Comisión Reguladora), b18 (Política energética 2024), b19
(Autosuficiencia energética) y b20 (Marco regulatorio). Esta estructura estratificada que es la
base para la construcción del modelo ISM (figura 2), en un primer paso para facilidad de
diagramarla es factible representarla mediante grafos (figura 1). El nivel inferior sugiere que estas
barreras son afectadas por las barreras de los niveles más bajos, mientras que los niveles
superiores indican que estas barreras situadas en la parte inferior de la jerarquía pueden ejercer
una mayor influencia en la transición industrial hacia la economía circular. Las barreras en los
niveles intermedios influyen en las de nivel superior, pero también son influidas por las de los
niveles inferiores.
Figura 1. Grafo jerárquico basado en las barreras energéticas
Fuente: Elaboración propia con Gephi ver 0.9.2.
Nivel 4
Nivel 3
Nivel 2
Nivel 1
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
175
Figura 2. Modelo ISM basado en las barreras energéticas
Fuente: Elaboración propia.
b2 Consumo poblacional
Nivel 1
Nivel 2
Nivel 3
Nivel 4
b3 Crecimiento
b4 Aceptación social
b5 Competitividad
b9 Inversión inicial
b10 Tarifa competitiva
b11 Infraestructura
b12 Investigación
b13 Recursos humanos
b14 Complejidad
b16 Consumo industrial
b1 Conciencia pública
b8 Tamaño mercado
b15 Confiabilidad
b17 Comisión
b18 Política energética
b19 Autosuficiencia
b20 Marco regulatorio
b7 Financiamiento
b6 Subsidios
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
176
Se observa que la barrera b5 (competitividades combustibles) a diferencia de la b2
(consumo poblacional) ambas del nivel 1, es influenciada por todas las barreras de los niveles
inferiores, sólo es la barrera b8 (tamaño mercado) la que diferencialmente influye sobre b5 y no
en b2. En tanto que, las barreras b17 (comisión reguladora), b18 (política energética 2024),
b19 (autosuficiencia energética) y b20 (marco regulatorio) todas de carácter político-
regulatorias, se interrelacionan entre sí y se encuentran en el nivel 4, también en este mismo nivel
está una barrera económica b6 (subsidios gubernamentales) pero que no se relaciona con alguna
de las político-regulatorias. En conjunto estas barreras influyen en todas las demás y no reciben
influencia de otras que no sean del nivel 4. Mientras que, b8 (tamaño mercado) es la única barrera
económica en el nivel 2 que influye sólo a b5 pero ésta última es influenciada por todas las de los
niveles previos. No obstante, las barreras ubicadas en los niveles 2 y 3 o (intermedias) suelen
transferir influencia al ser los puentes de niveles inferiores a superiores. Sin embargo, en esta
estructura todas las barreras influyen directamente tanto en b2 (consumo poblacional) como en
b5 (competitividad combustible), con excepción de b8. Es entonces que el modelo ISM
presentado describe las relaciones de influencia de los factores en el sistema.
3.5. Etapa 5. Clasificación MICMAC
En consideración al poder de influencia y poder de dependencia obtenidos en la matriz de
transitividad final (tabla 4), las 20 barreras energéticas en la transición industrial hacia la
economía circular se clasificaron en autónomas, dependientes, de enlace e independientes
(figura 3).
Las barreras b17(comisión reguladora), b18 (política energética 2024), b19
(autosuficiencia energética) b20 (marco regulatorio) y b6 (subsidios gubernamentales) son
independientes, tienen alto poder de influencia y bajo poder de dependencia, son a las que se les
debe considerar la mayor atención, estas barreras se encuentran de igual forma en el nivel 4 del
modelo jerárquico. Mientras que, las barreras b2 (consumo poblacional), b5 (competitividades
combustibles) y b8 (tamaño de mercado) son barreras dependientes, tienen bajo poder de
influencia y alto poder de dependencia por lo que reciben influencia de la mayoría de las barreras
y en el caso de b5 de todas. El resto de las barreras son de enlace por tanto tienen alto poder de
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
177
influencia y alto poder de dependencia, cualquier acción sobre ellas tendrá un efecto sobre las
demás y sobre ellas mismas.
Figura 3. Factores estratificados en poder de influencia / dependencia
Fuente: Elaboración propia.
Cualquier estrategia diseñada para las barreras independientes y/o de enlace, en
consecuencia, influirá en las dependientes. Los resultados de MICMAC e ISM se complementan
y conjuntamente orientan sobre las estrategias a implementarse (tabla 4).
b1
b2
b3
b4
b5
b6
b7
b8
b9
b10
b11
b12
b13
b14
b15
b16
b17
b18
b19
b20
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
Poder de influencia
Poder de dependencia
Barreras independientes
Barreras de enlace
Barreras autónomas
Barreras dependientes
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
178
Tabla 4. Estrategias en energía renovable para la transición industrial circular
Barreras energéticas en la transición
industrial a la circularidad
Estrategias
Independientes
b17(comisión reguladora), b18
(política energética 2024), b19
(autosuficiencia energética) b20
(marco regulatorio) y b6
(subsidios gubernamentales)
Favorecer con mecanismos controlados la apertura de
generación de energías renovables.
Impulsar el desarrollo de energías renovable, especialmente
la generada a través de biomasa.
Implementar estímulos fiscales para inversionistas de
energías renovables.
Reducir la carga tributaria a aquellas industrias que
demuestren generación o consumo de energía renovable en
sus flujos productivos.
De enlace
b1 (conciencia pública), b3
(crecimiento poblacional), b4
(aceptación social), b7
(financiamiento), b9 (inversión
inicial), b10 (tarifa competitiva),
b11 (infraestructura), b12
(investigación y desarrollo), b13
(recursos humanos), b14
(complejidad tecnológica), b15
(confiabilidad generación) y b16
(consumo industrial)
Concientizar a la población de los beneficios ambientales de
las empresas con prácticas circulares en energías limpias.
Crear mecanismos financieros para la inversión público-
privada en el desarrollo compartido de infraestructura.
Impulsar el apoyo científico y tecnológico a alternativas de
generación de energía renovable a partir de biomasa.
Alentar el desarrollo de personal especializado en el manejo
de tecnologías de generación de energía renovable.
Apoyo financiero y técnico inicial por parte del gobierno a
proyectos de optimización de consumo de energía en la
circularidad de las industrias.
Dependientes
b2 (consumo poblacional), b5
(competitividades combustibles)
y b8 (tamaño de mercado)
Promover ante la población el uso y consumo de energías
renovables en la circularidad de las industrias.
Incentivar la competitividad en la generación de energía
renovables, particularmente en la generación de
biocombustibles.
Fuente: Elaboración propia.
Conclusiones
Uno de los pilares de la economía circular es la transición a energías renovables, ante ello,
el sector industrial como uno de los de mayor consumo de energía a nivel global es imperante
transite a la adopción de prácticas circulares. Es por ello, que los incipientes modelos que
proponen cuantificar el grado de circularidad en las organizaciones han empezado a considerar
la participación de las energías renovables en los procesos productivos además del ciclo de vida
de los materiales por su conceptualización per se. Sin embargo, las barreras que inhiben la
transición industrial hacia la economía circular son de carácter político regulatorias. En tanto,
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
179
que las estrategias para superarlas deben basarse en un diálogo permanente con los
representantes gubernamentales para externar la necesidad de transitar a un modelo circular y
con ello a la generación y consumo de energías más limpias, se requiere de un permanente
acercamiento con el poder legislativo para promover el establecimiento de un marco jurídico
fundamentado en las mejores prácticas internacionales que promueva la transición en la
adaptación de nuevas energías mientras que, al interior de la propia industria se concientice
sobre los beneficios sustentables de la adopción y uso intensivo de energía renovable en los flujos
productivos como uno de los principios fundamentales de la economía circular.
La transición a una economía circular y con un uso intensivo de un mix energético basado
principalmente en energías renovables, no es tan acelerado como se espera, no obstante, se han
dado avances y uno de los retos centrales para los gobiernos es identificar las barreras que
obstruyen dicha transición, en el caso de México, las decisiones desde el poder ejecutivo
direccionan la política energética de corto, mediano y largo plazo; la adopción de modelos de
economía circular dependen de multiplicidad de factores, pero la presión internacional y los
acuerdos transversales convocados por organismos internacionales condicionan a los gobiernos
a reorientar estrategias y acciones para reducir los efectos perniciosos en el medio ambiente; una
vez identificadas las barreras, es posible establecer estrategias coordinadas para su atención y
con ello, tener una comprensión integral del problema para incentivar y acelerar la transición a
la economía circular.
Referencias
Agrawal, N. M. (2019). Modeling Deming’s quality principles to improve performance using
interpretive structural modeling and MICMAC analysis. International Journal of Quality and
Reliability Management, 36(7), 1159–1180. https://doi.org/10.1108/IJQRM-07-2018-0204
Araujo Galvão, G. D., De Nadae, J., Clemente, D. H., Chinen, G., & De Carvalho, M. M. (2018).
Circular Economy: Overview of Barriers. Procedia CIRP, 73, 79–85.
https://doi.org/10.1016/j.procir.2018.04.011
Arcade, J., Godet, M., Meunier, F., & Roubelat, F. (2004). Análisis estructural con el método
Micmac y estrategia de los actores con el método Mactor. In Futures Research Methodology, Version
1.0.
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
180
Asante, D., He, Z., Adjei, N. O., & Asante, B. (2020). Exploring the barriers to renewable energy
adoption utilising MULTIMOORA- EDAS method. Energy Policy, 142.
https://doi.org/10.1016/j.enpol.2020.111479
Bilal, M., Khan, K. I. A., Thaheem, M. J., & Nasir, A. R. (2020). Current state and barriers to the
circular economy in the building sector: Towards a mitigation framework. Journal of Cleaner
Production, 276. https://doi.org/10.1016/j.jclepro.2020.123250
Bonilla, C. S., & Cordero, J. M. (2019). La dimensión jurídica de la energía eléctrica y las energías
renovables en México. Revista Digital de Derecho Administrativo, 22, 299–333.
https://doi.org/10.18601/21452946.n22.12
Boons, F., Chertow, M., Park, J., Spekkink, W., & Shi, H. (2017). Industrial Symbiosis Dynamics
and the Problem of Equivalence: Proposal for a Comparative Framework. Journal of Industrial
Ecology, 21(4), 938–952. https://doi.org/10.1111/jiec.12468
CEPAL. Comisión Económica para América Latina y el Caribe. (2018). Seguridad energética:
análisis y evaluación del caso de México. Serie Estudios y Perspectivas, N° 179.
Chander, M., Jain, S. K., & Shankar, R. (2013). Modeling of information security management
parameters in Indian organizations using ISM and MICMAC approach. Journal of Modelling in
Management, 8(2), 171–189. https://doi.org/10.1108/JM2-10-2011-0054
Corona, B., Shen, L., Reike, D., Rosales Carreón, J., & Worrell, E. (2019). Towards sustainable
development through the circular economy—A review and critical assessment on current
circularity metrics. Resources, Conservation and Recycling, 151(September 2019), 104498.
https://doi.org/10.1016/j.resconrec.2019.104498
de Wit, M., Hoogzaad, J., & von Daniels, C. (2020). The Circularity Gap Report 2020.
del Pilar, E. C., Alegado, I., & Bongo, M. F. (2019). Structural relationships among critical failure
factors of microbusinesses. Journal of Small Business and Enterprise Development, 27(1), 148–174.
https://doi.org/10.1108/JSBED-01-2019-0001
Diezmartínez, C. V. (2021). Clean energy transition in Mexico: Policy recommendations for the
deployment of energy storage technologies. Renewable and Sustainable Energy Reviews, 135(June
2020), 110407. https://doi.org/10.1016/j.rser.2020.110407
Dube, A. S., & Gawande, R. S. (2016). Analysis of green supply chain barriers using integrated
ISM-fuzzy MICMAC approach. Benchmarking, 23(6), 1558–1578. https://doi.org/10.1108/BIJ-06-
2015-0057
Elia, V., Gnoni, M. G., & Tornese, F. (2017). Measuring circular economy strategies through
index methods: A critical analysis. Journal of Cleaner Production, 142, 2741–2751.
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
181
https://doi.org/10.1016/j.jclepro.2016.10.196
Elia, V., Gnoni, M. G., & Tornese, F. (2020). Evaluating the adoption of circular economy
practices in industrial supply chains: An empirical analysis. Journal of Cleaner Production, 273,
122966. https://doi.org/10.1016/j.jclepro.2020.122966
Ellen MacArthur Foundation. (2014). Towards the Circular Economy vol.3: accelerating the
scale-up across global supply chains. In Ellen MacArthur Foundation (EMF).
Ellen MacArthur Foundation. (2015a). Circular Indicators: an approach to measuring circularity.
Methodology.
Ellen MacArthur Foundation. (2015b). Growth within: a circular economy vision for a
competitive europe. Ellen MacArthur Foundation, 100.
Ellen MacArthur Foundation. (2015c). Towards a Circular Economy: Business Rationale for an
Accelerated Transition. Ellen MacArthur Foundation (EMF), 20.
Ellen MacArthur Foundation. (2020). Financing the circular economy: Capturing the opportunity.
Ellen MacarthurFoundation. (2019). How The Circular Economy Tackles Climate Change. Ellen
MacArthur Foundation, September, 1–62.
European Environment Agency Report. (2016). Circular economy in Europe - developing the
knowledge base (European Environment Agency Report No 2/2016). In Publication Office of the
Euopean Union (Issue 2). https://doi.org/10.2800/51444
Gan, X., Chang, R., Zuo, J., Wen, T., & Zillante, G. (2018). Barriers to the transition towards off-
site construction in China: An Interpretive structural modeling approach. Journal of Cleaner
Production, 197, 8–18. https://doi.org/10.1016/j.jclepro.2018.06.184
Geng, Y., Fu, J., Sarkis, J., & Xue, B. (2012). Towards a national circular economy indicator
system in China: An evaluation and critical analysis. Journal of Cleaner Production, 23(1), 216–224.
https://doi.org/10.1016/j.jclepro.2011.07.005
Ghimire, L. P., & Kim, Y. (2018). An analysis on barriers to renewable energy development in the
context of Nepal using AHP. Renewable Energy, 129, 446–456.
https://doi.org/10.1016/j.renene.2018.06.011
Gobierno de México. (2019). Plan Nacional de Desarrollo 2019-2024. Diario Oficial de La
Federación, 1–75.
Godet, M., Durance, P., & Gerber, A. (2013). Strategic Foresight La Prospective Use and Misuse
of Scenario Building. The Circle of Future Entrepreneurs, 65(1), 421.
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
182
https://doi.org/10.1057/9781137293503
González-López, R., & Giampietro, M. (2018). Relational analysis of the oil and gas sector of
Mexico: Implications for Mexico’s energy reform. Energy, 154, 403–414.
https://doi.org/10.1016/j.energy.2018.04.134
Govindan, K., & Hasanagic, M. (2018). A systematic review on drivers, barriers, and practices
towards circular economy: a supply chain perspective. International Journal of Production Research,
56(1–2), 278–311. https://doi.org/10.1080/00207543.2017.1402141
IEA, IRENA, UNSD, World Bank, & WHO. (2020). Tracking SDG 7: The Energy Progress
Report. World Bank, 176. https://trackingsdg7.esmap.org/
IPCC. (2018). Proposed outline of the special report in 2018 on the impacts of global warming of
1 . 5 ° C above pre-industrial levels and related global greenhouse gas emission pathways , in the
context of strengthening the global response to the threat of climate cha. Ipcc - Sr15, 2(October),
17–20.
IRENA (2020a). Global Renewables Outlook: Energy transformation 2050. In International
Renewable Energy Agency.
IRENA. (2020b). Reaching zero with renewables: Eliminating CO2 emissions from industry and transport in
line with the 1.50C climate goal. 216.
Kalchenko, O., Evseeva, S., Evseeva, O., & Plis, K. (2019). Circular economy for the energy
transition in Saint Petersburg, Russia. E3S Web of Conferences, 110.
https://doi.org/10.1051/e3sconf/201911002030
Khan, I., Hou, F., & Le, H. P. (2021). The impact of natural resources, energy consumption, and
population growth on environmental quality: Fresh evidence from the United States of America.
Science of the Total Environment, 754, 142222. https://doi.org/10.1016/j.scitotenv.2020.142222
Korhonen, J., Honkasalo, A., & Seppälä, J. (2018a). Circular Economy: The Concept and its
Limitations. Ecological Economics, 143, 37–46. https://doi.org/10.1016/j.ecolecon.2017.06.041
Korhonen, J., Honkasalo, A., & Seppälä, J. (2018b). Circular Economy: The Concept and its
Limitations. Ecological Economics, 143, 37–46. https://doi.org/10.1016/j.ecolecon.2017.06.041
Luthra, S., Kumar, S., Garg, D., & Haleem, A. (2015). Barriers to renewable/sustainable energy
technologies adoption: Indian perspective. Renewable and Sustainable Energy Reviews, 41, 762–776.
https://doi.org/10.1016/j.rser.2014.08.077
Luthra, S., Kumar, S., Kharb, R., Ansari, M. F., & Shimmi, S. L. (2014). Adoption of smart grid
technologies: An analysis of interactions among barriers. Renewable and Sustainable Energy Reviews,
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
183
33, 554–565. https://doi.org/10.1016/j.rser.2014.02.030
Martinez, N. (2020). Resisting renewables: The energy epistemics of social opposition in
Mexico. Energy Research and Social Science, 70(May), 101632.
https://doi.org/10.1016/j.erss.2020.101632
Mirza, U. K., Ahmad, N., Harijan, K., & Majeed, T. (2009). Identifying and addressing barriers
to renewable energy development in Pakistan. Renewable and Sustainable Energy Reviews, 13(4), 927–
931. https://doi.org/10.1016/j.rser.2007.11.006
Moshiri, S., & Martinez Santillan, M. A. (2018). The welfare effects of energy price changes due
to energy market reform in Mexico. Energy Policy, 113(September 2017), 663–672.
https://doi.org/10.1016/j.enpol.2017.11.035
Navarro Chávez, J. C. L. (2019). La Eficiencia del Sector Eléctrico en México 2008-2015. Análisis
Económico, 34(85), 71–94. https://doi.org/10.24275/uam/azc/dcsh/ae/2019v34n85/navarro
Nuñez-Cacho, P., Górecki, J., Molina-Moreno, V., & Corpas-Iglesias, F. A. (2018). What gets
measured, gets done: Development of a Circular Economy measurement scale for building
industry. Sustainability (Switzerland), 10(7). https://doi.org/10.3390/su10072340
OECD. (2017). Driving Performance at Mexico’s Energy Regulatory Commission.
Ramesh, A., Banwet, D. K., & Shankar, R. (2010). Modeling the barriers of supply chain
collaboration. Journal of Modelling in Management, 5(2), 176–193.
https://doi.org/10.1108/17465661011061014
Ramos Gutierrez, L. de J., & Montenegro Fragoso, M. (2019). A New Way to Reduce Electrical
Intermittency in a Sustainable Way, Case Study: A Pumped Storage Reservoir-Solar Hybrid
System in Mexico. Ingenieria, 24(3), 209–223.
Sagheer, S., Yadav, S. S., & Deshmukh, S. G. (2009). An application of interpretative structural
modeling of the compliance to food standards. International Journal of Productivity and Performance
Management, 58(2), 136–159. https://doi.org/10.1108/17410400910928734
Seetharaman, Moorthy, K., Patwa, N., Saravanan, & Gupta, Y. (2019). Breaking barriers in
deployment of renewable energy. Heliyon, 5(1), e01166.
https://doi.org/10.1016/j.heliyon.2019.e01166
Shah, S. A. A., Solangi, Y. A., & Ikram, M. (2019). Analysis of barriers to the adoption of cleaner
energy technologies in Pakistan using Modified Delphi and Fuzzy Analytical Hierarchy Process.
Journal of Cleaner Production, 235, 1037–1050. https://doi.org/10.1016/j.jclepro.2019.07.020
Shen, L., Song, X., Wu, Y., Liao, S., & Zhang, X. (2016). Interpretive Structural Modeling based
REVISTA DE LA UNIVERSIDAD DEL ZULIA. 3ª época. Año 14, N° 40, 2023
F. Lámbarry-Vilchis & J. C. Moreno-Jiménez // Modelación de barreras energéticas … 161-184
DOI: https://doi.org/10.46925//rdluz.40.09
184
factor analysis on the implementation of Emission Trading System in the Chinese building
sector. Journal of Cleaner Production, 127, 214–227. https://doi.org/10.1016/j.jclepro.2016.03.151
Suárez-Eiroa, B., Fernández, E., Méndez-Martínez, G., & Soto-Oñate, D. (2019). Operational
principles of circular economy for sustainable development: Linking theory and practice. In
Journal of Cleaner Production (Vol. 214, pp. 952–961). Elsevier Ltd.
https://doi.org/10.1016/j.jclepro.2018.12.271
Tura, N., Hanski, J., Ahola, T., Ståhle, M., Piiparinen, S., & Valkokari, P. (2019). Unlocking
circular business: A framework of barriers and drivers. Journal of Cleaner Production, 212, 90–98.
https://doi.org/10.1016/j.jclepro.2018.11.202
U.S. Energy Information Administration. (2019). International Energy Outlook 2019 with
projections to 2050. Choice Reviews Online, 85. https://doi.org/10.5860/CHOICE.44-3624
Unfccc. (2015). Paris Agreement Spanish.
Velasco-Herrejon, P., & Bauwens, T. (2020). Energy justice from the bottom up: A capability
approach to community acceptance of wind energy in Mexico. Energy Research and Social Science,
70(July), 101711. https://doi.org/10.1016/j.erss.2020.101711
Wang, G. H., Wang, Y. X., & Zhao, T. (2008). Analysis of interactions among the barriers to
energy saving in China. Energy Policy, 36(6), 1879–1889.
https://doi.org/10.1016/j.enpol.2008.02.006
World Business Council For Sustainable Development. (2019). Circular Transition Indicators. July,
40.
Xu, X., & Zou, P. X. W. (2020). Analysis of factors and their hierarchical relationships
influencing building energy performance using interpretive structural modelling (ISM)
approach. Journal of Cleaner Production, 272, 122650. https://doi.org/10.1016/j.jclepro.2020.122650