Tesis doctorales de la Escuela Internacional de Doctorado de la URJC desde el curso 2024/25
Investigating the Impact of Industrial Robots on the Performance of Spanish Manufacturing Firms
Autor
SHAHIN , TARANEH
Director
BALLESTAR DE LAS HERAS, MARÍA TERESA
Codirector
SANZ LABRADOR, ISMAEL
Fecha de defensa
12-12-2024
Calificación
Sobresaliente cum laude
Programa
Ciencias Sociales y Jurídicas
Mención internacional
No
Resumen
Antecedentes
La mayoría de las empresas intenta aprovechar la tecnología de punta para cultivar un entorno de trabajo más favorable para sus empleados y obtener una ventaja competitiva. Por lo tanto, con el rápido avance de la tecnología de Inteligencia Artificial y la automatización, muchos países han estado invirtiendo en el desarrollo de tecnologías automatizadas, reconociendo su potencial para mejorar varios procesos de producción y las respuestas activas a los choques macroeconómicos. Este estudio se esfuerza por explicar el impacto de los robots industriales, emblemáticos de la automatización, en el contexto de las empresas manufactureras españolas. Exploramos los factores intrincados que moldean las decisiones de las empresas con respecto a la adopción de robots dentro del contexto español. Aprovechando el conjunto de datos de la Encuesta sobre Estrategias Empresariales (ESEE), que abarca un conjunto diverso de industrias, realizamos un análisis empírico para descubrir los determinantes de la adopción de robots e investigar los resultados asociados en las variables del mercado. El enfoque del estudio está en los robots industriales que pueden realizar tareas con gran precisión y mejorar significativamente el rendimiento general en diversas industrias y también la acumulación de factores económicos. Realizamos un examen exhaustivo para descubrir qué factores incentivan a las empresas a adoptar robots y cómo esta decisión afecta varios aspectos del mercado. Nuestro estudio explica varios factores que influyen significativamente en si una empresa decide incorporar robots en su proceso de fabricación. El motivador de este estudio es la definición de robot presentada por el código ISO 8373, que posiciona a los robots como un componente clave de la revolución digital, capaz de liberar a los humanos de tareas físicamente exigentes y peligrosas. Además, desde el principio consideramos la interacción entre la adopción de robots y las Cadenas Globales de Valor (CGV). Encontramos que factores como la rentabilidad de la empresa, si la empresa participa en la exportación y variables como la proporción de recursos dedicados a la investigación y el desarrollo, así como la intensidad de capital, desempeñan un papel significativo en la probabilidad de adopción de robots. Curiosamente, aunque el nivel de capital humano dentro de una empresa también influye en esta decisión, sus efectos no fueron positivos. Este efecto negativo indica que las empresas con trabajadores más educados en España no tienen intención de adoptar robots industriales. El estudio se extiende a explorar cómo la adopción de robots impacta en el rendimiento de una empresa. Descubrimos que las empresas que adoptan la robotización tienden a ver mejoras en varias áreas, como un mayor rendimiento, una mayor participación en actividades de exportación, una mayor cuota de exportación y una reducción de los costos laborales. Para asegurar la robustez de nuestros hallazgos, y también para utilizar un método novedoso, empleamos técnicas avanzadas de aprendizaje automático, el modelo de aprendizaje automático basado en el impulso de gradiente (XGBoost). Otro aspecto interesante de este estudio es el uso de la variable instrumental y la regresión por mínimos cuadrados en dos etapas (MC2E) para reducir el problema de la causalidad inversa y la endogeneidad. Estos métodos nos permitieron probar y validar rigurosamente nuestros resultados. Nuestro estudio arroja luz sobre la dinámica de la adopción de robots en el sector manufacturero, proporcionando información sobre los factores que guían las decisiones de las empresas y los efectos subsecuentes en el mercado. Al comprender estas dinámicas, los interesados pueden navegar mejor el panorama evolutivo de la integración tecnológica en la manufactura, impulsando en última instancia la toma de decisiones informadas y la planificación estratégica. Para abordar las preguntas planteadas en este estudio, analizamos nuestros datos a través del lente de los intentos recientes en la literatura para formalizar las implicaciones de la tecnología robótica. Para asegurar respuestas precisas, preparamos los datos transformando variables usando el logaritmo natural para hacer que los datos sesgados sean más equilibrados y consistentes. Además, vamos más allá de una simple verificación de la adopción de robots e introducimos nuevas variables que redefinen cómo la medimos. No solo verificamos la adopción de robots de manera simple, sino que también avanzamos y usamos variables ficticias que presentan una nueva definición de adopción de robots. Estas adiciones nos ayudan a llegar a una conclusión más completa sobre la importancia del uso de robots industriales. Este estudio introduce un aspecto novedoso, que es la creación de una variable instrumental derivada del conjunto de datos. Hasta donde sabemos, somos el estudio pionero en ofrecer estos instrumentos derivados del conjunto de datos canónico. Además, ofrecemos un análisis comparativo entre los resultados obtenidos del análisis de regresión y los derivados del uso del algoritmo de aprendizaje automático XGBoost en el marco de las empresas manufactureras españolas. La evidencia proviene de este estudio utilizando varios métodos estadísticos para expandir los estudios previos sobre la empresa manufacturera española. Ampliamos nuestra investigación del estudio de (Alguacil, Turco, & Martínez-Zarzoso, 2022) mediante un examen de los impulsores que obligan a las empresas a integrar robots en sus operaciones, una investigación sobre la correlación entre los niveles educativos y la adopción de la automatización, y una evaluación de los efectos inmediatos de los robots en los gastos laborales. Nos proponemos aclarar las dinámicas complicadas de la adopción de robots industriales entre las empresas del sector industrial, y vamos más allá del estudio de (Koch, Manuylov, & Smolka, 2021) al escrutar los diferentes factores detrás de la integración de robots por parte de las empresas. Además, realizamos una investigación sobre la correlación entre los niveles educativos y la adopción de la automatización. Definimos la desigualdad de educación y habilidades entre los trabajadores como la intensidad de habilidades de los trabajadores. Además, enfatizamos la importancia de los cambios en el costo laboral debido a su papel clave en la competitividad del mercado, haciendo de esto un enfoque central de nuestra investigación. En contraste con el hallazgo del estudio (Stapleton & Webb, 2020), que se centra en los efectos de la automatización en las importaciones y actividades multidimensionales en países de bajos ingresos, nuestra investigación enriquece el cuerpo de conocimiento existente al analizar los efectos sobre el estado de exportación y la cuota de mercado. Dado el papel crucial de los trabajadores educados en las industrias manufactureras, la medición del flujo de conocimiento en una empresa es un factor considerable. Por lo tanto, definimos la intensidad de los trabajadores de baja habilidad y la intensidad de los trabajadores de alta habilidad como las características que controlan el flujo de conocimiento en la estimación.
Objetivos
En esta sección, examinamos cuidadosamente las preguntas planteadas en la sección anterior. El objetivo de este estudio es comprender la influencia de la adopción de robots industriales en las empresas manufactureras en España. A través de una estimación exhaustiva, intentamos crear una metodología fiable e imparcial. Tenemos la intención de explicar 4 claramente los factores influyentes que motivan a las empresas a adoptar robots industriales y definir el impacto de la adopción de robots industriales en el rendimiento de las empresas en las industrias manufactureras. En este sentido, nuestro objetivo es establecer un enfoque sistemático sobre el tema, que sirva tanto como una guía como un punto de referencia para evaluar objetivamente el tema bajo análisis.
El estudio se divide en dos secciones, cada una con objetivos distintos. El primer objetivo directo es:
• Primer objetivo: Detectar las características que alientan a las empresas a adoptar robots industriales.
Para abordar esta pregunta, debemos considerar la naturaleza del conjunto de datos y la variable objetivo (dependiente), por lo que también mencionamos dos objetivos indirectos:
o Considerar la heterogeneidad entre las empresas manufactureras españolas.
o Considerar la naturaleza binaria de la variable independiente de la adopción de robots.
Para lograr el siguiente objetivo del estudio, definimos el segundo objetivo directo:
• Segundo objetivo: Distinguir los cambios en el rendimiento de la empresa después de adoptar robots.
ara ofrecer evidencia convincente para esta pregunta, también describimos los siguientes seis objetivos indirectos:
o Reconocer el impacto de la adopción de robots en los cambios en el rendimiento de la empresa.
o Reconocer el impacto de la adopción de robots en los cambios en los costos laborales de la empresa.
o Reconocer el impacto de la adopción de robots en los cambios en trabajadores de alta cualificación de la empresa.
o Reconocer el impacto de la adopción de robots en los cambios en trabajadores de baja cualificación de la empresa.
o Reconocer el impacto de la adopción de robots en los cambios en el estado de exportación de la empresa.
o Reconocer el impacto de la adopción de robots en los cambios en la cuota de exportación de la empresa.
Metodología
Esta tesis se centra en varios análisis de regresión y métodos de aprendizaje automático (ML) interpretables aplicados para detectar los efectos de los robots industriales en las empresas manufactureras. Basándose en los resultados y publicaciones, se puede concluir que esta tesis contribuye al avance de los métodos interpretables. En este estudio, analizamos un rico conjunto de datos de la Encuesta sobre Estrategias Empresariales (ESEE), centrada en las empresas manufactureras españolas. La base de datos, respaldada por el Ministerio de Industria de España y la Fundación SEPI, cubre 5,840 empresas desde 2000 hasta 2016, proporcionando 99,280 observaciones anuales de empresas. Es importante destacar que los datos sobre la prevalencia de robots están disponibles cada cuatro años para un análisis longitudinal detallado desde 2000 hasta 2014. En cuanto a la naturaleza del conjunto de datos de las empresas manufactureras españolas y las hipótesis del estudio, seleccionamos la siguiente metodología para responder con precisión a las preguntas planteadas en la sección anterior. Así, respecto a la jerarquía de las hipótesis, realizamos regresión logística y regresión logit para ilustrar los factores motivacionales para que las empresas adopten robots industriales. A continuación, aplicamos la regresión de mínimos cuadrados ordinarios (MCO) para responder a la segunda hipótesis y explicar las consecuencias de la adopción de robots en el rendimiento de la empresa. Además, considerando la heterogeneidad entre las empresas en cuanto a la adopción de la automatización y con el propósito de reducir el problema de la causalidad inversa en ambas hipótesis, también utilizamos la regresión de mínimos cuadrados en dos etapas (MC2E). En cuanto a la novedad de este estudio, también podemos mencionar el modelo de aprendizaje automático que empleamos. El estudio emplea el algoritmo de impulso de gradiente (XGBoost) para el aprendizaje supervisado, y comparamos la raíz del error cuadrático medio (ECM) entre los dos modelos: regresión MCO y XGBoost.
Resultados
Teniendo en cuenta las dos hipótesis distintas del estudio, para la primera pregunta, empleamos la regresión logística. La primera hipótesis se ha formulado con la variable dependiente, la tendencia a adoptar robots industriales, y el lado derecho de las ecuaciones contiene las características de la empresa que pueden influir en la variable dependiente. Los resultados indicaron que las variables de rendimiento de la empresa, productividad laboral y estado de exportación de las empresas desempeñaron un papel positivo y significativo en la propensión de la empresa a adoptar robots industriales. Para proporcionar un examen más detallado, también utilizamos la regresión logit. Los resultados de este modelo también confirman la validez de la primera regresión. El propósito de seleccionar estos modelos de regresión es la naturaleza binaria de la variable dependiente, que es la tendencia a adoptar robots. Además, examinamos la relación entre la educación y la tendencia a adoptar robots. La variable de fuerza laboral técnica indica que cuando una empresa se beneficia de trabajadores más educados, muestra una intención negativa de adoptar robots. Además, con el objetivo de proporcionar evidencia precisa, utilizamos la regresión de mínimos cuadrados en dos etapas (MC2E) para reducir la posibilidad de causalidad inversa. Como las empresas en este conjunto de datos son heterogéneas en la adopción de robots industriales, el uso de variables instrumentales a través de la regresión MC2E produciría resultados fiables. La validez de las variables instrumentales se ha confirmado mediante cuatro pruebas estadísticas utilizando el programa estadístico STATA. Para abordar la segunda pregunta y confirmar la hipótesis, empleamos la regresión de mínimos cuadrados ordinarios (MCO). Luego presentamos los resultados para seis variables dependientes diferentes. En esta sección, el uso de robots se define a través de tres variables separadas, incluyendo la adopción de robots, que representa el uso de robots en momentos específicos, la variable robots(it+4) que es el robot en los próximos cuatro años, y la variable robots(it-4) que es el robot en el período de tiempo pasado (4 años). Considerando el método y los resultados, confirmamos que el uso de robots conduce a un aumento en el rendimiento de las empresas. Además, la utilización de robots industriales ayuda a las empresas a reducir sus costos laborales a través de la automatización. Por otro lado, realizar tareas industriales utilizando tecnología de automatización conduce a un aumento en la cuota de exportación y la posibilidad de realizar exportaciones, ya que definimos esto como el estado de exportación. Así, las empresas con más robots industriales exportan y experimentan una mayor cuota de exportación. Por otro lado, analizamos el efecto de la adopción de robots en el nivel de educación y habilidades de los trabajadores. Por lo tanto, las empresas con mayor intensidad de habilidades muestran un coeficiente negativo, mientras que los trabajadores de baja habilidad tienen una relación positiva y significativa con la adopción de robots industriales en las tres definiciones.
Además, para comprender mejor los efectos de la integración de robots y la complejidad derivada de la decisión de incorporar robots, sugerimos una forma diferente de evaluar el resultado(Chen & Guestrin, 2016; Swathi & Kodukula, 2022). El algoritmo XGBoost, una técnica de aprendizaje automático que emplea una serie de predictores débiles, ofrece una vía distinta para la comparación y validación de resultados en contraste con los modelos de regresión tradicionales. Para abordar las preocupaciones sobre la endogeneidad y la causalidad inversa inherentes a los enfoques de mínimos cuadrados ordinarios (MCO), empleamos el método XGBoost. Como evidencia la investigación de (Alexopoulos & Varthalitis, 2023), XGBoost no se ve afectado por problemas como la endogeneidad, que según los hallazgos de (Breunig & Burauel, 2021), es la fuente de la causalidad inversa.El uso del modelo alternativo XGBoost superó en su mayoría a la regresión de mínimos cuadrados ordinarios (MCO). Considerando los resultados de la tabla que ilustra las diferencias en el error cuadrático medio (ECM) entre ambos modelos, el algoritmo XGBoost exhibe un menor error cuadrático medio (ECM) para más variables dependientes de interés en comparación con la regresión MCO.
