El profesor Charles es investigador Post-doctoral de la Universidad Nacional de Singapur (NUS), Singapur. Posee un título de Ph. D. en Investigación de Operaciones y Matemáticas obtenido en el Instituto Nacional Tecnológico en Warangal, AP, India. Además, cuenta con una M.Sc. en Estadística de Loyola College en Chennai, India y un B.Sc. en Estadística de la misma institución. Asimismo, ha obtenido certificados de educación ejecutiva en renombradas instituciones como la Escuela de Administración del Instituto Tecnológico de Massachusetts (MIT) y la Escuela de Negocios de Harvard (HBS) en Estados Unidos , así como de la Real Sociedad de Estadística (RSS) en Reino Unido.
LEER MÁS
Es Profesor honorario de la Escuela de Negocios de Maastricht en Países Bajos. Además, se desempeña como HETL Liaison de Perú para la asociación de Alta Educación, Enseñanza y Aprendizaje en Estados Unidos. Asimismo, es personal asociado para el Centro de Estudios Latino Americanos (CLAS) de la Universidad de Malaya.
En cuanto a su experiencia profesional, ha trabajado como investigador Post-Doctoral para el Centro de Estudios Marítimos en la Universidad Nacional de Singapur (NUS). También ha sido Profesor Asociado en la Universidad de Ciencias y Negocios de Malasia. Además, ha desempañdo roles como Profesor Asociado de SDM Instituto para el Desarrollo de los Negocios en la India, docente en Andhra Loyola College, docente en Vidya Jyothi Degree & P.G College, docente en J. Sikile College, y consultor en investigación de mercados en CIFLOMAG Servicios de Consultoría, también de India.
En cuanto a sus especialidades, se destaca en el campo de Investigación de Operaciones, con experiencia en Programación estocástica y Programación fraccional. También es experto en inteligencia de marketing, analítica de estadísticas multivariantes, Analítica de Big data, Ciencia de los Datos, Modelización Matemática Industrial, Ingeniería Financiera, Innovación, Six Sigma, y el Inventario de Management- Kanban.
Actualmente, es docente del Departamento Académico de Posgrado en Negocios de la Pontificia Universidad Católica del Perú. Editor-in-Chief of JCC: The Business and Economics Research Journal.
El profesor Charles es investigador Post-doctoral de la Universidad Nacional de Singapur (NUS), Singapur. Posee un título de Ph. D. en Investigación de Operaciones y Matemáticas obtenido en el Instituto Nacional Tecnológico en Warangal, AP, India. Además, cuenta con una M.Sc. en Estadística de Loyola College en Chennai, India y un B.Sc. en Estadística de la misma institución. Asimismo, ha obtenido certificados de educación ejecutiva en renombradas instituciones como la Escuela de Administración del Instituto Tecnológico de Massachusetts (MIT) y la Escuela de Negocios de Harvard (HBS) en Estados Unidos , así como de la Real Sociedad de Estadística (RSS) en Reino Unido.
Es Profesor honorario de la Escuela de Negocios de Maastricht en Países Bajos. Además, se desempeña como HETL Liaison de Perú para la asociación de Alta Educación, Enseñanza y Aprendizaje en Estados Unidos. Asimismo, es personal asociado para el Centro de Estudios Latino Americanos (CLAS) de la Universidad de Malaya.
En cuanto a su experiencia profesional, ha trabajado como investigador Post-Doctoral para el Centro de Estudios Marítimos en la Universidad Nacional de Singapur (NUS). También ha sido Profesor Asociado en la Universidad de Ciencias y Negocios de Malasia. Además, ha desempañdo roles como Profesor Asociado de SDM Instituto para el Desarrollo de los Negocios en la India, docente en Andhra Loyola College, docente en Vidya Jyothi Degree & P.G College, docente en J. Sikile College, y consultor en investigación de mercados en CIFLOMAG Servicios de Consultoría, también de India.
En cuanto a sus especialidades, se destaca en el campo de Investigación de Operaciones, con experiencia en Programación estocástica y Programación fraccional. También es experto en inteligencia de marketing, analítica de estadísticas multivariantes, Analítica de Big data, Ciencia de los Datos, Modelización Matemática Industrial, Ingeniería Financiera, Innovación, Six Sigma, y el Inventario de Management- Kanban.
Actualmente, es docente del Departamento Académico de Posgrado en Negocios de la Pontificia Universidad Católica del Perú. Editor-in-Chief of JCC: The Business and Economics Research Journal.
Tras las pérdidas de vidas humanas y la perturbación de la economía mundial causadas por la propagación de la pandemia de COVID-19, se ha hecho imperativo evaluar la eficacia de las estrategias de contención adoptadas por los países. El éxito de cualquier estrategia de contención para lograr una baja mortalidad y una alta tasa de recuperación depende de la utilización eficiente de los recursos disponibles pero limitados, como el número de camas de hospital y de trabajadores sanitarios. Aunque el patrón de propagación de la pandemia se ha investigado mucho, hay pocos estudios que se centren de forma exhaustiva en la utilización eficiente de los recursos disponibles para lograr los objetivos deseados de baja mortalidad y alta recuperación. Para colmar esta laguna en la investigación, empleamos un análisis envolvente de datos (DEA) en red de dos etapas para identificar la ineficiencia en el proceso y resolver las limitaciones de recursos considerando las intervenciones médicas y no médicas (administrativas) como dos etapas en serie. El número de personas infectadas se trata como el producto intermedio, que es una salida indeseable de la primera etapa y posteriormente entra en la segunda etapa como entrada. Este modelo DEA en red aborda con éxito el conflicto entre las dos etapas sobre el manejo de las personas infectadas y evalúa las vulnerabilidades de los países frente a las tasas de transmisión de la enfermedad en los respectivos países. Así pues, el objetivo de este estudio es elaborar un plan bien coordinado para que los distintos organismos gubernamentales mitiguen conjuntamente el riesgo con recursos limitados. Los resultados revelan que casi el 60% de los países de la Organización de Cooperación y Desarrollo Económicos (OCDE) han utilizado sus recursos de forma subóptima y están produciendo, por término medio, casi la mitad de la cantidad de productos máximos posibles. Dado que una parte considerable de la ineficiencia puede explicarse por diversos factores económicos y demográficos, como el gasto sanitario y la proporción de población de edad avanzada, se ha revisado la evaluación de la eficiencia con ajustes para tener en cuenta las externalidades desfavorables. El análisis y sus implicaciones pueden ayudar a los responsables políticos a formular planes de recursos óptimos y a identificar posibles áreas de mejora.
La integración entre la cadena de bloques y la inteligencia artificial (IA) ha sido objeto de gran atención en los últimos años, especialmente porque dicha integración puede mejorar la seguridad, la eficiencia y la productividad de las aplicaciones en entornos empresariales caracterizados por la volatilidad, la incertidumbre, la complejidad y la ambigüedad. En particular, la cadena de suministro es una de las áreas que han demostrado beneficiarse enormemente de blockchain y la IA, mejorando la resiliencia de la información y los procesos, permitiendo una entrega de productos más rápida y rentable, y aumentando la trazabilidad de los productos, entre otros. Este documento realiza una revisión del estado del arte de blockchain y la IA en el ámbito de las cadenas de suministro. Más concretamente, tratamos de responder a las tres preguntas principales siguientes: Q1-¿Cuáles son los estudios actuales sobre la integración de blockchain e IA en la cadena de suministro?, Q2-¿Cuáles son los casos de uso actuales de blockchain e IA en la cadena de suministro?, y Q3-¿Cuáles son las posibles direcciones de investigación para futuros estudios que impliquen la integración de blockchain e IA? El análisis realizado en este documento ha identificado estudios de investigación relevantes que han contribuido tanto conceptual como empíricamente a la expansión y acumulación de riqueza intelectual en la disciplina de la cadena de suministro mediante la integración de blockchain e IA.
El profesor Charles Vincent centra sus investigaciones en el análisis de eficiencia, la optimización estocástica y la inteligencia artificial aplicada a la gestión de operaciones. Sus estudios buscan mejorar la toma de decisiones en sectores como la banca, la logística y la sostenibilidad empresarial mediante modelos de optimización y análisis de datos. Entre sus investigaciones más destacadas se encuentran “A critical analysis of the integration of blockchain and artificial intelligence for supply chain”, publicado en Annals of Operations Research, y “School education development index: A meta-frontier range directional measure benefit-of-the-doubt model”, en Socio-Economic Planning Sciences, donde explora metodologías para evaluar el desarrollo educativo.
Metodológicamente, el profesor Vincent emplea modelos matemáticos avanzados como Data Envelopment Analysis (DEA), programación estocástica y aprendizaje automático para evaluar la eficiencia operativa y la optimización en diferentes industrias. Sus investigaciones abordan problemáticas como la medición del desempeño en la educación y la banca, la eficiencia en la cadena de suministro y el impacto de la incertidumbre económica en la innovación tecnológica. Su enfoque interdisciplinario integra la investigación operativa con la inteligencia artificial y la estadística aplicada, permitiendo la formulación de estrategias más precisas para la gestión empresarial y la política pública.
Sus principales hallazgos destacan la importancia de incorporar modelos predictivos en la evaluación de eficiencia y en la optimización de recursos en sectores estratégicos. Sus estudios han sido publicados en revistas indexadas como European Journal of Operational Research, Global Finance Journal y Total Quality Management & Business Excellence. Como alternativas de solución, propone la adopción de técnicas de inteligencia artificial en la gestión empresarial y el desarrollo de políticas de optimización basadas en análisis de datos en tiempo real.
Palabras clave: Optimización estocástica, análisis de eficiencia, inteligencia artificial, gestión de operaciones y modelos predictivos.