A circularity accounting network: CO2 measurement along supply chains using machine learning

• Jesse, Forrest Fabian ^[1] ; Antonini, Carla ^[2] ; Luque-Vilchez, Mercedes ^[3]
  1. [1] University of Washington

     University of Washington

     Estados Unidos

     
  2. [2] Universidad Autónoma de Madrid

     Universidad Autónoma de Madrid

     Madrid, España

     
  3. [3] Universidad de Córdoba

     Universidad de Córdoba

     Cordoba, España

     

  Mostrar afiliaciones +
• Localización: Revista de contabilidad = Spanish accounting review: [RC-SAR], ISSN 1138-4891, Vol. 26, Nº Extra 0 (Special), 2023, págs. 21-33
• Idioma: inglés
• Títulos paralelos:
  • Una red de contabilidad de la circularidad: Medición del CO2 a lo largo de las cadenas de suministro mediante aprendizaje automático
• Enlaces
  • Texto completo
• Resumen
  • español

    Este artículo propone utilizar un tipo de red de aprendizaje automático denominado redes neuronales artificiales para diseñar una red de contabilidad de la circularidad. La red está compuesta por actores humanos y no humanos y contabiliza el impacto de las emisiones y el secuestro de CO2 de los productos a lo largo de las cadenas de suministro mundiales.  La red sirve para conectar a personas y otros actores que comparten un indicador de CO2 y permite a los usuarios visualizar el nivel de (in)circularidad de diferentes productos a través de diagramas específicos calculados por un estimador de CO2 basado en conocimientos de la teoría de las redes de actores. A diferencia de la mayoría de los estudios anteriores sobre contabilidad de la economía circular que desarrollan algún tipo de marco o indicador que representa mediciones a nivel micro, meso o macro, la red de contabilidad de la circularidad no se limita a un nivel concreto de análisis, sino que está diseñada para establecer relaciones entre múltiples usuarios a diferentes niveles (por ejemplo, actores gubernamentales, corporativos o consumidores). El documento presenta el diseño conceptual y una prueba preliminar de la red utilizando datos reales, lo que contribuye a avanzar en el potencial poco explorado de la inteligencia artificial en el ámbito de la contabilidad de la economía circular. La principal aportación de esta red es que los datos proporcionados por el indicador: (i) se derivan de la propia red que aprende de fuentes abiertas; (ii) la red no es estática, sino que sigue fluyendo a medida que se construyen nuevas relaciones dentro de la red, avanzando hacia la autorregulación; (iii) contempla tanto las emisiones como los secuestros a lo largo de las cadenas de suministro.

  • English

    This paper proposes to use a type of machine learning network called artificial neural networks to design a circularity accounting network. The network is composed of human and non-human actors and accounts for the impact of products’ CO2 emissions and sequestration along global supply chains.  The network serves to connect people and other actors that share a CO2 indicator and allows users to visualize the level of (un-) circularity of different products through specific diagrams calculated by a CO2 estimator drawing on insights from actor-network theory. Unlike most previous circular economy accounting studies that develop some type of framework or indicator that represent measurements at micro, meso or macro levels, the circularity accounting network is not confined to a particular level of analysis but is designed to build relationships between multiple users at different levels (e.g., government, corporate or consumer actors). The paper presents the conceptual design and a preliminary test of the network using real data, helping to advance the underexplored potential of artificial intelligence in the field of circular economy accounting. The main contribution of this network is that data provided by the indicator: (i) is derived from the network itself learning from open sources, the network (ii) is not static but keeps flowing as new relationships are built within the network, moving toward self-regulating, (iii) contemplates both emissions and sequestrations along supply chains.