The increasing number of studies that underline the relationship between industry 4.0 and sustainability shows that sustainability is one of the pillars of smart factories. Through a bibliometric performance and network analysis (BPNA), this research describes the existing relationship between industry 4.0 and sustainability, the strategic themes from 2010 to March 2019, as well as the research gaps for proposing future work. With this goal in mind, 894 documents and 5621 keywords were included for bibliometric analysis, which were treated with the support of Science Mapping Analysis Software Tool (SciMAT). The bibliometric performance analysis presented the number of publications over time and the most productive journals. The strategic diagram shown 12 main research clusters, which were measured according to bibliometric indicators. Moreover, the network structure of each cluster was depicted, and the patterns found were discussed based on the documents associated to the network. Our findings show the scientific efforts are focused to enhance economic and environmental aspects and highlights a lack of effort relating the social sphere. Finally, the paper concludes the challenges, perspectives, and suggestions for the potential future work in the field of study relating to industry 4.0 and sustainability.

The COVID-19 pandemic has affected all aspects of society. Researchers worldwide have been working to provide new solutions to and better understanding of this coronavirus. In this research, our goal was to perform a Bibliometric Network Analysis (BNA) to investigate the strategic themes, thematic evolution structure and trends of coronavirus during the first eight months of COVID-19 in the Web of Science (WoS) database in 2020. To do this, 14,802 articles were analyzed, with the support of the SciMAT software. This analysis highlights 24 themes, of which 11 of the more important ones were discussed in-depth. The thematic evolution structure shows how the themes are evolving over time, and the most developed and future trends of coronavirus with focus on COVID-19 were visually depicted. The results of the strategic diagram highlight ‘CHLOROQUINE’, ‘ANXIETY’, ‘PREGNANCY’ and ‘ACUTE-RESPIRATORY-SYNDROME’, among others, as the clusters with the highest number of associated citations. The thematic evolution. structure presented two thematic areas: “Damage prevention and containment of COVID-19” and “Comorbidities and diseases caused by COVID-19”, which provides new perspectives and futures trends of the field. These results will form the basis for future research and guide decision-making in coronavirus focused on COVID-19 research and treatments.

The aim of this paper is to apply bibliometric network analysis to the Lean Production (LP) field of study in order to investigate the strategic themes and the scientific evolution structure. To perform this research, VOSviewer and SciMAT were used to analyse 4,412 documents from 1977 to 2019. The performance analysis of publications, researchers, journals, universities and countries related to LP were measured quantitatively and qualitatively. 24 themes were presented and classified according to their centrality (importance) and density (development), and the intellectual structure of each theme is presented. Lastly, the scientific evolution structure shows the most important clusters over time. The results show that the most important themes are related to manufacturing processes, industrial management, project management and human aspects. Finally, we provide new perspectives to assist researchers in the detection of research opportunities and literature gaps in the field of LP.

Internet of Things (IoT) is a key technology trend that supports our digitalized society in applications such as smart countries and smart cities. In this study, we investigated the existing strategic themes, thematic evolution structure, key challenges, and potential research opportunities associated with the IoT. For this study, we conducted a Bibliometric Performance and Network Analysis (BPNA), supplemented by an exhaustive Systematic Literature Review (SLR). Specifically, in BPNA, the software SciMAT was used to analyze 14,385 documents and 30,381 keywords in the Web of Science (WoS) database, which was released between 2002 and 2019. The results revealed that 31 clusters are classified according to their importance and development, and the conceptual structures of key clusters are presented, along with their performance analysis and the relationship with other subthemes. The thematic evolution structure described the important cluster(s) over time. For the SLR, 23 documents were analyzed. The SLR revealed key challenges and limitations associated with the IoT. We expect the results will form the basis of future research and guide decision-making in the IoT and other supporting industries.

Big data is a concept that deals with large or complex data sets by using data analysis tools (e.g., data mining, machine learning) to analyze information extracted from several sources systematically. Big data has attracted wide attention from academia, for example, in supporting patients and health professionals by improving the accuracy of decision-making, diagnosis and disease prediction. This research aimed to perform a Bibliometric Performance and Network Analysis (BPNA) supported by a Scoping Review (SR) to depict the strategic themes, thematic evolution structure, main challenges and opportunities related to the concept of big data applied in the healthcare sector. With this goal in mind, 4857 documents from the Web of Science covering the period between 2009 to June 2020 were analyzed with the support of SciMAT software. The bibliometric performance showed the number of publications and citations over time, scientific productivity and the geographic distribution of publications and research fields. The strategic diagram yielded 20 clusters and their relative importance in terms of centrality and density. The thematic evolution structure presented the most important themes and how it changes over time. Lastly, we presented the main challenges and future opportunities of big data in healthcare.