Evaluación de criterios para la selección de modelos de mantenimiento a través de Topsis
DOI:
https://doi.org/10.61273/neyart.v3i4.113Palabras clave:
Gestión de activos, Toma de decisiones, Productividad, Mantenimiento industrial, TOPSISResumen
La gestión eficiente del mantenimiento industrial es un pilar fundamental para garantizar el funcionamiento eficaz de la maquinaria y los equipos en los entornos de producción. En este contexto, la selección estratégica del modelo de mantenimiento que se va a utilizar se convierte en un reto fundamental, ya que afecta directamente a la fiabilidad, la disponibilidad y el rendimiento general de los activos industriales. El objetivo principal es desarrollar una herramienta que simplifique y perfeccione el proceso de selección del modelo de mantenimiento adecuado para los procesos y las máquinas implicados en la selección. La herramienta se desarrollará teniendo en cuenta variables clave como los costes de los equipos, la recurrencia de los fallos, la comparación de los gastos relacionados con los fallos, las intervenciones preventivas o predictivas, etc. Además, los modelos se validarán mediante el análisis de las correlaciones entre el modelo y estos factores para diferentes tipos de máquinas y equipos en diversos procesos, con el fin de reforzar la precisión de los datos. Con la herramienta desarrollada, se espera lograr una reducción significativa de los gastos, la mano de obra y los materiales, así como un aumento considerable de la disponibilidad y la eficacia del mantenimiento (mantenimiento autónomo, preventivo, predictivo y basado en fallos). Esto demostrará el impacto sustancial que tiene la selección adecuada del modelo. La gestión eficaz de la selección del modelo de mantenimiento mediante la interacción con diversos factores garantiza una implementación satisfactoria y permite obtener beneficios en múltiples categorías, mejorando los indicadores clave de rendimiento y la fiabilidad de los equipos dentro de las operaciones de la empresa.
Descargas
Métricas
Citas
Cai, Y.J., & Choi, T.M. (2020). A United Nations’ Sustainable Development Goals Perspective for sustainable textile and apparel supply chain management. Transportation Research Part E: Logistics and Transportation Review, 141, 102010, https://doi.org/10.1016/j.tre.2020.102010. DOI: https://doi.org/10.1016/j.tre.2020.102010
Chakraborty S., & Mandal A. (2018). A Novel TOPSIS based Consensus Technique for Multiattribute Group Decision Making. In 2018 18th International Symposium on Communications and Information Technologies (ISCIT)(pp.322-326), IEEE https://doi.org/10.1109/ISCIT.2018.8587952. DOI: https://doi.org/10.1109/ISCIT.2018.8587952
Kuo T. (2017). A modified TOPSIS with a different ranking index. European Journal of Operational Research, 260(1), 152-160. https://doi.org/10.1016/j.ejor.2016.11.052. DOI: https://doi.org/10.1016/j.ejor.2016.11.052
Lado, A.K. & Singh, V.V. (2019). Cost assessment of complex repairable system consisting two subsystems in series configuration using Gumbel Hougaard family copula. International Journal of Quality and Reliability Management, 36(10), 1683-1698, https://doi.org/10.1108/IJQRM-12-2018-0322. DOI: https://doi.org/10.1108/IJQRM-12-2018-0322
Liang, R., Zhang, J., Wu, C., & Sheng, Z. (2019). Joint-venture contractor selection using competitive and collaborative criteria with uncertainty. Journal of Construction Engineering and Management, 145(2). DOI: https://doi.org/10.1061/(ASCE)CO.1943-7862.0001588
Liang, Z., & Parlikad, A.K. (2020). Predictive group maintenance for multi-system multi-component networks. Reliability Engineering and System Safety, 195. https://doi.org/10.1016/j.ress.2019.106704. DOI: https://doi.org/10.1016/j.ress.2019.106704
Muñoz, Y., Castillo, I., & Zuno, J. (2024). Método de Investigación Cuantitativo. Ingenio y Conciencia Boletín Científico de la Escuela Superior Ciudad Sahagún, 11, 174-175. https://doi.org/10.29057/escs.v11i22.12573. DOI: https://doi.org/10.29057/escs.v11i22.12573
Piya, S., Shamsuzzoha, A., Khadem, M., & Al-Hinai, N. (2020). Identification of critical factors and their inter-relationships to design agile supply chain: special focus to oil and gas industries. Global Journal of Flexible Systems Management, 21(3), 263-281. DOI: https://doi.org/10.1007/s40171-020-00247-5
Saaty, T. L. (1980). The Analytic Hierarchy Process, McGraw-Hill. DOI: https://doi.org/10.21236/ADA214804
Upkeep. (n.d.). Planned maintenance percentage (PMP), explained. Upkeep. https://www.upkeep.com/learning/planned-maintenance-percentage/ (accessed 2022).
Yazdi, A.K., Komijan, A.R., Wanke, P.F., & Sardar, S. (2020). Oil project selection in Iran: a hybrid MADM approach in an uncertain environment. Applied Soft Computing, 88. DOI: https://doi.org/10.1016/j.asoc.2020.106066
Zhang, W., Yang, D., & Wang, H. (2019). Data-driven methods for predictive maintenance of industrial equipment: a survey. IEEE Systems Journal, 13(3), 2213-2227. DOI: https://doi.org/10.1109/JSYST.2019.2905565
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Martin Pillado Portillo , Rosa María Reyes Martínez , Christian Reyes Córdova , Eduardo Rafael Poblano Ojinaga , Manuel Alejandro Barajas Bustillos

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.


