Evaluación de criterios para la selección de modelos de mantenimiento a través de Topsis

Autores/as

  • Martin Pillado Portillo Tecnológico Nacional de México image/svg+xml
  • Rosa María Reyes Martínez Tecnológico Nacional de México image/svg+xml
  • Christian Reyes Córdova Tecnológico Nacional de México image/svg+xml
  • Eduardo Rafael Poblano Ojinaga Tecnológico Nacional de México image/svg+xml
  • Manuel Alejandro Barajas Bustillos Tecnológico Nacional de México image/svg+xml

DOI:

https://doi.org/10.61273/neyart.v3i4.113

Palabras clave:

Gestión de activos, Toma de decisiones, Productividad, Mantenimiento industrial, TOPSIS

Resumen

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

Los datos de descargas todavía no están disponibles.

Métricas

Cargando métricas ...

Biografía del autor/a

Martin Pillado Portillo , Tecnológico Nacional de México

Profesor en el Instituto Tecnológico de Ciudad Juárez, especializado en ingeniería electromecánica y mantenimiento industrial, con experiencia en mejora continua. Posee una Maestría en Ingeniería Industrial y cursa un Doctorado en Ciencias de la Ingeniería. Su enfoque es la investigación aplicada y la solución de problemas industriales.

Rosa María Reyes Martínez , Tecnológico Nacional de México

Profesora investigadora en el Tecnológico Nacional de México, campus Ciudad Juárez, con participación en programas de maestría y doctorado. Tiene un Doctorado en Ciencias de la Salud en el Trabajo y es referente en ingeniería y salud ocupacional. Coordina programas de maestría y es miembro del claustro doctoral.

Christian Reyes Córdova , Tecnológico Nacional de México

Ingeniero mecánico con Maestría en Administración y Alta Dirección y posgrado en Ciencias de la Ingeniería con énfasis en construcción. Docente desde 2006 en ingeniería mecánica y mecatrónica, ha ocupado cargos administrativos en el Instituto Tecnológico de la Laguna. Se ha desempeñado como subdirector de planeación y vinculación, participando en comités de ética e igualdad a nivel estatal.

Eduardo Rafael Poblano Ojinaga , Tecnológico Nacional de México

Ingeniero Industrial del Tecnológico Nacional de México, IT La Laguna, con Maestría en Ciencias en Ingeniería Industrial e Ingeniería Administrativa. Doctor en Tecnología por la Universidad Autónoma de Cd. Juárez-México. Su investigación se centra en Planeación Estratégica, Ingeniería de Calidad y SEM. Tiene experiencia como Gerente de Manufactura y Consultor en Ingeniería de Calidad y Six Sigma.

Manuel Alejandro Barajas Bustillos , Tecnológico Nacional de México

Egresado del Doctorado en Ciencias de la Ingeniería Avanzada por la UACJ, con Maestría en Ingeniería Industrial e Ingeniería en Electrónica por el ITCJ. Candidato del Sistema Nacional de Investigadores, con 10 años de experiencia en la Industria Maquiladora de Cd. Juárez. Posee 4 años de experiencia docente en el Tecnológico Nacional de México, Campus Cd. Juárez.

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

VO5

Publicado

2025-09-02

Crossmark

Crossmark Policy Page

Cómo citar

Pillado Portillo , M., Reyes Martínez , R. M., Reyes Córdova , C., Poblano Ojinaga , E. R., & Barajas Bustillos , M. A. (2025). Evaluación de criterios para la selección de modelos de mantenimiento a través de Topsis. Revista NeyArt, 3(4), 62–72. https://doi.org/10.61273/neyart.v3i4.113

Número

Sección

Innovación Tecnológica Aplicada (ITA)