Modelo de reposición de equipos de campo, para el mejoramiento productivo y económico de Ingenio la Cabaña
Loading...
Date
2025
Director
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javariana Cali
Abstract
El ingenio La Cabaña, una de las empresas líderes del sector agroindustrial de la caña de azúcar ubicada en el norte del Cauca, lleva a cabo evaluaciones y planes de mejoramiento de sus procesos en campo y en fábrica de manera continua. Este trabajo de consultoría responde a la necesidad de establecer criterios objetivos para la toma de decisiones en la reposición de equipos en sus departamentos operativos, adaptando estas decisiones a la situación financiera del ingenio. Para lograr este objetivo, se propone un modelo estadístico basado en el algoritmo de Random Forest, el cual permite predecir el "tiempo de reposición" de los equipos agrícolas en función de variables clave, como el costo operativo por hora, la antigüedad, la disponibilidad y las horas de uso acumuladas. Este modelo de Machine Learning proporciona una clasificación precisa de los equipos en categorías de reposición, ayudando a priorizar la inversión en aquellos con mayores necesidades de renovación, para este caso corresponde a los clasificados en “1 año” y “2 años”.La aplicación del modelo Random Forest representa un avance hacia la gestión eficiente de la maquinaria, asegurando que las decisiones de reposición contribuyan a maximizar la rentabilidad y mantener la sostenibilidad operativa en el largo plazo. Además, este enfoque proporciona un marco para la planificación estratégica basada en datos, garantizando la disponibilidad y eficiencia de los equipos en el área de campo, lo que se traduce en mejoras significativas en la productividad del Ingenio La Cabaña.
Abstract
item.page.abstract.eng
item.page.descriptioneng
The La Cabaña mill, one of the leading companies in the sugar cane agro-industrial sector located in the north of Cauca, carries out evaluations and improvement plans for its processes in the field and in the factory on a continuous basis. This consulting work responds to the need to establish objective criteria for making decisions in the replacement of equipment in its operating departments, adapting these decisions to the financial situation of the mill. To achieve this objective, a statistical model based on the Random Forest algorithm is proposed, which allows predicting the "replacement time" of agricultural equipment based on key variables, such as operating cost per hour, age, availability and accumulated hours of use. This Machine Learning model provides accurate classification of equipment in replacement categories, helping to prioritize investment in those with the greatest renewal needs, in this case it corresponds to those classified as “1 year” and “2 years”. The application of the Random Forest model represents an advance towards the efficient management of machinery, ensuring that replacement decisions contribute to maximizing profitability and maintaining operational sustainability in the long term. Additionally, this approach provides a framework for data-driven strategic planning, ensuring the availability and efficiency of equipment in the field area, which translates into significant improvements in the productivity of the La Cabaña Ingenuity.
Keywords
Ingenio , Reposición , Maquinaria , Modelo , Rentabilidad , Sugar mil , Replacement , Machinery , Model , Profitability