Arango Londoño, DavidMeléndez Oviedo, Geovanny HerneyRamos Cantillo, José Alexander2025-02-282025-02-282025http://hdl.handle.net/11522/4559El 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.95 p.application/pdfspaIngenioReposiciónMaquinariaModeloRentabilidadSugar milReplacementMachineryModelProfitabilityhttp://purl.org/coar/resource_type/c_bdcchttps://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_abf2