ALFA.
Revista de Investigación en Ciencias Agronómicas y Veterinarias
Mayo-agosto 2024 /
Volumen 8, Número 23
ISSN: 2664-0902 /
ISSN-L: 2664-0902
https://revistaalfa.org
pp. 559 - 575
Gestión de mantenimiento de
maquinaria y equipos en diferentes sectores agroindustriales: Revisión
sistemática
Machinery and equipment
maintenance management in different agroindustrial
sectors: Systematic review
Gestão da manutenção de máquinas e equipamentos em
diferentes sectores agro-industriais: uma revisão sistemática
Jaime
Eduardo Vasquez Caceres
jvasquez@lamolina.edu.pe
https://orcid.org/0000-0001-8741-3841
Jose
Antonio Orellana Pardave
aorellana@lamolina.edu.pe
https://orcid.org/0000-0002-1357-0833
Alfredo
Carlos Rebaza Pino
arebaza@lamolina.edu.pe
https://orcid.org/0009-0002-9340-4583
Luis
Alberto Altamirano Chunga
laltamirano@lamolina.edu.pe
https://orcid.org/0000-0002-9265-2713
Universidad Nacional Agraria La Molina. Lima,
Perú
Artículo recibido
20 de marzo 2024 | Aceptado 12 de abril 2024 | Publicado 2 de mayo 2024
Escanea en tu
dispositivo móvil o revisa este artículo en:
https://doi.org/10.33996/revistaalfa.v8i23.286
RESUMEN
La importancia del mantenimiento en el sector
agroindustrial requiere un plan estratégico para garantizar el rendimiento
óptimo de la maquinaria. Esta investigación tiene como objetivo analizar
la producción científica sobre la gestión eficiente del mantenimiento de
maquinaria y equipos en diferentes sectores agroindustriales. Se utilizó el método
PRISMA para reducir el sesgo, realizando una búsqueda exhaustiva en Scopus y
Google Scholar que arrojó 535 artículos. Después de un proceso de filtrado, se
seleccionaron 14 estudios que aportaron información sobre cálculos económicos,
modelos de registro, categorización de riesgos y medición de tiempos de falla.
Los hallazgos resaltan estrategias clave como la gestión por procesos, el
mantenimiento predictivo, la modelización Markov, la externalización de
trabajos complejos, la medición de capacidad eléctrica, la capacitación de
operarios y la gestión de recursos técnicos. Estas prácticas innovadoras, que
incluyen la digitalización y el uso de tecnologías avanzadas, permiten
optimizar la operatividad, reducir costos y aumentar la productividad en
entornos agroindustriales, anticipando y previniendo fallas, mejorando la
eficiencia operativa y mitigando riesgos laborales.
Palabras clave: Agroindustria;
Gestión; Mantenimiento; Maquinaria; Productividad
ABSTRACT
The importance of maintenance in the
agro-industrial sector requires a strategic plan to ensure optimal machinery
performance. This research aims to analyze the scientific production on
the efficient management of machinery and equipment maintenance in different
agro-industrial sectors. The PRISMA method was used to reduce bias,
conducting a comprehensive search in Scopus and Google Scholar that yielded 535
articles. After a filtering process, 14 studies were selected that provided
information on economic calculations, registration models, risk categorization,
and failure time measurement. The findings highlight key strategies such as
process management, predictive maintenance, Markov modeling, outsourcing of
complex tasks, measurement of electrical capacity, operator training, and
technical resource management. These innovative practices, which include
digitalization and the use of advanced technologies, allow for optimizing
operability, reducing costs, and increasing productivity in agro-industrial
environments, anticipating and preventing failures, improving operational
efficiency, and mitigating occupational risks.
Key words: Agribusiness;
Management; Maintenance; Machinery; Productivity
RESUMO
A importância da manutenção no setor
agroindustrial requer um plano estratégico para garantir o desempenho ideal da
maquinaria. Esta pesquisa tem como objetivo analisar a produção
científica sobre a gestão eficiente da manutenção de máquinas e equipamentos em
diferentes setores agroindustriais. O método PRISMA foi utilizado para
reduzir o viés, realizando uma pesquisa abrangente no Scopus e no Google
Scholar que resultou em 535 artigos. Após um processo de filtragem, foram
selecionados 14 estudos que forneceram informações sobre cálculos econômicos,
modelos de registro, categorização de riscos e medição do tempo de falha. Os
resultados destacam estratégias-chave, como gestão de processos, manutenção
preditiva, modelagem de Markov, terceirização de tarefas complexas, medição da
capacidade elétrica, treinamento de operadores e gestão de recursos técnicos.
Essas práticas inovadoras, que incluem a digitalização e o uso de tecnologias
avançadas, permitem otimizar a operacionalidade, reduzir custos e aumentar a
produtividade em ambientes agroindustriais, antecipando e prevenindo falhas,
melhorando a eficiência operacional e mitigando os riscos ocupacionais.
Palavras-chave: Agronegócio;
Gerenciamento; Manutenção; Maquinário; Produtividade
INTRODUCCIÓN
La gestión de mantenimiento de maquinaria y equipos
en el sector agroindustrial se refiere al conjunto de acciones y procesos
destinados a administrar y garantizar el correcto funcionamiento, la
disponibilidad y la vida útil de las máquinas, equipos e instrumentos
utilizados en la producción agrícola y ganadera. Esta gestión implica llevar a
cabo mantenimiento preventivo, predictivo y correctivo para prevenir fallas,
identificar posibles problemas, y reparar equipos de manera planificada.
Además, se enfoca en optimizar la eficiencia operativa de las instalaciones,
reducir costos de explotación, mejorar la calidad y cantidad de la producción,
y garantizar la seguridad de los trabajadores. La gestión de mantenimiento en
el sector agroindustrial es esencial para evitar averías, paradas no
programadas, accidentes industriales, y maximizar la productividad y
rentabilidad de las operaciones agrícolas y ganaderas.
En este
sentido, en el sector agroindustrial, existe un problema creciente acerca del
mantenimiento de los equipos de producción. El coste de las pérdidas de
funcionamiento operativo, la adquisición de repuestos y la inactividad son
aspectos delicados que una empresa agroindustrial no puede pasar por alto. Los cálculos
económicos deben ser eficientes para que la producción no se vea perjudicada
bajo ningún concepto (1). En países desarrollados, la agroindustria, alineada
con otras ramas, justifica la inversión en maquinaria moderna para reducir la
dependencia de mano de obra, mientras que, en naciones en desarrollo, se busca
replicar ingeniosamente equipos utilizados en países tecnológicamente avanzados
(2).
En países
como la Federación de Rusia la situación económica de los complejos
agroindustriales depende de factores macroeconómicos, siendo el Estado el
principal involucrado en tal proceso; no obstante, la planificación es producto
de la jefatura del complejo, la cual es menester efectuar eficientemente (3). En este sentido, el ámbito de la gestión de mantenimiento,
el cumplimiento de un plan se centra en optimizar los tiempos de operación,
reduciendo paradas imprevistas, a través del personal capacitado y el control
del plan, así como el aprovisionamiento de insumos para aumentar la
confiabilidad (4).
Por otra parte, las empresas agroindustriales
desempeñan un papel estratégico fundamental en las complejas cadenas de
producción, involucrándose en todas las etapas desde el suministro de insumos
hasta la transformación industrial de los productos agrícolas y ganaderos (5).
En este sentido, se enfrentan a diversos desafíos tanto en la eficiencia de la
producción como en la adopción de tecnologías innovadoras, lo que a su vez
genera complicaciones en el mantenimiento de la maquinaria y equipos utilizados
en sus operaciones diarias. La necesidad de mantener en óptimas condiciones las
máquinas agrícolas y equipos industriales se vuelve crucial para garantizar la
continuidad de las operaciones, maximizar la productividad y asegurar la
calidad de los productos finales. La constante evolución tecnológica y la
exigencia de procesos eficientes plantean retos adicionales en la gestión del
mantenimiento, requiriendo estrategias proactivas y una planificación cuidadosa
para minimizar tiempos de inactividad y optimizar el rendimiento de los activos
(6).
Los obstáculos tecnológicos representan un desafío
importante en el sector agroindustrial, donde los procesos de reparación se
vuelven una obligación constante dentro de la cadena de producción. Estas
brechas en la eficiencia operativa pueden generar problemas significativos a lo
largo de toda la cadena agroindustrial (7). Para hacer frente a estos retos, es
fundamental la incorporación de herramientas y tecnologías que faciliten el
mantenimiento del complejo operativo. Esto implica no solo la transformación de
los recursos naturales durante la manufactura, sino también la optimización de
los procesos de distribución de los productos finales (8). En este contexto,
una gestión eficiente del mantenimiento y reparación de equipos e instalaciones
puede generar un aumento sustancial en la productividad general del sector, lo
que a su vez se traduce en un incremento económico y una mejora en la
competitividad de las empresas agroindustriales. Estos esfuerzos por superar
los obstáculos tecnológicos y optimizar los procesos de mantenimiento son
cruciales para garantizar la sostenibilidad y el crecimiento a largo plazo del
sector agroindustrial. Al invertir en soluciones innovadoras y en la capacitación
del personal, las empresas pueden mejorar la eficiencia, reducir los costos y
fortalecer su posición en un mercado cada vez más exigente (9).
Por
consiguiente, el objetivo de esta investigación es analizar la producción
científica sobre la gestión de mantenimiento eficiente de maquinaria y equipos
en diferentes sectores agroindustriales.
METODOLOGÍA
La
presente constituye una investigación secundaria, y se desarrolló a partir de
una revisión sistemática, bajo un enfoque de tipo cualitativo. Para lo cual se
utilizó la declaración PRISMA, lo que permite reducir el sesgo de la
investigación. El período de búsqueda se definió entre año 2019 al 2023.
En este
sentido se partió de la siguiente pregunta de investigación: ¿Cuáles son los
aspectos determinantes de la gestión de mantenimiento integral en maquinaria y
equipos del sector agroindustrial? Lo cual permitió establecer los elementos
básicos para la consecución de la investigación.
En cuanto
a los criterios de elegibilidad para la inclusión y exclusión y agrupación de
los estudios para las síntesis: en tal sentido, la búsqueda de artículos
científicos se realizó sin restricciones de idioma y país; es pertinente
incorporar criterios de inclusión y exclusión de las mismas. Estos incluyen
desde fechas, títulos, hasta el idioma en el cual se presentan los textos; de
esta forma, se pueden analizar de forma efectiva si los estudios cumplen los
criterios y pasar a la etapa de análisis. Es así que, en el presente estudio,
en la descripción de los resultados se debe establecer si los diferentes
estudios incluidos son semejantes, a manera de contraste y verificación se
elaboraron los siguientes criterios mostrados en la Tabla 1.
Tabla 1. Criterios
de selección
Criterios de
inclusión |
Criterios de
exclusión |
Artículos que fueron publicados entre 2019
y 2023 |
Artículos que fueron publicados antes de
2019 |
Artículos que contienen los procesos de
mantenimiento de equipos agroindustriales |
Artículos que no posean una metodología
bien estructurada |
Artículos en inglés y español |
Artículos en diferentes idiomas (portugués,
chino, árabe, etc.) |
Artículos que presenten modelos de
reparación de las máquinas agroindustriales |
Artículos que no presenten la temática de
sector agroindustrial, así como el mantenimiento de los equipos y el buen
funcionamiento del complejo agroindustrial |
Artículos que presenten el proceso de
producción y sus defectos |
Artículos que no posean instrumentos para
medir y predecir las fallas de las máquinas |
Fuentes
de información: fue utilizada las bases de datos de Scopus y Scielo y Google
Académico.
Estrategia
de búsqueda: la estrategia de búsqueda consistió en la utilización de
operadores booleanos (AND, OR) para combinar los términos de búsqueda. En
particular se emplearon las siguientes fórmulas de búsquedas Tabla 2.
Tabla 2.
Bases de datos y fórmulas de búsqueda
Base de datos |
Fórmulas
de búsquedas utilizadas |
Scopus |
(("maintenance"[MeSH
Terms] OR "maintenance"[All Fields] OR "maintenances"[All
Fields]) AND ("machineries"[All Fields] OR
"machinery"[All Fields])) AND
"agro-industrial"[Title/Abstract] AND "english"[Language]
AND "journal article"[Publication Type] AND
1990/01/01:2024/12/31[Date - Publication] |
Google Académico |
Mantenimiento
sector-agroindustrial [Title/Abstract] AND english[LA] AND Journal
Article[PT] AND 1990:2024[DP] |
Scielo |
"equipos"[Title/Abstract]
AND "english"[Language] AND "journal article"[Publication
Type] AND 1990/01/01:2024/12/31[Date - Publication] |
Proceso
de selección: Los artículos se recopilaron de las bases de datos, los mismos
que fueron examinados por dos revisores de manera independiente; además se
consultó a un tercer revisor responsable de la revisión final del artículo. En
primera instancia se procedió a la selección en base al título y el resumen
(abstract) de cada documento de las bases de datos. Los resultados obtenidos
fueron recopilados en una base de datos. Fue empleado el proceso evaluación de
los criterios de inclusión, el cual consiste en evaluar cada estudio según los
criterios de inclusión establecidos previamente. Esto asegura que solo los
estudios que cumplieron con los requisitos específicos fueron incluidos en la
revisión. En los casos en los que el título y el resumen no fueron suficientes
para realizar la clasificación, se procedió a la lectura a texto completo. Una
vez identificados los artículos de estudio, se realizó una lectura detallada de
los documentos seleccionados como «preválidos» o «no válido». El flujograma de
trabajo empleado en este proceso se muestra en la Figura 1.
Figura 1. Flujograma
Proceso de recopilación
de datos: la recopilación de datos se desarrolló a través de la documentación
de las decisiones, donde se documentaron todas las decisiones tomadas durante
el proceso de recopilación de datos, incluyendo las razones detrás de cada
decisión. Se compiló de cada artículo: base de datos de procedencia, área de
estudio del artículo, fecha de publicación, autores, título de los artículos y
hallazgos de los mismos y el Mantenimiento Basado en el Riesgo (MBR).
Evaluación del riesgo
de sesgo del estudio: Para evaluar el riesgo de sesgo se utilizó la escala de
riesgo de sesgo de Cochrane. La cual una herramienta utilizada para evaluar la
metodología y la validez de la evidencia científica en revisiones sistemáticas.
Esta escala se centra en identificar posibles sesgos en los estudios incluidos
en las revisiones, lo que permite analizar críticamente la calidad de la
evidencia, evaluar la calidad de los estudios y la confiabilidad de los
resultados obtenidos en las revisiones sistemáticas.
DESARROLLO
Y DISCUSIÓN
En la Figura 2, se muestra un diagrama de flujo con
el proceso de selección de los artículos en el estudio. El diagrama muestra
diferentes etapas, incluyendo selección, identificación, citado, idoneidad e
inclusión. En cada etapa, se muestran los pasos que se llevaron a cabo y la
cantidad de artículos que se encuentran en cada paso del proceso. Por ejemplo,
se comienza con la selección de artículos de diferentes fuentes, un total de
535 luego se eliminan 360 por no coincidir con el área de estudio, se eliminan
los 48 artículos duplicados, posteriormente se excluyen 75 por incumplimiento
de la fecha de publicación y por otros criterios fueron excluidos 38,
finalmente se comprobó que cumplen los criterios de inclusión 14 artículos.
Figura 2. Flujograma
de resultados
En la representación gráfica Figura 3, se observa
la distribución porcentual de los artículos encontrados en cada base de datos.
Se destaca que la mayor proporción se encontró en Scopus, representando el 43%
del total, seguido por Google Académico con un 36%, y finalmente, Scielo con un
21% de los artículos identificados.
Figura 3.
Porcentaje de artículos obtenidos de cada fuente
En la Tabla 3, se destacan hallazgos claves en el
mantenimiento de la maquinaria y equipos en el sector agroindustrial como la
importancia de la gestión por procesos para la productividad, el uso del
mantenimiento predictivo basado en análisis de vibraciones, la utilidad de la
modelización Markov para la disponibilidad de máquinas, la transferencia de
trabajos de mantenimiento a empresas especializadas para mejorar la
productividad y reducir fallas, la relevancia del entrenamiento de operarios y
estrategias como el mantenimiento predictivo y basado en riesgo, el impacto
positivo de la digitalización y tecnologías como la inteligencia artificial en
la detección de averías, la viabilidad de empresas externas especializadas en
mantenimiento, y la necesidad de una logística y planificación efectivas en el
mantenimiento de vehículos en el sector agroindustrial.
Tabla 3. Hallazgos
encontrados en los artículos
N° |
Autores |
Título |
País |
Hallazgos |
1 |
Condo-Palomino
(10) en el 2022. |
Increased
equipment performance in agro-industrial companies through a maintenance
model based on the TPM approach. |
Perú |
Se desarrolla el
mantenimiento productivo total (TPM) en la cual se presenta en 4 fases que
explican la importancia del jefe de mantenimiento en la gestión de la
maquinaria, el mantenimiento fuera del horario para no obstaculizar la
producción y la constante capacitación. |
2 |
Grigorievich
(11) en el 2021. |
Digitalización y
uso de tecnologías de inteligencia artificial en la modernización técnica del
complejo agroindustrial. |
Rusia |
Destaca la
modernización técnica del complejo agroindustrial y del proceso de
digitalización del mantenimiento de equipo. Con esto último, es posible
detectar y reducir las averías. En consecuencia, se puede establecer un
registro del diagnóstico de máquinas a distancia, implementando el escaneado
en 3D para mayor resolución de las fallas y ser preciso en la reparación de
las mismas. |
3 |
Myalo (12) en el
2019. |
Material and
technical support of the enterprises of the agroindustrial complex of the
Omsk region management and certification of the technical component of the
production processes in crop production. |
Rusia |
La presencia de
empresas externas encargadas del mantenimiento de los equipos es una
alternativa para complejos con disponibilidad económica. Por ello, la
incorporación de estos servicios supone realizar el seguimiento de la
rentabilidad de la empresa para corregir errores técnicos de cada equipo. |
4 |
Sirojiddinova
(13) en el 2023. |
Logistics and
Maintenance Support for Vehicles in the Agro-Industrial Complex. |
Uzbekistán |
Destaca la
demanda de recursos técnicos y la planificación en el cuerpo administrativo,
señalando que deben tener la experiencia necesaria para poder gestionar
adecuadamente el mantenimiento de los vehículos. Es importante la adquisición
de recursos técnicos para el complejo agroindustrial. El trabajo logístico se
vuelve indispensable en esta investigación. |
5 |
Kurochkin (14)
en el 2021. |
Reability of
techonological systems: structure and modeling. |
Rusia |
Explican la
importancia del servicio técnico en el sector agroindustrial, siendo
indispensable para garantizar un proceso productivo eficiente. Esto
incrementa la fiabilidad en el funcionamiento de las máquinas; por lo cual se
propone que se establezca un sistema de gestión y desarrollos metodológicos
para optimizar los procesos, particularmente del uso de los tractores y
maquinaria relacionada a la producción agrícola. |
6 |
Kokieva (15) en
el 2021. |
Research on the
development of the agricultural sector of the Northern zone: repair and
maintenance of machines |
Rusia |
Se visualizan a
los cálculos económicos como indispensables para asumir costes que garanticen
el adecuado funcionamiento. Así mismo, se realizan mediciones de las fallas
de los equipos y el rendimiento operativo, así como considerar la buena
documentación técnica para el mantenimiento y optimización del complejo
agroindustrial. |
7 |
Alcívar (16) en
el 2020. |
Gestión por
Procesos en el área de Mantenimiento del Sector Agroindustrial
Sucroalcoholero ecuatoriano |
Ecuador |
Este artículo se
determinó que el adecuado control y gestión por procesos se considera un
punto de inflexión para asegurar una excelente productividad, rentabilidad y
valor en tiempo dentro del área de mantenimiento de las agroindustrias
sucroalcoholeras. En este sentido se provee a las empresas del sector agroindustrial un
modelo esquemático de gestión por procesos que contribuyan directamente a la
mejora continua del departamento de mantenimiento y a la organización de
manera general. |
8 |
Mafla (17) en el
2022. |
Mantenimiento
predictivo en tractores agrícolas. Propuesta de metodología orientada al
mantenimiento conectado |
Ecuador |
Se sugiere la
aplicación del mantenimiento predictivo basado en análisis de vibraciones,
una metodología que posibilita la detección de fallos rutinarios en el
sistema de combustión. En este contexto resulta esencial adquirir y mantener
actualizado un historial de fallos, así como un registro detallado del
mantenimiento llevado a cabo en cada equipo. |
9 |
Afsharnia (18)
en el 2020. |
Availability
modeling of sugarcane harvesting system by using Markov Chain |
Iran |
Se resalta la
utilidad de la modelización Markov como un sistema para gestionar la
disponibilidad de las máquinas, permitiendo la medición de su desempeño,
errores y tiempo operativo. |
10 |
Prokopov
(19) en el 2023. |
Increasing
productivity of machine-tractor units depending on the influence of the load
of the machine operator with maintenance work in the agricultural enterprises
of the Omsk region |
Rusia |
Se propone
transferir los trabajos de mantenimiento complejos a empresas de servicios
especializadas y liberar al operador de la máquina de participar en
operaciones de mantenimiento. Lo cual permitirá: Aumentar la productividad de
las unidades de máquinas y tractores en un 14%. Mejorar la calidad del
trabajo de campo al aumentar la fiabilidad del equipo. Intervalos de revisión
un 40% más largos y las tasas de lesiones y discapacidades en las empresas
agrícolas disminuyen. |
11 |
Vorzhev (20) en
el 2021. |
Increasing the
reliability of electrical equipment in the agricultural and industrial
complex based on measuring the electrical capacitance of capacitors. |
Rusia |
En este estudio,
se ha realizado la medición de la capacidad eléctrica de los equipos sin retirar
un condensador de un circuito de trabajo a modo de filtro de aislamiento.
Esto permite el registro y medición de la eficiencia de los equipos
eléctricos en el complejo agroindustrial. |
12 |
Vera-Zambrano
(21) en el 2021. |
Pautas de un
programa de mantenimiento y su importancia en el proceso agroindustrial. |
Ecuador |
Aborda el
aspecto profesional de los trabajadores, la eficiencia y buen funcionamiento
de las máquinas depende de que los operarios estén bien instruidos y que las
máquinas tengan un único uso. Se destaca que los equipos poco capacitados
para operar no deben ser utilizados. Adicionalmente, se propone el
mantenimiento predictivo, para la detección previa de fallos. |
13 |
Alfonso (22) en
el 2022. |
Aplicación del
mantenimiento basado en el riesgo a equipos de la empresa agroindustrial
azucarera “José María Pérez Capote”. |
Cuba |
Proponen tres
fases en las cuales se ejecuta el mantenimiento basado en el riesgo (MBR).
Esta permite la identificación de errores, evaluar y clasificar su categoría
y magnitud de riesgo, y valorar las posibilidades económicas para la correcta
intervención. |
14 |
Baimukhamedov
(23) en el 2021. |
Digitalization
of agricultural industrial complex, application of robotics in agriculture.
E3S Web of Conferences |
Kazajistán |
Se plantea la
adquisición de equipos robóticos que tengan impacto positivo en la producción
agrícola. Esta nueva tecnología brinda operaciones que facilitan el
mantenimiento con la implementación de estaciones de reparación. |
En la Tabla 4, se
presenta la distribución de los artículos incluidos en la revisión sistemática
por año de publicación. Uno de los criterios de exclusión aplicados fue
considerar únicamente trabajos publicados entre 2019 y 2023. Al analizar la
tabla, se observa que el año con mayor número de publicaciones fue 2021, con un
total de 6 artículos. Le sigue el año 2022 con 3 artículos publicados. En 2019
se encontró 1 artículo, mientras que en 2020 y 2023 se identificaron 2
publicaciones por año. La distribución de los artículos por base de datos
muestra que Scopus concentró la mayor cantidad de publicaciones a lo largo de
los años analizados, con 2 artículos en 2021, 2 en 2022 y 2 en 2023. Google
Académico tuvo 2 artículos en 2021 y 1 en 2022. Por su parte, Scielo registró 1
artículo en 2019 y 2 en 2021.
Tabla 4. Artículos
publicados por años
Base de datos |
Año de
publicación |
||||
2019 |
2020 |
2021 |
2022 |
2023 |
|
Scielo |
1 |
|
2 |
|
|
Scopus |
|
|
2 |
2 |
2 |
Google Académico |
|
2 |
2 |
1 |
|
Total |
14 |
En la Tabla 5, se muestra el análisis de sesgo
realizado a los artículos incluidos en la revisión. La mayoría de los estudios
(10 de 14) muestran un bajo riesgo de sesgo en la generación de la secuencia de
aleatorización, lo que indica que este aspecto metodológico fue adecuadamente abordado.
En
cuanto al ocultamiento de la secuencia de aleatorización, la mitad de los
estudios (siete de 14) presentan un alto riesgo de sesgo, lo que sugiere que
hubo problemas en mantener oculta la asignación de las unidades experimentales
a los diferentes grupos de tratamiento. Por otra parte, la mayoría de los
estudios (10 de 14) muestran un bajo riesgo de sesgo de realización, de
detección y de desgaste, lo que indica que en general se manejaron
adecuadamente las determinaciones realizadas y la obtención de los resultados.
Finalmente, en cuanto al dominio de sesgo de notificación selectiva de
resultados, ocho de los 14 estudios presentan un bajo riesgo, mientras que en 4
estudios el riesgo es poco claro, lo que señala que la mayoría reportó de
manera completa los resultados preestablecidos.
Tabla 5. Escala de
riesgo de sesgo Cochrane
Artículos Incluidos
en el estudio |
Generación de la secuencia de aleatorización |
Ocultamiento de la secuencia de aleatorización |
Sesgo de realización |
Sesgo de detección |
Sesgo de desgaste |
Sesgo de descripción selectiva de los resultados |
Alcívar (16) en el
2020. |
+ |
? |
? |
? |
? |
? |
Mafla (17) en el
2022. |
+ |
? |
? |
? |
? |
? |
Afsharnia (18) en el
2020. |
+ |
- |
+ |
+ |
+ |
+ |
Prokopov
(19) en el
2023. |
+ |
- |
+ |
+ |
+ |
+ |
Vorzhev (20) en el
2021. |
+ |
- |
+ |
+ |
+ |
? |
Vera-Zambrano (21) en el
2021. |
+ |
- |
+ |
+ |
+ |
+ |
Alfonso (22) en el
2022. |
+ |
- |
+ |
+ |
+ |
? |
Baimukhamedov (23) en el 2021. |
+ |
? |
- |
+ |
+ |
+ |
Condo-Palomino (10) en el
2022. |
+ |
- |
? |
? |
+ |
+ |
Grigorievich (11) en el
2021. |
+ |
+ |
+ |
+ |
+ |
+ |
Myalo (12) en el
2019. |
+ |
+ |
+ |
? |
+ |
+ |
Sirojiddinova (13) en el 2023. |
+ |
+ |
? |
+ |
+ |
+ |
Kurochkin (14) en el
2021. |
+ |
- |
+ |
+ |
+ |
+ |
Kokieva (15) en el
2021. |
+ |
- |
+ |
+ |
+ |
+ |
Leyenda:
La evaluación se la realizó por medio de la escala propuesta por el manual de
Cochrane, en la cual cada dominio de sesgo se califica como “bajo riesgo”,
“alto riesgo” o “riesgo poco claro”, los cuales van a ser representados en la
escala con (+) en color verde, un (-) en color rojo o un (?) en color amarillo,
respectivamente.
DISCUSIÓN
Los trabajos
identificados presentan una gran variedad de hallazgos significativos en el
ámbito de la gestión y control del mantenimiento en el sector agroindustrial.
Destacan la importancia de la gestión por procesos para mejorar la
productividad y rentabilidad en las agroindustrias, como señalan Alcívar (16)
en el 2020. Por otro lado, Mafla (17) en el 2022 proponen el uso del
mantenimiento predictivo basado en análisis de vibraciones para detectar fallos
en tractores agrícolas. Afsharnia (18) en el 2020 resaltan la utilidad de la modelización
Markov en la gestión de la disponibilidad de las máquinas. Prokopov (19) en el
2023 sugieren la externalización de trabajos de mantenimiento complejos para
mejorar la productividad y reducir lesiones en las empresas agrícolas. Además,
autores como Vorzhev (20) en el 2021 exploran la medición de la capacidad
eléctrica de equipos para aumentar la fiabilidad. Estos estudios subrayan la
importancia de la capacitación de operarios, la implementación de tecnologías
predictivas y la gestión eficiente de recursos para optimizar el mantenimiento
y la operatividad en el sector agroindustrial.
Por otra parte,
diversos autores (11,17,20) abordan aspectos claves del mantenimiento
predictivo y monitoreo en la detección temprana de fallas en equipos
industriales. Estos autores proponen el uso del análisis de vibraciones como
una herramienta efectiva para anticipar problemas. Además, resaltan la
importancia de evaluar la capacidad eléctrica de los equipos como indicador de
eficiencia operativa. Otro punto relevante es la incorporación de tecnologías
avanzadas como la inteligencia artificial para mejorar la detección y reducción
de averías. La digitalización de los procesos de mantenimiento y la
implementación de diagnósticos remotos son prácticas que emergen como estrategias
innovadoras en la gestión de activos industriales. Estas prácticas no solo
permiten prevenir fallas, sino también optimizar la operatividad de los
equipos, reducir costos y aumentar la productividad en entornos industriales.
En cuanto a la disponibilidad y confiabilidad de los equipos
industriales es un aspecto fundamental en la gestión de activos. Autores como
Afsharnia (18) en el 2020 resaltan la utilidad de la modelización Markov como
una herramienta efectiva para gestionar la disponibilidad de las máquinas y
medir su desempeño a lo largo del tiempo. Mediante este enfoque, los gerentes
de mantenimiento pueden anticipar y planificar las actividades necesarias para
mantener la operatividad de los equipos. Por otro lado, Prokopov (19) en el 2023
proponen transferir trabajos de mantenimiento complejos a empresas
especializadas. Esta estrategia, según los autores, permite aumentar la
productividad, mejorar la calidad del trabajo y reducir los riesgos de lesiones
en el personal. Complementariamente, Kurochkin (14) en el 2021 explican la
importancia del servicio técnico y la gestión adecuada para optimizar el uso de
tractores y maquinaria agrícola, lo cual se traduce en una mayor eficiencia y
vida útil de estos activos. Estas estrategias contribuyen a la optimización de
los recursos, la reducción de costos y el aumento de la productividad en
entornos industriales y agrícolas.
En relación con la gestión efectiva de la logística y recursos técnicos
es crucial para el mantenimiento de vehículos y equipos industriales.
Sirojiddinova (13) en el 2023 destacan la importancia de la planificación y la
gestión de recursos técnicos para garantizar la disponibilidad y eficiencia de
los vehículos. Esto implica la identificación de las necesidades específicas de
cada equipo y la asignación de los recursos necesarios para su mantenimiento y
reparación. Por otro lado, Kokieva (15) en el 2021 enfatizan la necesidad de
realizar cálculos económicos precisos para asumir costos que garanticen el
adecuado funcionamiento de los equipos. Esto incluye la evaluación de los
costos de mantenimiento, reparación y reemplazo de los componentes, así como la
consideración de los costos indirectos como la pérdida de productividad y la
reducción de la vida útil de los equipos.
Por último y no menos importante, la capacitación y operación adecuada
de equipos es un aspecto crucial en la gestión eficiente del mantenimiento de
maquinaria y equipos en el sector agroindustrial. Este aspecto ha sido señalado
por Vera-Zambrano (21) en el 2021 lo que subrayan la relevancia de la
capacitación de los operarios y la dedicación exclusiva al uso de las máquinas.
Este enfoque resalta la importancia de contar con personal debidamente formado
y especializado en el manejo de los equipos, lo cual no solo garantiza su
correcto funcionamiento, sino que también contribuye a la seguridad en el
entorno laboral. La formación continua del personal en las operaciones y
mantenimiento de los equipos es fundamental para maximizar su rendimiento y
prolongar su vida útil. Además, la exclusividad en el uso de las máquinas por
parte de operarios capacitados ayuda a prevenir errores, reducir tiempos de
inactividad y optimizar la productividad en las operaciones industriales. Esta práctica
no solo beneficia la operatividad de las máquinas, sino que también promueve un
ambiente laboral más seguro y productivo.
CONCLUSIÓN
Los estudios identificados resaltan la importancia de la gestión
eficiente del mantenimiento de la maquinaria en el sector agroindustrial. La
gestión por procesos, el mantenimiento predictivo, la modelización Markov, la
externalización de trabajos complejos, la medición de la capacidad eléctrica,
la capacitación de operarios y la gestión de recursos técnicos son estrategias
clave para optimizar la operatividad de los equipos, reducir costos y aumentar
la productividad en entornos de la agroindustria. Estas prácticas innovadoras,
que incluyen la digitalización de procesos y la implementación de tecnologías
avanzadas como la inteligencia artificial, permiten anticipar y prevenir
fallas, mejorar la eficiencia operativa y reducir riesgos laborales.
CONFLICTO DE INTERESES.
Los
autores declaran que no existe conflicto de intereses para la publicación del
presente artículo científico.
REFERENCIAS
BIBLIOGRÁFICAS
1. Gómez A, Souza J, Machado D. Property rights and reputation
in the dairy agro-industrial system. RAUSP Manag J. 2021; 56(4):425–43.
https://goo.su/hkAjl
2. Valenzuela A. Tecnología y Agroindustria. Tecnol y
Agroindustria Trilogía. 2021; 35(44):122–8. https://goo.su/Q5f3q
3. Kicha M, Saraev N, Tsechoev V, Pratsko G. Decriminalization
of the agro-industrial complex as the most important factor in ensuring food
security. E3S Web Conf. 2021; 273:08075. https://goo.su/gU4kHYA
4. Alvarado-Betancourt E, Sabando-Piguabe L. Sistema de gestión
de mantenimiento basado en confiabilidad. Caso de estudio: Planta de
tratamiento de agua empresa DIALILIFE. Rev Científica INGENIAR. 2021; 4(8):46–77.
https://goo.su/0I40iq
5. Oliveira O, Elenor A. Agricultural cooperative system:
Management challenges and feasible solutions. Rev Adm UFSM. 2022; 15(3):411–33.
https://goo.su/z6v63
6. Montero W, Pineda B, León G, Durán A. Las habilidades
sociocientíficas y el trabajo de laboratorio en la especialidad de
agroindustria en un colegio técnico de Costa Rica. Innovaciones Educ. 2022;
24(37):53–66. https://goo.su/pM5I6U
7. Vilela N. Revisión sistemática de literatura científica del
comercio electrónico y la cadena de valor en el sector agrícola. Rev Avante.
2023; 5(1):44–60. https://goo.su/6IEW0uc
8. Suarez-Guzman L, Escobar-Marulanda N, Zartha-Sossa J. A
prospective study to the year 2032 of the plantain value chain, an approach
towards academic programs in the agro-industrial sector. Inf tecnológica. 2020;
31(6):95–104. https://goo.su/Rq03mU
9. Chasipanta J, Corrales I. Perspectivas y desafíos en la
industria 4.0 para el sector agroindustrial de La Maná. Rev Científica
Multidiscip G-ner@ndo. 2023; 4(2):848–869. https://goo.su/W9v4UCN
10. Condo-Palomino R, Cruz-Barreto L, Quiroz-Flores J. Increased
equipment performance in agro-industrial companies through a maintenance model
based on the TPM approach. In: Proceedings of the LACCEI international
Multi-conference for Engineering, Education and Technology. Latin American and
Caribbean Consortium of Engineering Institutions; 2022. p. 1–9.
https://goo.su/gFdoHE
11. Grigorievich I. Digitalization and use of artificial
intelligence technologies in technical modernization of the agro-industrial
complex. E3S Web Conf. 2021; 291:1–6. https://goo.su/LEy81mD
12. Myalo O, Prokopov S, Myalo V, Soyunov A, Demchuk E. Material
and technical support of the enterprises of the agro-industrial complex of the
Omsk region management and certification of the technical component of the
production processes in crop production. IOP Conf Ser Mater Sci Eng. 2019;
582(1):1–9. https://goo.su/BZFGqu9
13. Sirojiddinova I, Yulchibayev O. Logistics and Maintenance
Support for Vehicles in the Agro-Industrial Complex. Am J Eng Mech Archit.
2023; 1(9):114–20. https://goo.su/Ng2r7
14. Kurochkin V, Nikitchenko S, Nesmiyan A, Nazarenk S.
Reliability of technological systems: structure and modeling. IOP Conf Ser
Earth Environ Sci. 2021; 659(1):1–9. https://goo.su/UrJpbe3
15. Kokieva G, Druzyanova V, Grigoriev S. Research on the
development of the agricultural sector of the Northern zone: repair and
maintenance of machines. IOP Conf Ser Earth Environ Sci. 2022; 996(1):1–6.
https://goo.su/AE6G
16. Alcívar F, Torres E, Gallegos A. Gestión por procesos en el
área de mantenimiento del sector agroindustrial sucroalcoholero ecuatoriano.
Obs la Econ Latinoam. 2020; 18(7):1–12. https://goo.su/ibe4qVx
17. Mafla C, Castejon C, Rubio H. Mantenimiento predictivo en
tractores agrícolas. Propuesta de metodología orientada al mantenimiento
conectado. Rev Iberoam Ing Mecánica. 2022; 26(1):63–76. https://goo.su/uRvhLR
18. Afsharnia F, Marzban A, Asoodar M, Abdeshahi A. Availability
Modeling of Sugarcane Harvesting System by Using Markov Chain. J Biosyst Eng.
2020; 45(3):145–54. https://goo.su/E8AE4Y
19. Prokopov S, Myalo O, Myalo V, Maltseva E, Demchuk E.
Increasing productivity of machine-tractor units depending on the influence of
the load of the machine operator with maintenance work in the agricultural
enterprises of the Omsk region. E3S Web Conf. 2023; 392:1–8.
https://goo.su/N6udEfh
20. Vorzhev V, Rudenko N, Malko P, Dergousov V. Increasing the
reliability of electrical equipment in the agricultural and industrial complex
based on measuring the electrical capacitance of capacitors. E3S Web Conf. 2021
Jun 22; 273:1–9. https://goo.su/xZNC
21. Vera-Zambrano R, Torres-Rodríguez R. Pautas de un programa
de mantenimiento y su importancia en el proceso agroindustrial. Rev Científica
INGENIAR Ing Tecnol e Investig. 2021 Jul; 4(8):96–113. https://goo.su/swbwu8
22. Alfonso A, González R, Borroto Y. Aplicación del
mantenimiento basado en el riesgo a equipos de la empresa agroindustrial
azucarera “José María Pérez Capote.” Rev Cent Azúcar. 2022; 49(2):112–21.
https://goo.su/2vSBYKK
23. Baimukhamedov M, Baimukhamedova A, Baimukhamedova G,
Aimurzinov M. Digitalization of agricultural industrial complex, application of
robotics in agriculture. E3S Web Conf. 2021; 282:1–6. https://goo.su/SEHLP