Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DIRECTOR:
ING. JESS GABALAN COELLO, MSC
MAGSTER EN INGENIERA CON NFASIS EN INGENIERA INDUSTRIAL
ALVARO ARARA_______________
JURADO
MARITZA CORREA_____________
JURADO
3
AGRADECIMIENTOS
Agradezco a mi novia quien fue un pilar fuerte para los momentos difciles y me ha
acompaado pacientemente dndome todo su apoyo.
Por ltimo a mi Director de Tesis Ingeniero Jess Gabalan Coello quien me brindo
todo su apoyo incondicional para el efectivo cumplimiento de los compromisos con
la investigacin establecidos al desarrollar este proyecto.
4
CONTENIDO
pg.
RESUMEN 18
INTRODUCCIN 19
1.1 ANTECEDENTES 20
1.2 ENUNCIADO 23
2. OBJETIVOS 26
2.1 GENERAL 26
2.2 ESPECFICOS 26
3. JUSTIFICACIN 27
4. MARCO TERICO 29
5. METODOLOGA 42
5
5.4 INCIDENCIA DE LA OPORTUNIDAD DE MANTENIMIENTO EN LA TASA
DE SERVICIO 45
6
11.3.1 Configuracin de base de datos y polticas. 133
BIBLIOGRAFA 163
ANEXOS 169
7
LISTA DE FIGURAS
pg.
8
Figura 18. Fechas de orden de mantenimiento correctiva OTC. 62
9
Figura 36. Oportunidad de mantenimiento 112
10
Figura 56. Definicin de poltica de mantenimiento OTPE 145
Figura 65. Comparativo total de costo y mano de obra propuesto por mes 153
Figura 66. Valor hora hombre propuesta por la aplicacin por mes 154
11
LISTA DE CUADROS
pg.
12
Cuadro 15. Resumen estadstico tiempos de servicios de las OTC 87
13
Cuadro 32. Poltica de mantenimiento preventivo extraordinario. 123
Cuadro 45. Datos requeridos para ingresar al sistema por cada orden 136
14
GLOSARIO
ESFUERZO: se entiende como la suma del tiempo total invertido por todos los
trabajadores que intervinieron en el desarrollo de una orden de trabajo.
15
FACTOR DE CUMPLIMIENTO: tiene alta relacin con el porcentaje de atraso
entendindose como el tratamiento de una orden a tiempo antes de considerarse
atrasada, su relacin se da en porcentaje, en la medida de que este porcentaje
sea alto, har que los planes de mantenimiento se cumplan en la frecuencia
establecida.
16
PROBABILIDAD DE ATRASO: como el atraso es un indicador, los ingenieros
definen una meta en porcentaje en sus polticas, cualquier orden que supere este
porcentaje se considera como una orden atrasada, la relacin entre la suma las
ordenes atrasadas y toda la poblacin, define dicha probabilidad.
17
RESUMEN
18
INTRODUCCIN
Este documento tiene como objetivo principal desarrollar una metodologa para la
gestin del mantenimiento, para facilitar la toma de decisiones y generar
estrategias de mantenimiento adecuadas que correspondan al nivel de servicio
que tienen las cuadrillas de trabajo, mejorando el tiempo de atencin en las
rdenes. A nivel procedimental, se disear una herramienta computacional cuya
pretensin es servir como insumo adecuado para la planeacin de recursos que
impacte en la disminucin de los daos.
19
1. PLANTEAMIENTO DEL PROBLEMA
1.1 ANTECEDENTES
2008: Cambio de la noria de bagacillo por tamiz rotativo, con una inversin de
600 millones de pesos.
20
un 2.23%. Comparado con el ao anterior el tiempo perdido en la fbrica ha
disminuido el 17.0%. Esto lo han logrado gracias al desarrollo de un programa de
distribucin de la molienda que consiste en tener el mismo nivel de produccin
ms tiempo, de manera que se reduzca el esfuerzo de los equipos, dejando como
resultado menor cantidad de daos y una reduccin de costos de mantenimiento
en comparacin con el corte de ao anterior, por lo tanto, la estrategia funcion ya
que se logr la integracin de las reas de operacin y mantenimiento en el
proceso del Ingenio San Carlos.
Por su parte el Ingenio Manuelita S.A. decidi contratar a una compaa experta
en mantenimiento a nivel mundial. Para tales efectos realiz una contratacin con
Wood Group Colombia S.A.4, quien implement un sistema de anlisis de falla
para determinar las causas de los daos en el rea de fbrica y de esta manera
buscar soluciones para mitigar el dao. Igualmente desarroll un sistema de
mantenimiento predictivo, que ayuda a detectar de forma temprana los posibles
daos en los equipos.
4
WOOD GROUP COLOMBIA S.A., Nuestra Experiencia: Casos de xito, [en lnea], 2006,
[consultado el 18/12/2011] disponible en http://www.woodgroup.com.co/
5
FIVES CAIL. Report of Canne Bagasse Diffuser Uses. [Online], 2006, [consultado 15/12/2011]
Available in: www.fivesgroup.com/.
6
XV CONGRESO INTERNACIONAL DE CONTADURA, ADMINISTRACIN E INFORMTICA. El
Estado y su Impacto en Competitividad en la Industria Azucarera. Monterrey: Instituto Tecnolgico
y de Estudios Superiores de Monterrey, 2004.
21
En cambio en los ingenios azucareros australianos impulsaron el diseo y la
construccin, de sus equipos para la produccin de azcar. En el rea de
molienda cuentan con molinos impulsados por motores elctricos, los cuales
tienen seis mazas, dos ms que los convencionales molinos de los ingenios
colombianos. Esta configuracin de los molinos genera un menor esfuerzo y por
ende disminuye la posibilidad de daos, menor consumo de combustible, entre
otros beneficios que se ven evidenciados en el ISSCT Engineering Workshop
2008 Design, manufacturing and maintenance of sugar mill equipment7.
7
ISSCT. Design, manufacturing and maintenance of sugar mill equipment. Engineering Workshop
Brazil: 2008.
8
ANTONIOL, Giuliano. Assessing staffing needs for a software maintenance project through
queuing simulation. IEEE Transaction on software engineering, VOL. 30, No.1, January 2004.
22
mantenimiento9. Los requerimientos de los usuarios interpretados como rdenes
de trabajo, son asumidos siguiendo una distribucin de Poisson, adems de una
distribucin binomial para determinar la capacidad de duplicidad de las rdenes en
cola. En el artculo presentan una expresin exponencial para determinar el tiempo
que se requiere en resolver las rdenes de trabajo por cada servidor o cuadrilla,
adems utilizan polticas de restriccin del sistema a partir del backlog10. Despus
de modelar el sistema con las ecuaciones de las lneas de espera, se determina el
recurso ptimo necesario para sostener un servicio que est acorde con las
polticas de rdenes en espera permitidas o backlog adecuado, luego estos
modelos se evalan teniendo en cuenta los costos de cada servidor o cuadrilla de
trabajo, cruzando los costos oportunidad que trae la espera del mantenimiento y
los de reparacin por una atencin tarda o falta de atencin.
1.2 ENUNCIADO
9
KULKARNI, V.G, KUMAR, Subodha, MOOKERJEE, Vijay S. Optimal allocation of effort to
software maintenance: a queuing theory approach, production and operations management, VOL.
18, No. 5, SeptemberOctober 2009, Pag. 506-515. ISSN 1059-1478.
10
Backlog se interpreta como el tiempo suficiente requerido para terminar todas las ordenes de
mantenimiento pendientes con el personal actual adquirido. Confrontar en: ORREGO BARRERA,
Juan Carlos. Backlog: Acumulacin de trabajo. [en lnea]. 2008. [consultado el 10/01/2012].
Disponible en: http://www.mantonline.com
23
Los daos en los equipos ocurren presumiblemente por falta de atencin por parte
de los responsables del mantenimiento. En el rea se puede evidenciar dificultad
para atender las rdenes de trabajo obteniendo un porcentaje de atraso del 35%11,
este indicador se entiende como: la demora total en iniciar la atencin de una
orden de trabajo comparndola con la frecuencia del mantenimiento predictivo, por
ejemplo, una orden de mantenimiento, cuya periodicidad es de cada 52 semanas,
en la que la cuadrilla de mantenimiento se ha demorado 16 semanas, el indicador
de atraso ser de un 30%.
Equipos Fallan
Intervenciones Incumplimiento en
antes de su fecha Altos tiempos de
innecesarias de
de mantenimiento atencin la planeacin de las
equipos en buen
paradas
estado
Frecuencias Distribucin
asignadas sin No hay inadecuada del % de cumplimiento
estudios retroalimentacin trabajo de la programacin
de la parada
11
INCAUCA S.A. Informe Semanal de rdenes de Mantenimiento. Indicador de Porcentaje (%) de
Atraso de las rdenes de Mantenimiento, Diciembre 2011. El Ortigal, Enero 2012.
12
El rbol de problemas fue diseado para explicar en tres etapas la problemtica, as:
: El primer nivel muestra las consecuencias que se pueden evidenciar por tener el problema.
: El segundo nivel explica la problemtica principal que pretende ser solucionada.
: El tercer nivel es el desarrollo causal, en esta seccin se intenta explicar las situaciones que
conciben el incremento u ocurrencia de la problemtica, sobre estas causas se trabajar a lo largo
del documento, planteando estrategias que mitiguen las causas.
24
El rea de molienda presenta un nmero total de 250 rdenes pendientes al
trmino de cada semana13 las cuales son generadas principalmente por el
programa de mantenimiento preventivo. El nmero elevado de rdenes en el
sistema genera confusin, aumentando la posibilidad de que sean atendidas
primero las rdenes que no contribuyen a la disminucin de los daos en el tiempo
y la calidad necesaria.
Estos indicios demuestran que existen diferentes factores que aumentan la cola de
rdenes en espera de atencin, dificultando el cumplimiento del mantenimiento
preventivo, inevitablemente esta falta de atencin aumenta la posibilidad de falla
de los equipos. Siendo posible que la cantidad de rdenes de trabajo provoca que
los atrasos se incrementen, por no tener la suficiente mano de obra para
atenderlas, o la planificacin es exagerada.
Este proyecto tiene como fin encontrar un nivel de servicio adecuado mediante el
modelamiento asistido por la teora de colas y estadstica probabilstica,
generando una herramienta que se utilice y retroalimente de manera constante,
facilitando la toma de decisiones.
13
INCAUCA S.A. Gestin del informe Semanal de rdenes de Mantenimiento. Cantidad de
Ordenes, Diciembre 2011. El Ortigal, Enero 2012.
14
INCAUCA S.A. Informe de Costos de Mantenimiento Mensual. Indicador de Porcentaje (%) de
Planeacin de los Recursos, Diciembre 2011. Enero 2012.
25
2. OBJETIVOS
2.1 GENERAL
2.2 ESPECFICOS
Calcular el modelo de teora de colas con los datos obtenidos, para llegar al
estado actual, que ser el punto de referencia.
26
3. JUSTIFICACIN
La realizacin de este proyecto tiene una incidencia directa sobre los diferentes
actores alrededor del rea de molienda de INCAUCA S.A., proporcionando una
herramienta de investigacin que se convertir en un modelo prctico para realizar
los clculos de las estrategias de mantenimiento aplicadas. Se pueden identificar
los siguientes beneficiarios:
15
INCAUCA S.A. Informe Mensual de Produccin. Seccin Fabrica, Indicador horas hbiles
perdidas por fbrica, Diciembre 2011. El Ortigal: Enero 2012.
16
INCAUCA S.A. Informe de costos de rdenes de mantenimiento acumulado 2011, El Ortigal:
Enero 2012.
27
Los Ingenieros: tendrn una herramienta confiable que les ayude a tomar
decisiones sobre las estrategias de mantenimiento, ajustando con criterio
probabilstico su capacidad de mantenimiento a la realidad.
Los Trabajadores del rea: siendo tenidos en cuenta como pilar fundamental
para la gestin de mantenimiento, aportarn lo mejor de s en el cumplimiento
de las metas.
28
4. MARCO TERICO
Posteriormente la fibra pasa por cada uno de los molinos del tndem, en donde es
sometida a una fuerza de compresin entre las mazas superior y caera en la
entrada, y superior bagacera en la salida. Debido a la fuerza aplicada
directamente sobre la maza superior por el sistema hidrulico, se extrae o exprime
el jugo de la caa como se observa en la Figura 2.
17
INCAUCA S.A. Sistemas de Gestin de Calidad: Molienda de Caa, R612003, El Ortigal: 2005.
29
INCAUCA S.A., cuenta con una plataforma de gestin empresarial denominada
SAP, sistema conocido bajo la clasificacin E.R.P. de gestin empresarial que
cubre todas las necesidades de procesamiento de datos de una empresa,
corporacin, fbrica u oficina pblica o privada.
SD FI
MM
. CO
PP R/3 AM
.
Solucin Integrada
QM
.
Cliente / Servidor PS
PM WF
HR IS
18
INCAUCA S.A. Sistemas de Gestin de Calidad: Manual de mantenimiento, P-940-001, El Ortigal:
2005.
30
Para el manejo de los tiempos perdidos, INCAUCA S.A., maneja un programa
llamado: SIGIND, Sistema de Informacin para la Gestin Industrial, que permite
la personalizacin para reflejar las caractersticas y necesidades de cada Ingenio,
al igual que el registro de los cambios del proceso a lo largo del tiempo. Es un
sistema corporativo que permite que varias empresas del mismo grupo sean
administradas en el mismo ambiente (desde que la empresa tenga esa tecnologa
disponible).
31
Capacidad de la cola: finita o infinita, relacionando si la poblacin de rdenes
que llegan a la cola tiene un lmite, o es indeterminado el nmero mximo de
rdenes en espera.
A/B/C
Donde:
A: Define el tipo de distribucin del numero de llegadas.
B: Define el tipo de distribucin del tiempo de servicio.
C: Define la cantidad de servidores a utilizar en el sistema.
D: Constante.
Ek: Distribucin Erlang con parmetro k.
G: Distribucin arbitrario o general con media y varianzas conocidas.
M: designa una probabilidad de Poisson para el nmero de llegadas o una
distribucin exponencial para los tiempos de servicio
32
Barua and Mukhopadhyay (1989), consideran que el mantenimiento es continuo y
representa un horizonte finito, es decir se puede contar con una clasificacin bajo
un parmetro poblacional estable alrededor de los histricos. Feng et al. (2006),
segn los estudios referencia que las llegadas de las rdenes corresponden a una
distribucin de Poisson.
Una caracterstica importante planteada por este autor, es determinar que una
nueva orden de mantenimiento generada por un usuario, significa aumentar la
probabilidad que se dupliquen las rdenes en espera, teniendo en cuenta que la
peticin de este usuario, puede superar en urgencia y esfuerzo las dems ordenes
que estn en espera, adems de las nuevas peticiones, ocasionando mayor
espera por otras rdenes. Este fenmeno puede ocurrir cuando se hacen anlisis
de eficiencias, donde se determinan que las maquinas funcionan, pero no a la
medida que se necesitan, requiriendo hacer modificaciones en los equipos.
El modelo puede ser M/M/1 si los datos cumplen estos propsitos, pero en caso
de que el modelo no cumpla con alguno de los parmetros se deben escoger
caminos diferentes para cada resultado. En el caso de que el grupo de rdenes
actualizadas no cumpla con una rata de llegada distribuida por Poisson los
33
modelos no son recomendables y son poco estables, por lo tanto se deben probar
otras metodologas como estadstica descriptiva o probabilstica para modelar los
datos. Si los datos de llegada son Poisson pero los tiempos de servicio no son
exponenciales modelos como el M/G/1, sirven para modelar los tiempos de
servicio segn distribucin arbitraria basada en la media y las desviaciones
estndar, determinando finalmente que es necesario comprobar el seguimiento de
las distribuciones
34
indicadores comunes de mantenimiento (TPM Disponibilidad, MTTR, MTBF y
otros), registro de tiempos y mano de obra.
El centro de informacin del sistema son las rdenes de trabajo las cuales las
divide en dos: OTC para los correctivos y OTP para los preventivos, realizando
anlisis de falla para las ordenes correctivas y una programacin de los
mantenimientos preventivos basados en la frecuencia de trabajos repetitivos, este
es un sistema multiusuario que ayuda a la planificacin de los trabajos de
ingeniera del mantenimiento en las reas de la empresa.
35
Otro tipo de software como el Meridium (ASUG AMERICAS' SAP USERS'
GROUP, 2002), usa la plataforma SAP para descargar datos y hacer anlisis de
confiabilidad y disponibilidad de los equipos, evidenciando su impacto en los
costos a la hora de fallar, este aplicativo enlaza con los costos de produccin y
determina tambin la perdida de oportunidad en la generacin de utilidades para la
compaa.
El aplicativo Meridium se integra a la funcionalidad que tiene SAP para realizar sus
anlisis e informes, toma la informacin de los campos estndar que utiliza el
modulo PM y PP, la relaciona con el anlisis de falla, y hace un estudio amplio de
los efectos que incluyan los peligros de muerte del personal, contaminacin al
medio ambiente y fallas en la calidad el producto. Sus anlisis se estructuran bajo
probabilidades de Weibull y utiliza estimados histricos para el comparativo con el
mantenimiento preventivo.
19
ANDERSON, D. R.; SWEENEY, D. J. and WILLIAMS, T. A. Satatisc for business and
economics. Ed. 11. Soeth-Western: Cengage Learning, 2011. p.487.
36
nmero de determinado de eventos en cierto periodo de tiempo20. Se caracteriza
por la siguiente ecuacin:
=
!
Donde:
: frecuencia de ocurrencia media.
e: numero de Euler.
x: frecuencia de tiempo a probar.
>0
=
0
Donde:
: es tiempo medio de duracin inverso: =
< = 1 !
20
Ibd., p. 218.
21
Ibd., p. 253.
37
Calcula la media de las ocurrencias de los datos para Poisson y la media de
los tiempos para Exponencial.
Se calcula cual sera el valor esperado para cada categora anterior usando la
ecuacin del modelo analizado.
%
$ $ "
"
= #
$
&'
Donde:
K: numero de clases finalmente conformadas.
Fe: frecuencia de datos esperada
Fo: frecuencia de datos observada
Para registrar y analizar la relacin entre dos variables en este documento se usan
los conceptos de la tabla de contingencias y anlisis de linealidad de Pearson. Las
tablas de contingencia sirven para verificar la independencia
38
En el proceso de verificacin, se debe identificar si dos variables tienen relacin,
en primer instancia se comprobar independencia estadstica, usando la prueba
de chi-cuadrado para tablas de contingencias por medio de la prueba de bondad
de ajuste (Cochran, 1952).
La prueba consiste en identificar una tabla de datos que tenga Ri filas por Cj
columnas como se observa en el cuadro 1, las filas corresponden a valores de la
variable X y las columnas correspondern a valores de la variable Y, por lo tanto
los valores observados Oij, son las veces que se presenta un valor de la variable X
en presencia de un valor de la variable Y.
Variable Y
C1 C2 C Cj Subtotal
Una vez realizado el cuadro anterior se debe realizar una nueva tabla combinando
los subtotales marginales, donde cada nuevo valor observado Oij, ser
reemplazado por el valor esperado Eij y es calculado por la siguiente ecuacin:
+$ ,-
(&) =
.
39
Cuadro 2. Tabla de contingencia valores esperados
Variable Y
C1 C2 C Cj Subtotal
"
/0&) (&) 1
"
= ##
(&)
40
2 = 34 + 3 6
Bo = 29 3 69
2$ 29
"
@A = B
;2
41
5. METODOLOGA
El tiempo que tome la atencin de una orden se tendr en cuenta como nivel de
servicio y ser necesaria la identificacin de su comportamiento probabilstico por
medio de pruebas de hiptesis identificando si los datos siguen una distribucin
Exponencial.
42
5.1 MODELO PROBABILSTICO DE LAS LLEGADAS DE LAS RDENES DE
TRABAJO A LA LNEA DE ESPERA
43
5.2 NIVEL DE SERVICIO DE LAS CUADRILLAS DE MANTENIMIENTO
44
Para los datos que no siguen distribucin Poisson no podrn ser tratados por
medio de la metodologa de lneas de espera, por lo tanto se deber hacer un
modelamiento estadstico de acuerdo a su comportamiento probabilstico y las
polticas o reglas que rigen su naturaleza en cuanto a las llegadas y el servicio.
En este punto del aplicativo se debe tener identificado, despus del anlisis de las
llegadas y niveles de servicio as como el desarrollo de la herramienta, cules de
los datos son probablemente afectados por la programacin y cumplimiento del
mantenimiento programado. Es posible que algunas rdenes requieran de estos
das para cumplirse pero tambin sean periodos de mantenimiento intensificado
que genere cambios en los comportamientos de llegada especialmente.
Una vez se tengan los datos del tipo de orden que se considere es afectada por
los das de mantenimiento, se realizar un anlisis mediante tabla de contingencia
y se fidelizar el resultado de acuerdo al anlisis de regresin lineal y coeficiente
de Pearson, as como pruebas con modelos no lineales, para determinar si los
das de mantenimiento determinan, o no, el comportamiento de algunas de las
rdenes en especial.
45
El resultado esperado de esta etapa es una determinacin precisa de la
correlacin, en caso de que sea alta, debe establecerse mediante una ecuacin
que explique cmo los das de mantenimiento afectan la variable seleccionada.
En caso de que la relacin sea alta para alguno de los modelos, la ecuacin
resultante debe incluirse en la prediccin del servicio para el tipo de orden de
mantenimiento que afecte, si no hay un correlacin alta no se tendr en cuenta en
las predicciones y la oportunidad de mantenimiento no ser tenida en cuenta en
futuros anlisis.
46
6. ESTADO ACTUAL: ESTRUCTURACIN DEL MANTENIMIENTO
Por otro lado, los daos ocurren en cualquier momento y requieren intervencin
inmediata, en algunos casos es preciso cambiar el equipo por uno de repuesto y
en otros casos especficos se debe hacer con el proceso parado, estas rdenes se
consideran OTC: Ordenes de Trabajo Correctivas. A continuacin se realizara un
anlisis de la forma como cada tipo de rdenes est estructurado.
47
En la figura 4 se observa cuales son las estrategias utilizadas en el ingenio por
medio del sistema SAP PM, siendo INFASE (INCAUCA fabrica semanas) la ms
usada por los 600022 planes de mantenimiento existentes.
22
INCAUCA S.A. Cantidad de planes de mantenimiento existentes. Transaccin IP15, listado de
planes de mantenimiento. SAP-PM. Enero 2012.
48
En este tipo de rdenes los trabajos y recursos estn previstos, permitiendo una
preparacin y alistamiento adecuado, sin embargo el lanzamiento del nuevo
trabajo depende del cumplimiento del anterior, en este proceso las ordenes
pueden demorase en el inicio o retardarse en la finalizacin. Esta demora o
retardo se mide respecto a su frecuencia de lanzamiento y establece un indicador
de mantenimiento llamado Porcentaje de Atraso.
49
En la primera etapa se realiza la creacin de las hojas de rutas, las cuales se
interpretan como una lista de tareas donde se detalla la actividad, la frecuencia y
el tipo de trabajador que se requiere.
Para la cuarta etapa el ingeniero toma el listado de las rdenes que ha lanzado el
programa y estn pendientes y se encarga de alistar materiales, personal y
ejecutar las labores. Por ltimo se realiza el proceso de reporte y cierre tcnico de
la orden, dndole continuidad al ciclo.
50
A continuacin se realizara una explicacin de cada etapa, para comprender la
naturaleza y comportamiento que caracteriza el mantenimiento programado.
51
Figura 8. Ejemplo de hoja de ruta, cambio de Molino
52
Figura 9. Plan de mantenimiento, datos principales
53
Figura 10. Programacin del Plan de Mantenimiento
54
Figura 11. Pantalla de programacin de planes de mantenimiento
55
Figura 12. Calendario de programacin de planes de mantenimiento.
56
El resultado de la programacin es esta orden OTPP, ver figura 13, la cual
contiene los datos con que se program: responsable, actividades, recursos,
equipo y fechas de ejecucin.
57
En conclusin las rdenes de mantenimiento programadas siguen un ciclo de
fechas y periodos como se explica en la figura 14.
Para conocer cmo llegan las rdenes de mantenimiento se debe tener en cuenta
las fechas expresadas en la figura 14, cada fecha tiene una interpretacin
diferente, las llegadas se pueden tomar de la fecha de entrada o de la fecha de
inicio extremo.
Otra variable que es importante tener en cuenta es que cada ao llegan equipos
nuevos que introducen planes de mantenimiento adicionales, algunos de estos
equipos tienen menos componentes, lo que elimina sistemas de equipos
anteriores y reduce la cantidad de planes de mantenimiento. Adicional a esto, las
58
polticas de mantenimiento nuevas pueden cambiar la cantidad de planes de
mantenimiento. La poltica de los ltimos aos de la gerencia de mantenimiento,
ha sido reducir paulatinamente los planes innecesarios como se observa en la
figura15 y en la medida de lo posible remplazar planes de preventivo con rutas de
predictivo.
59
daos mayores y fallas que ocacionen paradas del proceso y altos costos por
reparaciones, estas quedan consignadas en el sistema como se muestra en la
figura 16.
60
Algunos trabajos permiten realizar una planeacin y programacin relativamente
cortas, generalmente de una o dos semanas, estas rdenes no son cclicas, son
totalmente independientes de una programacin, dependen de las condiciones de
operacin y la estrategia de gestin de mantenimiento del ingeniero encargado,
por lo tanto, la llegada de este tipo de ordenes se puede considerar totalmente
aleatoria, no se puede predecir.
La orden de trabajo preventiva extraordinaria OTPE, al igual que las OTPP tienen
un manejo de fechas que permiten verificar su comportamiento, en la figura 17 se
puede verificar como es la gestin de esta clase de orden.
De lo anterior se puede identificar que la fecha en que el recurso debe ser usado
y la necesidad debe ser atendida ser a partir de la fecha de inicio extremo. Es
posible que esta fecha sea modificada sin embargo este movimiento indicar una
reprogramacin del trabajo, postergndolo para una fecha futura y esto es
totalmente valido para el funcionamiento del sistema.
61
6.3 ESPECIFICACIN RDENES DE TRABAJO CORRECTIVAS (OTC)
Las rdenes de trabajo correctivas provienen de los daos en los equipos. Las
causas de los daos en los equipos son mltiples: repuestos de baja calidad,
equipos mal instalados, atrasos en el mantenimiento, mantenimientos
inadecuados, sobrecargas en proceso, mala operacin, entre otras. Estas rdenes
tienen la caracterstica comn de que su ejecucin es de inmediato, los daos
pueden parar parcial o totalmente la produccin, por lo que la restauracin del
equipo a condiciones normales de operacin se torna prioridad nmero uno como
se ve en la figura 18, en la que se representa la fecha de entrada, inicio extremo y
ejecucin real, la diferencia entre una y otra se representa en horas.
La orden OTC al igual que las dems clases de rdenes son creadas en el
sistema y se diferencian de las otras por ser de mantenimiento correctivo. En la
figura 19 se puede evidenciar la orden correctiva y sus campos. En cuanto al
criterio para las llegadas se identifica que la fecha de inicio extremo indica el
momento donde el recurso debe ser empleado, por lo tanto, al igual que las dems
rdenes se puede tener como criterio para las llegadas.
62
Figura 19. Orden de mantenimiento correctiva OTC.
63
7. ESTADO ACTUAL: ANLISIS DE LAS LLEGADAS DE LAS RDENES DE
MANTENIMIENTO
Tomando en cuenta las tres clases de rdenes se consultaron los datos de los
ltimos cinco aos, la base de datos consultada arroj datos principales de la
orden como objetivo general, fechas de creacin, programacin y ejecucin real, el
equipo a trabajar, el rea y proceso, la criticidad, el estatus del sistema con que se
proceso, el jefe responsable, entre otros como se observa en la figura 20.
64
Se realizaron 8.536 rdenes de mantenimiento para el rea de molienda entre los
aos 2007 a 201123, efectuando el primer filtro se encontr 840 rdenes que no
contenan todas las fechas, esto sucede cuando: se realizan ordenes de
mantenimiento por error, no son aprobadas, no son viables, son ordenes solo para
el retiro de materiales para el alistamiento, son ordenes para pago de contratos de
servicios a terceros, entre otros.
Es importante tener en cuenta que hay un equipo instalado en el inicio del proceso
el cual marca la pauta, la desfibradora de caa, la cual tiene un sistema de
martillos que deben cambiarse cada quince das, tiempo en el cual se para la
molienda y se aprovecha para realizar diferentes trabajos, debido a esto los
ingenieros toman su programacin para un periodo de dos semanas. .
23
INCAUCA S.A. Listado de ordenes de mantenimiento, [Base de datos en red]
transaccin IW38 SAP PM, parmetros: ordenes PMF1 Correctivas y PMF2
preventivas, ubicaciones tcnicas molinos, fecha inicio extremo 01.01.2007 31.12.2011.
65
En total se tienen histricos de 122 muestras para cuatro tipos de ordenes: OTC,
OTPE, OTPP y TOTALES. De los estadsticos se pueden observar que las OTC y
OTPP son localizados en el lado izquierdo y marcan su tendencia a agruparse
cerca al cero, en cuanto a las OTPE y TOTAL toman su distancia del cero
respecto a las primeras pero su asimetra es a la izquierda. Los datos estn
ligeramente agrupados presumiblemente en funcin de una distribucin normal,
los que tienen ms ese comportamiento son las OTPP, centrndose alrededor de
las 35 ordenes por cada dos semanas.
Para realizar la interpretacin grfica de los datos se disponen doce clases, estas
establecen el nmero de veces que se repiti la llegada de la cantidad de rdenes
que especifica cada clase, en los siguientes cuadros y grficos se puede observar
el comportamiento de cada clase de orden.
66
Cuadro 4. Nmero de veces que se presenta cada cantidad de ordenes OTC
OTC
Li Ls Frecuencia
0 1 23
1 2 24
2 3 20
3 4 21
4 5 8
5 6 9
6 7 6
7 8 3
8 9 5
9 10 1
10 11 0
11 12 2
67
Cuadro 5. Nmero de veces que se presenta cada cantidad de ordenes OTPE
OTPE
Li Ls Frecuencia
0 6 4
6 12 9
12 18 25
18 24 37
24 30 17
30 36 10
36 42 13
42 48 5
48 54 0
54 60 1
60 66 1
68
Cuadro 6. Nmero de veces que se presenta cada cantidad de ordenes OTPP
OTPP
Li Ls Frecuencia
0 9 5
9 18 11
18 27 34
27 36 28
36 45 18
45 54 11
54 63 5
63 72 3
72 81 2
81 90 2
90 99 1
99 108 2
69
Cuadro 7. Nmero de veces que se presenta cada cantidad de rdenes
TOTAL
TOTAL
Li Ls Frecuencia
0 11 1
11 22 1
22 33 9
33 44 18
44 55 23
55 66 21
66 77 18
77 88 14
88 99 9
99 110 3
110 121 1
121 132 4
70
La prueba de bondad de ajuste para las llegadas de las rdenes de mantenimiento
es determinante para comprobar si se distribuyen mediante una distribucin
Poisson, de tal forma que se pueda modelar y predecir su comportamiento por
medio de una ecuacin que sigue los parmetros ya identificados.
En el anlisis de datos se cre 122 grupos para las 7.696 rdenes, cada grupo
corresponde a quince das calendario desde enero del 2007 hasta diciembre de
2011, y se realizaron las revisiones de forma independiente por cada tipo de orden
como se observa en el cuadro 8.
71
(Continuacin cuadro 8). Cantidad de rdenes que llegaron en cada periodo.
72
(Continuacin cuadro 8). Cantidad de rdenes que llegaron en cada periodo.
Los datos del cuadro 8 muestran que en cada semana el nmero de rdenes que
llegan a la cola por cada tipo no es el mismo, por lo tanto corresponden a
diferentes patrones, este hecho genera que de inmediato se descarte trabajar con
los datos de las rdenes totales porque se generaliza el modelo y no permite
hacer un estudio objetivo.
24
En estos periodos segn el cuadro 9, se presento mantenimiento programado, lo que ocasiona
que en la mayora de los veces no ocurran daos, esto debido a que los equipos estn parados y
la probabilidad de falla se reduce al mnimo, casi cero.
25
Aunque en estos periodos se present parada de fabrica y la posibilidad de falla es muy baja, es
posible que haya ocurrido un dao durante la liquidacin, la realizacin de un trabajo haya afectado
a otro equipo o en el arranque de fabrica, siendo el momento donde generalmente ocurren las
fallas.
73
Las OTC en algunos periodos no se generan, su situacin se deben a diferentes
motivos que fueron consultados en el contexto de la fbrica y se encontr que
pueden ser por:
Teniendo en cuenta este ltimo punto, se buscaron todas las semanas donde se
present mantenimiento programado de parada de fabrica cada ao, el
procedimiento usado fue descargar del Informe Mensual de Fabrica de los aos
2007 a 2011 y se extrajo los datos de das de molienda efectiva al ao distribuido
por meses y se consolid en el cuadro 9.
74
Cuadro 9. Das de molienda efectiva al ao
AO ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC AO
2007 18 20 19 14 18 19 24 28 27 24 20 12 242
2008 20 19 25 15 17 20 25 27 22 19 18 24 222
2009 24 23 25 19 28 24 27 28 27 27 26 25 304
2010 17 19 22 17 17 21 23 26 24 26 17 14 243
2011 24 23 24 15 24 21 27 27 25 22 18 15 264
Siendo consecuentes con dicha situacin para los meses de abril se busco las
semanas correspondientes segn la enumeracin de este documento
especificndola en el cuadro 10.
Cuadro 10. Nmero de periodo para mantenimiento programado real por ao.
75
Posteriormente todas las semanas del cuadro 10, se eliminaron del estudio de las
OTC reduciendo de 122 a 113 grupos de quince das, como se ve finalmente en el
cuadro 11.
Realizando la prueba de bondad de ajuste para determinar si los datos siguen una
distribucin Poisson, se agruparon segn la cantidad de rdenes que llegaron a la
cola por periodo como se observa en el cuadro 11, se calcul la media de los
datos realizando un promedio ponderado de las frecuencias observadas y se
procede a determinar las frecuencias esperadas con estos dos parmetros para
comprobar la prueba de hiptesis planteada as:
&'
&'4 #?? E
H
< $ $ >= ;>$ F< G $
$ = = 3,823
? >= ;>$ < F< G <
Frecuencia esperada
76
Cuadro 11. Frecuencia de llegada de OTC por periodo observada vs
esperada
Frecuencia Frecuencia
Ord/Per Observada Esperada
0 5 2,5
1 14 9,4
2 21 18,1
3 19 23,0
4 21 22,0
5 8 16,8
6 9 10,7
7 5 5,9
8 3 2,8
9 5 1,2
10 1 0,5
13 1 0,0
14 1 0,0
Total general 113 113
Frecuencia Frecuencia
Ord/Per Observada Esperada X2
0-1 19 11,9 4,21
2 21 18,1 0,48
3 19 23,0 0,70
4 21 22,0 0,04
5 8 16,8 4,62
6 9 10,7 0,27
26
7 o mas 16 10,3 3,15
X2 13,47
26
ANDERSON, D. R.; SWEENEY, D. J. and WILLIAMS, T. A. Op. cit., p. 489. Estos autores
recomiendan, cuando se realiza la prueba de bondad de ajuste, la tabla de valores esperados, se
debe de reagrupar de forma tal que la sumatoria de los valores esperados sea superior a cinco,
para darle mayor validez a la prueba.
77
Clculo de grados de libertad.
Incluso en el molino durante los ltimos cinco aos se ha cambiado siete veces de
Jefe de Operacin y Mantenimiento, trayendo nuevas polticas con cada jefe. Esto
hace que el comportamiento sea totalmente impredecible.
Realizando la prueba de bondad de ajuste para verificar si los datos siguen una
distribucin se encontr una media de 24,393 para 122 periodos, y se realizaron
los clculos de chi-cuadrado para verificar si igualmente las llegadas de las
ordenes OTPE siguen una distribucin Poisson, como se observa en el cuadro 13.
78
Cuadro 13. Prueba de Bondad de Ajuste OTPE
Frecuencia Frecuencia
Ord/Per Observada Esperada X2
0 16 26 5,88 68,80
17 18 12 7,89 2,14
19 3 5,83 1,37
20 3 7,11 2,37
21 6 8,26 0,62
22 8 9,16 0,15
23 8 9,71 0,30
24 9 9,87 0,08
25 3 9,63 4,56
26 8 9,03 0,12
27 3 8,16 3,26
28 1 7,11 5,25
29 2 5,98 2,65
30 4 4,86 0,15
31-32 2 6,74 3,34
33 o mas 25 6,78 49,03
X2 144,20
En las OTPP se realizo el anlisis al igual que en los dos anteriores procesos,
identificando que la aleatoriedad es mucho mayor, es decir el comportamiento
sigue muchas polticas que influyen en la cantidad de rdenes generadas.
79
constantemente salen y entran equipos en operacin lo cual genera mayor
incertidumbre, adems el departamento tiene la poltica de verificar nuevas
tcnicas de mantenimiento para cada vez mas dirigirse hacia el mantenimiento
predictivo, lo cual disminuye cada ao la cantidad de planes.
Realizando la prueba de bondad de ajuste para verificar si los datos siguen una
distribucin Poisson se encontr una media de 35,008 para 122 periodos, y se
realizaron los clculos de chi-cuadrado para verificar si igualmente las llegadas de
las ordenes OTPP siguen una distribucin Poisson, como se observa en el cuadro
14.
Frecuencia Frecuencia
Ord/Per Observada Esperada X2
1-25 43 5,92 232,47
26-27 7 6,11 0,13
28-29 4 9,53 3,21
30 2 6,08 2,74
31 4 6,87 1,20
32 3 7,51 2,71
33 5 7,97 1,11
34 3 8,21 3,30
35 2 8,21 4,69
36 5 7,98 1,11
37 1 7,55 5,68
38 2 6,96 3,53
39 2 6,24 2,89
40 2 5,47 2,20
41 3 4,67 0,60
42-43 5 7,06 0,60
44 o mas 29 9,68 38,58
X2 306,73
80
las OTC mediante la metodologa de lneas de espera, debido a que cumple con
los parmetros de una distribucin Poisson.
Las ordenes OTPE y OTPP sern incluidas en el desarrollo del modelo en general
pero se trabajaran con un sistema condicionado y estadstica descriptiva.
81
8. ESTADO ACTUAL: ANLISIS DE LOS TIEMPOS DE SERVICIO DE LAS
RDENES
82
Fecha de Inicio real: identifica el da en que el colaborador encargado
comenz a realizar los trabajos operativos.
83
Figura 26. Formato de reporte de mantenimiento en SAP-PM
Una vez quedan los registros completados se puede identificar cuanto en realidad
tardaron los trabajos, por lo tanto no se puede concluir tiempos de servicio sobre
trabajos que aun no han sido finalizados, para efectos de este estudio se
analizaran de manera independiente por cada tipo de orden, tomando en cuenta
trabajos que estn tcnicamente cerrados.
84
Figura 27. Formato tipo impresin de orden de mantenimiento INCAUCA S.A.
85
Figura 28. Histrico de notificacin de la orden de mantenimiento.
Inicialmente se tomaron los tiempos de servicio para las 437 OTC que estaban
cerradas, las unidades de medida de los tiempos de servicio son das o fraccin
de da, encontrando los datos estadsticos del Cuadro 15.
86
Cuadro 15. Resumen estadstico tiempos de servicios de las OTC
OTC
Media 14,5
Error tpico 1,8
Mediana 1,5
Moda 1,0
Desviacin estndar 37,9
Varianza de la muestra 1433,4
Coeficiente de variacin 260%
Curtosis 60,0
Coeficiente de asimetra 6,5
Rango 473,0
Mnimo 0,0
Mximo 473,0
Cuenta 437,0
Los datos muestran que el tiempo promedio para atender una orden es de 14,5
das, con una desviacin estndar de 37,9 das, lo que indica que los datos son
muy dispersos respecto a la media tanto as que tiene un coeficiente de variacin
de 260%. Esto se debe a que existe un rango de valores suficientemente amplio
teniendo en cuenta que una orden puede atenderse de inmediato con tiempos
menores a un uno o se pueden demorar hasta 473, lo que indica que la planta
est en capacidad para ciertos equipos aguantar su posicin con equipos en
reparacin hasta por ms de un ao. En los datos tambin se observa que el 50%
de los tiempos estn antes de 1,5 das de servicio, con sesgo hacia la derecha de
los datos de las rdenes.
Estos datos determinan que se hace necesario una estratificacin de los tiempos
de reparacin pues est claro que la dispersin muestra que hay problemticas
provenientes de diferentes naturalezas de los equipos, teniendo en cuenta que no
es el mismo dao para un motor que para una bomba o un molino, para este caso
se agruparon las ordenes en 10 categoras segn el tipo de equipo, como se
muestra en el Cuadro 16.
87
Cuadro 16. Categoras de clasificacin de OTC
CANTIDAD DE
CATEGORA
ORDENES
BOMBA 84
CONDUCTOR 43
HERRAMIENTA 18
MOLINO 99
MOTOR 81
PUENTE GRA 13
REDUCTOR 18
SISTEMA ELCTRICO 69
TANQUE 4
TURBINA 8
Total general 437
FRECUENCIAS OBSERVADAS
Herramie Puente Sistema
Categora Bomba Conductor nta Molino Motor gra Reductor elctrico Tanque Turbina
<0,5 12 11 1 19 7 3 1 22 1 2
0,5<X<1 14 11 6 42 21 3 5 18 1 4
1<X<2 13 5 1 14 5 1 6 4 0 0
1<X<5 7 2 4 11 9 1 2 8 1 0
5<X<10 5 3 1 4 7 1 2 5 0 0
10<X<15 5 4 1 3 8 1 0 3 0 0
15<X<30 10 3 1 4 3 0 1 6 0 2
30<X<60 8 1 3 2 9 1 0 2 0 0
60<X<186 9 3 0 0 11 2 0 1 1 0
>186 1 0 0 0 1 0 1 0 0 0
TOTAL 84 43 18 99 81 13 18 69 4 8
88
Posteriormente se procede a realizar el clculo matemtico para determinar el
promedio del tiempo de servicio y el valor de landa el cual ser necesario para
usar en la ecuacin exponencial. En las siguientes ecuaciones se encontrara la
forma de calcular estos dos parmetros:
&'
&' # $
4
< G$>$ $ >= ;>$ F< G $
$ =
? >= ;>$ < F< G <
Clculo de
1
=
$
Usando estas dos ecuaciones se calcula para cada categora de equipo los
parmetros como se observa en el cuadro 18.
CALCULO DE LA MEDIA Y
Categora Bomba Conductor Herramienta Molino Motor Puente grua ReductorSistema electric Tanque Turbina
<0,5 6 6 1 10 4 2 1 11 1 1
0,5<X<1 14 11 6 42 21 3 5 18 1 4
1<X<2 26 10 2 28 10 2 12 8 0 0
1<X<5 35 10 20 55 45 5 10 40 5 0
5<X<10 50 30 10 40 70 10 20 50 0 0
10<X<15 75 60 15 45 120 15 0 45 0 0
15<X<30 300 90 30 120 90 0 30 180 0 60
30<X<60 480 60 180 120 540 60 0 120 0 0
60<X<186 1674 558 0 0 2046 372 0 186 186 0
>186 473 0 0 0 473 0 473 0 0 0
TOTAL 3133 835 264 460 3419 469 551 658 193 65
MEDIA MEDIA 37,30 19,41 14,64 4,64 42,20 36,04 30,58 9,54 48,13 8,13
LANDA 0,0268 0,0515 0,0683 0,2155 0,0237 0,0277 0,0327 0,1049 0,0208 0,1231
Para obtener los valores esperados, se usar la siguiente ecuacin, la cual utiliza
el estadstico de la distribucin exponencial.
89
>= ;>$ (<
= /1 X&ASQ OA PARY&Z&
1U ? >= ;>$ < F< G <
FRECUENCIA ESPERADA
Categora Bomba Conductor Herramienta Molino Motor Puente grua ReductorSistema electric Tanque Turbina
<0,5 1,12 1,09 0,60 10,11 0,95 0,18 0,29 3,52 0,04 0,48
0,5<X<1 1,10 1,07 0,58 9,08 0,94 0,18 0,29 3,34 0,04 0,45
1<X<2 2,16 2,05 1,11 15,47 1,85 0,35 0,56 6,19 0,08 0,82
1<X<5 6,15 5,56 2,91 30,63 5,30 0,98 1,58 15,10 0,23 1,93
5<X<10 9,22 7,55 3,70 22,23 8,04 1,47 2,31 16,67 0,36 1,99
10<X<15 8,06 5,83 2,63 7,57 7,14 1,28 1,96 9,87 0,32 1,07
15<X<30 18,60 10,69 4,14 3,75 16,98 2,92 4,27 11,34 0,78 1,06
30<X<60 20,77 7,21 2,02 0,15 20,24 3,20 4,22 2,84 0,99 0,19
60<X<186 16,24 1,95 0,30 0,00 18,56 2,39 2,49 0,13 1,07 0,00
>186 0,57 0,00 0,00 0,00 0,99 0,07 0,04 0,00 0,08 0,00
TOTAL 84,00 43,00 18,00 99,00 81,00 13,00 18,00 69,00 4,00 8,00
Una vez se tenga la frecuencia esperada se procede a realizar el clculo del chi-
cuadrado al compararla con la frecuencia observada usando el cuadro 17 y el
cuadro 19. Los resultados de este clculo se presentan en el cuadro 20.
CALCULO CHI-CUADRADO
Categora Bomba Conductor Herramienta Molino Motor Puente grua ReductorSistema electric Tanque Turbina
<0,5 105,855 89,727 0,259 7,816 38,318 44,425 1,718 96,846 22,229 4,855
0,5<X<1 150,693 92,587 50,215 119,395 426,731 45,125 77,349 64,219 22,481 28,086
1<X<2 54,280 4,240 0,011 0,140 5,349 1,236 52,799 0,772 0,081 0,819
1<X<5 0,117 2,276 0,409 12,580 2,582 0,000 0,114 3,339 2,544 1,931
5<X<10 1,929 2,741 1,971 14,952 0,134 0,148 0,040 8,167 0,356 1,987
10<X<15 1,162 0,576 1,010 2,760 0,103 0,060 1,958 4,778 0,321 1,074
15<X<30 3,980 5,529 2,383 0,016 11,511 2,919 2,507 2,517 0,784 0,825
30<X<60 7,849 5,350 0,475 22,107 6,245 1,508 4,219 0,249 0,995 0,194
60<X<186 3,227 0,565 0,299 0,000 3,079 0,062 2,490 5,956 0,004 0,005
>186 0,317 0,003 0,000 0,000 0,000 0,075 22,363 0,000 0,084 0,000
TOTAL 329,41 203,59 57,03 179,77 494,05 95,56 165,56 186,84 49,88 39,78
90
Realizando la prueba de bondad de ajuste para verificar si los datos siguen una
distribucin Exponencial para diez categoras, y teniendo en cuenta que se calcul
el segn el promedio, se obtiene ocho grados de libertad, se identific que el
valor permisible de chi-cuadrado en tabla para todas las categoras es 26,12, con
un 99,99% de confianza, comparando el permisible con los datos obtenidos en el
Cuadro 20, se puede notar que hay suficiente evidencia para rechazar la hiptesis,
y por lo tanto los tiempos de servicio para la atencin de las OTC no siguen una
distribucin exponencial.
Debido a que los datos no siguieron una distribucin exponencial para seguir con
el clculo del modelo de teora de colas, se consideran los datos bajo una
distribucin general y se trabajara por categoras. Considerando sus desviaciones
estndar y las medias como se ven en el Cuadro 21, en donde se puede observar
que la diferencia en el tiempo de servicio de cada uno vara significativamente al
igual que su desviacin estndar.
CONDUCTO
Estadstico BOMBA R HERRAMIENTA MOLINO MOTOR
Media 37,30 19,41 14,64 4,64 42,20
Desviacin
estndar 43 26 14 8 58
PUENTE SISTEMA TANQU
Estadstico GRA REDUCTOR ELCTRICO E TURBINA
Media 36,04 30,58 9,54 48,13 8,13
Desviacin
estndar 26 69 16 85 11
91
9. DESARROLLO DE HERRAMIENTA COMPUTACIONAL ASISTIDO POR
LNEAS DE ESPERA
Las ordenes OTC son determinadas bajo el parmetro probabilstico de las teoras
de colas, teniendo en cuenta que las llegadas siguen una distribucin Poisson y
los tiempos de servicio son arbitrarios, se concluye que se maneja para este caso
el modelo M/G/1, el termino 1 significa que existe un solo servidor, aunque este
servidor est conformado por un nmero de personas se consideran todos como
una cuadrilla pues lo que finalmente se evaluara es una oferta de horas de
servicio, las cuales se garantizan teniendo un nmero de personas determinado.
En este caso es vital categorizar pues cada tiempo de servicio es diferente para
cada tipo de equipo, porque la prioridad, capacidad, repuestos, rutas alternas y
equipos de remplazo marcan la pauta entre la rapidez de atencin.
92
El aplicativo desarrollado en este proyecto fue realizado sobre Microsoft Excel27
un producto del paquete de Microsoft Office, el cual es un paquete de inters
general basado en hojas de clculo para hacer operaciones, en las cuales se
pueden llevar a grficos y tablas para la toma de decisiones, una de las ventajas
ms importantes es que puede procesar bases de datos muy bsicas y es muy
intuitivo.
Por otra parte Excel cuenta con Visual Basic embebido y se pueden crear
Macros28, Las cuales son conjuntos de instrucciones basadas en acciones que
permiten hacer clculos y tratamientos de datos en forma repetitiva, automtica y
de forma muy rpida, dependiendo de la velocidad del equipo.
Es importante tener en cuenta que el aplicativo se cre para una empresa grande
que maneje un mantenimiento estructurado bajo el programa SAP modulo PM, los
campos clave y nombres de las variables se crearon concordantes con los de este
modulo, para tener coherencia al momento de descargar los datos, pues este
aplicativo no est diseado para administrar el mantenimiento sino para
determinar la estrategia del rea de mantenimiento adecuada por medio de
anlisis histricos que modelen comportamientos y determinen finalmente si la
mano de obra con la cual se cuenta es definitiva. Por lo tanto los resultados
obtenidos dependern totalmente de la informacin ingresada y las decisiones que
tome el ingeniero paso a paso a travs de la herramienta.
27
MICROSOFT CORPORATION. Microsoft Office Excel TM. [en lnea], 2012, [consultado el 15-03-
2012] disponible en: http://office.microsoft.com/es-es/excel/
28
MICROSOFT OFFICE EXCEL TM. Utilizacin de macros para automatizacin de funciones. [en
lnea], 2012, [consultado el 15-03-2012] disponible en: http://office.microsoft.com/es-es/excel-
help/ahorrar-tiempo-creando-y-ejecutando-macros-en-excel-2010-RZ102337714.aspx
93
Figura 29. Figura pantalla inicial, pool de trabajo del aplicativo.
El periodo de cinco aos se tom como referencia a un anlisis del entorno de los
equipos y sus administradores, en el informe de proyectos consultado en
INCAUCA S.A. se evidenci que en el proceso de molienda han llegado nuevas
tecnologas en sus equipos principales, cambiando seis de sus doce turbinas por
29
La poltica de atraso es un indicador de razn entre los semanas de demora en la atencin de
una orden y la frecuencia de mantenimiento preventivo configurada (OTPP), si no es una orden
programada se debe establecer las semanas permisibles esperadas para el cierre de la orden
(OTC y OTPE). INCAUCA S.A. Caracterizacin del mantenimiento. Poltica de atraso.
Departamento de mantenimiento, El Ortigal, 2011.
94
motores elctricos, el sistema de control cambio, al igual que el sistema de
filtracin y las bombas de jugo crudo.
Por otra parte en el periodo de los ltimos cinco aos la rotacin de los ingenieros
de mantenimiento y supervisores del rea ha sido alta, en este periodo han
pasado siete ingenieros, esto hace que diferentes polticas sean aplicadas.
Teniendo en cuenta estos movimientos el rango de cinco aos fue propuesto con
la presuncin de cubrir la mayor cantidad de situaciones que muestren el estado
actual de la molienda. El anlisis del rango de tiempo no se debe asignar a ligera y
debe provenir como mnimo de un anlisis de la estabilidad de los equipos y los
ingenieros que administran el mantenimiento.
95
Estatus: se toman los caracteres que usa SAP para determinar el estado de la
orden y se interpretan en el aplicativo determinando: LIB significa que es una
orden en proceso de tratamiento, CTEC identifica la orden como concluida y
NOTI30 me indica en cualquier estado si la orden fue notificada.
Fechas: para el aplicativo es vital contar con las fechas de inicio y fin extremo
y las fechas de inicio y fin real.
La duracin del servicio de cada orden se toma, partiendo del hecho que fue una
orden cerrada y notificada, con estas dos condiciones se hace la diferencia entre
la fecha de fin real y la fecha de inicio extremo31, las ordenes que su diferencia sea
0 significar qu duracin fue inferior a un da y por lo tanto se determina con el
esfuerzo promedio por empleado la duracin en fraccin de das.
30
El indicador NOTI es vital para el desarrollo de la aplicacin siendo determinante para saber si la
orden tiene fechas de inicio real y final real, las rdenes que no cuentan con este indicador denotan
que no se realizo trabajo fsico, por lo tanto no son objetos de este estudio. SAP AG. PLM300
Business Process in Plant Maintenance. Notification of Maintenance Requirements. Germany:
2005.
31
En este punto es vital garantizar que los datos ingresados al sistema tengan la validez del
sistema real, la manipulacin de los datos a conveniencia, puede terminar en anlisis que no son
propios del proceso, por lo tanto es una poltica de este aplicativo que los datos ingresados sean
totalmente verdicos.
96
Cuadro 22. Clasificacin de periodos quincenales del ao.
Periodos del Ao
ENE_1 JUL_1
ENE_2 JUL_2
FEB_1 AGO_1
FEB_2 AGO_2
MAR_1 SEP_1
MAR_2 SEP_2
ABR_1 OCT_1
ABR_2 OCT_2
MAY_1 NOV_1
MAY_2 NOV_2
JUN_1 DIC_1
JUN_2 DIC_2
97
La frecuencia terica sirve como base para el clculo del porcentaje de atraso y se
obtiene de las fechas de tolerancia establecidas en las polticas.
U$ [ \ ;>$ ;
% < , ? $G =
>= ;>$ U $>
Con los datos de la notificacin se realiza un resumen que indica cuantas horas de
mano de obra requiri cada orden sin importar el nmero de personas, por otra
parte se realiza el resumen de cuntas horas gast por empleado en determinada
orden, este ultimo clculo sirve para obtener la duracin del servicio en fracciones
de da.
32
Las tablas dinmicas son herramientas estndar del Excel que permiten analizar en un grupo de
datos, creando una tabla interactiva que extrae, organiza y resume automticamente los datos.
Descripcin tomada de: MICROSOFT OFFICE EXCEL TM. Tablas dinmicas y sus funciones. [en
lnea], 2012, [consultado el 15-03-2012] disponible:http://office.microsoft.com/es-hn/excel-
help/informes-de-tabla-dinamica-101-HA001034632.aspx
98
En la siguiente fase del aplicativo se realizan anlisis de las rdenes, las cuales ya
tienen calculado el nmero de horas hombre que us y el nivel de servicio.
% < ? $G
a $ % < ? $G =
? ; <
El siguiente anlisis consiste en determinar por cada tipo de orden y por cada
periodo estndar establecido: cuantas ordenes llegan, cul es el promedio de
llegada, la desviacin estndar de la cantidad de ordenes de llegada, el mximo
de cantidad de rdenes, el promedio del esfuerzo por categora de equipo y el
esfuerzo promedio por tipo de orden y por periodo. Todos estos anlisis se hacen
de forma automtica por medio de las tablas dinmicas.
99
cada equipo. Las opciones de unidades establecidas son: das, semanas y meses.
En este caso INCAUCA S.A. maneja su mantenimiento preventivo por semanas.
El siguiente dato necesario para realizar los clculos de la cantidad de rdenes por
periodo es la ltima fecha en que se realizo el mantenimiento, es decir, la fecha de
cierre de la ltima orden que se cre con determinado plan de mantenimiento.
El programa con estos datos bsicos realiza una simulacin de cuantas ordenes
lanza por periodo para un plazo de cinco aos, de tal forma que se pueden
programar mantenimientos con frecuencias de un plazo mximo de cinco aos,
cubriendo toda la gama de periodos ms comunes.
El programa con estos datos coloca los valores en cada columna para todas las
filas, es decir, para todos los periodos coloca el valor de 1 si aplica dicho periodo y
este anlisis lo hace lnea por lnea.
33
Numero aleatorio, es una funcin de Excel que permite devolver un nmero entre 0 y 1,
distribuido uniformemente, cada vez que se calcula la hoja de clculo genera un nmero nuevo y
diferente. Descripcin tomada de: MICROSOFT OFFICE EXCEL TM. Generacin de nmeros
aleatorios. [en lnea], 2012, [consultado el 15-03-2012] disponible en:http://office.microsoft.com/es-
es/excel-help/aleatorio-HP005209229.aspx?CTT=1
34
Equipo comercial de ltima generacin propuesto para esta aplicacin es un computador bsico
de escritorio con procesador I3 y 4GB de memoria RAM.
100
Cuadro 24. Clculo aleatorio de la frecuencia con probabilidad de atraso.
De igual forma cada equipo tiene una clasificacin, la cual es tenida en cuenta
para determinar en promedio cuanto esfuerzo requiere en horas hombre en el
cumplimiento de una orden OTPP como se ve en la siguiente ecuacin.
Donde:
m = cantidad de categoras de equipos.
n = cantidad de ordenes OTPP del histrico de cada tipo de equipo.
Este factor se calcula por cada tipo de equipo, es multiplicado por la grilla que
tiene la cantidad de rdenes por periodo y determina para cada periodo del ao
cuanto esfuerzo se necesita.
&'"l )'m
(< = c ? g=$ hAR& O &i! k
&' )'
= (< = c $ 0UaaX&Q + ; $ ; < QAR& O & N )
OA Ade&Q
Con la grilla final de esfuerzo, se realiza los promedios por periodo de los
esfuerzos totales de los cinco aos de simulacin, obteniendo finalmente un
cuadro de la cantidad de horas hombre que se necesitan por periodo teniendo en
cuenta la cantidad de planes y las frecuencias de mantenimiento planteadas.
101
El siguiente paso es la configuracin de las ordenes OTPE, para realizar esta fase
lo primero que se debe establecer es el calendario de mantenimiento, en este
calendario el ingeniero realizar su programacin teniendo en cuenta los das que
habr parada e indicando su duracin. El tipo de configuracin que tiene
INCAUCA S.A. requiere de una parada corta por cada molino cada quince das,
adems la tendencia realizar una parada larga en abril durante el periodo de
semana santa, una parada en junio y otra en diciembre.
Todos estos tiempos de mantenimiento los debe coordinar con produccin, ventas,
mercadeo y gerencia para comprometerse con las producciones esperadas por
ao y mes, coordinando as altos abastecimiento para periodos de baja
produccin.
35
Regla emprica ha probado que en la prctica se ha obtenido por la experiencia, teniendo el 68%
de las observaciones a una desviacin estndar, el 95% de las observaciones a las dos
desviaciones y el 99,7% a las tres desviaciones estndar. GUTIERREZ, HUMBERTO y VARA
SALAZAR, Romn de la. CONTROL ESTADSTICO DE CALIDAD Y SEIS SIGMA. Segunda
Edicin. Mxico: Mc Graw Hill, 2009 pag.22. ISBN 978-970-10-6912-7.
102
los cuales decidi parar la fabrica y que la poltica de reduccin ser difcil de
aplicar porque el mantenimiento ser intensivo. En este aparte por medio de
observacin y decisin se establece finalmente la cantidad de rdenes para cada
periodo.
Como estas rdenes son aleatorias tienen algo en comn, generalmente son
revisiones o mantenimientos peridicos o rutinarios que terminan realizndose en
periodos de tiempo relativamente iguales.
Donde:
103
Probabilidad de que no haya ordenes en el sistema.
a = 1
p +
" " "
Wg =
2 1
W = Wg
Wg
qg =
1
q = qg +
ar =
Donde:
104
En esta seccin se obtienen los datos por cada categora y se aplican todas las
ecuaciones, la variable que ms interesa es la ecuacin que determina la cantidad
de rdenes en el sistema la cual servir como base para realizar el pronstico
final.
&'"l )'S
+ ;$ $; ? 0U+ QAR& O & X&Q Ade&Q )
&' )'
[$ < ; ;$ $ ; E QAR& O &
= WX&Q 1
Ade&Q k
[$ < > ? ; $ QAR& O &
Donde:
m = cantidad de categoras de equipos analizados en OTC
Para estandarizar el modelo con los otros dos tipos de rdenes, se obtiene para
cada tipo de equipo el esfuerzo promedio en horas hombre de toda la poblacin de
datos. Al multiplicar la cantidad final de ordenes por el esfuerzo se obtiene
finalmente la cantidad de horas hombres necesarias para atender los daos por
periodo.
Donde:
n = cantidad de ordenes OTC histrico en cada categora de equipo.
36
La ecuacin de cantidad final de OTC se propone en este documento para limitar el clculo de
las lneas de espera teniendo en cuenta el anlisis realizado en el capitulo siete, el propsito es
disminuir la cantidad de ordenes OTC de manera proporcional a los das en que se realiza parada
programada considerando as que el modelo de lneas de espera no es vlido estos das, donde se
esperan cero daos.
105
(< = c $ $ 0Ua(& &'"l
&'
S
Una vez se conoce el valor final demandado, el paso final es realizar el inventario
de mano de obra para cuantificar cuanta oferta se tiene para atender todo el
mantenimiento propuesto en las dems fases
Luego se realiza la tabla que contiene por cada categora el salario por hora, en
ese campo es importante colocar no solamente lo que se gana el mecnico o el
soldador en el contrato, es necesario incluir el factor prestacional, herramienta,
dotacin, transporte y supervisin.
Para efectos prcticos de este estudio se consider una disminucin del 6% entre
cada categora y como base de la primer categora se investig cuanto se gana un
obrero de primera categora y se multiplica por 1,8, obteniendo finalmente para la
categora inicial un valor promedio de hora hombre de $14000 pesos colombianos.
106
Al tener lista la tabla de categoras se realiza la tabla de tiempo disponible, en este
se evala cuanto se espera que trabaje una persona en horario ordinario por da,
cuantos das al mes y cuantos meses al ao, teniendo en cuenta que las personas
tienen derecho a una quincena de vacaciones, generalmente se incapacitan y
piden permisos que no permiten garantizar que todas las personas trabajaran el
100% de su jornada laboral al ao.
Luego se tiene en cuenta un factor de efectividad del personal, para este caso se
mide por categoras, la efectividad se interpreta como la capacidad que tiene una
persona de cierto nivel de cualificacin para resolver los problemas y adversidades
que se presenten durante la ejecucin de una orden y no se pierdan horas hombre
en los trabajos.
En este estudio se determin una efectividad del 98% para la categora 1, una
disminucin del 0,5% hasta llegar a la categora 14 con una efectividad del 92%.
Este parmetro es basado en la experiencia del ingeniero y la calidad del grupo
que tenga a su cargo, es importante hacer una evaluacin de las capacidades y
determinar estos porcentajes porque en ese proceso se dar cuenta realmente
qu tipo de capacitacin tiene su personal.
En esta seccin existe un parmetro de horas extras que servir para ajustar el
personal a las necesidades de mantenimiento que se presenten. En primera
instancia se establece un modelo sin horas extras y se compara con la necesidad
de horas para trabajar, ajustando en lo posible con horas extras la cantidad que se
requiera cuando existan picos de mantenimiento como son las paradas
programadas de fabrica.
107
y en cuales de estos se necesita de horas extras ajustando la mano de obra donde
se requiera.
108
Figura 31. Comparativo de costos de personal de mantenimiento.
En el caso que los costos no sean los esperados se debe reducir las horas extras
a cero y devolverse a la configuracin de las OTPE, modificar la poltica de
reduccin, tornndola ms estricta o ampliando los periodos de mantenimiento en
las ordenes OTPP.
109
Para este aplicativo se propone el porcentaje de atraso en el cumplimiento de las
rdenes el cual es clave para revisar como el cumplimiento del mantenimiento se
hace a cabalidad y las estrategias hacen que se pueda cumplir con lo programado.
110
10. ANLISIS DE LA INCIDENCIA DE LA OPORTUNIDAD DE
MANTENIMIENTO EN EL SERVICIO
111
Los ingenieros de forma reiterativa indican que la oportunidad de mantenimiento
es reducida, lo que afecta sus programas de mantenimiento e incrementa sus
indicadores de atraso e incumplimiento, sin embargo la figura 36 de oportunidad
de mantenimiento muestra a travs de los aos la gerencia de fabrica cumple con
los tiempos de mantenimiento en general, cumpliendo con el tiempo que otorga a
los ingenieros de mantenimiento en el ao en un 95% o ms.
112
Aunque llegasen a coincidir la cantidad de OTPP con el aumento o disminucin de
los das de mantenimiento, la naturaleza del sistema no podr sostener en el
tiempo esta coincidencia, teniendo en cuenta que en el momento que se incumpla
en algn plan de mantenimiento la sincrona propuesta se perder.
Por su parte las OTC son aleatorias y siguen una distribucin Poisson
generalmente, pero se encontr que en los periodos que hay parada de fbrica no
se esperan daos, siendo su tendencia a cero cuando existen paros muy largos.
Para este aplicativo se determina que el modelo de colas no aplica para los das
donde hay parada de fbrica, reduciendo as las correctivas en los periodos que
tengan paradas largas.
113
Cuadro 25. Das de molienda, calendario y mantenimiento
DIAS DE MOLIENDA
AO ENE_1 ENE_2 FEB_1 FEB_2 MAR_1 MAR_2 ABR_1 ABR_2 MAY_1 MAY_2 JUN_1 JUN_2 JUL_1 JUL_2 AGO_1 AGO_2 SEP_1 SEP_2 OCT_1 OCT_2 NOV_1 NOV_2 DIC_1 DIC_2
2007 10 8 15 5 15 4 8 6 8 10 12 7 14 10 14 14 14 13 10 14 10 10 12
2008 12 8 10 9 13 12 11 4 10 7 13 7 12 13 14 13 11 11 10 9 10 8 14 10
2009 9 15 10 13 12 13 4 15 15 13 14 10 11 16 12 16 12 15 12 15 14 12 14 11
2010 6 11 9 10 12 10 2 15 11 6 8 13 14 8 12 14 12 12 15 11 6 11 3 11
2011 12 12 10 13 14 10 - 15 12 12 7 14 16 11 15 12 10 15 11 11 10 8 12 3
DIAS CALENDARIO
AO ENE_1 ENE_2 FEB_1 FEB_2 MAR_1 MAR_2 ABR_1 ABR_2 MAY_1 MAY_2 JUN_1 JUN_2 JUL_1 JUL_2 AGO_1 AGO_2 SEP_1 SEP_2 OCT_1 OCT_2 NOV_1 NOV_2 DIC_1 DIC_2
2007 15 16 15 13 15 16 15 15 15 16 15 15 15 16 15 16 15 15 15 16 15 15 15 16
2008 15 16 15 14 15 16 15 15 15 16 15 15 15 16 15 16 15 15 15 16 15 15 15 16
2009 15 16 15 13 15 16 15 15 15 16 15 15 15 16 15 16 15 15 15 16 15 15 15 16
2010 15 16 15 13 15 16 15 15 15 16 15 15 15 16 15 16 15 15 15 16 15 15 15 16
2011 15 16 15 13 15 16 15 15 15 16 15 15 16 15 15 16 15 15 15 16 15 15 15 16
114
Cuadro 27. Tabla de contingencias entre das de mantenimiento y cantidad
de OTPE
DiasMtto
0-2 3-5 6-8 9-11 12-15 Total
Ordenes
0-10 2 3 1 0 0 6
11-14 4 7 2 0 0 13
15-18 4 7 5 1 0 17
19-22 8 6 3 2 1 20
23-27 10 9 2 3 0 24
28-31 3 2 3 0 2 10
32-35 2 5 2 0 0 9
36-40 2 5 0 1 0 8
41-46 0 6 1 0 1 8
47-66 0 2 1 0 1 4
Total 35 52 20 7 5 119
DiasMtto
115
Aplicando la prueba de bondad de ajuste entre las dos tablas se obtienen los
resultados parciales del cuadro 29, para cada conjunto de datos:
116
Cuadro 30. Resultados de los clculos de regresin lineal entre das de
mantenimiento (Variable independiente) y cantidad de OTPE (Variable
dependiente)
Estadsticas de la regresin
2
Coeficiente de determinacin (R ) 0,0438
Error tpico (Se) 10,5063
Intercepcin (B0) 22,08403
DAS MTTO (B1) 0,68638
Para observar este anlisis de forma grafica se presentan las figuras 37 y 38 del
pronstico y se contrastan con los datos reales.
117
Figura 37. Pronstico de la cantidad de OTPE segn los das de
mantenimiento
Figura 38. Residuales del pronstico de la cantidad de OTPE segn los das
de mantenimiento
118
En las figuras 37 y 38 se puede observar la baja correlacin y la gran dispersin
de la cantidad de rdenes respecto a la cantidad de das por periodo,
explicndose esto por varios motivos que se encuentran a continuacin:
El personal que hace los anlisis y hasta el ingeniero que toma la decisin de
hacerlos puede cambiar al ser movido de rea, promovido o despedido, por lo
cual se afecta el criterio de anlisis.
119
muestra la ecuacin y los coeficientes de determinacin para contrastar el modelo
y tomar la decisin de utilizar dicho pronostico.
2
Polinomica Grado 2 y = 0,1165x - 0,6338x + 24,362 0,0686
3 2
Polinomica Grado 3 y = 0,0488x - 0,8095x + 3,5902x + 21,143 0,1368
0,0237x
Exponencial y = 20,657e 0,0315
120
11. PLANIFICACIN DE MANTENIMIENTO PARA EL REA DE MOLIENDA DE
INCAUCA S.A.
121
Un calendario de mantenimiento como se observa en la figura 39, con 45 das
de paro en total, contando con tres paradas grandes en abril (10 das), junio (8
das), diciembre (4 das) y paradas cada 15 das de mximo 1 da para cambio
de martillos.
122
Cuadro 32. Poltica de mantenimiento preventivo extraordinario.
POLTICA POLTICA
DISMINUCIN DISMINUCIN
Periodo ORD % Periodo ORD %
ENE_1 23 JUL_1 23
ENE_2 30 JUL_2 29
FEB_1 23 AGO_1 35
FEB_2 15 AGO_2 45
MAR_1 15 SEP_1 35
MAR_2 10 SEP_2 30
ABR_1 8 OCT_1 40
ABR_2 50 OCT_2 32
MAY_1 30 NOV_1 45
MAY_2 40 NOV_2 45
JUN_1 5 DIC_1 25
JUN_2 20 DIC_2 15
Frecuencia Total
Cada 2 semanas 4
Cada 4 semanas 45
Cada 12 semanas 17
Cada 16 semanas 30
Cada 26 semanas 134
Cada 40 semanas 5
Cada 52 semanas 250
Cada 104 semanas 26
Cada 156 semanas 6
Total 517
123
o El sistema de planificacin de ordenes OTPP trabajo con los 517 planes de
mantenimiento en las diferentes frecuencias.
124
Cuadro 35. Resultados Simulacin OTPP
o Los datos obtenidos de los historiales fue la rata de llegada de las ordenes por
periodo, el tiempo de servicio promedio y la desviacin estndar del mismo,
todo esto para cada categora de equipo que fue susceptible a daos, como se
observa en el cuadro 37.
125
Cuadro 37. Promedios histricos de llegada y tiempos de servicio OTC
Cantidad
Duracin Desviacin Ordenes
Servicio Estndar Promedio
(ordenes por (ordenes por (ordenes por
TIPO DE EQUIPO periodo) periodo) periodo)
BASCULA 0,20 0,28 0,017
BOMBA 1,56 2,84 0,702
CONDUCTOR 0,86 1,73 0,355
HERRAMIENTA 0,78 0,38 0,033
INSTRUMENTACIN 0,35 0,62 0,083
MOLINO 1,06 0,67 0,942
MOTOR 1,69 3,86 0,711
PUENTE GRA 1,08 1,88 0,058
REDUCTOR 1,41 4,43 0,165
SISTEMA ELCTRICO 0,76 1,11 0,537
TANQUE 3,42 5,02 0,041
TURBINA 0,43 0,75 0,066
126
Cuadro 38. Resultados clculos ecuaciones M/G/1
o Lq L Wq W Pw
o De este anlisis se concluye que se debe estar muy pendiente de los procesos
de trabajo de las rdenes de motores, bombas y molinos, sern las que
traern mayor desgaste.
127
Analizando los tiempos de trabajo del ingenio las personas trabajan
generalmente por turnos de ocho horas, en las cuales usan 30 minutos para
cambiarse en la maana y en la tarde, es por esto que por da cada persona
dispone de tiempo para el mantenimiento de siete horas.
CANTIDAD DE
TRABAJADORES
Categora Personas
1 21
2 7
3 8
4 14
5 9
9 5
Total general 64
Teniendo en cuenta que los meses tienen 30 das y se le resta un domingo por
cada semana, como el mes tiene cuatro semanas entonces son 26 das
hbiles al mes, pero en el ingenio se ha concertado los sbados se trabaja
cada 15 das, por lo tanto se resta los dos sbados llegando finalmente a los
24 das promedio en el mes.
128
El ao tiene 12 meses, pero si no tenemos en cuenta las vacaciones anuales
que tiene cada trabajador el tiempo de permanencia en la empresa es de 11,5
meses.
HORAS
HORAS MTTO EFECTIVIDAD HORAS
CATEGORA PERSONAS AO AO (0-100) REALES
1 21 1932 40572 98% 39761
2 7 1932 13524 98% 13186
3 8 1932 15456 97% 14992
4 14 1932 27048 97% 26101
5 9 1932 17388 96% 16692
9 5 1932 9660 94% 9080
129
Finalmente al multiplicar la cantidad de personas, por las horas al ao y por la
efectividad, obtenemos una oferta total de mano de obra al ao de 119.813
horas al ao.
Para tener la capacidad en todos los meses de atender las ordenes que se
presentan se considera el personal suficiente, adems de tener la
configuracin de horas extras del cuadro 43.
Factor Factor
Tiempo Tiempo
Periodo Extra Periodo Extra
ENE_1 10% JUL_1 7%
ENE_2 0% JUL_2 20%
FEB_1 0% AGO_1 5%
FEB_2 0% AGO_2 0%
MAR_1 0% SEP_1 0%
MAR_2 15% SEP_2 12%
ABR_1 41% OCT_1 0%
ABR_2 0% OCT_2 15%
MAY_1 0% NOV_1 0%
MAY_2 0% NOV_2 10%
JUN_1 27% DIC_1 2%
JUN_2 0% DIC_2 0%
130
11.2 RESULTADOS FINALES
131
Por otra parte los valores de hora hombre son altamente competitivos comparados
con los de las dems reas que se encuentran en promedio alrededor de los
$30.00037.
Vr Hora/Hombre Vr Hora/Hombre
$28.878 $28.878
$30.659
$26.715 $27.351 $26.970 $26.715
$26.079 $27.351
$25.443 $25.443 $25.697
37
INCAUCA S.A. Informe tarifas de mantenimiento por departamento de servicio 2011,
Departamento de Costos y Presupuestos de Fabrica. El Ortigal, 2011.
132
Resultados: informe que indica la capacidad para atender el mantenimiento.
133
Especificar la cantidad de semanas que se espera tener abiertas las ordenes OTC
y OTPE, este dato es la base del clculo para el porcentaje de atraso en estas
rdenes, cantidades altas de semanas generan porcentajes de atraso muy
flexibles y poco exigentes, los valores deben ser de una semana en adelante.
En la fecha de inicio de anlisis se debe ingresar la fecha del inicio histrico de los
datos que se van a descargar, la herramienta calcula la fecha de fin de anlisis
cinco aos ms delante de la fecha de inicio.
134
En la siguiente columna esta el nombre del equipo y finalmente en la columna
TIPO DE EQUIPOS se ingresar el texto estndar que se clasifica el equipo de
acuerdo a las categoras establecidas en el cuadro 44, cada categora rene
equipos de similares caractersticas y comportamientos para efectos de
mantenimiento a nivel general, en este caso el aplicativo propone estas
categoras, si se requiere ingresar ms categoras se deben hacer cambios en
diferentes secciones del aplicativo, por lo que se recomienda en lo posible seguir
con las estndar, que abarcan 1.042 equipos en 17 categoras.
Tipo de Equipo
AGITADOR
BASCULA
BOMBA
CONDUCTOR
HERRAMIENTA
INSTRUMENTACIN
METROLOGA
MOLINO
MOTOR
PUENTE GRA
REDUCTOR
SISTEMA ELCTRICO
SISTEMAS HIDRULICOS
TANQUE
TURBINA
VLVULA
135
El siguiente paso es realizar el descargue de rdenes, es importante recordar que
el aplicativo est diseado para que reciba todas las ordenes generadas para el
molino en los ltimos 5 aos, para este caso las columnas estn seleccionadas de
acuerdo a los campos estndar de SAP-PM y se requiere un listado que cumpla
con los datos en cada columna y en el mismo orden que tiene el cuadro 45.
Cuadro 45. Datos requeridos para ingresar al sistema por cada orden
Orden
Ce.emplazam.
Grupo planif.
Clase de orden
Cl.actividad PM
Indicador ABC
Texto breve
Cst.tot.reales
Costo.Mano.Obra
Equipo
Denominacin Equipo
Status sistema
Plan mant.prev.
Pos.mantenim.
Gpo.hojas ruta
Cont.gpo.HRuta
Fecha entrada
Fe.inic.extrema
Fe.fin extrema
Fe.inicio real
Fecha fin real
Ubicac.tcnica
Denominacin Ubicacin Tcnica
Una vez se tenga el listado organizado desde SAP38 con las columnas en el
mismo orden que tiene el aplicativo propuesto, se recomienda descargarlo a
Excel, copiar todas las filas de este archivo y situarse en la fila nmero dos, darle
el comando Insertar copiar filas y luego proceder a arrastrar todas las formulas
38
Se recomienda usar la transaccin IW38 Listado de rdenes de equipo. SAP-PM.
136
desde la columna X hasta la AL, luego se deben borrar todas las filas que
estaban anteriormente39.
39
El procedimiento se requiere con rigurosidad de esta forma para que las tablas dinmicas
actualicen de nuevo todos sus rangos a los nuevos datos, en esta versin el clculo de rangos no
es automtico. Adems se presume de una experticia nivel medio en Excel para realizar cualquier
modificacin adicional.
137
tablas dinmicas vinculadas a este grfico. Luego se vuelve a presentacin y
continua la secuencia.
De igual forma para las notificaciones se deben descargar los datos de SAP-PM40,
utilizando las columnas estndar del cuadro 46.Se debe organizar en el mismo
orden y descargar al aplicativo realizando Insertar copiar filas y arrastrando la
formula de la columna S.
Orden
Clase orden
Notificacin
Contador
Creado el
Fecha contab.
N personal
Empleados
Texto notific.
Pto.trab.(real)
Centro (real)
Trabajo real
Un.trab.(real)
Ubicac.tcnica
Equipo
Status sistema
FechaInicioReal
Fecha fin real
40
Se recomienda usar la transaccin IW47-Listado de notificaciones, SAP-PM
138
Figura 48. Pantalla cargue notificacin
Una vez descargado los datos se debe dar clic en el botn REFRESH y volver al
men principal.
Una vez se tenga el diseo listo y declarados los das para mantenimiento por la
quincena de cada mes, se debe volver al men principal.
139
Figura 49. Calendario de molienda propuesto para el ao 2012
41
Es posible descargar de SAP-PM los datos de la planeacin del mantenimiento preventivo por la
transaccin IP24-Programacion planes de mantenimiento, se recomienda establecer las
frecuencias como poltica a lo que se pretende, sin exagerar en tener frecuencias bajas, teniendo
en cuenta que la poltica debe ser cada vez menos mantenimiento y mayor disponibilidad.
140
Figura 50. Pantalla de configuracin de mantenimiento OTPP
La fecha del ltimo mantenimiento es vital para esta programacin, pues ser la
base para el inicio de cada plan en la simulacin realizada, tener en cuenta que si
se ingresa la misma fecha para todos los planes, habr periodos supremamente
sobre cargados y por otra parte periodos con poco mantenimiento. Es
recomendable que se descargue del aplicativo por cada plan la fecha del ltimo
mantenimiento, pues as la aplicacin funcionara con datos reales.
141
este caso el ejemplo est hasta la fila 517, las dems estn ocultas hasta la 1.004,
estas filas ocultas se pueden ver seleccionando las filas, presionando clic derecho
y luego mostrar.
Es importante colocar los planes que por cualquier motivo fueron desactivados,
porque posiblemente el plan gener alguna orden que est en el listado de
rdenes y es necesario tener la frecuencia para realizar el clculo del porcentaje
de atraso. Estos se deben pegar despus de la fila 1.039 y en el mismo orden de
las columnas que tienen los planes que si estn activos, como se observa en la
figura 53.
142
Figura 52. Listado de planes inactivos
143
La herramienta trae el promedio, la desviacin estndar y mximo de rdenes por
periodo. Por otra parte trae los das de mantenimiento del calendario y finalmente
el esfuerzo promedio por cada orden.
144
amplio y establecer una disminucin del 30% por ejemplo, con estas dos polticas
finalmente se proponen 30 y 66 para cada periodo.
El programa tendr una fila que identificar cuanta diferencia existe entre las
rdenes que finalmente propone y el mximo histrico, esto es una alarma para
notar si en algn momento el pronstico se est saliendo de parmetros histricos.
Finalmente el resultado ser el estimado de las horas requeridas para atender las
rdenes de mantenimiento preventivo, como se observa en la figura 58.
145
Figura 57. Resultado configuracin OTPE
146
una orden OTC en el sistema, la mayor probabilidad de no tener una orden en
proceso ocurre por tener daos poco frecuentes o porque la capacidad de
respuesta en ciertos equipos es de inmediato.
El quinto calculo muestra la atencin como una suma de todos los factores que
conforman la atencin de una orden, procesos tcnicos, sumados a los
administrativos y logsticos, determinan todo el tiempo que una orden pasa en el
sistema, en este punto se puede analizar como el ingeniero a preparado su
proceso y su personal para solucionar las problemticas que se presentan en la
atencin de una orden.
En el ltimo clculo se identifica que proporcin de las rdenes que llegan tienen
que esperar, mostrando mayor habilidad para atender con prontitud, rdenes que
el porcentaje este cercano al 0 y se deben verificar procedimientos para equipos
que estn cercanos al 100%.
147
Luego de obtener la cantidad de rdenes en el sistema con el indicador L, ser
modificado en cada periodo de acuerdo a los das de mantenimiento programado
que haya establecido en el calendario de mantenimiento para el ao en anlisis,
como se observa en la figura 59.
148
Se debe dar clic en REFRESH y volver al men principal.
Finalmente se debe ingresar la mano de obra con la cual se cuenta, para esto se
da clic en el botn CONFIGURAR TRABAJADORES, el cual presenta una
pantalla donde se debe llenar varios cuadros.
CANTIDAD DE
CARGO CATEGORA PERSONAS
MECNICO 1 FARREL 1 6
MECNICO 2 FARREL 2 4
SOLDADOR 1 FARREL 3 4
SOLDADOR 2 FARREL 4 3
Luego se debe llenar el cuadro 48 que corresponde al costo que se asume por
tener una persona de cada categora por hora, teniendo en cuenta todos los
gastos que una persona incluya, salario, factor prestacional y dems, la cantidad
de personas por categora se actualiza automticamente.
149
ausentismos es recomendable antes de ingresar estos datos, para no tener
supuestos que no se ajusten a la realidad.
EFECTIVIDAD
CATEGORA (0-100)
1 98%
2 98%
3 97%
Posteriormente se cuenta con una tabla del factor de tiempo extra como se puede
ver en la figura 62, inicialmente se debe iniciar en 0% cada mes, la idea es ir
aumentando el factor de tiempo extra en el mes que requiera ser atendido en
casos en que la necesidad supere la capacidad actual. Por medio de las barras de
desplazamiento se aumentar o disminuir dicho factor cuando se est realizando
el ajuste.
150
Figura 61. Factor tiempo extra por periodo
151
Figura 62. Nivel de servicio, resultado final
En general cualquier estrategia que se use traer riesgos, lo que conlleva tambin
a pensar que no se trata solo de realizar un plan al ao y volver a revisar al
terminar el ao siguiente, es importante revisar mes a mes si se est cumpliendo
con lo planeado y si la estrategia a usar esta siendo bien gestionada, para corregir
desviaciones.
152
11.3.4 Informes. El aplicativo cuenta con la seccin de informes para evidenciar
cuales sern los resultados esperados y la influencia en variables de inters para
cualquier departamento de mantenimiento.
Costo Promedio Mano de Obra Historico Costo Promedio Historico Personal Costo Personal Propuesto
$ 261
$ 161
$ 190 $ 143 $ 184 $ 192
$ 175
$ 156
$ 190 $ 130
$ 109 $ 107 $ 166 $ 164
$ 140 $ 147 $ 143 $ 147 $ 140
$$127
84 $ 127 $ 134 $ 130
ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE
Figura 64. Comparativo total de costo y mano de obra propuesto por mes
$ 527
$ 473 $ 465 $ 493 $ 490
$ 456 $ 444
$ 359 $ 373
$ 262
$ 196 $ 190
$ 140 $ 147 $ 166 $ 164 $ 143 $ 147 $ 140
$ 127 $ 127 $ 134 $ 130
ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE
153
Finalmente en el aplicativo se propone un grafico, figura 66, para mostrar el valor
de hora hombre propuesto, el cual se puede comparar con costos de mano de
obra de otras reas o inclusive de otras empresas.
Figura 65. Valor hora hombre propuesta por la aplicacin por mes
Vr Hora/Hombre
Vr Hora/Hombre
$ 30.659
$ 28.878
$ 27.351 $ 26.970 $ 27.351
$ 26.715 $ 26.715
$ 26.079
$ 28.878 $ 25.697
$ 25.443 $ 25.443
ENERO FEBRERO MARZO ABRIL MAYO JUNIO JULIO AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE
En este informe se puede identificar cual es el equipo que ms se daa por medio
de la cantidad de ordenes por periodo, este anlisis puede conllevar a situar otros
anlisis como anlisis causal, causa raz, espina de pescado, para identificar
problemticas que ayuden a disminuir los daos en dicho equipo.
154
servicio se puede demorar por tener procesos burocrticos y poco eficientes, este
informe puede indicar cul debe ser el punto a mirar.
La probabilidad de que una orden que llega tenga que esperar indica cual es
nuestra capacidad de reaccin al mantenimiento, es probable que tener repuestos
que estn facilitando que los trabajos sean muy largos cuando pueden ser
mejores, estas situaciones no se ven reflejadas en los informes de produccin
pues en ultimas la fbrica con los equipos de lnea o los de stand by pueden
producir a niveles aceptables.
155
Figura 67. Histrico atrasos
Este indicador debe generar estrategias que evalen la posibilidad de mejorar los
procesos de cierre de rdenes, realizando las siguientes estrategias:
156
Este grfico tambin permite reflexionar acerca de la cantidad de mantenimiento
planeado y cuanto es extraordinario, adems de la incidencia de los daos en
cuanto a la cantidad de mantenimiento.
157
12. RECOMENDACIONES
El servicio de una orden debe incluir todos los factores que le impiden la
finalizacin, no solamente el componente operativo influye en el tiempo de
servicio, los procesos administrativos permitirn la oportuna atencin de las
rdenes y la rpida finalizacin.
Los tiempos dedicados a cada orden se deben notificar dentro del periodo
contable, es posible que al reportarlos tarde el sistema no permita ingresarlos
y esto afecte finalmente el componente tcnico para determinar el esfuerzo
real que requiri cada orden.
No se deben crear rdenes para evidenciar eventos pasados, esto dificulta los
anlisis y pone en duda la confiabilidad de la existencia del trabajo.
158
Se deben registrar los eventos extraordinarios que afecten el normal
funcionamiento de la planta como: nuevos desarrollos, historial de das de
mantenimiento real programado y en general cualquier evento que saque de
funcionamiento la planta por das; se deben considerar para no tener en
cuenta dichos periodos que son atpicos.
159
13. CONCLUSIONES
160
necesidad de clasificar dichas duraciones segn la categora de equipos
agrupndolos por caractersticas funcionalmente iguales.
161
Se evidencia que las decisiones que el ingeniero tome para la definicin del
mantenimiento tienen un efecto directo en los costos, en estos casos las
consecuencias no son directas, sin embargo la herramienta facilita encontrar
de forma probabilsticamente acertada dicho impacto.
162
BIBLIOGRAFA
163
COCHRAN, W. G. The X2 test of goodness of fit. Annals of Mathematical
Statistics, 25, (1952), p. 315-345.
FENG, Q.; MOOKERJEE, V. and SETHI, S. P. Optimal policies for the sizing
and timing of software maintenance projects. Eur. J. Oper. Res. 173(3): 1047
1066. 2006.
FIVES CAIL, Report of cane Bagasse diffuser uses, [Online], 2006, [cited 15-
04-2011] Available in: www.fivesgroup.com.
164
INCAUCA S.A. Gestin del informe Semanal de rdenes de Mantenimiento.
Cantidad de Ordenes, Diciembre 2011. El Ortigal, Enero 2012.
165
INCAUCA S.A. Sistemas de Gestin de Calidad: Molienda de Caa, R612003,
El Ortigal: 2005.
KULKARNI, V.G. Modeling and analysis of stochastic system. CRC Press, New
York 1995.
166
MICROSOFT OFFICE EXCEL TM. Generacin de nmeros aleatorios. [En
lnea], 2012, [consultado el 15-03-2012] disponible en:
http://office.microsoft.com/es-es/excel-help/aleatorio-
HP005209229.aspx?CTT=1
SOBEL, M. J. OPTIMAL Average-cost policy for a queue with start up and shut-
down costs. Oper. Res. 17 (1):145-162. 1969.
167
ZAMORA, J., y FERNANDEZ, E. Regresin Lineal Simple con SPSS. [En
lnea], 2008, [consultado el 24-03-2012] disponible en:
http://www.cicma.una.ac.cr/CICMA2008/REPOSITORIO/REGRESION%20LIN
EAL%20SIMPLE%20CON%20SPSS.pdf
168
ANEXOS
169
Anexo A. Tabla Chi-Cuadrado (Continuacin)
170