Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DIRECTOR:
ING. JESÚS GABALAN COELLO, MSC
MAGÍSTER EN INGENIERÍA CON ÉNFASIS EN INGENIERÍA INDUSTRIAL
ALVARO ARARA_______________
JURADO
MARITZA CORREA_____________
JURADO
3
AGRADECIMIENTOS
Agradezco a mi novia quien fue un pilar fuerte para los momentos difíciles y me ha
acompañado pacientemente dándome todo su apoyo.
Por último a mi Director de Tesis Ingeniero Jesús Gabalan Coello quien me brindo
todo su apoyo incondicional para el efectivo cumplimiento de los compromisos con
la investigación establecidos al desarrollar este proyecto.
4
CONTENIDO
pág.
RESUMEN 18
INTRODUCCIÓN 19
1.1 ANTECEDENTES 20
1.2 ENUNCIADO 23
2. OBJETIVOS 26
2.1 GENERAL 26
2.2 ESPECÍFICOS 26
3. JUSTIFICACIÓN 27
4. MARCO TEÓRICO 29
5. METODOLOGÍA 42
5
5.4 INCIDENCIA DE LA OPORTUNIDAD DE MANTENIMIENTO EN LA TASA
DE SERVICIO 45
6
11.3.1 Configuración de base de datos y políticas. 133
BIBLIOGRAFÍA 163
ANEXOS 169
7
LISTA DE FIGURAS
pág.
8
Figura 18. Fechas de orden de mantenimiento correctiva OTC. 62
9
Figura 36. Oportunidad de mantenimiento 112
10
Figura 56. Definición de política 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 aplicación por mes 154
11
LISTA DE CUADROS
pág.
12
Cuadro 15. Resumen estadístico tiempos de servicios de las OTC 87
13
Cuadro 32. Política 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 relación con el porcentaje de atraso
entendiéndose como el tratamiento de una orden a tiempo antes de considerarse
atrasada, su relación se da en porcentaje, en la medida de que este porcentaje
sea alto, hará 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 políticas, cualquier orden que supere este
porcentaje se considera como una orden atrasada, la relación entre la suma las
ordenes atrasadas y toda la población, define dicha probabilidad.
17
RESUMEN
18
INTRODUCCIÓN
Este documento tiene como objetivo principal desarrollar una metodología para la
gestión 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 atención en las
órdenes. A nivel procedimental, se diseñará una herramienta computacional cuya
pretensión es servir como insumo adecuado para la planeación de recursos que
impacte en la disminución de los daños.
19
1. PLANTEAMIENTO DEL PROBLEMA
1.1 ANTECEDENTES
• 2008: Cambio de la noria de bagacillo por tamiz rotativo, con una inversión de
600 millones de pesos.
20
un 2.23%. Comparado con el año anterior el tiempo perdido en la fábrica ha
disminuido el 17.0%. Esto lo han logrado gracias al desarrollo de un programa de
distribución de la molienda que consiste en tener el mismo nivel de producción
más tiempo, de manera que se reduzca el esfuerzo de los equipos, dejando como
resultado menor cantidad de daños y una reducción de costos de mantenimiento
en comparación con el corte de año anterior, por lo tanto, la estrategia funcionó ya
que se logró la integración de las áreas de operación y mantenimiento en el
proceso del Ingenio San Carlos.
Por su parte el Ingenio Manuelita S.A. decidió contratar a una compañía experta
en mantenimiento a nivel mundial. Para tales efectos realizó una contratación con
Wood Group Colombia S.A.4, quien implementó un sistema de análisis de falla
para determinar las causas de los daños en el área de fábrica y de esta manera
buscar soluciones para mitigar el daño. Igualmente desarrolló un sistema de
mantenimiento predictivo, que ayuda a detectar de forma temprana los posibles
daños en los equipos.
4
WOOD GROUP COLOMBIA S.A., Nuestra Experiencia: Casos de Éxito, [en línea], 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 CONTADURÍA, ADMINISTRACIÓN E INFORMÁTICA. El
Estado y su Impacto en Competitividad en la Industria Azucarera. Monterrey: Instituto Tecnológico
y de Estudios Superiores de Monterrey, 2004.
21
En cambio en los ingenios azucareros australianos impulsaron el diseño y la
construcción, de sus equipos para la producción de azúcar. En el área de
molienda cuentan con molinos impulsados por motores eléctricos, los cuales
tienen seis mazas, dos más que los convencionales molinos de los ingenios
colombianos. Esta configuración de los molinos genera un menor esfuerzo y por
ende disminuye la posibilidad de daños, 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 órdenes
de trabajo, son asumidos siguiendo una distribución de Poisson, además de una
distribución binomial para determinar la capacidad de duplicidad de las órdenes en
cola. En el artículo presentan una expresión exponencial para determinar el tiempo
que se requiere en resolver las órdenes de trabajo por cada servidor o cuadrilla,
además utilizan políticas de restricción del sistema a partir del backlog10. Después
de modelar el sistema con las ecuaciones de las líneas de espera, se determina el
recurso óptimo necesario para sostener un servicio que esté acorde con las
políticas de órdenes en espera permitidas o backlog adecuado, luego estos
modelos se evalúan 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 reparación por una atención tardía o falta de atención.
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, September–October 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: Acumulación de trabajo. [en línea]. 2008. [consultado el 10/01/2012].
Disponible en: http://www.mantonline.com
23
Los daños en los equipos ocurren presumiblemente por falta de atención por parte
de los responsables del mantenimiento. En el área se puede evidenciar dificultad
para atender las órdenes de trabajo obteniendo un porcentaje de atraso del 35%11,
este indicador se entiende como: la demora total en iniciar la atención de una
orden de trabajo comparándola 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 será de un 30%.
Equipos Fallan
Intervenciones Incumplimiento en
antes de su fecha Altos tiempos de
innecesarias de
de mantenimiento atención la planeación de las
equipos en buen
paradas
estado
Frecuencias Distribución
asignadas sin No hay inadecuada del % de cumplimiento
estudios retroalimentación trabajo de la programación
de la parada
11
INCAUCA S.A. Informe Semanal de Órdenes de Mantenimiento. Indicador de Porcentaje (%) de
Atraso de las Órdenes de Mantenimiento, Diciembre 2011. El Ortigal, Enero 2012.
12
El árbol de problemas fue diseñado para explicar en tres etapas la problemática, así:
: El primer nivel muestra las consecuencias que se pueden evidenciar por tener el problema.
: El segundo nivel explica la problemática principal que pretende ser solucionada.
: El tercer nivel es el desarrollo causal, en esta sección se intenta explicar las situaciones que
conciben el incremento u ocurrencia de la problemática, sobre estas causas se trabajará a lo largo
del documento, planteando estrategias que mitiguen las causas.
24
El área de molienda presenta un número total de 250 órdenes pendientes al
término de cada semana13 las cuales son generadas principalmente por el
programa de mantenimiento preventivo. El número elevado de órdenes en el
sistema genera confusión, aumentando la posibilidad de que sean atendidas
primero las órdenes que no contribuyen a la disminución de los daños en el tiempo
y la calidad necesaria.
Estos indicios demuestran que existen diferentes factores que aumentan la cola de
órdenes en espera de atención, dificultando el cumplimiento del mantenimiento
preventivo, inevitablemente esta falta de atención aumenta la posibilidad de falla
de los equipos. Siendo posible que la cantidad de órdenes de trabajo provoca que
los atrasos se incrementen, por no tener la suficiente mano de obra para
atenderlas, o la planificación es exagerada.
Este proyecto tiene como fin encontrar un nivel de servicio adecuado mediante el
modelamiento asistido por la teoría de colas y estadística probabilística,
generando una herramienta que se utilice y retroalimente de manera constante,
facilitando la toma de decisiones.
13
INCAUCA S.A. Gestión del informe Semanal de Órdenes 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
Planeación de los Recursos, Diciembre 2011. Enero 2012.
25
2. OBJETIVOS
2.1 GENERAL
2.2 ESPECÍFICOS
• Calcular el modelo de teoría de colas con los datos obtenidos, para llegar al
estado actual, que será el punto de referencia.
26
3. JUSTIFICACIÓN
La realización de este proyecto tiene una incidencia directa sobre los diferentes
actores alrededor del área de molienda de INCAUCA S.A., proporcionando una
herramienta de investigación que se convertirá en un modelo práctico para realizar
los cálculos de las estrategias de mantenimiento aplicadas. Se pueden identificar
los siguientes beneficiarios:
15
INCAUCA S.A. Informe Mensual de Producción. Sección Fabrica, Indicador horas hábiles
perdidas por fábrica, Diciembre 2011. El Ortigal: Enero 2012.
16
INCAUCA S.A. Informe de costos de órdenes de mantenimiento acumulado 2011, El Ortigal:
Enero 2012.
27
• Los Ingenieros: tendrán una herramienta confiable que les ayude a tomar
decisiones sobre las estrategias de mantenimiento, ajustando con criterio
probabilístico su capacidad de mantenimiento a la realidad.
• Los Trabajadores del área: siendo tenidos en cuenta como pilar fundamental
para la gestión de mantenimiento, aportarán lo mejor de sí en el cumplimiento
de las metas.
28
4. MARCO TEÓRICO
Posteriormente la fibra pasa por cada uno de los molinos del tándem, en donde es
sometida a una fuerza de compresión entre las mazas superior y cañera en la
entrada, y superior bagacera en la salida. Debido a la fuerza aplicada
directamente sobre la maza superior por el sistema hidráulico, se extrae o exprime
el jugo de la caña como se observa en la Figura 2.
17
INCAUCA S.A. Sistemas de Gestión de Calidad: Molienda de Caña, R612003, El Ortigal: 2005.
29
INCAUCA S.A., cuenta con una plataforma de gestión empresarial denominada
SAP, sistema conocido bajo la clasificación E.R.P. de gestión empresarial que
cubre todas las necesidades de procesamiento de datos de una empresa,
corporación, fábrica u oficina pública o privada.
SD FI
MM
. CO
PP R/3 AM
.
Solución Integrada
QM
.
Cliente / Servidor PS
PM WF
HR IS
18
INCAUCA S.A. Sistemas de Gestión 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 Información para la Gestión Industrial, que permite
la personalización para reflejar las características 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 tecnología
disponible).
31
• Capacidad de la cola: finita o infinita, relacionando si la población de órdenes
que llegan a la cola tiene un límite, o es indeterminado el número máximo de
órdenes en espera.
A/B/C
Donde:
A: Define el tipo de distribución del numero de llegadas.
B: Define el tipo de distribución del tiempo de servicio.
C: Define la cantidad de servidores a utilizar en el sistema.
D: Constante.
Ek: Distribución Erlang con parámetro k.
G: Distribución arbitrario o general con media y varianzas conocidas.
M: designa una probabilidad de Poisson para el número de llegadas o una
distribución 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 clasificación bajo
un parámetro poblacional estable alrededor de los históricos. Feng et al. (2006),
según los estudios referencia que las llegadas de las órdenes corresponden a una
distribución de Poisson.
Una característica 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 órdenes en espera, teniendo en cuenta que la
petición de este usuario, puede superar en urgencia y esfuerzo las demás ordenes
que están en espera, además de las nuevas peticiones, ocasionando mayor
espera por otras órdenes. Este fenómeno puede ocurrir cuando se hacen análisis
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 propósitos, pero en caso
de que el modelo no cumpla con alguno de los parámetros se deben escoger
caminos diferentes para cada resultado. En el caso de que el grupo de órdenes
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 metodologías como estadística descriptiva o probabilística 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 según distribución arbitraria basada en la media y las desviaciones
estándar, 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 información del sistema son las órdenes de trabajo las cuales las
divide en dos: OTC para los correctivos y OTP para los preventivos, realizando
análisis de falla para las ordenes correctivas y una programación de los
mantenimientos preventivos basados en la frecuencia de trabajos repetitivos, este
es un sistema multiusuario que ayuda a la planificación de los trabajos de
ingeniería del mantenimiento en las áreas 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 análisis 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 producción y
determina también la perdida de oportunidad en la generación de utilidades para la
compañía.
El aplicativo Meridium se integra a la funcionalidad que tiene SAP para realizar sus
análisis e informes, toma la información de los campos estándar que utiliza el
modulo PM y PP, la relaciona con el análisis de falla, y hace un estudio amplio de
los efectos que incluyan los peligros de muerte del personal, contaminación al
medio ambiente y fallas en la calidad el producto. Sus análisis se estructuran bajo
probabilidades de Weibull y utiliza estimados históricos 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
número de determinado de eventos en cierto periodo de tiempo20. Se caracteriza
por la siguiente ecuación:
∗
=
!
Donde:
µ: frecuencia de ocurrencia media.
e: numero de Euler.
x: frecuencia de tiempo a probar.
>0
=
0
Donde:
λ: es tiempo medio de duración inverso: =
< = 1 − ∗ !
20
Ibíd., p. 218.
21
Ibíd., 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 sería el valor esperado para cada categoría anterior usando la
ecuación 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 relación entre dos variables en este documento se usan
los conceptos de la tabla de contingencias y análisis de linealidad de Pearson. Las
tablas de contingencia sirven para verificar la independencia
38
En el proceso de verificación, se debe identificar si dos variables tienen relación,
en primer instancia se comprobará independencia estadística, 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 corresponderán 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, será
reemplazado por el valor esperado Eij y es calculado por la siguiente ecuación:
∑ +$ ∗ ∑ ,-
(&) =
.
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. METODOLOGÍA
El tiempo que tome la atención de una orden se tendrá en cuenta como nivel de
servicio y será necesaria la identificación de su comportamiento probabilístico por
medio de pruebas de hipótesis identificando si los datos siguen una distribución
Exponencial.
42
5.1 MODELO PROBABILÍSTICO DE LAS LLEGADAS DE LAS ÓRDENES DE
TRABAJO A LA LÍNEA DE ESPERA
43
5.2 NIVEL DE SERVICIO DE LAS CUADRILLAS DE MANTENIMIENTO
44
Para los datos que no siguen distribución Poisson no podrán ser tratados por
medio de la metodología de líneas de espera, por lo tanto se deberá hacer un
modelamiento estadístico de acuerdo a su comportamiento probabilístico y las
políticas o reglas que rigen su naturaleza en cuanto a las llegadas y el servicio.
En este punto del aplicativo se debe tener identificado, después del análisis de las
llegadas y niveles de servicio así como el desarrollo de la herramienta, cuáles de
los datos son probablemente afectados por la programación y cumplimiento del
mantenimiento programado. Es posible que algunas órdenes requieran de estos
días para cumplirse pero también 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 días de mantenimiento, se realizará un análisis mediante tabla de contingencia
y se fidelizará el resultado de acuerdo al análisis de regresión lineal y coeficiente
de Pearson, así como pruebas con modelos no lineales, para determinar si los
días de mantenimiento determinan, o no, el comportamiento de algunas de las
órdenes en especial.
45
El resultado esperado de esta etapa es una determinación precisa de la
correlación, en caso de que sea alta, debe establecerse mediante una ecuación
que explique cómo los días de mantenimiento afectan la variable seleccionada.
En caso de que la relación sea alta para alguno de los modelos, la ecuación
resultante debe incluirse en la predicción del servicio para el tipo de orden de
mantenimiento que afecte, si no hay un correlación alta no se tendrá en cuenta en
las predicciones y la oportunidad de mantenimiento no será tenida en cuenta en
futuros análisis.
46
6. ESTADO ACTUAL: ESTRUCTURACIÓN DEL MANTENIMIENTO
Por otro lado, los daños ocurren en cualquier momento y requieren intervención
inmediata, en algunos casos es preciso cambiar el equipo por uno de repuesto y
en otros casos específicos se debe hacer con el proceso parado, estas órdenes se
consideran OTC: Ordenes de Trabajo Correctivas. A continuación se realizara un
análisis de la forma como cada tipo de órdenes está 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 más
usada por los 600022 planes de mantenimiento existentes.
22
INCAUCA S.A. Cantidad de planes de mantenimiento existentes. Transacción IP15, listado de
planes de mantenimiento. SAP-PM. Enero 2012.
48
En este tipo de órdenes los trabajos y recursos están previstos, permitiendo una
preparación 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 finalización. 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 creación 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 órdenes que ha lanzado el
programa y están pendientes y se encarga de alistar materiales, personal y
ejecutar las labores. Por último se realiza el proceso de reporte y cierre técnico de
la orden, dándole continuidad al ciclo.
50
A continuación se realizara una explicación 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. Programación del Plan de Mantenimiento
54
Figura 11. Pantalla de programación de planes de mantenimiento
55
Figura 12. Calendario de programación de planes de mantenimiento.
56
El resultado de la programación es esta orden OTPP, ver figura 13, la cual
contiene los datos con que se programó: responsable, actividades, recursos,
equipo y fechas de ejecución.
57
En conclusión las órdenes de mantenimiento programadas siguen un ciclo de
fechas y periodos como se explica en la figura 14.
Para conocer cómo llegan las órdenes de mantenimiento se debe tener en cuenta
las fechas expresadas en la figura 14, cada fecha tiene una interpretación
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 año 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
políticas de mantenimiento nuevas pueden cambiar la cantidad de planes de
mantenimiento. La política de los últimos años 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
daños 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 planeación y programación relativamente
cortas, generalmente de una o dos semanas, estas órdenes no son cíclicas, son
totalmente independientes de una programación, dependen de las condiciones de
operación y la estrategia de gestión 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 gestión 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 será a partir de la fecha de inicio extremo. Es
posible que esta fecha sea modificada sin embargo este movimiento indicará una
reprogramación del trabajo, postergándolo para una fecha futura y esto es
totalmente valido para el funcionamiento del sistema.
61
6.3 ESPECIFICACIÓN ÓRDENES DE TRABAJO CORRECTIVAS (OTC)
Las órdenes de trabajo correctivas provienen de los daños en los equipos. Las
causas de los daños en los equipos son múltiples: repuestos de baja calidad,
equipos mal instalados, atrasos en el mantenimiento, mantenimientos
inadecuados, sobrecargas en proceso, mala operación, entre otras. Estas órdenes
tienen la característica común de que su ejecución es de inmediato, los daños
pueden parar parcial o totalmente la producción, por lo que la restauración del
equipo a condiciones normales de operación se torna prioridad número uno como
se ve en la figura 18, en la que se representa la fecha de entrada, inicio extremo y
ejecución real, la diferencia entre una y otra se representa en horas.
La orden OTC al igual que las demás clases de órdenes 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 demás
órdenes se puede tener como criterio para las llegadas.
62
Figura 19. Orden de mantenimiento correctiva OTC.
63
7. ESTADO ACTUAL: ANÁLISIS DE LAS LLEGADAS DE LAS ÓRDENES DE
MANTENIMIENTO
Tomando en cuenta las tres clases de órdenes se consultaron los datos de los
últimos cinco años, la base de datos consultada arrojó datos principales de la
orden como objetivo general, fechas de creación, programación y ejecución real, el
equipo a trabajar, el área 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 órdenes de mantenimiento para el área de molienda entre los
años 2007 a 201123, efectuando el primer filtro se encontró 840 órdenes que no
contenían 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 caña, la cual tiene un sistema de
martillos que deben cambiarse cada quince días, tiempo en el cual se para la
molienda y se aprovecha para realizar diferentes trabajos, debido a esto los
ingenieros toman su programación para un periodo de dos semanas. .
23
INCAUCA S.A. Listado de ordenes de mantenimiento, [Base de datos en red]
transacción IW38 SAP PM, parámetros: ordenes PMF1 – Correctivas y PMF2 –
preventivas, ubicaciones técnicas molinos, fecha inicio extremo 01.01.2007 – 31.12.2011.
65
En total se tienen históricos de 122 muestras para cuatro tipos de ordenes: OTC,
OTPE, OTPP y TOTALES. De los estadísticos 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 asimetría es a la izquierda. Los datos están
ligeramente agrupados presumiblemente en función de una distribución normal,
los que tienen más ese comportamiento son las OTPP, centrándose alrededor de
las 35 ordenes por cada dos semanas.
Para realizar la interpretación gráfica de los datos se disponen doce clases, estas
establecen el número de veces que se repitió la llegada de la cantidad de órdenes
que especifica cada clase, en los siguientes cuadros y gráficos se puede observar
el comportamiento de cada clase de orden.
66
Cuadro 4. Número 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. Número 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. Número 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. Número de veces que se presenta cada cantidad de órdenes
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 órdenes de mantenimiento
es determinante para comprobar si se distribuyen mediante una distribución
Poisson, de tal forma que se pueda modelar y predecir su comportamiento por
medio de una ecuación que sigue los parámetros ya identificados.
En el análisis de datos se creó 122 grupos para las 7.696 órdenes, cada grupo
corresponde a quince días 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
(Continuación cuadro 8). Cantidad de órdenes que llegaron en cada periodo.
72
(Continuación cuadro 8). Cantidad de órdenes que llegaron en cada periodo.
Los datos del cuadro 8 muestran que en cada semana el número de órdenes 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 órdenes totales porque se generaliza el modelo y no permite
hacer un estudio objetivo.
24
En estos periodos según el cuadro 9, se presento mantenimiento programado, lo que ocasiona
que en la mayoría de los veces no ocurran daños, esto debido a que los equipos están parados y
la probabilidad de falla se reduce al mínimo, casi cero.
25
Aunque en estos periodos se presentó parada de fabrica y la posibilidad de falla es muy baja, es
posible que haya ocurrido un daño durante la liquidación, la realización 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 situación se deben a diferentes
motivos que fueron consultados en el contexto de la fábrica y se encontró que
pueden ser por:
Teniendo en cuenta este último punto, se buscaron todas las semanas donde se
presentó mantenimiento programado de parada de fabrica cada año, el
procedimiento usado fue descargar del Informe Mensual de Fabrica de los años
2007 a 2011 y se extrajo los datos de días de molienda efectiva al año distribuido
por meses y se consolidó en el cuadro 9.
74
Cuadro 9. Días de molienda efectiva al año
AÑO ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC AÑO
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 situación para los meses de abril se busco las
semanas correspondientes según la enumeración de este documento
especificándola en el cuadro 10.
Cuadro 10. Número de periodo para mantenimiento programado real por año.
75
Posteriormente todas las semanas del cuadro 10, se eliminaron del estudio de las
OTC reduciendo de 122 a 113 grupos de quince días, como se ve finalmente en el
cuadro 11.
Realizando la prueba de bondad de ajuste para determinar si los datos siguen una
distribución Poisson, se agruparon según la cantidad de órdenes que llegaron a la
cola por periodo como se observa en el cuadro 11, se calculó la media de los
datos realizando un promedio ponderado de las frecuencias observadas y se
procede a determinar las frecuencias esperadas con estos dos parámetros para
comprobar la prueba de hipótesis planteada así:
∑&'
&'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
Cálculo de grados de libertad.
Incluso en el molino durante los últimos cinco años se ha cambiado siete veces de
Jefe de Operación y Mantenimiento, trayendo nuevas políticas 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
distribución se encontró una media de 24,393 para 122 periodos, y se realizaron
los cálculos de chi-cuadrado para verificar si igualmente las llegadas de las
ordenes OTPE siguen una distribución 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 análisis al igual que en los dos anteriores procesos,
identificando que la aleatoriedad es mucho mayor, es decir el comportamiento
sigue muchas políticas que influyen en la cantidad de órdenes generadas.
79
constantemente salen y entran equipos en operación lo cual genera mayor
incertidumbre, además el departamento tiene la política de verificar nuevas
técnicas de mantenimiento para cada vez mas dirigirse hacia el mantenimiento
predictivo, lo cual disminuye cada año la cantidad de planes.
Realizando la prueba de bondad de ajuste para verificar si los datos siguen una
distribución Poisson se encontró una media de 35,008 para 122 periodos, y se
realizaron los cálculos de chi-cuadrado para verificar si igualmente las llegadas de
las ordenes OTPP siguen una distribución 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 metodología de líneas de espera, debido a que cumple con
los parámetros de una distribución Poisson.
Las ordenes OTPE y OTPP serán incluidas en el desarrollo del modelo en general
pero se trabajaran con un sistema condicionado y estadística descriptiva.
81
8. ESTADO ACTUAL: ANÁLISIS DE LOS TIEMPOS DE SERVICIO DE LAS
ÓRDENES
82
• Fecha de Inicio real: identifica el día en que el colaborador encargado
comenzó 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 estén técnicamente cerrados.
84
Figura 27. Formato tipo impresión de orden de mantenimiento INCAUCA S.A.
85
Figura 28. Histórico de notificación 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 días o fracción
de día, encontrando los datos estadísticos del Cuadro 15.
86
Cuadro 15. Resumen estadístico tiempos de servicios de las OTC
OTC
Media 14,5
Error típico 1,8
Mediana 1,5
Moda 1,0
Desviación estándar 37,9
Varianza de la muestra 1433,4
Coeficiente de variación 260%
Curtosis 60,0
Coeficiente de asimetría 6,5
Rango 473,0
Mínimo 0,0
Máximo 473,0
Cuenta 437,0
Los datos muestran que el tiempo promedio para atender una orden es de 14,5
días, con una desviación estándar de 37,9 días, lo que indica que los datos son
muy dispersos respecto a la media tanto así que tiene un coeficiente de variación
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
está en capacidad para ciertos equipos aguantar su posición con equipos en
reparación hasta por más de un año. En los datos también se observa que el 50%
de los tiempos están antes de 1,5 días de servicio, con sesgo hacia la derecha de
los datos de las órdenes.
Estos datos determinan que se hace necesario una estratificación de los tiempos
de reparación pues está claro que la dispersión muestra que hay problemáticas
provenientes de diferentes naturalezas de los equipos, teniendo en cuenta que no
es el mismo daño para un motor que para una bomba o un molino, para este caso
se agruparon las ordenes en 10 categorías según el tipo de equipo, como se
muestra en el Cuadro 16.
87
Cuadro 16. Categorías de clasificación de OTC
CANTIDAD DE
CATEGORÍA
ORDENES
BOMBA 84
CONDUCTOR 43
HERRAMIENTA 18
MOLINO 99
MOTOR 81
PUENTE GRÚA 13
REDUCTOR 18
SISTEMA ELÉCTRICO 69
TANQUE 4
TURBINA 8
Total general 437
FRECUENCIAS OBSERVADAS
Herramie Puente Sistema
Categoría Bomba Conductor nta Molino Motor grúa Reductor eléctrico 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 cálculo matemático para determinar el
promedio del tiempo de servicio y el valor de landa el cual será necesario para
usar en la ecuación exponencial. En las siguientes ecuaciones se encontrara la
forma de calcular estos dos parámetros:
∑&'
&' # $
4
< G$>$ $ ∗ >= ;>$ F< G $
$ =
? >= ;>$ < F< G <
Cálculo de λ
1
=
$
Usando estas dos ecuaciones se calcula para cada categoría de equipo los
parámetros como se observa en el cuadro 18.
CALCULO DE LA MEDIA Y λ
Categoría Bomba Conductor Herramienta Molino Motor Puente grua ReductorSistema electricoTanque 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
λ 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 usará la siguiente ecuación, la cual utiliza
el estadístico de la distribución exponencial.
89
>= ;>$ (<
= /1 − ∗X&ASQ OA PARY&Z&
1∗U ? >= ;>$ < F< G <
FRECUENCIA ESPERADA
Categoría Bomba Conductor Herramienta Molino Motor Puente grua ReductorSistema electricoTanque 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 cálculo del chi-
cuadrado al compararla con la frecuencia observada usando el cuadro 17 y el
cuadro 19. Los resultados de este cálculo se presentan en el cuadro 20.
CALCULO CHI-CUADRADO
Categoría Bomba Conductor Herramienta Molino Motor Puente grua ReductorSistema electricoTanque 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
distribución Exponencial para diez categorías, y teniendo en cuenta que se calculó
el λ según el promedio, se obtiene ocho grados de libertad, se identificó que el
valor permisible de chi-cuadrado en tabla para todas las categorías 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 hipótesis,
y por lo tanto los tiempos de servicio para la atención de las OTC no siguen una
distribución exponencial.
Debido a que los datos no siguieron una distribución exponencial para seguir con
el cálculo del modelo de teoría de colas, se consideran los datos bajo una
distribución general y se trabajara por categorías. Considerando sus desviaciones
estándar 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 varía significativamente al
igual que su desviación estándar.
CONDUCTO
Estadístico BOMBA R HERRAMIENTA MOLINO MOTOR
Media 37,30 19,41 14,64 4,64 42,20
Desviación
estándar 43 26 14 8 58
PUENTE SISTEMA TANQU
Estadístico GRÚA REDUCTOR ELÉCTRICO E TURBINA
Media 36,04 30,58 9,54 48,13 8,13
Desviación
estándar 26 69 16 85 11
91
9. DESARROLLO DE HERRAMIENTA COMPUTACIONAL ASISTIDO POR
LÍNEAS DE ESPERA
Las ordenes OTC son determinadas bajo el parámetro probabilístico de las teorías
de colas, teniendo en cuenta que las llegadas siguen una distribución 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 está conformado por un número 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 número 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 atención.
92
El aplicativo desarrollado en este proyecto fue realizado sobre Microsoft Excel®27
un producto del paquete de Microsoft Office, el cual es un paquete de interés
general basado en hojas de cálculo para hacer operaciones, en las cuales se
pueden llevar a gráficos y tablas para la toma de decisiones, una de las ventajas
más importantes es que puede procesar bases de datos muy básicas 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 cálculos y tratamientos de datos en forma repetitiva, automática y
de forma muy rápida, dependiendo de la velocidad del equipo.
Es importante tener en cuenta que el aplicativo se creó 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 está diseñado para administrar el mantenimiento sino para
determinar la estrategia del área de mantenimiento adecuada por medio de
análisis históricos que modelen comportamientos y determinen finalmente si la
mano de obra con la cual se cuenta es definitiva. Por lo tanto los resultados
obtenidos dependerán totalmente de la información ingresada y las decisiones que
tome el ingeniero paso a paso a través de la herramienta.
27
MICROSOFT CORPORATION. Microsoft Office Excel TM. [en línea], 2012, [consultado el 15-03-
2012] disponible en: http://office.microsoft.com/es-es/excel/
28
MICROSOFT OFFICE EXCEL TM. Utilización de macros para automatización de funciones. [en
línea], 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 años se tomó como referencia a un análisis del entorno de los
equipos y sus administradores, en el informe de proyectos consultado en
INCAUCA S.A. se evidenció que en el proceso de molienda han llegado nuevas
tecnologías en sus equipos principales, cambiando seis de sus doce turbinas por
29
La política de atraso es un indicador de razón entre los semanas de demora en la atención 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. Caracterización del mantenimiento. Política de atraso.
Departamento de mantenimiento, El Ortigal, 2011.
94
motores eléctricos, el sistema de control cambio, al igual que el sistema de
filtración y las bombas de jugo crudo.
Por otra parte en el periodo de los últimos cinco años la rotación de los ingenieros
de mantenimiento y supervisores del área ha sido alta, en este periodo han
pasado siete ingenieros, esto hace que diferentes políticas sean aplicadas.
Teniendo en cuenta estos movimientos el rango de cinco años fue propuesto con
la presunción de cubrir la mayor cantidad de situaciones que muestren el estado
actual de la molienda. El análisis del rango de tiempo no se debe asignar a ligera y
debe provenir como mínimo de un análisis de la estabilidad de los equipos y los
ingenieros que administran el mantenimiento.
• Equipo: este permitirá relacionar los datos con la clasificación estándar y así
facilitar los análisis.
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 duración 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 significará qué duración fue inferior a un día y por lo tanto se determina con el
esfuerzo promedio por empleado la duración en fracción de días.
30
El indicador NOTI es vital para el desarrollo de la aplicación siendo determinante para saber si la
orden tiene fechas de inicio real y final real, las órdenes que no cuentan con este indicador denotan
que no se realizo trabajo físico, 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 manipulación de los datos a conveniencia, puede terminar en análisis que no son
propios del proceso, por lo tanto es una política de este aplicativo que los datos ingresados sean
totalmente verídicos.
96
Cuadro 22. Clasificación de periodos quincenales del año.
− >ℎ $;$>$ (
97
La frecuencia teórica sirve como base para el cálculo del porcentaje de atraso y se
obtiene de las fechas de tolerancia establecidas en las políticas.
U$ [ \ ;>$ ;
% < , ? $G =
>= ;>$ U $>
Con los datos de la notificación se realiza un resumen que indica cuantas horas de
mano de obra requirió cada orden sin importar el número de personas, por otra
parte se realiza el resumen de cuántas horas gastó por empleado en determinada
orden, este ultimo cálculo sirve para obtener la duración del servicio en fracciones
de día.
32
Las tablas dinámicas son herramientas estándar del Excel que permiten analizar en un grupo de
datos, creando una tabla interactiva que extrae, organiza y resume automáticamente los datos.
Descripción tomada de: MICROSOFT OFFICE EXCEL TM. Tablas dinámicas y sus funciones. [en
línea], 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 análisis de las órdenes, las cuales ya
tienen calculado el número de horas hombre que usó y el nivel de servicio.
∑ % < ? $G
a $ % < ? $G =
? ; <
El siguiente análisis consiste en determinar por cada tipo de orden y por cada
periodo estándar establecido: cuantas ordenes llegan, cuál es el promedio de
llegada, la desviación estándar de la cantidad de ordenes de llegada, el máximo
de cantidad de órdenes, el promedio del esfuerzo por categoría de equipo y el
esfuerzo promedio por tipo de orden y por periodo. Todos estos análisis se hacen
de forma automática por medio de las tablas dinámicas.
99
cada equipo. Las opciones de unidades establecidas son: días, semanas y meses.
En este caso INCAUCA S.A. maneja su mantenimiento preventivo por semanas.
El siguiente dato necesario para realizar los cálculos de la cantidad de órdenes por
periodo es la última fecha en que se realizo el mantenimiento, es decir, la fecha de
cierre de la última orden que se creó con determinado plan de mantenimiento.
El programa con estos datos básicos realiza una simulación de cuantas ordenes
lanza por periodo para un plazo de cinco años, de tal forma que se pueden
programar mantenimientos con frecuencias de un plazo máximo de cinco años,
cubriendo toda la gama de periodos más 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 análisis lo hace línea por línea.
33
Numero aleatorio, es una función de Excel que permite devolver un número entre 0 y 1,
distribuido uniformemente, cada vez que se calcula la hoja de cálculo genera un número nuevo y
diferente. Descripción tomada de: MICROSOFT OFFICE EXCEL TM. Generación de números
aleatorios. [en línea], 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 última generación propuesto para esta aplicación es un computador básico
de escritorio con procesador I3 y 4GB de memoria RAM.
100
Cuadro 24. Cálculo aleatorio de la frecuencia con probabilidad de atraso.
De igual forma cada equipo tiene una clasificación, 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 ecuación.
Donde:
m = cantidad de categorías de equipos.
n = cantidad de ordenes OTPP del histórico de cada tipo de equipo.
Este factor se calcula por cada tipo de equipo, es multiplicado por la grilla que
tiene la cantidad de órdenes por periodo y determina para cada periodo del año
cuanto esfuerzo se necesita.
&'"l )'m
(< = c ? g=$ hAR& O &iñ! k
&' )'
= (< = c $ 0UaaX&Q ∗+ ; $ ; < QAR& O & Nñ )
OA Ade&Q
Con la grilla final de esfuerzo, se realiza los promedios por periodo de los
esfuerzos totales de los cinco años de simulación, 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 configuración de las ordenes OTPE, para realizar esta fase
lo primero que se debe establecer es el calendario de mantenimiento, en este
calendario el ingeniero realizará su programación teniendo en cuenta los días que
habrá parada e indicando su duración. El tipo de configuración que tiene
INCAUCA S.A. requiere de una parada corta por cada molino cada quince días,
además 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 producción, ventas,
mercadeo y gerencia para comprometerse con las producciones esperadas por
año y mes, coordinando así altos abastecimiento para periodos de baja
producción.
35
Regla empírica ha probado que en la práctica se ha obtenido por la experiencia, teniendo el 68%
de las observaciones a una desviación estándar, el 95% de las observaciones a las dos
desviaciones y el 99,7% a las tres desviaciones estándar. GUTIERREZ, HUMBERTO y VARA
SALAZAR, Román de la. CONTROL ESTADÍSTICO DE CALIDAD Y SEIS SIGMA. Segunda
Edición. México: Mc Graw Hill, 2009 pag.22. ISBN 978-970-10-6912-7.
102
los cuales decidió parar la fabrica y que la política de reducción será difícil de
aplicar porque el mantenimiento será intensivo. En este aparte por medio de
observación y decisión se establece finalmente la cantidad de órdenes para cada
periodo.
Como estas órdenes son aleatorias tienen algo en común, generalmente son
revisiones o mantenimientos periódicos o rutinarios que terminan realizándose 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 sección se obtienen los datos por cada categoría y se aplican todas las
ecuaciones, la variable que más interesa es la ecuación que determina la cantidad
de órdenes en el sistema la cual servirá como base para realizar el pronóstico
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 categorías de equipos analizados en OTC
Para estandarizar el modelo con los otros dos tipos de órdenes, se obtiene para
cada tipo de equipo el esfuerzo promedio en horas hombre de toda la población de
datos. Al multiplicar la cantidad final de ordenes por el esfuerzo se obtiene
finalmente la cantidad de horas hombres necesarias para atender los daños por
periodo.
Donde:
n = cantidad de ordenes OTC histórico en cada categoría de equipo.
36
La ecuación de cantidad final de OTC se propone en este documento para limitar el cálculo de
las líneas de espera teniendo en cuenta el análisis realizado en el capitulo siete, el propósito es
disminuir la cantidad de ordenes OTC de manera proporcional a los días en que se realiza parada
programada considerando así que el modelo de líneas de espera no es válido estos días, donde se
esperan cero daños.
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 demás fases
Luego se realiza la tabla que contiene por cada categoría el salario por hora, en
ese campo es importante colocar no solamente lo que se gana el mecánico o el
soldador en el contrato, es necesario incluir el factor prestacional, herramienta,
dotación, transporte y supervisión.
Para efectos prácticos de este estudio se consideró una disminución del 6% entre
cada categoría y como base de la primer categoría se investigó cuanto se gana un
obrero de primera categoría y se multiplica por 1,8, obteniendo finalmente para la
categoría inicial un valor promedio de hora hombre de $14000 pesos colombianos.
106
Al tener lista la tabla de categorías se realiza la tabla de tiempo disponible, en este
se evalúa cuanto se espera que trabaje una persona en horario ordinario por día,
cuantos días al mes y cuantos meses al año, 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 año.
Luego se tiene en cuenta un factor de efectividad del personal, para este caso se
mide por categorías, la efectividad se interpreta como la capacidad que tiene una
persona de cierto nivel de cualificación para resolver los problemas y adversidades
que se presenten durante la ejecución de una orden y no se pierdan horas hombre
en los trabajos.
En este estudio se determinó una efectividad del 98% para la categoría 1, una
disminución del 0,5% hasta llegar a la categoría 14 con una efectividad del 92%.
Este parámetro es basado en la experiencia del ingeniero y la calidad del grupo
que tenga a su cargo, es importante hacer una evaluación de las capacidades y
determinar estos porcentajes porque en ese proceso se dará cuenta realmente
qué tipo de capacitación tiene su personal.
En esta sección existe un parámetro de horas extras que servirá 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 configuración de las OTPE, modificar la política de
reducción, tornándola más 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
órdenes 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. ANÁLISIS 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 través de los años 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 año en un 95% o más.
112
Aunque llegasen a coincidir la cantidad de OTPP con el aumento o disminución de
los días de mantenimiento, la naturaleza del sistema no podrá sostener en el
tiempo esta coincidencia, teniendo en cuenta que en el momento que se incumpla
en algún plan de mantenimiento la sincronía propuesta se perderá.
Por su parte las OTC son aleatorias y siguen una distribución Poisson
generalmente, pero se encontró que en los periodos que hay parada de fábrica no
se esperan daños, siendo su tendencia a cero cuando existen paros muy largos.
Para este aplicativo se determina que el modelo de colas no aplica para los días
donde hay parada de fábrica, reduciendo así las correctivas en los periodos que
tengan paradas largas.
Finalmente las ordenes OTPE son las más susceptibles a aumentar cuando se
hacen paros para mantenimiento, se presume que el ingeniero intensificará los
trabajos a realizar durante las paradas y estas órdenes pueden afectar la
capacidad de respuesta en general, para probar esta hipótesis se desarrolló la
prueba de regresión lineal donde se espera que los días de parada de
mantenimiento expliquen el aumento o disminución de las OTPE. Para este caso
se establece la siguiente prueba de hipótesis:
113
Cuadro 25. Días de molienda, calendario y mantenimiento
DIAS DE MOLIENDA
AÑO 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
AÑO 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 días 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 cálculos de regresión lineal entre días de
mantenimiento (Variable independiente) y cantidad de OTPE (Variable
dependiente)
Estadísticas de la regresión
2
Coeficiente de determinación (R ) 0,0438
Error típico (Se) 10,5063
Intercepción (B0) 22,08403
DÍAS MTTO (B1) 0,68638
Para observar este análisis de forma grafica se presentan las figuras 37 y 38 del
pronóstico y se contrastan con los datos reales.
117
Figura 37. Pronóstico de la cantidad de OTPE según los días de
mantenimiento
Figura 38. Residuales del pronóstico de la cantidad de OTPE según los días
de mantenimiento
118
En las figuras 37 y 38 se puede observar la baja correlación y la gran dispersión
de la cantidad de órdenes respecto a la cantidad de días por periodo,
explicándose esto por varios motivos que se encuentran a continuación:
• El personal que hace los análisis y hasta el ingeniero que toma la decisión de
hacerlos puede cambiar al ser movido de área, promovido o despedido, por lo
cual se afecta el criterio de análisis.
119
muestra la ecuación y los coeficientes de determinación para contrastar el modelo
y tomar la decisión 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. PLANIFICACIÓN DE MANTENIMIENTO PARA EL ÁREA DE MOLIENDA DE
INCAUCA S.A.
121
• Un calendario de mantenimiento como se observa en la figura 39, con 45 días
de paro en total, contando con tres paradas grandes en abril (10 días), junio (8
días), diciembre (4 días) y paradas cada 15 días de máximo 1 día para cambio
de martillos.
122
Cuadro 32. Política de mantenimiento preventivo extraordinario.
POLÍTICA POLÍTICA
DISMINUCIÓN DISMINUCIÓN
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 planificación de ordenes OTPP trabajo con los 517 planes de
mantenimiento en las diferentes frecuencias.
124
Cuadro 35. Resultados Simulación 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 desviación estándar del mismo,
todo esto para cada categoría de equipo que fue susceptible a daños, como se
observa en el cuadro 37.
125
Cuadro 37. Promedios históricos de llegada y tiempos de servicio OTC
Cantidad
Duración Desviación Ordenes
Servicio Estándar 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
INSTRUMENTACIÓN 0,35 0,62 0,083
MOLINO 1,06 0,67 0,942
MOTOR 1,69 3,86 0,711
PUENTE GRÚA 1,08 1,88 0,058
REDUCTOR 1,41 4,43 0,165
SISTEMA ELÉCTRICO 0,76 1,11 0,537
TANQUE 3,42 5,02 0,041
TURBINA 0,43 0,75 0,066
126
Cuadro 38. Resultados cálculos ecuaciones M/G/1
Ρo Lq L Wq W Pw
o De este análisis se concluye que se debe estar muy pendiente de los procesos
de trabajo de las órdenes de motores, bombas y molinos, serán las que
traerán 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 mañana y en la tarde, es por esto que por día cada persona
dispone de tiempo para el mantenimiento de siete horas.
CANTIDAD DE
TRABAJADORES
Categoría Personas
1 21
2 7
3 8
4 14
5 9
9 5
Total general 64
• Teniendo en cuenta que los meses tienen 30 días y se le resta un domingo por
cada semana, como el mes tiene cuatro semanas entonces son 26 días
hábiles al mes, pero en el ingenio se ha concertado los sábados se trabaja
cada 15 días, por lo tanto se resta los dos sábados llegando finalmente a los
24 días promedio en el mes.
128
• El año 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
CATEGORÍA PERSONAS AÑO AÑO (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 año y por la
efectividad, obtenemos una oferta total de mano de obra al año de 119.813
horas al año.
• Para tener la capacidad en todos los meses de atender las ordenes que se
presentan se considera el personal suficiente, además de tener la
configuración 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%
• Con horas extras la oferta al año de horas hombre sube a 128.000 cubriendo
todo el mantenimiento en todos los periodos.
130
11.2 RESULTADOS FINALES
131
Por otra parte los valores de hora hombre son altamente competitivos comparados
con los de las demás áreas 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 cálculo para el porcentaje de atraso en estas
órdenes, 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 análisis se debe ingresar la fecha del inicio histórico de los
datos que se van a descargar, la herramienta calcula la fecha de fin de análisis
cinco años más 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 ingresará el texto estándar que se clasifica el equipo de
acuerdo a las categorías establecidas en el cuadro 44, cada categoría reúne
equipos de similares características y comportamientos para efectos de
mantenimiento a nivel general, en este caso el aplicativo propone estas
categorías, si se requiere ingresar más categorías se deben hacer cambios en
diferentes secciones del aplicativo, por lo que se recomienda en lo posible seguir
con las estándar, que abarcan 1.042 equipos en 17 categorías.
Tipo de Equipo
AGITADOR
BASCULA
BOMBA
CONDUCTOR
HERRAMIENTA
INSTRUMENTACIÓN
METROLOGÍA
MOLINO
MOTOR
PUENTE GRÚA
REDUCTOR
SISTEMA ELÉCTRICO
SISTEMAS HIDRÁULICOS
TANQUE
TURBINA
VÁLVULA
135
El siguiente paso es realizar el descargue de órdenes, es importante recordar que
el aplicativo está diseñado para que reciba todas las ordenes generadas para el
molino en los últimos 5 años, para este caso las columnas están seleccionadas de
acuerdo a los campos estándar 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
Denominación 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.técnica
Denominación Ubicación Técnica
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 número dos, darle
el comando “Insertar copiar filas” y luego proceder a arrastrar todas las formulas
38
Se recomienda usar la transacción IW38– Listado de órdenes 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 dinámicas
actualicen de nuevo todos sus rangos a los nuevos datos, en esta versión el cálculo de rangos no
es automático. Además se presume de una experticia nivel medio en Excel para realizar cualquier
modificación adicional.
137
tablas dinámicas vinculadas a este gráfico. Luego se vuelve a presentación y
continua la secuencia.
De igual forma para las notificaciones se deben descargar los datos de SAP-PM40,
utilizando las columnas estándar 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
Notificación
Contador
Creado el
Fecha contab.
Nº personal
Empleados
Texto notific.
Pto.trab.(real)
Centro (real)
Trabajo real
Un.trab.(real)
Ubicac.técnica
Equipo
Status sistema
FechaInicioReal
Fecha fin real
40
Se recomienda usar la transacción IW47-Listado de notificaciones, SAP-PM
138
Figura 48. Pantalla cargue notificación
Una vez descargado los datos se debe dar clic en el botón “REFRESH” y volver al
menú principal.
Una vez se tenga el diseño listo y declarados los días para mantenimiento por la
quincena de cada mes, se debe volver al menú principal.
139
Figura 49. Calendario de molienda propuesto para el año 2012
41
Es posible descargar de SAP-PM los datos de la planeación del mantenimiento preventivo por la
transacción IP24-Programacion planes de mantenimiento, se recomienda establecer las
frecuencias como política a lo que se pretende, sin exagerar en tener frecuencias bajas, teniendo
en cuenta que la política debe ser cada vez menos mantenimiento y mayor disponibilidad.
140
Figura 50. Pantalla de configuración de mantenimiento OTPP
La fecha del último mantenimiento es vital para esta programación, pues será la
base para el inicio de cada plan en la simulación realizada, tener en cuenta que si
se ingresa la misma fecha para todos los planes, habrá 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 último
mantenimiento, pues así la aplicación funcionara con datos reales.
141
este caso el ejemplo está hasta la fila 517, las demás están 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 generó alguna orden que está en el listado de
órdenes y es necesario tener la frecuencia para realizar el cálculo del porcentaje
de atraso. Estos se deben pegar después de la fila 1.039 y en el mismo orden de
las columnas que tienen los planes que si están activos, como se observa en la
figura 53.
142
Figura 52. Listado de planes inactivos
143
La herramienta trae el promedio, la desviación estándar y máximo de órdenes por
periodo. Por otra parte trae los días de mantenimiento del calendario y finalmente
el esfuerzo promedio por cada orden.
144
amplio y establecer una disminución del 30% por ejemplo, con estas dos políticas
finalmente se proponen 30 y 66 para cada periodo.
El programa tendrá una fila que identificará cuanta diferencia existe entre las
órdenes que finalmente propone y el máximo histórico, esto es una alarma para
notar si en algún momento el pronóstico se está saliendo de parámetros históricos.
Finalmente el resultado será el estimado de las horas requeridas para atender las
órdenes de mantenimiento preventivo, como se observa en la figura 58.
145
Figura 57. Resultado configuración OTPE
146
una orden OTC en el sistema, la mayor probabilidad de no tener una orden en
proceso ocurre por tener daños poco frecuentes o porque la capacidad de
respuesta en ciertos equipos es de inmediato.
El quinto calculo muestra la atención como una suma de todos los factores que
conforman la atención de una orden, procesos técnicos, sumados a los
administrativos y logísticos, 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 problemáticas que se presentan en la
atención de una orden.
En el último cálculo se identifica que proporción de las órdenes que llegan tienen
que esperar, mostrando mayor habilidad para atender con prontitud, órdenes que
el porcentaje este cercano al 0 y se deben verificar procedimientos para equipos
que estén cercanos al 100%.
147
Luego de obtener la cantidad de órdenes en el sistema con el indicador “L”, será
modificado en cada periodo de acuerdo a los días de mantenimiento programado
que haya establecido en el calendario de mantenimiento para el año en análisis,
como se observa en la figura 59.
148
Se debe dar clic en “REFRESH” y volver al menú principal.
Finalmente se debe ingresar la mano de obra con la cual se cuenta, para esto se
da clic en el botón “CONFIGURAR TRABAJADORES”, el cual presenta una
pantalla donde se debe llenar varios cuadros.
CANTIDAD DE
CARGO CATEGORÍA PERSONAS
MECÁNICO 1 FARREL 1 6
MECÁNICO 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 categoría por hora, teniendo en cuenta todos los
gastos que una persona incluya, salario, factor prestacional y demás, la cantidad
de personas por categoría se actualiza automáticamente.
149
ausentismos es recomendable antes de ingresar estos datos, para no tener
supuestos que no se ajusten a la realidad.
EFECTIVIDAD
CATEGORÍA (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 aumentará o disminuirá dicho factor cuando se esté 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 traerá riesgos, lo que conlleva también
a pensar que no se trata solo de realizar un plan al año y volver a revisar al
terminar el año siguiente, es importante revisar mes a mes si se está 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 sección de informes para evidenciar
cuales serán los resultados esperados y la influencia en variables de interés 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 áreas o inclusive de otras empresas.
Figura 65. Valor hora hombre propuesta por la aplicación 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 más se daña por medio
de la cantidad de ordenes por periodo, este análisis puede conllevar a situar otros
análisis como análisis causal, causa raíz, espina de pescado, para identificar
problemáticas que ayuden a disminuir los daños en dicho equipo.
¿Cuál es el servicio más largo? conlleva a preguntarse por la calidad del personal
que realiza el servicio, las herramientas usadas, el equipo y la oportunidad de
tiempo, análisis derivados del enrutamiento que de este informe pueden ayudar a
mejorar en la gestión del mantenimiento.
154
servicio se puede demorar por tener procesos burocráticos y poco eficientes, este
informe puede indicar cuál debe ser el punto a mirar.
La probabilidad de que una orden que llega tenga que esperar indica cual es
nuestra capacidad de reacción al mantenimiento, es probable que tener repuestos
que están facilitando que los trabajos sean muy largos cuando pueden ser
mejores, estas situaciones no se ven reflejadas en los informes de producción
pues en ultimas la fábrica con los equipos de línea o los de stand by pueden
producir a niveles aceptables.
155
Figura 67. Histórico atrasos
Este indicador debe generar estrategias que evalúen la posibilidad de mejorar los
procesos de cierre de órdenes, realizando las siguientes estrategias:
156
Este gráfico también permite reflexionar acerca de la cantidad de mantenimiento
planeado y cuanto es extraordinario, además de la incidencia de los daños en
cuanto a la cantidad de mantenimiento.
157
12. RECOMENDACIONES
• Las bases de datos son el elemento más importante del mantenimiento para la
toma de decisiones, sin embargo la validez de las decisiones dependerá de la
veracidad de la información del sistema, se deben implementar estrategias
para garantizar la confiabilidad de la información, realizando revisiones
periódicas y estrictas de coherencia de datos.
• El servicio de una orden debe incluir todos los factores que le impiden la
finalización, no solamente el componente operativo influye en el tiempo de
servicio, los procesos administrativos permitirán la oportuna atención de las
órdenes y la rápida finalización.
• 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 técnico para determinar el esfuerzo
real que requirió cada orden.
• No se deben crear órdenes para evidenciar eventos pasados, esto dificulta los
análisis 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 días de
mantenimiento real programado y en general cualquier evento que saque de
funcionamiento la planta por días; se deben considerar para no tener en
cuenta dichos periodos que son atípicos.
159
13. CONCLUSIONES
160
necesidad de clasificar dichas duraciones según la categoría de equipos
agrupándolos por características funcionalmente iguales.
161
• Se evidencia que las decisiones que el ingeniero tome para la definición 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 probabilísticamente acertada dicho impacto.
162
BIBLIOGRAFÍA
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. Gestión del informe Semanal de Órdenes de Mantenimiento.
Cantidad de Ordenes, Diciembre 2011. El Ortigal, Enero 2012.
165
INCAUCA S.A. Sistemas de Gestión de Calidad: Molienda de Caña, R612003,
El Ortigal: 2005.
KULKARNI, V.G. Modeling and analysis of stochastic system. CRC Press, New
York 1995.
166
MICROSOFT OFFICE EXCEL TM. Generación de números aleatorios. [En
línea], 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. Regresión Lineal Simple con SPSS. [En
línea], 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 (Continuación)
170