Vous êtes sur la page 1sur 170

METODOLOGA PARA OPTIMIZAR ESTRATEGIAS DE MANTENIMIENTO EN

EL REA DE MOLIENDA DE INCAUCA S.A.

JOHN JAIRO RAMREZ DOMNGUEZ

UNIVERSIDAD AUTNOMA DE OCCIDENTE


FACULTAD DE INGENIERA
PROGRAMA DE INGENIERA INDUSTRIAL
DEPARTAMENTO DE OPERACIONES Y SISTEMAS
CALI, COLOMBIA
2012

METODOLOGA PARA OPTIMIZAR ESTRATEGIAS DE MANTENIMIENTO EN


EL REA DE MOLIENDA DE INCAUCA S.A.

JOHN JAIRO RAMREZ DOMNGUEZ

PROYECTO DE GRADO PARA OPTAR POR EL TITULO DE


INGENIERO INDUSTRIAL

DIRECTOR:
ING. JESS GABALAN COELLO, MSC
MAGSTER EN INGENIERA CON NFASIS EN INGENIERA INDUSTRIAL

UNIVERSIDAD AUTNOMA DE OCCIDENTE


FACULTAD DE INGENIERA
PROGRAMA DE INGENIERA INDUSTRIAL
DEPARTAMENTO DE OPERACIONES Y SISTEMAS
CALI, COLOMBIA
2012

Nota de aceptacin:
Aprobado por el comit de grado
en cumplimiento con los requisitos
exigidos
por
la
Universidad
Autnoma de Occidente para optar
el ttulo de ingeniero industrial.

ALVARO ARARA_______________
JURADO

MARITZA CORREA_____________
JURADO

Santiago de Cali, 31 de Julio de 2012


3

AGRADECIMIENTOS

En primera instancia agradezco a Dios por darme la oportunidad de culminar mis


estudios en forma positiva.

Agradezco a mis tas y mi hermano por su apoyo, formacin y comprensin, para


desarrollar mi proceso acadmico, siempre fueron mi apoyo incondicional en todo
momento durante toda la carrera.

Agradezco a mi novia quien fue un pilar fuerte para los momentos difciles y me ha
acompaado pacientemente dndome todo su apoyo.

Agradezco a mi jefe el Ingeniero Milton Snchez quien siempre me apoy, para


adquirir la experiencia necesaria que me permitiera desarrollar este aplicativo.

Agradezco al Dr. Jess Hernando Lugo, siendo la persona que confi en m en


todo momento apostando todas sus cartas que sirvieron como base para
desarrollar el inicio de mi proceso profesional.

Agradezco a la Dra. Marcela Castro aportando acadmicamente en el desarrollo


del proyecto de grado.

Agradezco a la familia Snchez y Acosta, por su apoyo incondicional en todo


momento.

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.

CONTENIDO

pg.

RESUMEN

18

INTRODUCCIN

19

1. PLANTEAMIENTO DEL PROBLEMA

20

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

5.1 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

5.3 DESCRIPCIN DE UN MODELO INICIAL ASISTIDO POR TEORA DE


LNEAS DE ESPERA

44

5.4 INCIDENCIA DE LA OPORTUNIDAD DE MANTENIMIENTO EN LA TASA


DE SERVICIO
45
5.5 MODELO INTEGRADO A TRAVS DE HERRAMIENTA
COMPUTACIONAL Y DESARROLLO DE LA HERRAMIENTA

46

6. ESTADO ACTUAL: ESTRUCTURACIN DEL MANTENIMIENTO

47

6.1 ESPECIFICACIN DE LAS RDENES DE TRABAJO PREVENTIVAS


PROGRAMADAS (OTPP)

47

6.2 ESPECIFICACIN RDENES DE TRABAJO PREVENTIVAS


EXTRAORDINARIAS (OTPE)

59

6.3 ESPECIFICACIN RDENES DE TRABAJO CORRECTIVAS (OTC)

62

7. ESTADO ACTUAL: ANLISIS DE LAS LLEGADAS DE LAS RDENES


DE MANTENIMIENTO

64

8. ESTADO ACTUAL: ANLISIS DE LOS TIEMPOS DE SERVICIO DE LAS


RDENES

82

9. DESARROLLO DE HERRAMIENTA COMPUTACIONAL ASISTIDO POR


LNEAS DE ESPERA

92

10. ANLISIS DE LA INCIDENCIA DE LA OPORTUNIDAD DE


MANTENIMIENTO EN EL SERVICIO

111

11. PLANIFICACIN DE MANTENIMIENTO PARA EL REA DE MOLIENDA


DE INCAUCA S.A.
121
11.1 PROCESO DE PLANEACIN E INGRESO DE DATOS

121

11.2 RESULTADOS FINALES

131

11.3 MANUAL DE USUARIO

132

11.3.1 Configuracin de base de datos y polticas.

133

11.3.2 Planeacin del mantenimiento.

140

11.3.3 Resultados.

151

11.3.4 Informes.

153

12. RECOMENDACIONES

158

13. CONCLUSIONES

160

BIBLIOGRAFA

163

ANEXOS

169

LISTA DE FIGURAS

pg.

Figura 1. rbol de problemas, daos en los equipos de molienda


INCAUCA S.A.

24

Figura 2 Extraccin de jugo de caa, rea de molienda

29

Figura 3. Mdulos de SAP

30

Figura 4. Estrategias de Mantenimiento INCAUCA S.A.

48

Figura 5. Simulacin de estrategias de mantenimiento INCAUCA S.A.

49

Figura 6. Proceso de planeacin de mantenimiento

50

Figura 7. Configuracin y funcionamiento de una Hoja de Ruta

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

Figura 13. Orden de mantenimiento preventiva OTPP

57

Figura 14. Ciclo de una orden de mantenimiento programada

58

Figura 15. Cantidad de planes de mantenimiento activos.

59

Figura 16. Orden de mantenimiento preventiva extraordinaria OTPE

60

Figura 17. Fechas de una orden preventiva extraordinaria.

61

Figura 18. Fechas de orden de mantenimiento correctiva OTC.

62

Figura 19. Orden de mantenimiento correctiva OTC.

63

Figura 20. Campos de rdenes de mantenimiento

64

Figura 21. Diagrama de frecuencias de llegadas de rdenes cada dos


semanas OTC

67

Figura 22. Diagrama de frecuencias de llegadas de rdenes cada dos


semanas OTPE

68

Figura 23. Diagrama de frecuencias de llegadas de rdenes cada dos


semanas OTPP

69

Figura 24. Diagrama de frecuencias de llegadas de rdenes cada dos


semanas TOTAL

70

Figura 25. Diagrama general de tiempos de una orden de mantenimiento.

83

Figura 26. Formato de reporte de mantenimiento en SAP-PM

84

Figura 27. Formato tipo impresin de orden de mantenimiento


INCAUCA S.A.

84

Figura 28. Histrico de notificacin de la orden de mantenimiento.

86

Figura 29. Figura pantalla inicial, pool de trabajo del aplicativo.

94

Figura 30. Comparativo del nivel de servicio.

108

Figura 31. Comparativo de costos de personal de mantenimiento.

109

Figura 32. Costo hora hombre de mantenimiento

109

Figura 33. % histrico de atraso.

110

Figura 34. Cantidad de rdenes en el sistema por tipo de orden

110

Figura 35. Calendario de molienda

111

Figura 36. Oportunidad de mantenimiento

112

Figura 37. Pronstico de la cantidad de OTPE segn los das de


mantenimiento

118

Figura 38. Residuales del pronstico de la cantidad de OTPE segn los


das de mantenimiento

118

Figura 39. Calendario de molienda propuesto para el ao 2012

122

Figura 41. Comparativo nivel de servicio

131

Figura 42. Costo promedio de mano de obra histrico

131

Figura 43. Valor Hora hombre final

132

Figura 44. Pantalla principal aplicativo herramienta de planeacin del


mantenimiento

133

Figura 45. Pantalla datos bsicos

134

Figura 46. Pantalla clasificacin de equipos

135

Figura 47. Pantalla cargue de rdenes seccin datos

137

Figura 48. Pantalla cargue de ordenes seccin formulas

137

Figura 49. Pantalla cargue notificacin

139

Figura 50. Calendario de molienda propuesto para el ao 2012

140

Figura 51. Pantalla de configuracin de mantenimiento OTPP

141

Figura 52. Seccin programacin pantalla configuracin OTPP

142

Figura 53. Listado de planes inactivos

143

Figura 54. Resultados simulacin de programacin de OTPP

143

Figura 55. Configuracin de ordenes preventivas OTPE

144

10

Figura 56. Definicin de poltica de mantenimiento OTPE

145

Figura 57. Diferencia entre rdenes propuestas y el histrico mximo

145

Figura 58. Resultado configuracin OTPE

146

Figura 59. Calculo inicial teora de colas OTC

146

Figura 59. Calculo de ordenes OTC en el sistema.

148

Figura 60. Resultado configuracin OTC

148

Figura 62. Factor tiempo extra por periodo

151

Figura 63. Nivel de servicio, resultado final

152

Figura 64. Costo comparativo de la mano de obra

153

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

Figura 67. Resultado teora de colas

155

Figura 68. Histrico atrasos

156

Figura 69. Cantidad de rdenes por mes

157

11

LISTA DE CUADROS

pg.

Cuadro 1. Tabla de contingencia valores observados

39

Cuadro 2. Tabla de contingencia valores esperados

40

Cuadro 3. Resultados estadstica descriptiva, anlisis llegada del numero


de rdenes cada dos semanas.
66
Cuadro 4. Nmero de veces que se presenta cada cantidad de ordenes
OTC

67

Cuadro 5. Nmero de veces que se presenta cada cantidad de ordenes


OTPE

68

Cuadro 6. Nmero de veces que se presenta cada cantidad de ordenes


OTPP

69

Cuadro 7. Nmero de veces que se presenta cada cantidad de rdenes


TOTAL

70

Cuadro 8. Cantidad de rdenes que llegaron en cada periodo.

71

Cuadro 9. Das de molienda efectiva al ao

75

Cuadro 10. Nmero de periodo para mantenimiento programado real por


ao.

75

Cuadro 11. Frecuencia de llegada de OTC por periodo observada vs


esperada

77

Cuadro 12. Prueba de Bondad de Ajuste OTC

77

Cuadro 13. Prueba de Bondad de Ajuste OTPE

79

Cuadro 14. Prueba de Bondad de Ajuste OTPP

80

12

Cuadro 15. Resumen estadstico tiempos de servicios de las OTC

87

Cuadro 16. Categoras de clasificacin de OTC

88

Cuadro 17. Relacin de frecuencias de servicio observadas de OTC

88

Cuadro 18. Clculo del tiempo medio de servicio de las OTC


Cuadro 19. Frecuencia esperada por categora.

89
90

Cuadro 20. Calculo Chi-Cuadrado.

90

Cuadro 21. Resumen de medias y desviaciones estndar de tiempos de


servicio por categoras

91

Cuadro 22. Clasificacin de periodos quincenales del ao.

97

Cuadro 23. Determinacin de la demora en la atencin

97

Cuadro 24. Clculo aleatorio de la frecuencia con probabilidad de atraso. 101


Cuadro 25. Das de molienda, calendario y mantenimiento

114

Cuadro 26.Cantidad de ordenes OTPE por periodo

114

Cuadro 27. Tabla de contingencias entre das de mantenimiento y


cantidad de OTPE

115

Cuadro 28. Tabla de contingencia frecuencia esperada entre das de


mantenimiento y cantidad de OTPE

115

Cuadro 29. Resultados parciales clculo prueba bondad de ajuste para


independencia

116

Cuadro 30. Resultados de los clculos de regresin lineal entre das de


mantenimiento (Variable independiente) y cantidad de OTPE (Variable
dependiente)

117

Cuadro 31. Resultados correlaciones no lineales entre das de


mantenimiento (Variable independiente) y cantidad de OTPE (Variable
dependiente)

120

13

Cuadro 32. Poltica de mantenimiento preventivo extraordinario.

123

Cuadro 33. Resumen de frecuencias planes de mantenimiento preventivo.123


Cuadro 34. Calculo del atraso de las rdenes y la probabilidad de
atrasarse.
124
Cuadro 35. Resultados Simulacin OTPP

125

Cuadro 36. Resultados simulacin OTPE

125

Cuadro 37. Promedios histricos de llegada y tiempos de servicio OTC

126

Cuadro 38. Resultados clculos ecuaciones M/G/1

127

Cuadro 39. Resultados simulacin OTC

128

Cuadro 40. Cantidad de trabajadores por categora.

128

Cuadro 41. Tabla de tiempos de trabajo por persona estndar en


promedio

129

Cuadro 42. Oferta inicial de horas disponible para mantenimiento

129

Cuadro 43. Factor de tiempo extra seleccionado.

130

Cuadro 44. Listado de categoras de equipos

135

Cuadro 45. Datos requeridos para ingresar al sistema por cada orden

136

Cuadro 46. Listado de campos para la notificacin.

138

Cuadro 47. Cantidad de personas por cargo.

149

Cuadro 48. Cantidad de personas por categora.

149

Cuadro 49. Tiempo disponible para mantenimiento por persona.

150

Cuadro 50. Efectividad por categora.

150

14

GLOSARIO

ATRASO: es un indicador que define la razn entre el tiempo de demora de la


atencin de la orden y su frecuencia de mantenimiento o tiempo de tolerancia
establecida por poltica, se mide en porcentaje y su efecto es positivo en la medida
que se acerque al cero, por otra parte este indicador es sensible a periodos cortos
o polticas de tolerancia al cierre con tiempos muy cortos.

BACKLOG: se interpreta como el tiempo suficiente requerido para terminar todas


las ordenes de mantenimiento pendientes con el personal actual adquirido.

CAPACIDAD DE MANTENIMIENTO: est relacionado con el personal tcnico


para realizar los trabajos de mantenimiento, se mide en cantidad de personas las
cuales generan una disponibilidad de horas de trabajo al ao.

CONFIABILIDAD: se relaciona de forma inversamente proporcional con la


cantidad de daos que tiene un equipo, estos pueden afectar la funcionalidad
parcial o total del equipo incluso parando la produccin.

CRITICIDAD: es el estatus que se le da a un equipo para diferenciarlo de los


dems, teniendo mayor criticidad equipos de mayor importancia para la compaa
porque pueden parar el proceso, poner en riesgo la salud de los trabajadores o
daar el medio ambiente.

DISPONIBILIDAD: se relaciona directamente con el tiempo que los equipos


estuvieron dispuestos para la operacin, inclusive estn disponibles estando en
buen estado as estn apagados.

EFECTIVIDAD ESPERADA: la efectividad en general se define como el modo en


que se cumplen los objetivos planteados, en el contexto de mantenimiento del
documento se interpreta como la forma en que los trabajadores cumplen el
objetivo de cada orden de trabajo superando todos los obstculos tcnicos o
administrativos que se presenten.

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.

GRUPO PLANIFICADOR: Agrupacin de trabajadores a cargo de un ingeniero de


mantenimiento, dedicados a la solucin de ordenes de mantenimiento de acuerdo
a su especialidad: elctrica, electrnica, mecnica o lubricacin.

MODELO GENERAL: el trabajo integra diferentes tcnicas estadsticas para


realizar la propuesta de mantenimiento, utilizando teoras de colas, estadstica
descriptiva y probabilstica, dicha combinacin conforma el modelo general
propuesto para el modelamiento de las estrategias de mantenimiento.

NOTIFICACIN: es el ingreso al sistema SAP-PM, de la informacin tcnica y


logstica de los acontecimientos ocurridos durante el desarrollo de la orden de
trabajo.

OPORTUNIDAD: son las horas o das que se destinan para realizar


mantenimiento con la planta fuera de operacin, en los ingenios azucareros esta
oportunidad se presenta generalmente en forma de horas cada quince das y en
forma de das para los meses de abril, junio y diciembre, momentos donde se
hace paradas totales de ms de cinco das.

PERIODO ESTNDAR: es la cantidad en das o semanas calendario que servir


como referencia de anlisis para agrupamiento de las rdenes de trabajo.

PLAN DE MANTENIMIENTO: es un objeto dentro del sistema SAP-PM que


relaciona los trabajos a realizar en un equipo con la frecuencia de mantenimiento
del mismo, determinando el momento de lanzamiento de una orden.

POLITICA DE MANTENIMIENTO: es el establecimiento de metas y objetivos


usando los indicadores que se consideren aplicables para la compaa, adems
de la estrategia de mantenimiento basada en mantenimiento intensivo o
conservador, dependiendo de la apertura de presupuesto que aporte la gerencia.

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.

PROGRAMACIN VARIABLE: Una programacin variable es tener la posibilidad


de modificar la programacin de mantenimiento de acuerdo a la satisfaccin de los
indicadores, de forma tal que se pueda identificar el efecto antes de tomar las
decisiones.

TIEMPO DEDICADO: tiempo que se invierte en la orden de trabajo desarrollando


procesos tcnicos, logsticos y administrativos.

TIEMPO DE DEMORA: tambin conocido como tiempo de retraso, marca la


diferencia entre la fecha que deba atenderse la orden y la fecha actual, se mide
en semanas y su efecto es negativo en la medida que crece positivamente
alejndose del cero.

TIEMPO DE SERVICIO: es el tiempo que toma la atencin de una orden de


trabajo desde el momento de su fecha de inicio programado hasta la fecha final de
cierre, incluyendo todos los tiempos dedicados.

TIEMPO DE TOLERANCIA: es el tiempo en el cual se espera que se cierre una


orden despus del cumplimiento programado del trabajo, este tiempo se mide en
semanas y lo establece el ingeniero de mantenimiento, teniendo en cuenta que a
menor tiempo, mayor exigencia en el cierre de la orden.

17

RESUMEN

El trabajo que se presenta a continuacin tiene la pretensin de desarrollar una


metodologa para la gestin del mantenimiento en un ingenio azucarero, que
permita facilitar la toma de decisiones en la planeacin de las tareas del rea de
mantenimiento y a su vez correspondan al nivel de servicio que tienen las
cuadrillas de trabajo, para encontrar un equilibrio de tal manera que los atrasos en
las rdenes de mantenimiento se disminuyan.

En este desarrollo se utilizarn los datos histricos del departamento de


mantenimiento de INCAUCA S.A., en sus bases de datos como lo son: SAP PM y
SIGIND. A partir de esta informacin, se describe el sistema centrado en los
equipos de extraccin de jugo de la caa ubicados en el rea de molienda.

Como herramienta conceptual para abordar el problema se utilizar la teora de


lneas de espera, herramienta desarrollada por Erlang (1909) y perteneciente al
campo de las matemticas aplicadas (denominada en el contexto de la Ingeniera
Industrial Investigacin de Operaciones). En este sentido, se intenta modelar
situaciones propias de la dinmica de un ingenio azucarero tales como: llegada de
las rdenes de mantenimiento, nivel de servicio, nmero de servidores y tiempo de
atencin; utilizando para ello modelos probabilsticos que determinen el
comportamiento aleatorio de estas variables, dado que el evento de daos o
reparaciones no es de naturaleza determinstica y por tanto las rdenes de
mantenimiento se encuentran influenciadas por polticas de los ingenieros
encargados del rea de mantenimiento.

Dado lo anterior, estos elementos sern tratados con procedimientos estadsticos


que permitan modelar el sistema bajo estudio capturando los patrones y factores
endgenos del proceso.

Aqu se presenta una propuesta metodolgica para disear estrategias de


mantenimiento que coadyuven a la optimizacin del mismo proceso, evidenciando
una vez ms la necesidad de utilizar tcnicas de modelacin matemtica como
soporte a la gestin organizacional.

Palabras Claves: teora de lneas de espera, investigacin operaciones,


estrategias, mantenimiento, SAP PM, Ingenio azucarero, molienda, probabilidad.

18

INTRODUCCIN

Los ingenios azucareros son una de las principales fuentes de ingresos de


Colombia y generan una cantidad importante de empleos directos e indirectos. En
el proceso productivo, el rea de mayor impacto e importancia es la molienda. Es
aqu donde se realiza el proceso de extraccin del jugo de la caa y en donde los
frecuentes daos en los equipos se ven afectados en gran medida por el
incremento en los atrasos en las rdenes de trabajo, formando los cuellos de
botella. Estas congestiones se deben presumiblemente a tres factores: frecuencias
inadecuadas para la programacin de los mantenimientos preventivos, fuerza de
trabajo insuficiente y baja oportunidad de mantenimiento programado; entendiendo
esta ltima como la cantidad de das al ao en el que se cumple el programa de
mantenimiento.

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.

La disminucin en los atrasos del mantenimiento tendr como consecuencia el


aseguramiento de una atencin oportuna a los equipos, reduciendo as la
probabilidad de fallo. Tambin trae consigo beneficios adicionales como: reduccin
de costos, mejores ndices de productividad y reduccin de los tiempos perdidos.

Este proyecto se muestra como una solucin alternativa, utilizando la investigacin


de operaciones en el departamento de mantenimiento de un ingenio azucarero en
Colombia, empleando especficamente anlisis estadsticos y teora de lneas de
espera, como una aplicacin en problemas de cuellos de botella en el rea de
mantenimiento.

19

1. PLANTEAMIENTO DEL PROBLEMA

1.1

ANTECEDENTES

INCAUCA S.A. ha incursionado en la bsqueda de soluciones integrales teniendo


dentro de los objetivos, aumentar la disponibilidad de los equipos, disminuir el
tiempo perdido y aumentar la capacidad de mantenimiento1. Durante los ltimos
aos el ingenio ha realizado inversiones importantes en tecnologa con el objetivo
de mejorar la productividad, reducir los costos y los tiempos perdidos, esta
reduccin tambin se ve evidenciada en menores daos y menor mantenimiento
programado, lo que reduce el porcentaje de atrasos. Entre las inversiones ms
importantes de los ltimos cinco aos se encuentra:

2008: Cambio de la noria de bagacillo por tamiz rotativo, con una inversin de
600 millones de pesos.

2009: Cambio de turbinas de vapor a motores elctricos de 1700 HP para la


impulsin de los molinos, la inversin fue de 10.000 millones de pesos. En
este ao tambin se realiz el cambio del sistema de acoples de los molinos,
pasando de rgidos a flexibles, con una inversin total de 400 millones de
pesos.

2010: la Empresa cambi las picadoras de caa, remplazndolas con una


desfibradora de 5300 HP de potencia, con una inversin cercana a los 15.000
millones de pesos2.

A nivel nacional otros ingenios han implementado diferentes estrategias para


mejorar la gestin del mantenimiento. De acuerdo con la informacin del informe
estadstico del Ingenio San Carlos S.A. 3, se logra observar que lograron subir el
tiempo de operacin de la fbrica a 303 das, diez das ms respecto al ao
anterior. San Carlos es el ingenio que tiene mayor utilizacin del tiempo para
produccin con un 81.05%, y el menor ndice de tiempo perdido en la fbrica con
1

INCAUCA S.A. Caracterizacin del proceso. Definicin de objetivos. Gerencia de fbrica. El


Ortigal, 2011.
2
INCAUCA S.A. Informe anual de proyectos. Proyectos instalados 2007 2011, Departamento de
Proyectos. El Ortigal, 2012.
3
INGENIO SAN CARLOS, Informacin Estadstica, [en lnea], 2002, [consultado el 15-12-2011],
disponible en www.ingeniosancarlos.com.co/estadosf2.php.

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.

A nivel mundial el Ingenio Azucarero Guabir S.A. Bolivia, incursion en la


instalacin de un difusor de caa en el ao 2001, con la intencin de cambiar la
metodologa de molienda por medio de mazas y obtener todos los beneficios que
propone Fives Cail5, en las cuales propone que las paradas del difusor por averas
son 40% menos frecuentes que las de un molino convencional.

En contraposicin los ingenios del Gobierno Federal de Mxico administrados por


FEESA (Fondo de Empresas Expropiadas del Sector Azucarero), en el informe del
XV congreso internacional de contadura, administracin e informtica6, realizaron
estudios de correlacin de diferentes variables para identificar la prdida de
productividad. Dentro de esas variables los tiempos perdidos jugaron un papel
importante, los cuales fueron mejorados reduciendo la rotacin del personal de
planta, conservando as el conocimiento de los operadores y acortando la curva de
aprendizaje del nuevo personal. Los porcentajes de tiempo total perdido en fbrica
tambin han sufrido un descenso importante, en 1998 el porcentaje era de 24.69%
y para la cosecha 2004 el porcentaje baja al 19.73%.

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.

A nivel acadmico se han realizado estudios alrededor de la aplicacin de las


lneas de espera en el mantenimiento, el autor Giuliano
Antoniol (2004), en su
artculo Assessing Staffing Needs for a Software Maintenance Project through
Queuing Simulation, explica como la teora de colas ayuda a la planeacin y
control de proyectos de mantenimiento en el que requieren calcular la dotacin de
personal que considere un servicio de mantenimiento ptimo distribuido en
diferentes procesos dentro de una compaa8. El modelo de lneas de espera
provee la cantidad de personal que se requiere para la realizacin de los trabajos,
teniendo en cuenta el nivel de servicio y la probabilidad de cumplir con la
estrategia de mantenimiento en el tiempo pactado. El autor recomienda integrar
estas estrategias junto con otras herramientas de gestin del mantenimiento con el
fin de priorizar actividades, evitar conflictos y evaluar la disponibilidad de los
recursos.

Para la resolucin de problemas de cuellos de botella en el mantenimiento,


Giuliano Antoniol modela una lnea de cola en el que considera las rdenes de
trabajo como la rata del trfico de llegada, la cantidad de tiempo en que cada
orden se atiende como el tiempo de servicio, una capacidad de cola finita o infinita
y una disciplina o comportamiento de atencin. Con estos datos se modela el
sistema de redes de colas, simulando diferentes escenarios que dan como
resultado diferentes estrategias para el control del mantenimiento, la planeacin y
el manejo de los recursos.

Otros estudios respecto al tema del mantenimiento usando lneas de espera, es el


presentado por Vidyadhar, Subodha y Vijay, en el artculo Optimal Allocation of
Effort to Software Maintenance: A Queuing Theory Approach, donde usan la teora
de colas y modelos computarizados para determinar los recursos ptimos de
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.

Se puede identificar como con el uso de diferentes estrategias disminuyen los


atrasos en las rdenes. Los ingenios han implementado proyectos que tienen que
ver con la actualizacin y automatizacin de la planta, el control del conocimiento
del personal, la implementacin de software para anlisis y mejoras en la
estrategia de produccin. Es importante anotar que cada ingenio hizo uso del
recurso de mayor disponibilidad sin limitantes econmicas. En otros estamentos
de la academia se han aplicado la teora de colas para el desarrollo de estrategias
de mantenimiento, que son altamente eficientes para determinar el nivel de
servicio ptimo requerido por una compaa que tiene como meta reducir tiempos
perdidos, disminuir costos y aumentar la productividad.

1.2

ENUNCIADO

INCAUCA S.A., actualmente presenta altos tiempos perdidos en el rea de


molienda, baja productividad y altos costos de mantenimiento. Realizando un
anlisis se identifica una de las causas que principalmente afecta la problemtica:
los daos en los equipos evidenciados principalmente por el incremento en los
atrasos de las rdenes de mantenimiento como se puede observar en la figura 1.

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%.

Figura 1. rbol de problemas, daos en los equipos de molienda INCAUCA


S.A.12
Baja Productividad

Altos Costos de
Mantenimiento

Altos Tiempos Perdidos


por Mantenimiento

Frecuentes daos en los equipos de


molienda
Incremento en los % de atrasos en las ordenes
de mantenimiento
Frecuencias
inadecuadas de
mantenimiento
Equipos Fallan
antes de su fecha
de mantenimiento
Frecuencias
asignadas sin
estudios

Intervenciones
innecesarias de
equipos en buen
estado
No hay
retroalimentacin

Fuerza de Trabajo
insuficiente

Altos tiempos de
atencin
Distribucin
inadecuada del
trabajo

11

Baja Oportunidad de
Mantenimiento

Incumplimiento en
la planeacin de las
paradas
% de cumplimiento
de la programacin
de la parada

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.

Los ingenieros y sus cuadrillas de mantenimiento hacen grandes esfuerzos en


realizar reparaciones extraordinarias usando horas hombre, materiales y contratos
de terceros. Aproximadamente el 30%14 de los recursos se destinan al
mantenimiento no planificado (sin contar los recursos que se gastan en correctivos
imputados en rdenes preventivas), tornndose insuficientes los recursos para
cubrir el mantenimiento preventivo propuesto, incrementando finalmente las
rdenes en espera de atencin.

Anualmente se realiza una programacin de molienda en la que se determina los


das de produccin y de mantenimiento, con esta programacin los ingenieros
planean las diferentes paradas de fbrica. Durante lo corrido del ao este
calendario sufre modificaciones dificultando la planeacin efectiva, sin embargo,
es posible utilizar una programacin variable si se contara con herramientas de
ayuda para el anlisis de la proyeccin del mantenimiento.

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

Desarrollar una metodologa para establecer estrategias de gestin de


mantenimiento a travs del uso de herramientas de la investigacin de
operaciones, de tal forma que facilite la toma de decisiones sobre el plan de
mantenimiento, en el rea de molienda de INCAUCA S.A.

2.2

ESPECFICOS

Obtener el modelo probabilstico de la llegada de las rdenes de trabajo a la


lnea de espera, de tal forma que se establezca el patrn de llegada.

Establecer en forma cuantitativa y probabilstica, la forma en que las


cuadrillas de mantenimiento son capaces de procesar las rdenes de trabajo,
obteniendo el nivel y la tasa de servicio.

Calcular el modelo de teora de colas con los datos obtenidos, para llegar al
estado actual, que ser el punto de referencia.

Determinar cmo la oportunidad de mantenimiento aumenta la tasa de


servicio, para encontrar una restriccin al modelo y complementar el sistema.

Integrar el modelo de teora de colas para generar la herramienta en


Microsoft Excel que permita balancear y establecer un nivel de servicio
adecuado.

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:

La Empresa: cuatro factores revelan que la empresa es el beneficiario ms


importante:

El ajuste de la capacidad de servicio a la necesidad de mantenimiento


permitir garantizar el cumplimiento en el mantenimiento preventivo y una
oportuna respuesta a los daos en los equipos, aumentando as la
disponibilidad de los mismos y mejorando los ndices de produccin.

La disminucin en los daos tendr un efecto directo en el tiempo perdido de


produccin (424.09 horas perdidas por fbrica en el 201115), de tal forma que
no sea necesario detener el proceso productivo para realizar reparaciones en
equipos, aumentando la probabilidad de producir a mayor escala.

La reduccin de los daos en los equipos, tendr una disminucin directa en


los costos, teniendo en cuenta que hay la posibilidad de controlar los trabajos
extraordinarios que tienen unos costos cercanos a los USD$ 1.7 millones16 al
ao, por lo tanto la baja en los costos es directamente proporcional con el
aumento de las utilidades de la compaa.

Al establecer la capacidad de servicio adecuada, se ajustar el costo de la


mano de obra al mnimo necesario para garantizar la mxima operatividad de
los equipos.

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

Para el desarrollo de este proyecto se hace necesario conocer y manejar la


documentacin respecto al proceso de molienda, adems del sistema utilizado
para mantenimiento (SAP PM) y para la medicin del tiempo perdido (SIGIND). De
otro lado tambin se requiere estudiar la teora de colas, de forma tal que
relacione las llegadas de las rdenes, el tiempo de atencin y el nmero de
servidores. El anlisis de datos se fundamenta en base estadstica descriptiva e
inferencial, estableciendo pruebas de hiptesis para demostrar el comportamiento
de las rdenes.
En el proceso de la molienda de INCAUCA S.A.17, la caa proveniente de los
patios de caa alimenta al molino a travs de las mesas y los conductores:
transversal, auxiliar y principal. Los conductores auxiliar y principal poseen
niveladores que mantienen la cantidad de caa uniforme en el conductor hasta la
entrada del molino. La caa pasa por una desfibradora donde es impactada contra
un yunque quedando totalmente desfibrada.

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.

Figura 2 Extraccin de jugo de caa, rea de molienda

Fuente: CENICAA, Diagrama de obtencin de azcar, 2004

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.

La representacin clsica de este producto se muestra en la figura 3.El rea roja


representa las aplicaciones financieras, el rea verde las funciones logsticas, la
amarilla los recursos humanos, y el color azul representa el sistema bsico y de
desarrollo.

Figura 3. Mdulos de SAP

SD

FI

.
MM

CO

PP

R/3

.
AM

Solucin Integrada
Cliente / Servidor

QM
.

PS
WF

PM
HR

IS

Fuente: SAP, Integracin modular cliente servidor. 2012.


Segn el manual de mantenimiento de INCAUCA S.A.18. PM (Planeacin de
Mantenimiento) El Sistema PM soporta todo el departamento responsable de la
planificacin, tratamiento y liquidacin de medidas de trabajo. Todas las
estrategias a efectuar por el departamento pueden registrarse, planificarse,
controlarse y comunicarse. As mismo, se incluyen tanto las acciones que no estn
planificadas, o que se deben a averas, como las medidas de inspeccin y
mantenimiento habituales.
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).

La estrategia de mantenimiento implementada bajo estos programas de


administracin y medicin, utilizan polticas para determinar la forma, la cantidad,
la secuencia y el uso de los recursos, en este proyecto se estudiar la generacin
de estrategias desde el punto de vista de la teora de colas y la estadstica.

La teora de colas es una herramienta que ayuda a establecer el servicio


adecuado con el tiempo de respuesta oportuno, originada por Agner Kraup Erlang
en 1909 para analizar la congestin de trfico telefnico con el objetivo de cumplir
la demanda incierta de servicios en el sistema telefnico de Copenhague. Sus
investigaciones acabaron en una nueva teora denominada teora de colas o de
lneas de espera, esta teora es ahora una herramienta de valor en negocios,
debido a que un gran nmero de problemas pueden caracterizarse como
problemas de congestin llegada-salida.

Las rdenes de mantenimiento son un requerimiento en espera de ser atendidas,


por lo tanto el no cumplimiento de una o varias rdenes genera una lnea de
espera, el tiempo en que son atendidas las rdenes y la cantidad de personal
disponible para atenderlas completa un sistema que contiene los siguientes
componentes:

Rata de llegada: supone la cantidad de rdenes que llegan o son generadas,


sumadas a los listados en espera de ser atendidas; su comportamiento de
llegada puede tener un comportamiento especfico el cual es necesario
identificar y probar con alta precisin.

Tiempo de Servicio: tiempo necesario para la atencin y procesamiento de


una orden de servicio, su comportamiento se puede modelar mediante una
distribucin de probabilidad.

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.

Disciplina de la cola: metodologa FIFO (por su siglas en ingls: primeros en


llegar primeros en salir), metodologa LIFO (por su siglas en ingls: ltimos en
llegar primeros en salir), metodologa aleatoria, metodologa de prioridad de
acuerdo a las caractersticas de las rdenes.

Nmero de canales: define cuantos canales de atencin se abrirn para


atender los servicios, como mnimo es un canal, pero tambin pueden existir
varios canales que trabajen en paralelo con varias colas, o una sola cola
siendo atendida por varios servidores.

Dependiendo de la configuracin de las distribuciones de probabilidad y la


cantidad de servidores, Kendall y Lee (1953) como se observa en el libro de
Azarang y Garcia (1998), desarrollaron una notacin que mediante tres smbolos,
principalmente, define el comportamiento y grupo de ecuaciones siguiendo la
siguiente nomenclatura:

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.

Para los numerales A y B especific las siguientes letras segn la distribucin:

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.

Es importante tener en cuenta que hay un costo que se puede contabilizar, el


costo de mantener o de atender una orden, pero causa dificultad contabilizar un
costo de esperar, que tambin es importante, por lo tanto frmulas probabilsticas
usando, distribuciones: binomiales, Poisson y exponenciales, acompaadas de
transformadas de LPlace y Z, determinarn los costos de mantener y esperar
(Banker and Slaughter 1997, Nosek and Palvia 1990, Tan and Mookerje 2005).

Se asume que las rdenes de mantenimiento estn concluidas completamente


cuando la orden no tiene pendiente ningn paso y el servidor est libre para
atender una nueva orden, el tiempo que toma la atencin supone una distribucin
exponencial, Kulkarni (1995).

Al tener una distribucin de Poisson de la llegada de las rdenes, una distribucin


binomial para la probabilidad de duplicar una orden en la lnea de espera y una
distribucin exponencial del tiempo y la rata de servicio, conforman un modelo de
teora de cola M/M/1.Cuando el departamento de mantenimiento puede posponer
cualquier nuevo requerimiento, se dice que se cuenta con un backlog, o N
rdenes en la cola, entonces se puede contar con una poltica de N rdenes en
espera. La poltica debe tener en cuenta los costos de esperar pero tambin los
beneficios de trabajar por lotes, Sobel (1969) y Heyman and Sobel (1984).

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

El propsito de la teora de colas es poder establecer el nivel de servicio ptimo


por medio de la rata de servicio, con una poltica de backlog definida que balancea
los costos de mantenimiento, teniendo en cuenta que todas las variables son
aleatorias y que se afectan entre s. El modelo tambin supone que las pruebas no
son estticas y dependen mucho de la cantidad de datos que tenga el sistema. La
probabilidad de aumentar la tasa de servicio aumenta con el nmero de rdenes y
con la posibilidad de duplicarse las solicitudes. Al escoger un backlog indicado
depende mucho de los dos parmetros anteriores, obteniendo valores de N ms
convenientes con una probabilidad media de duplicacin. Es tambin muy
importante estudiar la forma en que se comporta la disciplina de la cola y cmo los
ingenieros afectan el modelo con sus decisiones.

Existen diferentes tipos de software que ayudan en la gestin del mantenimiento, y


estn enfocados principalmente a la estructuracin de los equipos, recursos y la
plataforma administrativa para hacer anlisis. Los anlisis conllevan a utilizar
diferentes enfoques y puntos de vista tales como: anlisis de falla, confiabilidad,
costos, entre muchos otros posibles.

Este documento no pretende realizar un estudio, anlisis o recomendacin de la


implementacin de algn software para administrar el mantenimiento, debido a
que parte del uso de SAP-PM como herramienta para estructuracin de los
histricos. El anlisis aqu propuesto est encaminado aportar una ayuda en la
toma de decisiones partiendo de un sistema organizado y con datos conocidos.

Algunos software tambin realizan las funciones de aportar en la toma de


decisiones, uno de ellos es Easymaint (aBESofT Technologies, 2011), esta es
una aplicacin que realiza la gestin integral de mantenimiento, dentro de l se
estructuran los activos fijos de una compaa y sobre estos se planea el
mantenimiento. El plan maestro est basado en semanas calendario y la
programacin se realiza con horizonte a un ao, manejando elementos muy
grficos que permitan visualizar la gestin de mantenimiento y sus efectos. El
software tiene un control de las paradas programadas, generador de los

34

indicadores comunes de mantenimiento (TPM Disponibilidad, MTTR, MTBF y


otros), registro de tiempos y mano de obra.

La aplicacin permite efectuar un control de la mano de obra estimada basada en


la cantidad de trabajo programada por medio de las proyecciones del
mantenimiento preventivo. Sus bases de datos son robustas al usar Acces,
SqlServer y Oracle, dependiendo de la aplicacin de la empresa contratante.

Otro aplicativo usado por las empresas industriales, manufactureras y automotriz


es el SysMan (INSOLCA, 2009), realiza la interpretacin y manipulacin de la
informacin de mantenimiento de forma integral entre los trabajos y los recursos,
mostrando su impacto en los costos. Basado en el mantenimiento de los equipos
ms importantes el programa se enfoca en el anlisis de la planeacin,
administracin y seguimiento de los proceso de mantenimiento. Los anlisis se
enfocan a la identificacin, planificacin, programacin y seguimiento de los
trabajos.

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.

El Availability Workbench (Isograph Ltd, 2011), el cual es un software de


simulacin que maneja la metodologa de mantenimiento centrado en
confiabilidad, en el cual realiza el anlisis de los modos de falla de cada equipo y
hace simulaciones de los posibles daos que puedan ocurrir al igual que los
efectos sobre los mismos, usa la distribucin de Weibull para el anlisis de la
probabilidad de averas, y maneja mdulos del ciclo de vida del activo.
Esta solucin integral est enfocada principalmente a los efectos del DESGASTE
de los equipos, debido a su naturaleza y a la de sus componentes estudiando
detalladamente las hojas de vida y las composiciones de los materiales usados,
finalmente produce modelos de falla para determinar los trabajos de
mantenimiento.

La relacin por medio de diagramas de bloque o rbol de fallas, permite realizar


las simulaciones por medio de algoritmos lgicos, usa la simulacin de Monte
Carlo para los parmetros de confiabilidad y disponibilidad de equipos. El
aplicativo integra estos anlisis al mantenimiento planeado.
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.

Los datos usados por los sistemas de informacin utilizados en el documento


requieren una validacin, esta validacin se hace a dos niveles: el primer nivel
cosiste en depurar de manera lgica las incoherencias o faltantes en los datos que
puedan distorsionar los anlisis, en caso que existan valores que no sean validos
no se deben tener en cuenta, ni siquiera parcialmente. El segundo nivel se debe
hacer con metodologas que comprueben que los datos siguen las distribuciones
planteadas, para estos efectos se utiliza la prueba de bondad de ajuste, que entre
otras aplicaciones permite con gran nivel de confianza y facilidad de manejo
realizar las pruebas de distribucin de datos.

La prueba de bondad de ajuste es una prueba de hiptesis (Anderson, Sweeney,


& Williams, 2011)19 en que plantea que unos datos aleatorios son iguales a los
propuestos por una distribucin especifica, el planteamiento de la hiptesis nula
parte de Ho : F = Fo, con hiptesis alterna Ha FFo donde F ser la distribucin
propuesta y Fo ser la distribucin observada, la distribucin propuesta ser la
que est en objeto de comprobacin y para el caso de este documento una serie
de datos sern comprobados para ver si realmente su distribucin es tipo Poisson
para las llegadas y los datos de servicio se comprobar si son tipo Exponencial.

La distribucin Poisson es una distribucin de probabilidad discreta que expresa a


partir de una frecuencia de ocurrencia media, la probabilidad de que ocurra un

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.

La distribucin Exponencial aes la distribucin de probabilidad que se encarga de


pronosticar los tiempos en que sucede una variable21, generalmente la distribucin
exponencial describe los tiempos de duracin entre ocurrencias de datos que se
distribuyen Poisson.

Donde:
: es tiempo medio de duracin inverso:

>0

Para el caso de los tiempos de atencin que se analizan en intervalos, es ms


eficiente utilizar la funcin de probabilidad acumulada, expresndose as:

<

= 1

La prueba de bondad de ajuste toma cualquiera de las dos probabilidades


propuestas y realiza para cada caso el siguiente procedimiento:

20
21

Plantea la hiptesis nula Ho: F=Fo y la alterna Ha: FFo

Ibd., p. 218.
Ibd., p. 253.

37

Calcula la media de las ocurrencias de los datos para Poisson y la media de


los tiempos para Exponencial.

Se realizan categoras de ocurrencia de datos segn el rango hasta el valor de


inters que se considere analizar.

Se calcula cual sera el valor esperado para cada categora anterior usando la
ecuacin del modelo analizado.

Se agrupan las categoras cuyo valor de pronstico es inferior a cinco, para no


violar los parmetros de la distribucin chi-cuadrado.

Se utiliza el estadstico chi-cuadrado (X2) para determinar si la distribucin de


datos sigue la distribucin propuesta mediante la siguiente ecuacin:

"

= #
&'

"

Donde:
K: numero de clases finalmente conformadas.
Fe: frecuencia de datos esperada
Fo: frecuencia de datos observada

Finalmente el resultado se calcula utilizando la tabla de chi-cuadrado la cual


exige el numero de categoras k y ciertos grados de libertad v que se obtienen
restndole a k el numero de parmetros calculados y uno, v = k p 1.

Si el valor X2 encontrado es superior al de la tabla se rechaza la hiptesis nula


y si es menor se acepta, determinando en caso positivo seguimiento de los
datos a la distribucin propuesta.

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.
Cuadro 1. Tabla de contingencia valores observados

Variable X

Variable Y
C1

C2

Cj

Subtotal

R1

O11

O12

O1j

R1

R2

O21

O22

O2j

R2

Ri

Oi1

Oi2

Oij

Subtotal C1

C2

CJ

Ri
N=
(subtotales)

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:
(&) =

+$ ,.

Estos valores conformaran la nueva tabla de contingencias de valores esperados


mostrada en el cuadro 2.

39

Cuadro 2. Tabla de contingencia valores esperados

Variable X

Variable Y
C1

C2

Cj

Subtotal

R1

E11

E12

E1j

R1

R2

E21

E22

E2j

R2

Ri

Ei1

Ei2

Eij

Subtotal C1

C2

CJ

Ri
N=
(subtotales)

Posteriormente es realizada la prueba de bondad de ajuste entre las dos tablas,


calculando el siguiente chi-cuadrado:

"

/0&) (&) 1
= ##
(&)

"

Se plantea hiptesis nula Ho = las variables X y Y son independientes y la


alterna Ha = las variables X y Y son dependientes, para calcular los grados de
libertad para consultar el estadstico de contraste en la tabla chi-cuadrado se
utiliza la relacin v = (r-1)(c-1). Si el valor encontrado X2 supera el de la tabla se
rechaza la hiptesis nula y se declaran variables dependientes.

Por su parte el anlisis de linealidad simple de Pearson (Zamora & Fernandez,


2008) se usa para determinar el grado dependencia de una variable Y
dependiendo de los valores de X y as encontrar la ecuacin lineal que explique el
comportamiento, realizando pronsticos sencillos.

El procedimiento finalizar con un diagrama de dispersin y valores que darn


una idea muy precisa del grado de correlacin y los errores de prediccin que se
puede llegar a tener. La profundidad del anlisis depender de la correlacin, si el
valor de correlacin no es alto (cercano a 1) se deben parar los anlisis, al
identificar que la variable Y no es explicada por la variable X como se muestra en
la siguiente ecuacin:
40

2 = 34 + 3 6
En los coeficientes Bo y B1, el coeficiente B1 es la pendiente de la recta y el
coeficiente B0 es el punto en el que la recta corta el eje vertical, conociendo estos
dos valores se puede establecer la recta y verificar el comportamiento esperado.
El valor de Bo se obtiene mediante la siguiente ecuacin:

Donde:
29: Promedio de valores de Y
69: Promedio de valores de X

Bo = 29 3 69

El valor de B1 es calculado de la siguiente forma:


3 =

:&' 6$2$ :&' 6$ :&' 2$


; :&' 6&" :&' 6&

"

En el proceso de anlisis se obtiene el coeficiente de correlacin R2 que explica el


grado de relacin entre las dos variables, siendo una variable estandarizada entre
0 y 1, determina el nivel de confianza para aceptar que la variable Y es explicada
por la variable X entre mas se acerque a 1. El coeficiente se obtiene mediante la
siguiente ecuacin:
," =

<=

>=
<=

>=

<

? < <$ = <


<
?

Finalmente tenemos el error tpico en un anlisis bsico para determinar


correlacin, el error tpico es la desviacin de los residuos que resultan al restar el
valor estimado del valor real en cada punto de proyeccin, su interpretacin esta
en valores de las unidades de Y. Entre menor sea este error, la proyeccin dada
por la ecuacin de estimacin determina muy bien el modelo real. Su ecuacin
para el clculo es la siguiente:
2$ 29
@A = B
;2
41

"

5. METODOLOGA

Para el desarrollo de este proyecto se requiere en primera instancia hacer una


validacin de los datos, por lo cual se seguirn varios pasos que logren determinar
el comportamiento de las llegadas y los tiempos de servicio. El primer objetivo es
la modelacin de las llegadas, estableciendo si existe un patrn global o existen
subsistemas de distribucin. Es muy importante probar si las llegadas siguen una
distribucin Poisson, realizando pruebas de hiptesis utilizando el estadstico chicuadrado.

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.

Una vez se tenga claro el comportamiento del sistema se debe seleccionar el


modelo de colas que asistir el aplicativo, luego crear la herramienta en Excel
aplicando los criterios estadsticos que apliquen.

Para el ingreso de datos se partir de lo general y se llegar a lo particular en un


solo grfico que muestre la capacidad de mantenimiento esperada, teniendo en
cuenta el histrico de mantenimiento de los ltimos cinco aos.

El sistema soportar el ingreso de rdenes, mano de obra, costos, el calendario de


molienda para un ao, poltica de atraso, poltica de reduccin de rdenes, costos
del personal de mantenimiento, disponibilidad y efectividad en el tiempo de la
mano de obra.

Posteriormente se analizar la forma en que las paradas de mantenimiento


programado restringen las llegadas y estas a su vez afectan la capacidad de
servicio, realizando anlisis de correlacin entre estos dos factores.

Finalmente se ajusta la herramienta a la ltima evidencia, se ingresan los datos y


se realiza el balanceo para establecer un cubrimiento al 100% de la necesidad de
mantenimiento. Al terminar la fase final debe quedar un aplicativo desarrollado y
su respectivo manual de usuario.

42

5.1

MODELO PROBABILSTICO DE LAS LLEGADAS DE LAS RDENES DE


TRABAJO A LA LNEA DE ESPERA

Para realizar el clculo del patrn de comportamiento de las llegadas de las


rdenes, es importante determinar la aleatoria de las llegadas, para realizar este
paso se debe establecer el periodo de anlisis que permita identificar un grupo de
comportamientos especficos, esta ventana de tiempo se debe conservar para
todos los anlisis posteriores. Es posible que la variacin aleatoria de las llegadas
tenga un comportamiento totalmente desconocido, anormal y no cclico, en este
caso se debe categorizar el mantenimiento por su naturaleza de lanzamiento
identificando la fuente que la genera y estableciendo la libertad en la aleatoriedad
o si se rige por polticas que sesguen el lanzamiento.

El mantenimiento trae consigo un sin nmero de variables, para efectos de este


estudio, se deben incluir el mayor numero de situaciones que permitan modelar el
sistema al comportamiento probabilsticamente ms real posible.

Identificar la estructura del sistema de mantenimiento en la compaa es el paso a


seguir, en este punto se deben establecer los parmetros y variables de referencia
para modelar todo el sistema en las prximas fases.

Luego de haber estudiado el sistema se debe realizar la descarga del histrico de


rdenes con los campos necesarios para identificar en qu periodo lleg la orden,
la base a consultar debe ser SAP-PM, el rango de datos propuesto para este
estudio ser de cinco aos.

Al tener organizados los datos se realizar la prueba de hiptesis, utilizando la


metodologa de bondad de ajuste y el parmetro chi-cuadrado para determinar si
los datos, siguen o no, una distribucin Poisson.

El resultado esperado en esta etapa ser la determinacin del comportamiento de


las llegadas definiendo exactamente si el comportamiento se adecua a la
distribucin propuesta.

43

5.2

NIVEL DE SERVICIO DE LAS CUADRILLAS DE MANTENIMIENTO

Teniendo en cuenta los parmetros establecidos en la fase inicial, se proceder a


establecer el nivel de servicio para las ordenes que cumplan con el
comportamiento de distribucin segn Poisson, a todas y cada una de estas
rdenes se les debe identificar la duracin total del servicio y el esfuerzo requerido
en horas hombre, los cuales servirn para el modelamiento de lneas de espera y
calculo final de la herramienta.

La pretensin de esta fase es identificar si el comportamiento de los servicios


sigue una distribucin exponencial, para esto se efecta el tratamiento estadstico
de agrupacin de datos, permitiendo identificar un solo comportamiento del
servicio. En caso que el comportamiento sea muy variable ser prueba de que
requiere estratificacin pues no ser lo mismo un servicio para un equipo u otro.

Se debe realizar la prueba de bondad de ajuste cambiando el estadstico de


prueba a la ecuacin de la distribucin exponencial para validar con un alto nivel
de confianza si los datos cumplen dicha distribucin.

Si los datos no siguen una distribucin exponencial se deben establecer las


medias y desviaciones estndar para as ajustar los datos a un modelo de
comportamiento arbitrario o general.

El resultado esperado en esta etapa ser la determinacin del comportamiento de


los tiempos de servicios, mediante la distribucin propuesta para las rdenes que
superaron la fase inicial.

5.3

DESCRIPCIN DE UN MODELO INICIAL ASISTIDO POR TEORA DE


LNEAS DE ESPERA

Se estudiar el comportamiento del sistema de acuerdo a los datos previamente


obtenidos en las dos fases anteriores y se seleccionar el modelo de lneas de
espera que se ajuste a las caractersticas del sistema. En este sentido, se tendrn
los insumos para alimentacin del modelo con base en los patrones de llegada y
los tiempos de servicio. Adems del nmero de canales (personas, maquinas o
cuadrillas) que participan en el sistema estudiado.

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 esta etapa se realiza todo el modelamiento de la herramienta en Excel, usando


todos los criterios que sean pertinentes para programar en Visual Basic las
macros, tablas dinmicas, simulacin con nmeros aleatorios, el uso de
formulacin, bsquedas entre base de datos y enlaces entre diferentes hojas de
datos. Herramientas necesarias para: calcular, enlazar, simular y dirigir el
aplicativo de manera que realice los clculos pertinentes que conlleven al
resultado inicial de la capacidad de servicio.
La herramienta debe estar en capacidad de soportar el ingreso de los datos
histricos, calendario de mantenimiento, polticas de atraso y reduccin de
rdenes y el comportamiento aleatorio de las lneas de espera, que conjugue
todos los puntos anteriores y los interrelacione por medio de las horas hombre,
generando un sistema de demanda y oferta y presentndolo en un solo grfico de
forma automtica.

5.4

INCIDENCIA DE LA OPORTUNIDAD DE MANTENIMIENTO EN LA TASA


DE 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.

En esta etapa es de vital importancia el programa de produccin de cada ao y el


software SIGIND, estableciendo los das de mantenimiento real que se tiene en
cada mes durante los ltimos cinco aos.

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.

5.5

MODELO
INTEGRADO
A
TRAVS
DE
HERRAMIENTA
COMPUTACIONAL Y DESARROLLO DE LA HERRAMIENTA

En esta ltima fase la herramienta debe estar optimizada completamente, por lo


que no habr argumentos para no probarla. Se ingresan los datos en su totalidad,
proponiendo un calendario de fbrica similar a los estndares de los ingenios,
adicionando el histrico de rdenes y notificaciones, se deben proponer polticas
de atraso y disminucin de rdenes, finalmente ingresar la cantidad de personal
propuesta teniendo en cuenta la cantidad de personal del objeto de estudio, luego
de obtener los resultados se debe balancear usando la metodologa de las horas
extras para compensar los faltantes de mantenimiento en los periodos que se
requiera, esto con el objetivo de no tener proceso de contratacin y despido.
Un reporte de los resultados obtenidos de acuerdo a la propuesta implementada y
el manual de usuario del aplicativo ser suficiente para concluir el proyecto.

46

6. ESTADO ACTUAL: ESTRUCTURACIN DEL MANTENIMIENTO

El sistema de mantenimiento de la compaa se estructura mediante la


metodologa que propone el software SAP-PM, el modulo PM establece una clara
configuracin del mantenimiento preventivo programado basndose en un
parmetro de tiempo, masa o espacio que establece una frecuencia de
lanzamiento de rdenes constante, teniendo un comportamiento muy predecible
basado en la funcionalidad del sistema SAP-PM. Las rdenes producto de esta
programacin se consideran OTPP: Ordenes de Trabajo Preventivas
Programadas.

Adicional a este mantenimiento preventivo el Ingeniero y su grupo de trabajo


tienen la habilidad bien sea por medio de observacin, experiencia, anlisis del
proceso o equipos de predictivo, determinar la ejecucin de trabajos preventivos
adicionales al programa anterior. A estas rdenes se les considera OTPE:
Ordenes de Trabajo Preventivas Extraordinarias.

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.

6.1

ESPECIFICACIN DE LAS RDENES DE TRABAJO PREVENTIVAS


PROGRAMADAS (OTPP)

A las ordenes de trabajo programadas se les conoce como programacin del


mantenimiento, donde por medio de un software que incrementa o decrementa
una variable (horas producidas, das calendario, semanas calendario, kilogramos
pesados, kilmetros recorridos, entre otras), al cabo del tiempo cuando se cumple
el lmite establecido es lanzada a una orden de mantenimiento, independiente de
las condiciones que presente la fbrica o el equipo en ese momento, algunas de
las variables generalmente manejadas son: das, semanas o meses calendario;
horas trabajadas, kilmetros recorridos, kilos medidos, flujo de metros cbicos,
entre otras.

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.

Figura 4. Estrategias de Mantenimiento INCAUCA S.A.

Fuente. Transaccin IP12 Visualizacin de Estrategias de Mantenimiento, SAP


INCAUCA S.A.

En INCAUCA S.A. se maneja principalmente semanas calendario y las frecuencias


ms utilizadas son 4, 8, 12, 16, 26, 52 y 104 semanas, dado que en la empresa el
software que administra el mantenimiento es el SAP modulo PM, y en este hay
una plataforma de planes de mantenimiento los cuales trabajan como se muestra
en la figura 5.

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.

En el clculo de la cantidad de rdenes por ao se debe tener en cuenta la


probabilidad de atraso y el indicador promedio de porcentaje de atraso, siendo la
realidad ligeramente diferente a la planeacin mostrada en la figura 5, en la
medida de la realizacin a tiempo de las rdenes preventivas.

Figura 5. Simulacin de estrategias de mantenimiento INCAUCA S.A.

Fuente. Transaccin IP12 Visualizacin de Estrategias de Mantenimiento, SAP


INCAUCA S.A.

El proceso de planeacin de mantenimiento como se indica en la figura 6, se


divide en seis etapas, las cuales se realizan de forma cclica y continua para los
planes de mantenimiento que el ingeniero establezca para su rea.

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.

En la segunda etapa se enlazan las hojas de ruta con el plan de mantenimiento y


a su vez este realiza la conexin entre: el equipo, el grupo planificador o ingeniero
responsable, estableciendo y controlando la forma de cmo lanzar las actividades
propuestas.

En la tercera etapa es cuando se establece la rutina de programacin peridica,


en la cual se revisan todos y cada uno de los planes creando ordenes de
mantenimiento preventivo programado (OTPP) que hayan cumplido su frecuencia
de lanzamiento.

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.
Figura 6. Proceso de planeacin de mantenimiento

Fuente. Manual SAP PLM310 Preventive Maintenance and Service.


50

A continuacin se realizara una explicacin de cada etapa, para comprender la


naturaleza y comportamiento que caracteriza el mantenimiento programado.

La hoja de ruta o lista de tareas, es un objeto tcnico de SAP-PM donde se


describen, las tareas a realizar con el detalle necesario, generalmente se manejan
tres grupos de operaciones: alistamiento, mantenimiento y verificacin puesta en
marcha. Este es el grupo ideal de operaciones, sin embargo no es necesario que
se manejen todas, cada empresa realiza su configuracin como mejor lo considere
o se ajuste a su necesidad. Cada operacin contiene los materiales, tiempos y
personas necesarias para completar la actividad y se configura su funcionamiento
como se observa en la figura 7. Para evidenciar cmo el software maneja estos
procedimientos se tiene un ejemplo de una planificacin de actividades para el
cambio de molino que se observa en la figura 8.

Figura 7. Configuracin y funcionamiento de una Hoja de Ruta

Fuente. Manual SAP PLM310 Preventive Maintenance and Service.

51

Figura 8. Ejemplo de hoja de ruta, cambio de Molino

Fuente. Transaccin IA06 Visualizar hoja de ruta, SAP INCAUCA S.A.


El plan de mantenimiento es el encargado de enlazar las tareas de las hojas de
rutas con los equipos, a su vez asigna un responsable de la ejecucin de la orden
de mantenimiento, este plan guardara los registros de lanzamiento de rdenes y
configurara los tiempos de tolerancia para la apertura de rdenes segn la
planeacin. En la figura 9 se puede apreciar como el plan de mantenimiento
600000101176 enlaza la hoja de ruta 107049 con el equipo FI02030105, que
corresponde al cambio del molino #1 del Fulton II, a cargo del grupo planificador
F10 Jefe molino Fulton.

En la figura 10 se encuentra las diferentes programaciones que se han dado en


cada corrida, la lgica de funcionamiento del plan es lanzar la orden para una
fecha que sea 26 semanas despus de la fecha de cierre tcnico, esperar el
nuevo cierre y lanzar la otra orden con la misma frecuencia.

52

Figura 9. Plan de mantenimiento, datos principales

Fuente. Transaccin IP03 Visualizar plan de mantenimiento, SAP INCAUCA


S.A.

53

Figura 10. Programacin del Plan de Mantenimiento

Fecha Inicio Extremo

Fecha Cierre Tcnico

Fuente. Transaccin IP10 Programacin plan de mantenimiento, SAP INCAUCA


S.A.

La compaa realiza la programacin o lanzamiento de ordenes en el


departamento de mantenimiento, semanalmente se corre la programacin
mediante la transaccin IP30 como se observa en la figura 11, la cual realiza un
recorrido por cada uno de los planes verificando que haya cumplido, o no, su
periodo establecido, en caso negativo sigue en espera, en caso positivo lanza la
orden de mantenimiento preventivo OTPP, una vez la orden se lanza queda en la
lista de espera para que el ingeniero encargado programe y realice el
mantenimiento requerido.

Los ingenieros pueden verificar el proceso de lanzamientos pasados y futuros


trabajos que provienen de una programacin calendarizada, este proceso se
puede hacer mediante la transaccin IP19 como se observa en la figura 12, dicho
procedimiento es regularmente usado para observar el volumen de trabajo, y en el
mismo sentido modificar la mano de obra principalmente con contratos por obra y
aumento de las horas extras.

54

Figura 11. Pantalla de programacin de planes de mantenimiento

Fuente. Transaccin IP30 Programacin planificacin, SAP INCAUCA S.A.

55

Figura 12. Calendario de programacin de planes de mantenimiento.

Fuente. Transaccin IP19 Visualizacin de tomas de planes de mantenimiento,


SAP INCAUCA S.A.

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.

Figura 13. Orden de mantenimiento preventiva OTPP

Fuente. Transaccin IW32 Visualizacin orden de mantenimiento SAP


INCAUCA S.A.
57

En conclusin las rdenes de mantenimiento programadas siguen un ciclo de


fechas y periodos como se explica en la figura 14.

Figura 14. Ciclo de una orden de mantenimiento programada

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.

Para efectos de este documento se ha tomado como fecha de llegada a la fecha


de inicio extremo, debido a que es en este da donde deben comenzar los trabajos
independientemente del tiempo de anticipacin con que sea lanzada la orden de
mantenimiento en el sistema. Por otra parte se identifica en el proceso que los
ingenieros no toman en cuenta trabajos con orden abierta para un futuro muy
lejano, solo revisan las nuevas rdenes que estn para realizarse en la siguiente
semana, igualmente existen pocos trabajos especiales que requieren de una
planificacin muy anticipada como son el alistamiento y cambio de molino.

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.

Figura 15. Cantidad de planes de mantenimiento activos.

Fuente. Transaccin IP15 planes de mantenimiento activos.

6.2

ESPECIFICACIN
RDENES
EXTRAORDINARIAS (OTPE)

DE

TRABAJO

PREVENTIVAS

Los trabajos preventivos tambien surgen de la decision del ingeniero basado en la


observacion de sintomas anormales de los equipos, deficiencia en las variables de
proceso, deficiencias como bajas velocidades, falta de presion, fugas,
calentamiento, altos desperdicios de sacaroza en bagazo, alta humedad en el
bagazo, entre otros son las situaciones mas comunes que indican problemas en
los equipos. Los ingenieros crean soluciones directas para corregir las
desviaciones funcionales en los equipos por medio de las ordenes de
mantenimiento preventivas extraordinarias OTPE, de manera que se puedan evitar
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.

Figura 16. Orden de mantenimiento preventiva extraordinaria OTPE

Fuente. Transaccin IW32 Visualizacin orden de mantenimiento SAP


INCAUCA S.A.
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.

Figura 17. Fechas de una orden preventiva extraordinaria.

Al igual que en las ordenes preventivas programadas, la fecha de inicio extremo


ser la fecha en la que se debe comenzar el trabajo. El ingeniero puede
determinar segn su prioridad, recursos, produccin, entre otras variables, cuando
realizar un trabajo que segn su criterio se debe realizar, creando rdenes para
realizarlo dentro de una, dos o tres semanas generalmente.

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.

Figura 18. Fechas de orden de mantenimiento correctiva OTC.

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.

Fuente. Transaccin IW32 Visualizacin orden de mantenimiento SAP


INCAUCA

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.

Figura 20. Campos de rdenes de mantenimiento

Fuente. Transaccin IW38 Listado Ordenes de mantenimiento molienda ao


2007 a 2011, versin Excel 2007-SAP INCAUCA S.A.

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.

Debido a que el inters de este documento es analizar si el nivel de servicio


propio, es decir las cuadrillas de mantenimiento contratadas por el ingenio, pueden
llegar a cumplir con la demanda de rdenes de mantenimiento se han tomado en
cuenta solo las ordenes que utilizaran mano de obra propia, teniendo un total de
7.696 rdenes para anlisis.

Es de resaltar que la frecuencia de lanzamiento de las rdenes no es diaria,


debido a que hay das festivos en los cuales la programacin de rdenes no es
viable.

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. .

Asumiendo que los posibles ajustes o correcciones en la programacin sern bajo


el periodo de produccin quincenal, los anlisis para las llegadas de las rdenes
se organizaron en grupos de quince das, tomando la cantidad de rdenes que
fueron creadas para realizar en ese periodo, el campo clave de referencia utilizado
fue la fecha de inicio extremo.

De forma preliminar se ha realizado el tratamiento de las llegadas mediante


estadstica descriptiva para iniciar el modelamiento del sistema, identificando
principalmente la variacin de la cantidad de llegadas de cada clase de rdenes
para los 122 periodos de estudio, obteniendo el resultado que se aprecia en el
cuadro 3.

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.

Cuadro 3. Resultados estadstica descriptiva, anlisis llegada del nmero de


rdenes cada dos semanas.
Estadstico
Media

OTC

OTPE

OTPP

TOTAL

3,680

24,393

35,008

63,082

Mediana

23

32

61

Moda

24

20

54

Desviacin estndar

2,657

11,189

19,638

23,943

Coeficiente de Variacin

0,722

0,459

0,561

0,380

Curtosis

1,970

1,407

2,671

0,567

Coeficiente de asimetra

1,208

0,820

1,428

0,621

Rango

14

66

108

135

Mnimo

Mximo

14

66

109

142

Cuenta

122

122

122

122

11

12

12

12

12

W (Ancho Clase)
K (# Clases)

El rango de variacin de frecuencias es alto en todos los tipos de orden siendo el


de menor rango las OTC y el de mayor rango TOTALES, esto genera una
desviacin estndar alta para cada tipo de orden demostrando que los datos no
son homogneos y presentan alta variacin. Se puede identificar, con base en el
coeficiente de variacin, variaciones alrededor de la media de hasta el 70% para
las OTC y 38% para TOTALES como mnimo valor de variacin.

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

23

24

20

21

10

10

11

11

12

Figura 21. Diagrama de frecuencias de llegadas de rdenes cada dos


semanas OTC

67

Cuadro 5. Nmero de veces que se presenta cada cantidad de ordenes OTPE


OTPE
Li

Ls

Frecuencia

12

12

18

25

18

24

37

24

30

17

30

36

10

36

42

13

42

48

48

54

54

60

60

66

Figura 22. Diagrama de frecuencias de llegadas de rdenes cada dos


semanas OTPE

68

Cuadro 6. Nmero de veces que se presenta cada cantidad de ordenes OTPP

OTPP
Li

Ls

Frecuencia

18

11

18

27

34

27

36

28

36

45

18

45

54

11

54

63

63

72

72

81

81

90

90

99

99

108

Figura 23. Diagrama de frecuencias de llegadas de rdenes cada dos


semanas OTPP

69

Cuadro 7. Nmero de veces que se presenta cada cantidad de rdenes


TOTAL
TOTAL
Li

Ls

Frecuencia

11

11

22

22

33

33

44

18

44

55

23

55

66

21

66

77

18

77

88

14

88

99

99

110

110

121

121

132

Figura 24. Diagrama de frecuencias de llegadas de rdenes cada dos


semanas TOTAL

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.

La prueba de bondad de ajuste consiste en determinar una frecuencia esperada


de acuerdo a parmetros de los datos y la distribucin a comprobar, en este caso
Poisson, luego se comparan contra las frecuencias observadas en las mismas
condiciones determinando por medio de una prueba de hiptesis la
correspondencia de las dos frecuencias, el estadstico de prueba es chi-cuadrado
y el nivel de confianza es establecido segn la rigurosidad del caso.

En caso de que la hiptesis d cmo resultado positivo y los datos se distribuyan


de forma Poisson se puede predecir cul ser la frecuencia de llegada de las
rdenes, logrando previsin de recursos de acuerdo al comportamiento histrico.

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.

Cuadro 8. Cantidad de rdenes que llegaron en cada periodo.


Semana
#

OTC

OTPE

18

OTPP

Total
general

Semana
#

OTC

OTPE

OTPP

Total
general

31

49 62

24

27

52

26

39 63

48

24

74

12

23

39 64

38

20

65

22

25

53 65

47

27

77

17

12

32 66

31

33

65

28

35

64 67

40

41

82

24

7 68

26

36

64

25

18

19

38 69

37

22

63

22

12

38 70

16

27

10

23

30

56 71

22

32

57

11

19

23

48 72

15

27

45

12

28

12

44 73

12

30

44

13

19

29

50 74

17

12

30

36

45 75

24

21

46

14

71

(Continuacin cuadro 8). Cantidad de rdenes que llegaron en cada periodo.


Semana
#

OTC

OTPE

OTPP

Total
general

53 76

15

37

58

24

50 77

15

48

66

17

10

30 78

15

43

62

31

41 79

OTC

OTPE

OTPP

15

24

26

16

23

17

18

19

22

17

Total Semana
general #

10

33

46

25

15

21

43

25

43 80

20

39

48 81

22

36

60

21

20

31 82

20

69

98

22

13

40

54 83

16

52

73

23

17

31 84

25

109

142

24

19

19 85

32

43

77

25

81

81 86

14

28

46

88

26

17

36

54 87

26

56

89

27

23

46

71 88

18

82

102

28

26

21

51 89

30

18

57

29

33

41

75 90

41

41

83

30

34

44

83 91

38

20

60

31

21

98

126 92

46

38

86

25

36

29

74 93

26

47

80

24

33

14

33

47 94

17

35

54

34

21

24

47 95

24

84

113

35

24

26

54 96

14

16

34

36

18

20

40 97

31

71

105

37

12

20

36 98

11

27

42

38

24

48

75 99

23

63

88

39

10

23

32

65 100

17

49

69

40

21

19

44 101

22

46

77

41

23

31

58 102

13

19

46

78

42

14

18

36 103

32

43

20

24

59

89

25

21

33

25

27 104

44

14

21

39 105

66

33

101

45

15

19

36 106

21

54

77

46

22

20

45 107

20

25

53

47

26

42

76 108

21

34

56

48

30

44

80 109

31

58

98

49

22

18

44 110

26

39

67

50

38

23

67 111

29

36

69

72

(Continuacin cuadro 8). Cantidad de rdenes que llegaron en cada periodo.


Semana
#

OTC

OTPE

OTPP

51

39

28

52

23

53

60

54

55

Total
general

Semana
#

OTC

OTPE

OTPP

Total
general

45

19

66

24

70 112
48 113

18

14

33

26

87 114

25

28

58

41

46

90 115

41

45

89

34

62 116

25

33

62

23

56

24

20

34

54 117

35

31

68

57

25

21

102

26

32

65

58

40

31

125 118
77 119

42

40

88

59

39

81

125 120

46

38

89

60

34

43

80 121

24

64

92

61

89 122

39

43

82

61

24

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.

Cada tipo de orden presenta un comportamiento diferente en el contexto de


mantenimiento de la fbrica, a continuacin se explicar cmo se comporta cada
uno.

Para las OTC el comportamiento es libre y totalmente aleatorio, no depende sino


de la probabilidad de falla de cada equipo y esta probabilidad depende de muchos
factores como calidad del equipo, de los repuestos, mantenimiento adecuado,
entre otros.

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:
No hay daos en el periodo analizado, esta situacin es la menos probable
teniendo en cuenta que en los historiales de tiempos perdidos no se encuentran
periodos de produccin con tiempo perdido cero por daos.
No hay produccin por polticas de presidencia, estas situaciones se pueden
encontrar en momentos de ausencia de materia prima (caa) por largos
periodos de tiempo, en los cuales la compaa decide parar operaciones a nivel
general. Sin embargo esta situacin es la menos probable y en la historia del
ingenio en los ltimos diez aos esto ha sucedido solo en dos ocasiones.

Es un periodo de mantenimiento (parada de fbrica), esta situacin es la ms


comn, teniendo en cuenta que anualmente se programan periodos de hasta
quince das para realizar el mantenimiento, disminuyendo la probabilidad de
que un equipo se dae casi a cero. Por lo tanto se puede identificar que el
mantenimiento programado es el motivo ms fuerte para la no generacin de
daos en un periodo.

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.

En el anlisis se encontr un comportamiento para el mes de abril en todos los


aos, la caracterstica comn es una baja en los das de molienda, mediante
indagacin con los ingenieros de mantenimiento se comprob que fueron periodos
en los que se par la produccin por varios das consecutivos, siguiendo la
tradicin del paro de fabrica anual para semana santa en el cual se coordina con
cosecha para suspender el corte de caa y hacer los trabajos ms grandes de
mantenimiento.

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

Fuente. Informe mensual de fbrica, Calidad y Conformidad Fabrica INCAUCA


S.A.
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.

OBSERVACIN
MANTENIMIENTO ANUAL FABRICA

PERIODO
7
8

MES/AO
ABRIL_2007
ABRIL_2007

32

ABRIL_2008

33
56

ABRIL_2008
ABRIL_2009

57
80
81

ABRIL_2009
ABRIL_2010
ABRIL_2010

104
105

ABRIL_2011
ABRIL_2011

Fuente. Informe mensual de fbrica, Calidad y Conformidad Fabrica INCAUCA


S.A.

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:

Ho: la cantidad de rdenes por periodo siguen una distribucin Poisson.

Ha: la cantidad de rdenes por periodo no siguen una distribucin Poisson.

Promedio de rdenes por periodo


$ =

H
&'
&'4 #?? E

<
?

$
$
>= ;>$ F< G
>= ;>$ < F< G
<

= 3,823

Frecuencia esperada
>= ;>$ (<

#LLAMNONP Q R QAR& O

SAO&N

#?? E
<

$


>= ;>$ < F< G
<

Luego se procede a efectuar debidamente la prueba de bondad de ajuste con los


dos parmetros encontrados y resumidos en el cuadro 12. Adems de un
reagrupamiento de los datos realizado especialmente para tener frecuencias
esperadas mayores a cinco.

76

Cuadro 11. Frecuencia de llegada de OTC por periodo observada vs


esperada
Frecuencia
Observada

Ord/Per

Frecuencia
Esperada

2,5

14

9,4

21

18,1

19

23,0

21

22,0

16,8

10,7

5,9

2,8

1,2

10

0,5

13

0,0

14

0,0

113

113

Total general

Cuadro 12. Prueba de Bondad de Ajuste OTC

Ord/Per

Frecuencia Frecuencia
Observada Esperada

X2

0-1

19

11,9

4,21

21

18,1

0,48

19

23,0

0,70

21

22,0

0,04

16,8

4,62

10,7

0,27

16

10,3

3,15

X2

13,47

6
7 o mas

26

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.


V

<

W$F

= ;=

>

$ <

< > ?>=?

<1

Prueba de bondad de ajuste

6" =

>= ;>$ 0F< G

>= ;>$ (<


>= ;>$ (<

"

El resultado fue X2 = 13,47; teniendo en cuenta que se calcul la media para


realizar la distribucin Poisson y que se tienen ocho categoras, los grados de
libertad para revisar en la tabla de chi-cuadrado son seis, con estos datos y un
valor de confianza del 99.99% en la tabla, el valor permisible es 22,45, con lo que
concluimos que no hay suficiente evidencia para rechazar la hiptesis nula y por lo
tanto los las llegadas de las rdenes correctivas en cada periodo llegan segn una
distribucin Poisson.

El mismo proceso se realizo para las OTPE, las cuales presentan un


comportamiento diferente que est muy ligado a la poltica de generacin de
rdenes que tenga el ingeniero y supervisor, estas polticas cambian todo el
tiempo, cada semana y cada ao tiene un comportamiento diferente.
Cada parada de produccin para mantenimiento incrementa considerablemente la
generacin de rdenes para atender y prevenir posibles fallas, estas paradas no
son predecibles exactamente, aunque provengan de una planeacin anual es
posible que no se cumplan y sean ejecutadas en periodos distintos.

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

Ord/Per
0 16
17 18
19
20
21
22
23
24
25
26
27
28
29
30
31-32
33 o mas

Frecuencia
Observada
26
12
3
3
6
8
8
9
3
8
3
1
2
4
2
25

Frecuencia
Esperada
5,88
7,89
5,83
7,11
8,26
9,16
9,71
9,87
9,63
9,03
8,16
7,11
5,98
4,86
6,74
6,78
X2

X2
68,80
2,14
1,37
2,37
0,62
0,15
0,30
0,08
4,56
0,12
3,26
5,25
2,65
0,15
3,34
49,03
144,20

El X2 fue de 144,20, el permisible de chi-cuadrado en tabla, para 16 categoras y


14 grados de libertad es 36,12 con un 99,99% de confianza. Con lo que
concluimos que hay suficiente evidencia para rechazar la hiptesis y por lo tanto
las llegadas de las rdenes preventivas OTPE en cada periodo no siguen una
distribucin Poisson.

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.

Situndose en el contexto que las OTPP provienen de un programa que calcula la


distancia entre la ltima orden y su frecuencia de mantenimiento para lanzar la
nueva, generando dependencia y no permitiendo que el modelo clasifique como
Poisson, la aleatoriedad es baja pues se puede conocer su comportamiento
encontrando la probabilidad de atraso mediante procedimientos estadsticos
generales.

El programa de mantenimiento se rige tambin por unas polticas de origen en el


departamento de mantenimiento, el cual determina cules planes deben continuar,
cules se cumplen o no, para as aumentar o disminuir su frecuencia,
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.

Cuadro 14. Prueba de Bondad de Ajuste OTPP

Ord/Per
1-25
26-27
28-29
30
31
32
33
34
35
36
37
38
39
40
41
42-43
44 o mas

Frecuencia
Frecuencia
Observada
Esperada
X2
43
5,92
7
6,11
4
9,53
2
6,08
4
6,87
3
7,51
5
7,97
3
8,21
2
8,21
5
7,98
1
7,55
2
6,96
2
6,24
2
5,47
3
4,67
5
7,06
29
9,68

232,47
0,13
3,21
2,74
1,20
2,71
1,11
3,30
4,69
1,11
5,68
3,53
2,89
2,20
0,60
0,60
38,58

X2

306,73

El X2 fue de 306,73, el permisible de chi-cuadrado en tabla, para 17 categoras y


15 grados de libertad es 37,69, con un 99,99% de confianza, con esto se
determina que hay suficiente evidencia para rechazar la hiptesis nula y por lo
tanto las llegadas de las ordenes preventivas programadas en cada periodo no
siguen una distribucin Poisson.

Finalmente se puede concluir que en la etapa del clculo de modelo probabilstico


de las llegadas de las ordenes de trabajo a la lnea de espera, se trabajaran con

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

Teniendo en cuenta la caracterizacin de las ordenes de mantenimiento es claro


que cada una cuenta con fechas comunes, partiendo de la fecha de entrada que
da la apertura a la orden, seguimos con la fecha de inicio extremo la cual
representa el da para el cual est programado el trabajo, esta fecha marca la
pauta para realizar el anlisis de tiempo de servicio. La fecha de inicio extremo
genera el inicio del conteo de tiempo, pasando por la fecha de inicio real y hasta
que es cerrada tcnicamente la orden, todo este tiempo que transcurra se
considera en este anlisis como tiempo de servicio.

El espacio de tiempo generado entre el inicio programado de la orden y el fin de la


orden se usa para realizar procesos operativos y administrativos, en muchas
ocasiones procesos administrativos limitan o distancian el inicio de la ejecucin,
esto se evidencia cuando se requiere un material especializado y problemas de
logstica retrasan la entrega de dicho producto por problema de importacin, entre
otra situaciones que se pueden presentar, generando un retraso e imposibilitando
el cumplimento del programa no permitiendo iniciar la orden.

La ejecucin depende de la naturaleza de cada trabajo, teniendo una amplia gama


de tiempos de ejecucin existen rdenes que pueden tomar desde horas hasta
meses incluso pasar de un ao a otro.

Un vez finalizada la ejecucin el ingeniero y supervisor deben verificar que los


trabajos quedaron totalmente terminados, que los contratos posiblemente
generados y las facturas de repuestos posiblemente no contabilizadas quedaron
finalizados, de tal forma que se procede de inmediato a generar el reporte de
mantenimiento que quedar registrado sobre la orden y se proceder a ingresar la
informacin al sistema. En la figura 25 se puede observar grficamente cmo se
comporta el sistema.

La notificacin es un proceso fundamental, es el momento donde se ingresa al


sistema toda la informacin de tiempos y movimientos generados para llevar a
cabo la orden, los datos se ingresan al sistema como se ve en la figura 26. Toda la
informacin es consignada sobre la orden de mantenimiento, como se ven en la
figura 27 y cuenta con los siguientes componentes bsicos:

82

Fecha de Inicio real: identifica el da en que el colaborador encargado


comenz a realizar los trabajos operativos.

Fecha de fin real: representa la fecha cuando el colaborador encargado del


trabajo determina que se han cumplido los requisitos y el mantenimiento ha
sido finalizado.

Nombre y ficha: representa la identificacin oficial de cada una de las


personas que intervinieron en el proceso operativo de mantenimiento.

Tiempo de notificacin: muestra el tiempo que los colaboradores dedicaron a


la realizacin de este trabajo, es importante tener en cuenta que los procesos
de alistamiento de materiales y herramientas cuentan cmo tiempo dedicado.

Texto de notificacin: es un reporte detallado de los procedimientos realizados


para cumplir con la labor de mantenimiento y un informe final del estado en el
cual el equipo queda para la operacin.

Figura 25. Diagrama general de tiempos de una orden de mantenimiento.

83

Figura 26. Formato de reporte de mantenimiento en SAP-PM

Fuente. Transaccin IW42 Notificacin de una orden de mantenimiento, SAP


INCAUCA S.A.

Finalmente el sistema crea un registro histrico y codificado claramente


identificado, el cual se puede consultar para futuros anlisis, en la figura 28 se
muestra como el sistema presenta la informacin de una notificacin.

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.

Las ordenes manejan un estatus el cual permite identificar de manera real el


estado de la orden, de todos los estatus que representan la orden tomando
solamente para este caso LIB. representando que la orden est abierta todava,
CTEC mostrando que la orden est cerrada. Para este anlisis se tomaron 7.406
rdenes de los tres tipos, OTC, OTPE y OTPP.

84

Figura 27. Formato tipo impresin de orden de mantenimiento INCAUCA S.A.

Fuente. Transaccin IW3D Impresin de una orden de mantenimiento, SAP


INCAUCA S.A.
85

Figura 28. Histrico de notificacin de la orden de mantenimiento.

Fuente. Transaccin IW43 Visualizacin notificaciones de una orden, SAP


INCAUCA S.A.

Para continuar con el modelado de la teora de colas se realizo la prueba de las


OTC, para determinar si el tiempo de servicio se comportan como una distribucin
Exponencial, para esto se realizo la prueba de bondad de ajuste utilizando el
paramtrico chi-cuadrado, para este proceso se prepararon los datos como sigue
a continuacin.

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
Rango

6,5
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
ORDENES

CATEGORA
BOMBA

84

CONDUCTOR

43

HERRAMIENTA

18

MOLINO

99

MOTOR

81

PUENTE GRA

13

REDUCTOR

18

SISTEMA ELCTRICO
TANQUE

69
4

TURBINA
Total general

8
437

Al tener estas categoras diferenciadas se procedi a realizar los clculos, en


primera instancia se agruparon los datos por categora segn el tiempo de servicio
como se observa en el Cuadro 17, donde se tienen las frecuencias observadas por
categora y divisin de tiempo. Finalmente con los clculos obtenidos se realizar
la prueba de hiptesis para los datos:

Ho: el tiempo de servicio de las OTC siguen una distribucin Exponencial.

Ha: el tiempo de servicio de las OTC no sigue una distribucin Exponencial.

Cuadro 17. Relacin de frecuencias de servicio observadas de OTC


FRECUENCIAS OBSERVADAS
Categora

Bomba

Conductor

Herramie
nta

Molino

Puente
gra

Motor

Reductor

Sistema
elctrico

Tanque

Turbina

<0,5

12

11

19

22

0,5<X<1

14

11

42

21

18

1<X<2

13

14

1<X<5

11

5<X<10

10<X<15

15<X<30

10

30<X<60

60<X<186

11

>186
TOTAL

84

43

18

99

81

13

18

69

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:

Promedio de tiempo de servicio


$ =

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.

Cuadro 18. Clculo del tiempo medio de servicio de las OTC

CALCULO DE LA MEDIA Y
Categora
<0,5
0,5<X<1
1<X<2
1<X<5
5<X<10
10<X<15
15<X<30
30<X<60
60<X<186
>186
TOTAL
MEDIA

Bomba

MEDIA
LANDA

6
14
26
35
50
75
300
480
1674
473
3133
37,30
0,0268

Conductor Herramienta Molino


6
1
10
11
6
42
10
2
28
10
20
55
30
10
40
60
15
45
90
30
120
60
180
120
558
0
0
0
0
0
835
264
460
19,41
14,64
4,64
0,0515
0,0683
0,2155

Motor Puente grua ReductorSistema electricoTanque


Turbina
4
2
1
11
1
1
21
3
5
18
1
4
10
2
12
8
0
0
45
5
10
40
5
0
70
10
20
50
0
0
120
15
0
45
0
0
90
0
30
180
0
60
540
60
0
120
0
0
2046
372
0
186
186
0
473
0
473
0
0
0
3419
469
551
658
193
65
42,20
36,04
30,58
9,54
48,13
8,13
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

<

Usando esta ecuacin se calcula la frecuencia esperada para cada categora


como se muestra en el cuadro 19.
Cuadro 19. Frecuencia esperada por categora.

FRECUENCIA ESPERADA
Categora
<0,5
0,5<X<1
1<X<2
1<X<5
5<X<10
10<X<15
15<X<30
30<X<60
60<X<186
>186
TOTAL

Bomba Conductor Herramienta Molino


1,12
1,09
0,60
10,11
1,10
1,07
0,58
9,08
2,16
2,05
1,11
15,47
6,15
5,56
2,91
30,63
9,22
7,55
3,70
22,23
8,06
5,83
2,63
7,57
18,60
10,69
4,14
3,75
20,77
7,21
2,02
0,15
16,24
1,95
0,30
0,00
0,57
0,00
0,00
0,00
84,00
43,00
18,00
99,00

Motor Puente grua ReductorSistema electricoTanque


Turbina
0,95
0,18
0,29
3,52
0,04
0,48
0,94
0,18
0,29
3,34
0,04
0,45
1,85
0,35
0,56
6,19
0,08
0,82
5,30
0,98
1,58
15,10
0,23
1,93
8,04
1,47
2,31
16,67
0,36
1,99
7,14
1,28
1,96
9,87
0,32
1,07
16,98
2,92
4,27
11,34
0,78
1,06
20,24
3,20
4,22
2,84
0,99
0,19
18,56
2,39
2,49
0,13
1,07
0,00
0,99
0,07
0,04
0,00
0,08
0,00
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 chicuadrado 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.

Cuadro 20. Calculo Chi-Cuadrado.

CALCULO CHI-CUADRADO
Categora
<0,5
0,5<X<1
1<X<2
1<X<5
5<X<10
10<X<15
15<X<30
30<X<60
60<X<186
>186
TOTAL

Bomba Conductor Herramienta Molino


105,855
89,727
0,259
7,816
150,693
92,587
50,215
119,395
54,280
4,240
0,011
0,140
0,117
2,276
0,409
12,580
1,929
2,741
1,971
14,952
1,162
0,576
1,010
2,760
3,980
5,529
2,383
0,016
7,849
5,350
0,475
22,107
3,227
0,565
0,299
0,000
0,317
0,003
0,000
0,000
329,41
203,59
57,03
179,77

Motor Puente grua ReductorSistema electricoTanque


Turbina
38,318
44,425
1,718
96,846
22,229
4,855
426,731
45,125
77,349
64,219
22,481
28,086
5,349
1,236
52,799
0,772
0,081
0,819
2,582
0,000
0,114
3,339
2,544
1,931
0,134
0,148
0,040
8,167
0,356
1,987
0,103
0,060
1,958
4,778
0,321
1,074
11,511
2,919
2,507
2,517
0,784
0,825
6,245
1,508
4,219
0,249
0,995
0,194
3,079
0,062
2,490
5,956
0,004
0,005
0,000
0,075
22,363
0,000
0,084
0,000
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.

Cuadro 21. Resumen de medias y desviaciones estndar de tiempos de


servicio por categoras

Estadstico
Media
Desviacin
estndar
Estadstico
Media
Desviacin
estndar

CONDUCTO
R

BOMBA
37,30

19,41

43

26

PUENTE
GRA

REDUCTOR

HERRAMIENTA

MOLINO

14,64
14
SISTEMA
ELCTRICO

4,64

MOTOR
42,20

8
58
TANQU
E
TURBINA

36,04

30,58

9,54

48,13

8,13

26

69

16

85

11

91

9. DESARROLLO DE HERRAMIENTA COMPUTACIONAL ASISTIDO POR


LNEAS DE ESPERA

Como se pudo identificar en la etapa uno, las rdenes de mantenimiento se deben


tratar por separado segn su clasificacin OTC, OTPE y OTPP identificando las
llegadas segn una distribucin Poisson solo para las OTC. Cada clase de orden
se tratar de forma independiente como se explicar en los siguientes apartes.

Las OTPP al ser rdenes de naturaleza de mantenimiento preventivo, sus llegadas


dependen de dos factores: el primero y ms importante es la frecuencia que se
determina segn el fabricante y es modificada por el ingeniero quien decide en
ltimas cul es la frecuencia de mantenimiento adecuada para su condicin; el
segundo factor es la probabilidad de atrasarse y que tanto es ese atraso, es decir,
el lanzamiento de la siguiente orden depender del cumplimiento efectivo de la
anterior, por lo tanto no se puede asumir un cumplimiento perfecto y que una
orden que se lance una vez por mes genera doce ordenes al ao, porque en caso
que una de ellas se atrase por lo menos un mes har que sean once ordenes en
un ao deteriorando el pronstico.

Las ordenes OTPE al ser de naturaleza de mantenimiento preventivo pero


determinada por el ingeniero a cargo del equipo de mantenimiento, tiene un
carcter aleatorio pero sigue un comportamiento basado en polticas, en este caso
realizar un calendario de mantenimiento al ao da una muy buena idea para que el
ingeniero intensifique su mantenimiento especialmente en paradas totales de
fbrica. Finalmente ser el director de mantenimiento quien definir la cantidad de
rdenes que espera crear de acuerdo a sus nuevas polticas, teniendo siempre
como poltica base realizar el menor mantenimiento posible que garantice un
ptimo funcionamiento de los equipos.

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.

Excel permite organizar la informacin por medio de pestaas para realizar


clculos independientes, de forma tal que se pueda trabajar por tema, en este
caso se cre un aplicativo en Excel con 16 hojas de clculo que se pueden
identificar en cada pestaa en su interior.

El aplicativo se basa en una hoja de presentacin con botones que enlazan la


navegacin dentro de todo el sistema, en la parte inferior se encuentran ubicados
los botones de carga de datos bsicos, en este se configuran las polticas bsicas,
las bases de datos de los equipos de forma clasificada, las ordenes y sus
notificaciones.

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 15-032012] 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/excelhelp/ahorrar-tiempo-creando-y-ejecutando-macros-en-excel-2010-RZ102337714.aspx

93

Figura 29. Figura pantalla inicial, pool de trabajo del aplicativo.

En los datos bsicos se ingresan la poltica de atraso29, el cual ser un porcentaje


que determinar si una orden se considera atrasada o no, es importante tener en
cuenta que esta poltica es sensible al incumplimiento de ordenes de baja
frecuencia, por lo tanto en INCAUCA S.A. se ha establecido una poltica de atraso
del 30%, en este caso se tom el mismo indicador pues se relacionan con los
datos de la compaa, de igual forma en estos datos bsicos se ingresa los
tiempos de tolerancia de cierre para las OTC y las OTPE.

En los datos bsicos se determinan las fechas de descargue de la base de datos y


el periodo desde cuando se comenz a hacer el anlisis, el programa introduce
por defecto la fecha de fin cinco aos despus.

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.

Seguido a los datos bsicos se realiza la clasificacin de equipos de acuerdo a


las categoras mencionadas en la etapa dos de revisin de los tiempos de
servicios, los equipos en este caso deben estar codificados para que sirva como
campo clave para la relacin entre las diferentes tablas de manera que se puedan
realizar los respectivos anlisis.

En la seccin de cargue de ordenes se relaciona el listado del histrico de los


ltimos cinco aos de rdenes que fueron creadas. En este aparte es importante
que la informacin est debidamente codificada segn SAP-PM, para el aplicativo
los campos ms importantes de la orden son:

Nmero de Orden: este campo es clave porque permitir relacionar el tiempo


de servicio con los datos bsicos de la orden.

Clase de Orden: campo que determinara la naturaleza de la orden, en este


caso se hizo la relacin con la clasificacin propia de INCAUCA S.A., donde
PMF1 es igual a OTC, PMF2 con plan de mantenimiento es OTPE y PMF2 sin
plan de mantenimiento es OTPP.

Equipo: este permitir relacionar los datos con la clasificacin estndar y as


facilitar los anlisis.

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.

Plan de Mantenimiento: este campo interrelaciona la programacin de


mantenimiento con la orden, permitiendo en primera instancia reconocerla
como una orden OTPE y a su vez trae los datos de su frecuencia para calcular
el porcentaje de atraso.

Fechas: para el aplicativo es vital contar con las fechas de inicio y fin extremo
y las fechas de inicio y fin real.

En esta seccin se realiza el procesamiento de los datos por medio de formulas


para cada orden, cada variable ser insumo para los anlisis posteriores, en cada
lnea se calcula el ao y el periodo al cual pertenece teniendo en cuenta que cada
uno se enumera del 1 al 121 representando de sta manera el nmero de
periodos en cinco aos de anlisis, tambin se identifica a qu periodo pertenece
cada orden como se puede ver en el cuadro 22, se crearon 24 periodos de 15 das
para un ao.

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

De las fechas descargadas tambin se obtiene el indicador de tiempo de demora


en la atencin, en este caso tambin es determinante identificar si la orden esta
notificada, si la orden est cerrada y no fue notificada no se tendr en cuenta y el
resultado ser vaco. Por el contrario, si la orden fue notificada la demora
corresponde a la diferencia entre el inicio real y el inicio extremo. Si la orden esta
sin notificar y abierta se realiza la diferencia entre la fecha de descargue de la
base de datos y la fecha de inicio extremo. Finalmente si la orden abierta est
notificada esto indica que comenz la atencin y la demora ser la diferencia entre
la fecha de inicio real y la fecha de inicio extremo.

Cuadro 23. Determinacin de la demora en la atencin

ABIERTA

CERRADA

NOTIFICADA
U$
[
\ ;>$ ;
= > ^;$>$ , ?
> $;$>$ (
U$
=

[
\ ;>$ ;
> ^;$>$ , ?
> $;$>$ (

SIN NOTIFICAR
U$
[
\ ;>$ ;
= > [ <> E= 3 <
> $;$>$ (
U$

\ ;>$ ; = _ >$

Fuente. Caracterizacin proceso de mantenimiento INCAUCA S.A.

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.

Teniendo el tiempo de demora en la atencin y la frecuencia terica se procede a


realizar la divisin entre estos dos factores, estableciendo un juego de ocho
posibilidades de clculo dependiendo de la naturaleza de la orden y su estado
actual.

Porcentaje (%) de atraso relativo


%

< , ? $G =

U$

[
\ ;>$ ;
>= ;>$ U
$>

Segn la poltica de atraso establecida si el porcentaje de atraso relativo supera


ese valor, se considera la orden como atrasada y har parte de la estadstica que
determinar la probabilidad de atrasarse.

En una pestaa adicional se maneja el tema de las notificaciones, se debe realizar


un proceso de descarga de los reportes resumidos de notificacin para todas las
rdenes evaluadas en el paso anterior, en esta seccin el requerimiento bsico
por cada lnea de reporte es el nmero de la orden, ficha del personal que trabaj
y las horas que trabaj.

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.
Para realizar estos anlisis se utiliza la metodologa de las tablas dinmicas32 ,
ejecutando para cada orden la sumatoria de los registros de notificacin creados
cada vez que se notific un trabajo.
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/excelhelp/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.

El primer anlisis que se realiza es el clculo de la probabilidad de atraso, para


esto se us la sumatoria de la cantidad de rdenes atrasadas dividido el total de
rdenes. Tambin es calculado el promedio aritmtico simple de de los
porcentajes de atraso. Estos dos parmetros son vitales para los clculos
realizados en la programacin de las OTPP, cada una de las siguientes
ecuaciones se aplican por cada clase de orden:

Probabilidad de una orden atrasarse


a

F F$?$

<

< =

; <
?

<
<
; <

Promedio de atraso de una orden.


a

$ %

< ? $G =

< ? $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.

En la siguiente fase se realiza la configuracin de las OTPP, en este el usuario del


aplicativo descarga los planes de mantenimiento que se componen del nmero del
equipo, el cual debe coincidir con las dems secciones del archivo permitiendo
realizar anlisis especiales, adems del nmero del equipo debe colocar el
numero del plan el cual se utiliza tambin en cada orden que fue creada por medio
del mismo.

La frecuencia de lanzamiento de la orden es el dato ms importante en esta


seccin, pues determinar cada cuanto se requiere hacer un mantenimiento para
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.

Para realizar la simulacin, se utiliza una macro diseada especialmente para


colocar el numero de rdenes que saldrn por periodo, estas se ubican en una
grilla que tiene 24 divisiones por cada uno de los cinco aos para los cuales se
realiza la simulacin, cada periodo est representado por una columna que se
cruza con la fila de cada plan de mantenimiento.

El programa consiste en declarar la fecha inicial del primer periodo en la primer


columna, de ah en adelante la prxima columna en la cual se ubicar un uno (1)
indicar que hay una orden y esta seleccin depender de los siguientes factores:
la frecuencia, la probabilidad de atrasarse, un numero aleatorio33 y la cantidad
promedio que se atrasa, este clculo se rige por el cuadro 24.

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.

El tiempo que se toma para hacer el anlisis en un equipo de comercial de ltima


generacin34 es de 1 segundo en promedio por cada lnea o plan de
mantenimiento considerado, en este caso se tuvieron en cuenta 519 planes y la
aplicacin tom nueve minutos en promedio.
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/eses/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.


Aleatorio() < Probabilidad de Atrasarse

Aleatorio() > Probabilidad de Atrasarse

>= ;>$
=
>= ;>$ b<= $ 1
+a
$
< 0Uaa

>= ;>$ =

>= ;>$ b<=

$ 1

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.
(< = c

$ 0UaaX&Q

S
OA Ade&Q &'

:&' f

< ; $ $>

< ; >
;

; 0UUa

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.
(< = c

g=$

hAR& O &i! k

= (< = c

&'"l )'m
&'

)'

$ 0UaaX&Q

OA Ade&Q

+ ; $

; < QAR&

O & N )

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.
a

$ < = c

$
0Uaa & &'"l
&'
m)' :n' (< = c
?
=
5

g=$

Donde: n = cantidad de equipos con plan de mantenimiento.


101

n QAR& O &i! k

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.

El ingeniero en su calendario de molienda establecer para cada periodo


(quincenalmente) los das de mantenimiento programado, los cuales servirn de
base para determinar el nmero de ordenes OTPE en el sistema.

En la siguiente pestaa contar con el promedio histrico de la cantidad de


rdenes OTPE por periodo, la desviacin estndar y el nmero mximo de
rdenes durante el mismo.

En esta seccin se tomar como base inicial el promedio de rdenes, luego se le


sumar tres veces la desviacin estndar utilizando la regla emprica35 para
encontrar el 99,7% de las rdenes posibles por periodo.

Sin embargo como se ha mencionado en otros apartes de este documento, la


cantidad de rdenes en este caso depende nica y exclusivamente de las polticas
del ingeniero, el usuario de este aplicativo debe tener el poder de decisin para
establecer esa poltica.

Para cada periodo se debe seleccionar una poltica de reduccin de ordenes


respecto a ese pronstico inicial que es bastante amplio y en ocasiones supera el
mximo obtenido por ese periodo, adems debe tener en cuenta los periodos en
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.
(< = c

$

$
0Ua( & "l
&'
:)' f
< ; $ $>
< ; >

; 0Ua()

Donde:
n = cantidad de ordenes OTPE del histrico en cada periodo.

Para esta aplicacin se considera pertinente utilizar el promedio del esfuerzo en


cantidad de horas hombre, promedio que al multiplicarlo por la cantidad de
rdenes propuestas, genera finalmente la necesidad de hora hombre para ejecutar
las OTPE.
(< = c

$

$
= (< = c

0Ua(& &'"l
&'
$ 0Ua(& + ; $

; <

; < $>

&

Esta seccin cuenta con grficos que le ayudan a dimensionar la cantidad de


rdenes y la diferencia entre el mximo de rdenes en cada periodo, para no
excederse y utilizar la poltica de tener la menor cantidad de mantenimiento de
manera que se garantice la mayor produccin posible.

El proceso de configuracin de ordenes termina con la determinacin de la


cantidad de ordenes OTC en el sistema, para estos efectos se usar el conjunto
de ecuaciones que pertenece a la lnea de colas del sistema M/G/1, empleando
para ello las ecuaciones que aparecen a continuacin. Es importante tener en
cuenta que se deben aplicar a cada categora; del historial se obtiene el promedio
de las llegadas por periodo, la duracin del servicio en periodos y la desviacin
estndar.
103

Probabilidad de que no haya ordenes en el sistema.


a = 1
Nmero promedio de rdenes en la lnea de espera.
Wg =

p +

" "

"

2 1

Nmero promedio de rdenes en el sistema.


W = Wg
Tiempo promedio que una orden pasa en la lnea de espera.
qg =

Wg

Tiempo promedio que una orden pasa en el sistema


q = qg +

Probabilidad de que una orden que llega tenga que esperar.


ar =
Donde:
= Duracin promedio del servicio (periodos quincenales)
= Desviacin estndar de la duracin del servicio (periodos quincenales)
= Cantidad ordenes promedio (ordenes por periodo quincenal)

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.

Como se evidenci en el capitulo nmero siete de este documento, el pronstico


del modelo de lneas de espera no tiene relevancia para los periodos de alto
mantenimiento, partiendo del hecho que los equipos parados por mantenimiento
no sufren daos sino intervenciones preventivas. Por lo tanto, el modelo final se ve
afectado por la cantidad de mantenimiento, limitando el pronstico a una
proporcin de la cantidad de das de produccin.
Pronstico final de la cantidad de ordenes OTC36.
+ ;$

$; ?

0U+ QAR&

= WX&Q

Ade&Q k

&'"l )'S
O & X&Q Ade&Q )
&' )'

[$ <

; ;$ $ ;
[$ < > ? ;
$

QAR& O &

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.
(< = c

$ 0U+X&Q OA Ade&Q
:&' f
< ; $ $>

S
)'

< ; >

; 0U+

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

= # (< = c
)'

+ ; $

$; ?

0Ua(& &'"l
&'

$ 0U+X&Q

0U+QAR&

Ade&Q )

O &tuv! wxyuv! k

Cuando ya est terminado el clculo de la demanda de horas por cada tipo se


consolida sumando cada porcin necesaria de horas en cada periodo para las
OTPP, OTPE y OTC.
(< = c

"l

? = # (< = c
&'

&

0Uaa + 0Ua( + 0U+

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

Primero se establece por cada cargo la cantidad de personas y su categora, para


INCAUCA S.A. se tiene un sistema de personal obrero clasificado en 14
categoras siendo la 1 la mejor remunerada y la 14 la menor remunerada, lo cual
es directamente proporcional con el grado de calificacin del personal. Con este
inventario de empleados se pasa a realizar un resumen por categora de la
cantidad de personas con las cuales se cuenta.

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 tener certeza del factor de correccin es recomendable realizar un estudio


del costo del departamento de servicio en diferentes meses, y compararlos con las
personas y sus categoras para determinar la incidencia.

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.

Cada empresa tiene un perfil de ausentismos propio de cada personal, este


estudio es importante que se realice para saber exactamente en promedio con
cuantas horas hombre se cuenta al ao. Para efectos del mismo se tom el
estndar de una persona que trabaja siete horas al da, 24 das al mes y 11,5
meses 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.

El aplicativo distribuye de forma ecunime el tiempo del personal, tiene en cuenta


que las personas saldrn a vacaciones de forma seccionada, por lo que genera
una plantilla constante de personal activo para el mantenimiento.

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.

A partir de este punto se comienzan a realizar los anlisis, lo primero que se


verifica es si la capacidad de mantenimiento es necesaria para todos los periodos
107

y en cuales de estos se necesita de horas extras ajustando la mano de obra donde


se requiera.

En la grafica 30 se observa como una oferta constante de mano de obra no es


suficiente para todos los periodos, especialmente en aquellos donde existe mayor
mantenimiento.

Luego de revisar y ajustar los tiempos extras es necesario revisar si esta


configuracin de mano de obra genera unos costos que sean competitivos contra
el histrico. Este proceso debe ser reiterativo hasta que se logren los resultados
esperados, siempre en lo posible buscando una disminucin en el costo, como se
observa en la figura 31.

Figura 30. Comparativo del nivel de servicio.

En la figura 32 se puede identificar como es la distribucin propuesta mes a mes


del valor de la hora hombre, con este indicador se puede realizar anlisis del
grado de competitividad que tiene la cuadrilla con respecto a otra en cuanto al
precio que incurre por cada hora laborada.

108

Figura 31. Comparativo de costos de personal de mantenimiento.

Figura 32. Costo hora hombre 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.

Adems de estos indicadores propuestos de la herramienta, se cuenta con otros


indicadores propios de mantenimiento que mostraran como fue desarrollada la
gestin del mantenimiento en los ltimos cinco aos.

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.

Figura 33. % histrico de atraso.

En la herramienta se propone tambin el indicador de la cantidad de rdenes en el


sistema por mes, para dimensionar como est estructurado el mantenimiento en
cuanto a planeacin se requiere, teniendo en cuenta que el mantenimiento mas
programado es el que se rige por semanas.

Figura 34. Cantidad de rdenes en el sistema por tipo de orden

110

10. ANLISIS DE LA INCIDENCIA DE LA OPORTUNIDAD DE


MANTENIMIENTO EN EL SERVICIO

En INCAUCA S.A. se requiere de tiempo programado para mantenimiento, en la


empresa se realiza por medio del calendario de molienda observado en la figura
35, se identifican los das que la gerencia de fabrica determina para
mantenimiento con el color amarillo y en verde se encuentran los das que se
destinaran para la molienda, en general para el ao 2011 se determinaron 318
das de molienda y 47 das de mantenimiento distribuidos en todos los meses con
paradas de varios das durante los meses de abril, junio y diciembre.

Figura 35. Calendario de molienda

Fuente. Gerencia de Fbrica INCAUCA S.A.

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.

Figura 36. Oportunidad de mantenimiento

Fuente. Direccin de Mantenimiento INCAUCA S.A.

La cantidad de das de mantenimiento influyen en la capacidad de servicio en la


medida en que se incluya ms o menos trabajo en rdenes de mantenimiento al
sistema.

En apartes anteriores se identific que los comportamientos de las OTPP se rigen


por medio de la programacin de frecuencias y un factor de cumplimiento, por lo
tanto su dinmica de lanzamiento no dependen de ninguna manera de los das de
mantenimiento.

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.

Finalmente las ordenes OTPE son las ms susceptibles a aumentar cuando se


hacen paros para mantenimiento, se presume que el ingeniero intensificar los
trabajos a realizar durante las paradas y estas rdenes pueden afectar la
capacidad de respuesta en general, para probar esta hiptesis se desarroll la
prueba de regresin lineal donde se espera que los das de parada de
mantenimiento expliquen el aumento o disminucin de las OTPE. Para este caso
se establece la siguiente prueba de hiptesis:

Ho: los das de mantenimiento explican la cantidad de OTPE

Ha: los das de mantenimiento no explican la cantidad de OTPE

Inicialmente se descargo del SIGIND los datos de molienda de los ltimos 5


aos, en el cual se encontr los das de molienda para cada periodo, al cruzarlos
con los das calendario se encontr los das de mantenimiento programado como
se muestra en el cuadro 25. La otra variable para el diagnostico son las ordenes
OTPE por periodo que se consolidan en el cuadro 26.

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
10
8
15
5
15
4
8
6
8
10
12
7
14
10
14
14
14
13
10
14
10
10
12
2007
2008

12

10

13

12

11

10

13

12

13

14

13

11

11

10

10

14

10

2009

15

10

13

12

13

15

15

13

14

10

11

16

12

16

12

15

12

15

14

12

14

11

2010

11

10

12

10

15

11

13

14

12

14

12

12

15

11

11

11

2011

12

12

10

13

14

10

15

12

12

14

16

11

15

12

10

15

11

11

10

12

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
15
16
15
13
15
16
15
15
15
16
15
15
15
16
15
16
15
15
15
16
15
15
15
16
2007
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

DIAS DE MANTENIMIENTO PROGRAMADO


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
5
8
8
12
7
9
7
6
3
8
1
6
1
2
1
2
5
2
5
5
3
2007
2008

2009

2010

2011

5
3
-

11

11

13

15

10

3
8
4

3
-

3
-

4
3

4
3
-

12

13

Fuente. Das de molienda variable DHAPRFE, Boletn Diario PRGANO, SIGIND


INCAUCA S.A.

Cuadro 26.Cantidad de ordenes OTPE por periodo


CANTIDAD DE ORDENES OTPE POR PERIODO AO POR AO
AO ENE_1 ENE_2 FEB_1 FEB_2 MAR_1MAR_2 ABR_1 ABR_2 MAY_1 MAY_2 JUN_1 JUN_2 JUL_1 JUL_2 AGO_1AGO_2 SEP_1 SEP_2 OCT_1 OCT_2 NOV_1 NOV_2 DIC_1 DIC_2
2007 21
26
9
22
17
28
11
18
18
23
19
28
26
7
19
23
18
31
19
9
15
13
10
2008 11
17
23
26
32
34
17
36
24
21
13
18
23
24
21
21
12
14
14
14
24
22
23
30
2009 41
38
46
23
34
41
26
20
34
40
27
34
43
24
54
38
40
31
37
26
22
18
12
14
2010 24
18
15
13
10
15
22
20
16
22
32
22
26
33
30
22
38
37
26
47
24
8
31
16
2011 23
16
22
14
24
19
66
14
20
26
31
22
29
42
18
34
41
15
35
31
42
53
24
41

Fuente. Transaccin IW38 listado de rdenes, SAP INCAUCA S.A.

Para el procesamiento inicial de los datos se cre la tabla de contingencias que se


observa en el cuadro 27 para determinar la dependencia o independencia entre la
cantidad de das de mantenimiento y la cantidad de OTPE en el sistema, se
plantea la siguiente prueba de hiptesis:

Ho = los das de mantenimiento son independientes de las cantidad de ordenes


OTPE.
Ha = los das de mantenimiento son dependientes de las cantidad de ordenes
OTPE.
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
11-14

2
4

3
7

1
2

0
0

0
0

6
13

15-18
19-22

4
8

7
6

5
3

1
2

0
1

17
20

23-27

10

24

28-31
32-35

3
2

2
5

3
2

0
0

2
0

10
9

36-40
41-46

2
0

5
6

0
1

1
0

0
1

8
8

47-66
Total

0
35

2
52

1
20

0
7

1
5

4
119

Se realiza el clculo de la tabla de contingencia esperada, de acuerdo a la


metodologa propuesta para comprobar independencia, la cual permitir contrastar
correspondencia realizando la prueba de chi-cuadrado, encontrando los resultados
del cuadro 28.

Cuadro 28. Tabla de contingencia frecuencia esperada entre das de


mantenimiento y cantidad de OTPE
DiasMtto
Ordenes

0-2

3-5

6-8

9-11

12-15

Totales

0-10

1,76

2,62

1,01

0,35

0,25

11-14

3,82

5,68

2,18

0,76

0,55

13

15-18

5,00

7,43

2,86

1,00

0,71

17

19-22

5,88

8,74

3,36

1,18

0,84

20

23-27

7,06

10,49

4,03

1,41

1,01

24

28-31

2,94

4,37

1,68

0,59

0,42

10

32-35

2,65

3,93

1,51

0,53

0,38

36-40

2,35

3,50

1,34

0,47

0,34

41-46

2,35

3,50

1,34

0,47

0,34

47-66

1,18

1,75

0,67

0,24

0,17

Total

35

52

20

119

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:

Cuadro 29. Resultados parciales clculo prueba bondad de ajuste para


independencia
0-2

3-5

6-8

9-11

12-15

0-10

0,031

0,055

0,000

0,353

0,252

11-14

0,008

0,306

0,016

0,765

0,546

15-18

0,200

0,025

1,607

0,000

0,714

19-22

0,762

0,859

0,039

0,576

0,030

23-27

1,225

0,211

1,025

1,787

1,008

28-31

0,001

1,285

1,036

0,588

5,940

32-35

0,158

0,290

0,157

0,529

0,378

36-40

0,053

0,647

1,345

0,596

0,336

41-46

2,353

1,794

0,088

0,471

1,311

47-66

1,176

0,036

0,160

0,235

4,118

Al realizar la sumatoria de estas fracciones parciales de la formula, el X2 = 37,48,


el clculo de los grados de liberta se realiza con diez filas con cinco columnas,
siendo v = (10-1)*(5-1) = 36, consultando en la tabla de chi-cuadrado el valor
permisible para 36 grados de libertad y un 99.99% de confianza es 67,98. Como
X2 = 37,48 < 67,98 con estos datos no se es incapaz de rechazar la Ho hiptesis
nula, demostrndose que los das de mantenimiento y la cantidad de ordenes
OTPE son independientes.

Para potencializar mas el anlisis se probara la correlacin con modelos lineales y


no lineales, para comenzar se realizara una regresin lineal, empleando como
referente de contrastacin el coeficiente de correlacin de Pearson obteniendo los
resultados observados en el cuadro 30.

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

La relacin de los das de mantenimiento y la cantidad de rdenes, muestran que


tiene baja relacin porque se observa un coeficiente de determinacin R2 de
0,0438, y arroja la siguiente ecuacin:
+ ;$

; < = 0,68638 [$ <

; ;$ $ ; + 22,08403

Esta ecuacin determina el pronstico de la cantidad de rdenes debido a los das


de mantenimiento y se obtiene muy baja correlacin, lo que no permite tener una
confianza en la prediccin, negando la posibilidad de ser utilizada como variable
determinante en el modelo general, pues el nivel de confianza de esta ecuacin
solo es del 4,3%

El error tpico de 10,5063 muestra alta variacin respecto al valor de pronstico,


las desviaciones de los residuos son bastante altas teniendo en cuenta que el
corte con el eje vertical es de 22,08,+/-10,5 rdenes de error es un pronstico muy
pobre de baja precisin, atenuando mas las dudas para tomar esta relacin como
importante.

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 ingeniero intensifica los trabajos en las paradas de fbrica, lo que puede


generar un nmero alto de rdenes en las paradas.

En ocasiones el mantenimiento es alto pero concentrado en pocos equipos,


reduciendo la cantidad de rdenes en el sistema.

Las rdenes dependen directamente del nmero de equipos a atender, pues


en el sistema SAP-PM no es posible atender con una sola orden varios
equipos.

El ingeniero puede por facilidad emplear una orden poco especificada y


notificar varios trabajos sobre esta, practica poco recomendada, pero se
puede llegar a dar por disminuir la cantidad de ordenes en el sistema al verse
presionado por indicadores.

La necesidad no es la misma en todos los periodos, existiendo situaciones


donde las fallas, los anlisis o el predictivo, muestre que es necesario
intervenir varios equipos, pero en otras ocasiones los anlisis pueden mostrar
que las cosas estn bien.

Los anlisis para determinar eventos extraordinarios o deficiencias en el


proceso, pueden hacerse con mayor frecuencia en un periodo de tiempo y con
menor en otro. Debido a que la disponibilidad de analistas para esta rea es
variable genera distintos niveles de profundizacin de los anlisis, al haber
ms anlisis la probabilidad de encontrar ms eventos aumenta.

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.

Para contrastar la relacin entre los das de mantenimiento y el numero de


ordenes con modelos no lineales para verificar se presenta el cuadro 31 que
119

muestra la ecuacin y los coeficientes de determinacin para contrastar el modelo


y tomar la decisin de utilizar dicho pronostico.

Cuadro 31. Resultados correlaciones no lineales entre das de


mantenimiento (Variable independiente) y cantidad de OTPE (Variable
dependiente)
Tipo de Modelo

Ecuacin

R2

Polinomica Grado 2

y = 0,1165x - 0,6338x + 24,362

Polinomica Grado 3

y = 0,0488x - 0,8095x + 3,5902x + 21,143

Exponencial

y = 20,657e

0,0315

Potencial

No permite ceros en el calculo

Logartmica

No permite ceros en el calculo

0,0237x

0,0686
0,1368

En este tipo de modelos no lineales al igual que el lineal no presentan una


relacin, que tenga un coeficiente de determinacin, que permita tener una
confianza en la prediccin de las rdenes a partir de los das de mantenimiento.
Por lo tanto ninguno puede ser usado y uniendo esto a la independencia de las
dos variables, no se encuentra una relacin con los modelos tpicos, determinando
que la dependencia es intermitente y en algunos casos muy especiales, anlisis
ms profundos podrn eliminar valores que estn generando alta desviacin y que
no correspondan a la realidad, pero no es objeto de este estudio.

El pronstico muestra un ligero aumento de rdenes al incrementarse los das de


mantenimiento, pero no es suficiente para determinar con exactitud el nmero de
rdenes. Para determinar con mayor precisin las rdenes se deben tener en
cuenta muchas variables. Finalmente se concluye que no hay suficientes
argumentos para aceptar la hiptesis nula y por lo tanto se determina que en el
modelo los das de mantenimiento no explican la cantidad de OTPE, por lo tanto
no ser tenido en cuenta en los pronsticos de este tipo de rdenes.

120

11. PLANIFICACIN DE MANTENIMIENTO PARA EL REA DE MOLIENDA DE


INCAUCA S.A.

11.1 PROCESO DE PLANEACIN E INGRESO DE DATOS

Usando el aplicativo completamente desarrollado, se utiliz la base de datos de


INCAUCA S.A. y se realiz la planeacin de acuerdo al contexto del rea de
molienda. Las decisiones que exige el aplicativo se ingresaron como una
propuesta acorde a la experiencia de la investigacin, buscando la mejor
alternativa que beneficie a la compaa.
Al aplicativo se le introdujo la siguiente informacin:

Poltica de atraso: 30%.

Tiempo demora en el cierre de OTPE: 4 semanas.

Tiempo demora en el cierre de OTC: 2 semanas.

Fecha descargue base de datos: 14/01/2012

Fecha inicio anlisis: 01/07/2007

Fecha fin del anlisis: 31/12/2011

1042 equipos divididos en 16 categoras.

7696 ordenes: 449 OTC, 2976 OTPE, 4271 OTPP.

42537 notificaciones a las anteriores ordenes, con 308980 horas hombre

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.

Figura 39. Calendario de molienda propuesto para el ao 2012

Respecto a la poltica de reduccin de rdenes se prefiri trabajar cerca al


pronstico para los periodos donde ocurrieron paros y una poltica
conservadora en los dems periodos de acuerdo al cuadro 32. El criterio
usado para establecer dichos porcentajes es en lo posible disminuir la
cantidad de ordenes creadas de forma extraordinaria, por lo tanto los
porcentajes sern en lo posible altos.

122

Cuadro 32. Poltica de mantenimiento preventivo extraordinario.

Periodo
ENE_1
ENE_2
FEB_1
FEB_2
MAR_1
MAR_2
ABR_1
ABR_2
MAY_1
MAY_2
JUN_1
JUN_2

POLTICA
DISMINUCIN
ORD %
23
30
23
15
15
10
8
50
30
40
5
20

Periodo
JUL_1
JUL_2
AGO_1
AGO_2
SEP_1
SEP_2
OCT_1
OCT_2
NOV_1
NOV_2
DIC_1
DIC_2

POLTICA
DISMINUCIN
ORD %
23
29
35
45
35
30
40
32
45
45
25
15

Se ingresaron 517 planes de mantenimiento configurados con las frecuencias


del cuadro 33.

Cuadro 33. Resumen de frecuencias planes de mantenimiento preventivo.


Frecuencia

Total
Cada 2 semanas

Cada 4 semanas

45

Cada 12 semanas

17

Cada 16 semanas

30

Cada 26 semanas

134

Cada 40 semanas

Cada 52 semanas

250

Cada 104 semanas

26

Cada 156 semanas

Total

517

El modelo planteado de esta forma dio como necesidad de mantenimiento


total 116.498 horas al ao, al obtener de totalizar los resultados parciales de la
siguiente manera:

123

El sistema de planificacin de ordenes OTPP trabajo con los 517 planes de


mantenimiento en las diferentes frecuencias.

Con el historial de las ordenes se calcul teniendo en cuenta el total de las


ordenes, la cantidad de rdenes que se atrasaron superando el 30% de la
poltica establecida y el promedio general de atraso, se llego al resultado de
que las ordenes OTPP su probabilidad de atrasarse es del 28% y se atrasan
en promedio un 35%, como se observa en el cuadro 34.

Cuadro 34. Calculo del atraso de las rdenes y la probabilidad de atrasarse.


TOTAL ORDENES GENERALES
OTC
Total Ordenes

OTPE
449

OTPP

Total general
4271

2976

7696

TOTAL ORDENES ATRASADAS


OTC

OTPE

OTPP

Total general

Total Ordenes Atrasadas

26

449

1207

1682

Probabilidad de Atrasarse

6%

15%

28%

22%

PROMEDIO ATRASO RELATIVO


OTC
Promedio de % atraso Relativo

OTPE
22%

26%

OTPP

Total general
35%

31%

Despus de realizar la simulacin dio como resultado una cantidad de 1235


rdenes distribuidas para todo el ao, estas rdenes requieren un esfuerzo de
59.182 horas hombre al ao, distribuidas en todos los periodos como se
aprecia en el cuadro 35.

Con la poltica de mantenimiento establecida en el cuadro 32, el clculo de las


ordenes OPTE siguiendo la metodologa del aplicativo, que tiene en cuenta las
ordenes del histrico promedio y su desviacin estndar dio como resultado
1.006 ordenes que requieren un esfuerzo de 43.139 horas hombre al ao,
como se muestra en el cuadro 36.

124

Cuadro 35. Resultados Simulacin OTPP

Periodo
ENE_1
ENE_2
FEB_1
FEB_2
MAR_1
MAR_2
ABR_1
ABR_2
MAY_1
MAY_2
JUN_1
JUN_2

Cantidad
Ordenes
OTPP
52
54
49
49
48
52
57
46
54
57
52
51

Horas
hombre para
OTPP
2686
2763
2476
2145
1787
3009
2499
2085
2592
2792
2725
2533

Periodo
JUL_1
JUL_2
AGO_1
AGO_2
SEP_1
SEP_2
OCT_1
OCT_2
NOV_1
NOV_2
DIC_1
DIC_2

Cantidad
Ordenes
OTPP
54
56
51
51
49
48
46
57
38
66
53
44

Horas
hombre para
OTPP
2652
2598
2440
2445
2190
2553
2334
2323
1909
3210
2363
2073

Cuadro 36. Resultados simulacin OTPE

Periodo
ENE_1
ENE_2
FEB_1
FEB_2
MAR_1
MAR_2
ABR_1
ABR_2
MAY_1
MAY_2
JUN_1
JUN_2

Horas Total
Ordenes OTPE Necesarias
propuestas
OTPE
43
2064
36
1479
50
1287
31
1550
46
1737
53
2043
86
3897
23
872
31
1224
30
1227
46
3129
35
1580

Periodo
JUL_1
JUL_2
AGO_1
AGO_2
SEP_1
SEP_2
OCT_1
OCT_2
NOV_1
NOV_2
DIC_1
DIC_2

Ordenes
OTPE
propuestas
41
46
48
28
46
40
34
48
30
42
35
57

Horas Total
Necesarias
OTPE
2007
2389
1940
1498
1064
2362
1038
2656
1083
1549
2057
1410

En la seccin de las ordenes OTC solamente se usaron los historiales de las


ordenes y notificaciones ingresadas, ingresando estos datos en una tabla
configurada con las ecuaciones de las teora de colas modelo M/G/1.

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

TIPO DE EQUIPO

Cantidad
Desviacin
Ordenes
Estndar
Promedio
por (ordenes
por (ordenes por
periodo)
periodo)

Duracin
Servicio
(ordenes
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

Luego de tener estos datos histricos se procede a calcular las ecuaciones y


se llegan a los resultados del cuadro 38.

En el cuadro 38 se encuentran los clculos realizados basndose en las lneas


de espera, observando que las basculas de jugo al igual que el puente gra
tienen la mayor probabilidad de no tener una orden en proceso, esto sucede
bien sea porque la cantidad de falla es baja o que la atencin demora es
rpida, a diferencia del molino, los sistemas elctricos y los motores, los
cuales son los que mayor demanda de trabajo generan, teniendo la mayor
cantidad de ordenes en proceso y el que mayor tiempo pasan en reparacin,
confirmando de igual forma que son los equipos que con mayor probabilidad
tienen que esperar.

126

Cuadro 38. Resultados clculos ecuaciones M/G/1

TIPO DE EQUIPO
BASCULA
BOMBA
CONDUCTOR
HERRAMIENTA
INSTRUMENTACION
MOLINO
MOTOR
PUENTE GRUA
REDUCTOR
SISTEMA ELECTRICO
TANQUE
TURBINA

Lq

Wq

Pw

1. Probabilidad
de que no haya
ordenes en el
sistema
91,74%
55,07%
58,87%
95,78%
76,36%
11,41%
57,98%
94,63%
88,26%
29,60%
98,79%
84,78%

2. Numero
promedio de
ordenes en la linea
de espera
0,004
3,802
0,465
0,001
0,038
5,166
6,655
0,008
0,311
1,435
0,022
0,015

3. Numero
promedio de
ordenes en el
sistema
0,086
4,251
0,876
0,043
0,275
6,052
7,075
0,061
0,429
2,139
0,034
0,167

4. Tiempo
promedio que
orden pasa en la
linea de espera
0,226
5,412
1,309
0,031
0,464
5,483
9,363
0,134
1,884
2,672
0,530
0,229

5. Tiempo
promeido que
una orden pasa
en el sistema
5,226
6,051
2,466
1,307
3,323
6,423
9,955
1,062
2,594
3,982
0,822
2,531

6. Probabilidad de
que una orden
que llega a tener
en espera
8%
45%
41%
4%
24%
89%
42%
5%
12%
70%
1%
15%

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.

Al combinar la cantidad de ordenes en el sistema, aplicando la restriccin para


cada mes que se va a parar y multiplicando por el esfuerzo de cada orden, se
consolida la cantidad de ordenes en el sistema requiriendo 14.177 horas
hombre al ao para trabajar en las ordenes OTC como se muestra en el
cuadro 39.

En la mano de obra se consider una cuadrilla con mecnicos, soldadores,


ayudantes, electricistas, instrumentistas, cabos y algunos operarios
distribuidos en las categoras del cuadro 40.

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.

Cuadro 39. Resultados simulacin OTC

Periodo
ENE_1
ENE_2
FEB_1
FEB_2
MAR_1
MAR_2
ABR_1
ABR_2
MAY_1
MAY_2
JUN_1
JUN_2

Cantidad
Ordenes
OTC
14
20
20
20
20
20
7
21
20
20
10
21

Horas
hombre
para OTC
449
632
629
626
629
632
225
674
629
632
314
674

Cantidad
Ordenes
OTC
20
20
20
20
20
20
20
20
20
20
20
16

Periodo
JUL_1
JUL_2
AGO_1
AGO_2
SEP_1
SEP_2
OCT_1
OCT_2
NOV_1
NOV_2
DIC_1
DIC_2

Horas
hombre para
OTC
629
632
629
632
629
629
629
632
629
629
629
505

Cuadro 40. Cantidad de trabajadores por categora.


CANTIDAD DE
TRABAJADORES
Categora

Personas
1

21

14

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.

En este caso no se realiz estudio de ausentismo y se considera el tiempo


pleno, por lo que al multiplicar estos tres tiempos netos al ao una persona
tendra que trabajar 1932 horas, como se ve en el cuadro 41.

Cuadro 41. Tabla de tiempos de trabajo por persona estndar en promedio

TIEMPO DISPONIBLE ESPERADO PARA


MANTENIMIENTO (PARA UNA PERSONA)
DA
(HORAS)

MES
(DAS)
24

AO
(MESES)
11,5

HORAS
AO
1932

Para efectos de este estudio y sin profundizar mucho en el tema se estableci


una efectividad en el uso del tiempo superior para las categoras ms
calificadas y un tanto menor para las menor capacitadas, como se muestra en
el cuadro 42.

Cuadro 42. Oferta inicial de horas disponible para mantenimiento


HORAS
MTTO
AO

HORAS
CATEGORA PERSONAS AO

EFECTIVIDAD
(0-100)

HORAS
REALES

21

1932

40572

98%

39761

1932

13524

98%

13186

1932

15456

97%

14992

14

1932

27048

97%

26101

1932

17388

96%

16692

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.

Cuadro 43. Factor de tiempo extra seleccionado.

Periodo

Factor
Tiempo
Extra

Periodo

Factor
Tiempo
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 ao de horas hombre sube a 128.000 cubriendo


todo el mantenimiento en todos los periodos.

130

11.2 RESULTADOS FINALES

Finalmente con los datos ingresados se obtuvo el siguiente grfico de capacidad


de servicio:

Figura 40. Comparativo nivel de servicio

En los periodos FEB_1, FEB_2, MAR_1, ABR_2, MAY_1, SEP_1, OCT_1 Y


NOV_1, si no ocurre algo que retrase los programas se debe aprovechar para
adelantar trabajo o realizar procesos de alistamiento.

El grfico de costos fue muy ajustado al promedio esperado, sin embargo en el


acumulado al final del ao se puede obtener un ahorro de $134.036.063, siendo
un valor considerablemente justificable para integracin de esta herramienta a la
gestin del ingeniero.

Figura 41. Costo promedio de mano de obra histrico

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.

Figura 42. Valor Hora hombre final

Vr Hora/Hombre

$26.715

$27.351

$28.878

$30.659

Vr Hora/Hombre

$28.878
$26.970
$26.079

$25.443

$26.715
$27.351
$25.697

$25.443

11.3 MANUAL DE USUARIO

Al abrir el archivo de Excel habilitado para macros con extensin .xlsm se


ingresara al aplicativo, en la primera pantalla como se observa en la figura 44, se
encontrar un men que funciona como el escritorio de trabajo, est dividido en
cuatro secciones:

Base de datos y polticas: en esta seccin se ingresaran los datos


descargados de SAP o el sistema de informacin de mantenimiento de la
compaa.

Planeacin: pool de herramientas para planificar el mantenimiento, la


cantidad de rdenes y la mano de obra o trabajadores.

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.

Informes: en esta seccin se cuenta con un juego de informes que permiten


evidenciar la gestin realizada desde otros puntos de vista, los cuales sirven
para ajustar la herramienta a parmetros auxiliares esperados.

Figura 43. Pantalla principal aplicativo herramienta de planeacin del


mantenimiento

11.3.1 Configuracin de base de datos y polticas. El primer paso es ingresar


las polticas bsicas pulsando el botn DATOS BSICOS, el aplicativo lo dirige a
una tabla donde se piden los datos paramtricos del sistema, como se observa en
la figura 45.

Se debe ingresar la poltica de atraso, en valor porcentual, especificando el nivel


de atraso que considera como aceptable para las rdenes de mantenimiento, se
debe recordar que a menor atraso es ms riguroso y exigente el cumplimiento.

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.

Figura 44. Pantalla datos bsicos

En La fecha de descargue de la base de datos se debe ingresar la fecha de


cuando se realizo la consulta en la base de datos, esta sirve para hacer los
anlisis de porcentaje de atraso para las rdenes que aun siguen abiertas.

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.

Para volver al men principal y seguir configurando, revisando y analizando, se


debe pulsar siempre el botn PRESENTACIN el cual lo retornara al men
principal.

El segundo paso es ingresar a la clasificacin de equipos, se debe pulsar el botn


CLASIFICAR EQUIPOS, inmediatamente lo lleva a una pantalla que tiene tres
columnas en la que se ingresar el cdigo del equipo, es preciso que este cdigo
del equipo sea un campo estndar y clave que identifique en todo lugar del
aplicativo el equipo como un nmero de identificacin nico.

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.

Cuadro 44. Listado de categoras de equipos


Tipo de Equipo
AGITADOR
BASCULA
BOMBA
CONDUCTOR
HERRAMIENTA
INSTRUMENTACIN
METROLOGA
MOLINO
MOTOR
PUENTE GRA
REDUCTOR
SISTEMA ELCTRICO
SISTEMAS HIDRULICOS
TANQUE
TURBINA
VLVULA

Figura 45. Pantalla clasificacin de equipos

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.

Figura 46. Pantalla cargue de rdenes seccin datos

Figura 47. Pantalla cargue de ordenes seccin formulas

Es muy importante tener en cuenta que las rdenes de mantenimiento correctivo


en INCAUCA S.A. estn clasificadas como PMF1 y las rdenes de mantenimiento
preventivo son las PMF2, se deben configurar de esta forma o cambiar la frmula
de la columna CLASIFICACIN de acuerdo al criterio propio de cada compaa.

Luego de realizar el cargue de las ordenes se presiona el botn REFRESH,


botn que realizara todos los clculos de las formulas y actualizar todas las
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.

El siguiente paso es ingresar las notificaciones de tiempo que se imputaron a cada


orden, para esto se presiona el botn del men principal CARGAR
NOTIFICACIONES, el cual posicionar al usuario en una pestaa similar a la del
cargue de rdenes, por lo tanto se procede a realizar el mismo procedimiento.
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.

Cuadro 46. Listado de campos para la notificacin.


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.

Posteriormente se dirige a la creacin del calendario de mantenimiento


presionando el botn CALENDARIO DE MANTENIMIENTO, el aplicativo
propone un formato de calendario que fue basado en el modelo que tiene
INCAUCA S.A., pero puede ser modificado y remplazado por otro modelo.

Este paso es manual y depender totalmente de las decisiones del ingeniero y su


creatividad, adems de los datos adicionales que desee crear para complementar
el calendario. Sin embargo es importante determinar en cada celda donde aparece
la sigla DPM los das para mantenimiento por quincena. En la figura 50 se
pueden observar los detalles del diseo propuesto.

En los ingenios es comn tener periodos especficos de alto mantenimiento, que


se sostienen en todos los aos, dependiendo del tipo de negocio como se muestra
en la figura 50, los meses de enero, abril y junio son de alto mantenimiento. Para
los dems meses se programan periodos pequeos de mantenimiento.

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

11.3.2 Planeacin del mantenimiento. En esta seccin se realizara todo el


estudio y definicin de estrategias para la generacin de ordenes de
mantenimiento de las tres clases de rdenes, de forma independiente, tambin se
planear cuanta mano de obra es la necesaria para atender toda la necesidad de
mantenimiento. Para este punto el usuario que est realizando el anlisis debe
tener el criterio y el poder de decisin para establecer polticas y estrategias.

El primer paso es configurar el mantenimiento preventivo, el cual ser basado en


frecuencias de mantenimiento basado en das, semanas o meses calendario. Para
realizar este procedimiento se presiona por el botn CONFIGURAR OTPP.

En la figura 51 se debe ingresar por cada fila el mantenimiento que se le piensa


implementar a cada equipo, este listado se puede descargar de SAP41, sin
embargo las frecuencias debe ser una decisin del ingeniero.

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

Se debe ingresar el campo clave equipo, el numero del plan es un consecutivo


para identificar la tarea que se est programando, seguido de la descripcin del
equipo y el rea o ubicacin tcnica, al igual que la descripcin del plan
especificando de manera general cual es el objetivo del mantenimiento: revisin,
limpieza, inspeccin, mantenimiento, cambio, entre otras.

Se debe ingresar la frecuencia y seleccionar las unidades, en ese caso el


programa solo soporta das, semanas o meses, siendo las frecuencias ms
comunes para la programacin de mantenimiento preventivo.

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.

Si estos datos se editan en un archivo borrador aparte o se van a descargar


directamente de SAP se deben organizar las columnas como muestra la figura 52
y se debe copiar y luego pegar valores sobre el aplicativo, entre la columna A y
H, el programa est diseado para soportar 1.000 planes de mantenimiento, en
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.

Luego de establecer los datos de configuracin se debe presionar el botn


PROGRAMAR y el aplicativo realizar los clculos pertinentes y la simulacin de
acuerdo a la poltica de atraso, el promedio de atraso, las frecuencias indicadas y
la ltima fecha de mantenimiento. En esta simulacin se podr tomar entre 9 y 15
minutos de acuerdo al equipo donde se est ejecutando el aplicativo.

Figura 51. Seccin programacin pantalla configuracin OTPP

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

El resultado de la simulacin ser un promedio de ordenes por periodo y el


esfuerzo promedio como se puede observar en la figura 54.

Figura 53. Resultados simulacin de programacin de OTPP

Para finalizar se debe dar clic en REFRESH y volver al men principal.

El siguiente paso es realizar la configuracin de las OTPE para esto se da clic en


el botn CONFIGURAR OTPE, el cual direcciona a la pantalla donde aparecern
diferentes datos del anlisis de los histricos.

El aplicativo hace un anlisis de los datos previamente ingresados, tomando


informacin de las rdenes, notificaciones y el calendario de mantenimiento. El
sistema est clasificado por periodos quincenales para realizar gestin por cada
periodo.

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.
Figura 54. Configuracin de ordenes preventivas OTPE

El software hace el pronstico de cules son las ordenes esperadas de acuerdo al


histrico y la desviacin estndar, sin embargo, este pronstico es muy amplio
pues est direccionado a tener todas las probabilidades de cantidad de rdenes.
Es necesario que el ingeniero establezca para cada periodo la poltica de
disminucin de rdenes en un porcentaje del promedio. La decisin debe estar
encaminada a tener menos ordenes por cada periodo pero siguiendo el mismo
comportamiento de lanzamiento, entrelazando la decisin con la cantidad de das
propuestos para mantenimiento en el calendario.

Por ejemplo al establecer la poltica para el periodo dos de marzo y el primero de


abril que aparecen en la figura 56, se cuenta con un pronstico de 59 y 94 ordenes
respectivamente, debido a que en el mes de marzo no se tendr tanto
mantenimiento la poltica de disminucin de ordenes debe ser fuerte para este
caso un 50%, sin embargo en el mes de abril ser difcil establecer una poltica
fuerte pues se tendr mantenimiento intensivo, por lo tanto se debe ser ms

144

amplio y establecer una disminucin del 30% por ejemplo, con estas dos polticas
finalmente se proponen 30 y 66 para cada periodo.

Figura 55. Definicin de poltica de mantenimiento OTPE

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.

En la figura 57 se observa una barra roja con la diferencia de rdenes si la


propuesta est por debajo del mximo histrico, siendo este el resultado
esperado. Tambin muestra la diferencia por encima representada por una barra
de color amarillo ocre, siendo este el resultado no esperado.

Figura 56. Diferencia entre rdenes propuestas y el histrico mximo

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

Se debe dar clic en REFRESH y volver al men principal.

El siguiente paso es revisar la configuracin de las OTC, para esto se da clic en el


botn CONFIGURAR OTC, este botn conduce a una pantalla donde todo se
hace mediante los clculos de las lneas de espera y la incidencia del
mantenimiento.

En este paso la configuracin es totalmente automtica mediante las formulas


previamente creadas en el aplicativo, solamente se puede hacer una revisin de la
formulacin y cambios en caso de existir una nueva categora de equipos, lo cual
es muy poco probable, pero se requiere un nivel avanzado de conocimiento en
Excel para realizar los cambios sin afectar la herramienta.

Figura 58. Calculo inicial teora de colas OTC

En la figura 59 se encuentra seis clculos realizados basndose en las lneas de


espera, el primer clculo muestra la probabilidad entre 0 y 100% de que no exista
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 segundo calculo muestra la cantidad de ordenes promedio en el sistema, esto


da una muestra de la cantidad de rdenes que se procesan al tiempo, es posible
que algunas sean nuevas y otras estn en trmites de cierre, este es un buen
punto de partida para verificar que equipos son los ms altos susceptibles a falla,
pero a su vez los que tardan ms en reportar y dar cierre a la orden de
mantenimiento. Estrategias de mejora hay que proyectar los equipos que mayor
cantidad de rdenes tengan.

El tercer clculo es el ms importante para efectos de este aplicativo en esta


seccin, este valor indica cuantas rdenes se procesan al tiempo, siendo la base
para el ingeniero establezca el personal para tener la capacidad de atender estos
eventos.

El cuarto clculo indica el tiempo de procesamiento de una orden de


mantenimiento, esto se debe contrastar con las polticas seleccionadas y verificar
si los tiempos de tolerancia concuerdan con la realidad. Este punto es un buen
indicador para ajustar los procesos administrativos y logsticos que alargan la
atencin de una orden de mantenimiento correctiva, como por ejemplo la
legalizacin de reservas o pagos a terceros.

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.

Es importante mencionar que el aplicativo considera que en los periodos de cero


molienda, por mantenimiento, se espera de manera proporcional cero daos, por
esto en cada periodo se reduce la cantidad de rdenes en la media que aumenta
los das de mantenimiento programado.

El resultado final de este apartado es el esfuerzo promedio que se necesitan para


atender estas rdenes, siendo este la multiplicacin de la cantidad de rdenes
pronosticadas por el esfuerzo que requiere cada tipo de equipo finalmente
consiguiendo las horas de la figura 60.

Figura 59. Calculo de ordenes OTC en el sistema.

Figura 60. Resultado configuracin OTC

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.

Los primeros datos se deben ingresar de acuerdo al cuadro 47 consiste en hacer


un resumen del personal por cargo, determinando la categora a la cual
pertenecen, partiendo del hecho que la categora define el nivel del trabajador en
salario y competencias.

Cuadro 47. Cantidad de personas por cargo.

CARGO
MECNICO 1 FARREL
MECNICO 2 FARREL
SOLDADOR 1 FARREL
SOLDADOR 2 FARREL

CANTIDAD
PERSONAS

CATEGORA
1
2
3
4

DE
6
4
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.

Cuadro 48. Cantidad de personas por categora.


CATEGORAS DEL PERSONAL SEGN SUS HABILIDADES
CATEGORA
1
2
3
4

PERSONAS
21
7
8
14

SALARIO HORA
$ 14.000
$ 13.160
$ 12.370
$ 11.628

Posteriormente se debe llenar el cuadro 49, que corresponde al tiempo disponible


que se espera tener por cada persona, teniendo en cuenta en lo posible tiempo
perdido, incapacidades, vacaciones entre otros. Un estudio riguroso de

149

ausentismos es recomendable antes de ingresar estos datos, para no tener


supuestos que no se ajusten a la realidad.

Cuadro 49. Tiempo disponible para mantenimiento por persona.


TIEMPO DISPONIBLE ESPERADO PARA MANTENIMIENTO
(PARA UNA PERSONA)
DA (HORAS) MES (DAS)
7
24

AO (MESES)
11,5

HORAS AO
1932

Se debe ingresar tambin la efectividad esperada por cada categora en el cuadro


50, partiendo del hecho que a menor categora menor capacidad de responder a
las problemticas que se presentan en las rdenes, perdindose tiempo que se
puede usar en reducir el servicio. Para este punto se debe ser muy objetivo y
conocer muy bien el grupo para determinar lo ms certero posible cada valor de
efectividad.

Cuadro 50. Efectividad por categora.

CATEGORA
1
2
3

EFECTIVIDAD
(0-100)
98%
98%
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.

Luego se presiona REFRESH y se dirige al botn denominado RESULTADO


GENERAL, el botn mostrara la situacin inicial de nuestro modelo consolidando
la necesidad de mantenimiento y la oferta de mantenimiento, todo esto lo traduce
en horas para que el comparativo sea directo.

150

Figura 61. Factor tiempo extra por periodo

11.3.3 Resultados. En la seccin Nivel de Servicio, como se observa en la figura


63, se contar con los valores numricos en horas hombre para el mantenimiento
en la seccin superior, por cada tipo de orden y por cada mes, de igual forma se
trae la cantidad de horas que configure en el paso anterior y luego la diferencia, el
aplicativo anunciar que no hay capacidad en ese periodo por medio de una
casilla amarilla y el texto rojo.

La falta de capacidad se puede compensar de varias maneras, aplicando una de


las siguientes estrategias:

Incremento de las horas extras: es la estrategia ms rpida, pero trae


consecuencias en costos al pagar el doble a nivel integral por el tiempo extra.

Contratacin de personal: si la capacidad est muy por debajo de la


necesidad, se debe presentar a la gerencia de fbrica una propuesta para
contratar ms personal basado en este anlisis.

Disminucin del mantenimiento preventivo extraordinario: esta estrategia


incluye una poltica drstica de reduccin de rdenes, aumentando por arriba
del 50%. Esto har que el ingeniero sea ms precavido y conservador a la
hora de asignar trabajos, aumentando quizs el riesgo de daos futuros y
desmejorando la calidad de los equipos, o por otra parte realizando
intervenciones efectivas.
151

Figura 62. Nivel de servicio, resultado final

Aumento de las frecuencias de mantenimiento preventivo: el aumento de


las frecuencias traer menor cantidad de ordenes por periodo por lo tanto
menos necesidad de orden en el sistema. Esto puede generar que aumente la
probabilidad de daos por falta de atencin en los equipos o por el contrario
disminuir los daos por intervenciones efectivas y mantenimientos con
mejoras proactivas.

Eliminacin de planes de mantenimiento: dejar equipos sin mantenimiento


o comprar equipos que requieran menos mantenimiento, es una de las
estrategias mas recomendadas, los equipos de hoy en da son ms
electrnicos y ms confiables, actualizaciones de fabrica traen por ende
condensacin del mantenimiento, eliminando partes y subequipos, teniendo
menos cantidad de ordenes en el sistema.

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.

El primer informe es el de costos que se puede ver pulsando el botn COSTOS


de la parte derecha del men principal.

El primer grafico, figura 64, muestra un comparativo entre el comportamiento


promedio histrico de la mano de obra en cada mes (lnea morada) y el valor
propuesto por la estrategia escogida en el aplicativo. En este grfico se pueden
identificar ahorros o prdidas respecto al histrico, justificando implementacin de
mejoras o por el contrario ajustando estrategias de nuevo.

Figura 63. Costo comparativo de la mano de obra


Costo Promedio Mano de Obra Historico

Costo Promedio Historico Personal

Costo Personal Propuesto

$ 261
$ 143

$ 190

$ 184

$ 156

$ 190

$ 109
$ 140

$$127
84

ENERO

FEBRERO

$ 130

$ 107
$ 147

$ 166

$ 164

ABRIL

MAYO

$ 143

$ 147

SEPTIEMBRE

OCTUBRE

$ 134

$ 127

MARZO

$ 161

$ 192

$ 175

JUNIO

JULIO

AGOSTO

$ 140

$ 130

NOVIEMBRE DICIEMBRE

El siguiente grfico de la figura 65 muestra el costo total, identificando as cuanta


puede llegar a ser la influencia de las estrategias aplicadas en el total de los
costos de mantenimiento del molino, demostrando influencia directa en los costos
generales y consiguiendo ms apoyo para mejorar el mantenimiento en s.

Figura 64. Comparativo total de costo y mano de obra propuesto por mes
Comparativo de Costo Total Promedio Historico y Mano de Obra Propuesto
Costo Total Promedio Historico

Costo Personal Propuesto


$ 731

$ 527
$ 473

$ 456

$ 465

$ 493

$ 444

$ 490

$ 373

$ 359
$ 262
$ 196
$ 140

ENERO

$ 127

FEBRERO

$ 147

MARZO

$ 190
$ 127

ABRIL

MAYO

$ 166

JUNIO

$ 164

JULIO

153

$ 134

AGOSTO

$ 143

SEPTIEMBRE

$ 147

OCTUBRE

$ 140

NOVIEMBRE

$ 130

DICIEMBRE

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

$ 26.715

$ 26.970

$ 27.351

$ 26.079

$ 26.715
$ 25.697

$ 28.878
$ 25.443

ENERO

FEBRERO

$ 25.443

MARZO

ABRIL

MAYO

JUNIO

JULIO

AGOSTO

SEPTIEMBRE

OCTUBRE

NOVIEMBRE

DICIEMBRE

Para observar los dems indicadores se debe volver al men principal.

Para ingresar al anlisis de cola que muestra el aplicativo se presiona el botn


COLAS. En este informe lo lleva a la figura 67, y le muestra a travs de nmeros
y grficos como es el comportamiento en detalle de los daos de cada categora
de equipos.

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.

Cul es el servicio ms largo? conlleva a preguntarse por la calidad del personal


que realiza el servicio, las herramientas usadas, el equipo y la oportunidad de
tiempo, anlisis derivados del enrutamiento que de este informe pueden ayudar a
mejorar en la gestin del mantenimiento.

La probabilidad de que no haya rdenes en el sistema permitir identificar equipos


confiables y disponibles para la operacin y cuales requieren de mejores prcticas.

Los tiempos promedios de una orden en el sistema traern consigo el anlisis de


la efectividad tanto operativa como administrativa, pues en muchas ocasiones el
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.

Figura 66. Resultado teora de colas

Como indicador final propuesto por el informe es el de mantenimiento, para entrar


se debe dar clic al botn MTTO, el cual mostrar dos grficos.

El primer grafico, figura 68, consiste en evaluar el porcentaje de atraso de las


rdenes, identificando en qu periodos se cumpli con la poltica, determinando
tambin si la poltica de atraso es la ms adecuada al proceso.

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:

Verificar que trabajos se terminaron y no se han reportado, para finalmente


cerrar todas ordenes con su respectiva notificacin.

Verificar cuales rdenes ya se reportaron y no se han terminado los pagos a


terceros o reservas de almacn. Verificar con logstica que ha sucedido con
estos procesos buscando estrategias de agilizacin, para finalmente cerrar las
rdenes pendientes por este punto.

Verificar que trabajos no se han realizado, priorizarlos de acuerdo a


importancia y distribuir en la cuadrilla de cubriendo de los equipos de mayor
prioridad a los de menor prioridad, empezando de los trabajos ms atrasados
a los menos atrasados.

Si los trabajos no se pueden realizar hasta una fecha posterior, reprogramarlo


en el sistema y alistar todo para su cumplimiento.

El segundo grfico, figura 69, muestra de forma grafica la cantidad de


mantenimiento que se est proponiendo por mes, permitiendo ver de forma
comparativa cuanto mantenimiento requiere la fbrica en cuanto a cantidades,
segn este modelo.

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.

Figura 68. Cantidad de rdenes por mes

157

12. RECOMENDACIONES

Las bases de datos son el elemento ms importante del mantenimiento para la


toma de decisiones, sin embargo la validez de las decisiones depender de la
veracidad de la informacin del sistema, se deben implementar estrategias
para garantizar la confiabilidad de la informacin, realizando revisiones
peridicas y estrictas de coherencia de datos.

No se puede tomar como vlida la informacin sin realizar un tratamiento de


los datos, pues ser necesario descartar la informacin de la cual no se tenga
certeza de su validez tcnica, solamente la informacin completa en cuanto a
sus fechas de planeacin y ejecucin, permitirn un correcto anlisis de las
llegadas y el servicio.

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 de entrega de materiales o repuestos para el mantenimiento


deben analizarse para mejorar los tiempos de servicio, en el desarrollo del
trabajo muestra como el tiempo de servicio dista en muchos casos del
esfuerzo operativo para realizarlo.

No se deben generar rdenes de mantenimiento que no contengan ninguna


informacin, estas distorsionan los anlisis y en muchos casos son difciles de
identificar. En caso de haber creado una orden por error se debe tratar de
reutilizar para otro trabajo en otro equipo, el SAP permite la reclasificacin de
las rdenes antes del cierre tcnico.

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.

Es importante que todas las personas involucradas en el mantenimiento


operativo y administrativo conozcan el manejo de los tiempos y fechas de las
rdenes para que se manejen bajo un solo criterio.

Es vital para la aplicacin del software la comprobacin de que las llegadas de


las ordenes OTC sigan una distribucin Poisson, al igual que las ordenes
OTPP y OTPE no sigan dicha distribucin. En caso que algn de estos dos
tipos de orden sigan la distribucin Poisson se debe tambin modelar con
lneas de espera.

Se debe comprobar que los tiempos de servicio de cada tipo de orden no


siguen una distribucin Exponencial, en caso que alguno se distribuya de esta
forma se debe cambiar el modelo de lneas de espera M/G/1 por el modelo
M/M/1, o cualquier otro modelo que ms se adecue a las nuevas
distribuciones.

Se recomienda que el usuario de este aplicativo tenga un nivel dentro de la


compaa que le permita tomar decisiones, dentro del programa se deben
establecer diferentes polticas que conllevan finalmente a un ahorro o perdida
en el costo de la mano de obra.

El aplicativo no est protegido de forma intencional para proponer un


modelamiento a cada compaa de acuerdo al sistema que use para la
administracin del mantenimiento, sin embargo se recomienda validar que no
se rompan vnculos o inhabiliten formulas si se realizan cambios.

Se recomienda mensualmente establecer indicadores de cumplimiento de los


datos presupuestados y compararlos con los reales, para corregir posibles
desviaciones.

159

13. CONCLUSIONES

Este proyecto permiti desarrollar una metodologa para la gestin del


mantenimiento, facilitando la toma de decisiones en la planificacin de los
trabajos y la generacin de estrategias de mantenimiento adecuadas que
correspondan al nivel de servicio que establece el ingeniero responsable
mediante las cuadrillas de trabajo. Obteniendo una propuesta para el
mejoramiento en el tiempo de atencin en las rdenes.

El estudio de las lneas de espera son de ayuda en el mantenimiento siempre


y cuando se cumplan los procesos de validacin de datos, no es posible
asumir el comportamiento de los datos hasta no realizar las pruebas que
determinen si los valores siguen alguna distribucin en especial. Los anlisis y
decisiones tienen alta calidad si los datos cuentan con la seguridad del
seguimiento de las distribuciones.

La planificacin de mantenimiento para un ao, permite identificar la cantidad


y tipos de mantenimiento implementados, adems de la mano de obra a usar y
los costos en los que se incurre. Estas polticas se unen a los presupuestos
que son aprobados de forma anual y le permitir al ingeniero alinear cada ao
sus polticas de acuerdo a las directivas de la compaa.

Se demostr que para la modelacin de sistemas de mantenimiento las


rdenes de trabajo no se pueden establecer como un todo y tomar decisiones
sobre supuestos. Cada clase de orden tiene un comportamiento diferente
debido al origen de su creacin, por lo tanto la naturaleza de cada tipo de
orden demandan una gestin independiente.

La ocurrencia de los daos en los equipos al ser un proceso inesperado y


repentino, tiene las caractersticas de aleatoriedad y distribucin de acuerdo a
Poisson que permiten modelar el sistema por medio de lneas de espera. Por
el contrario las rdenes preventivas son explicadas por las polticas y
estrategias de mantenimiento determinadas por el ingeniero.

El proceso de validacin de los datos comprob que la duracin de la atencin


en los equipos es muy variada entre un equipo y otro, lo que genero la

160

necesidad de clasificar dichas duraciones segn la categora de equipos


agrupndolos por caractersticas funcionalmente iguales.

El desarrollo de este proyecto permiti evidenciar problemas en la coherencia


de los datos, situacin actual que debe ser mejorada para tener anlisis
confiables en su totalidad, los pronsticos del aplicativo son totalmente
dependientes de la informacin ingresada.

El uso de la herramienta de gestin del mantenimiento en el molino de


INCAUCA S.A. puede ser clave para la gestin de los ingenieros que manejan
el mantenimiento en la compaa, permitiendo asistir en el paso a paso de la
conformacin de las polticas de mantenimiento.

El comparativo por horas invertidas en cada trabajo permite dimensionar y


unificar todo el mantenimiento en un modelo oferta-demanda, el cual
determina la capacidad de una forma bsica, facilita la toma de decisiones con
el personal y establece estrategias para mejorar la calidad, competencias,
cantidad y cambiar el tipo de mantenimiento.

En muchas ocasiones los ingenieros escogen las frecuencias de


mantenimiento de sus equipos sin tener en cuenta el efecto que tendr en la
cantidad de rdenes para cada periodo. Se pueden presentar periodos en los
que no se cuente con el personal para atender todas las rdenes de
mantenimiento, aumentando de esta forma los atrasos. Esta herramienta
permite ver el efecto directo del establecimiento de las frecuencias de
mantenimiento en los equipos de forma anticipada.

Es posible que el mantenimiento pierda sincrona y se lancen rdenes de


trabajo en momentos donde fsicamente no es posible realizarlas. Esta
herramienta permitir analizar cuellos de botella generados por altos
mantenimientos a causa de la programacin excesiva.

El estudio comprob en uno de sus apartes que la oportunidad de


mantenimiento es independiente a la cantidad de rdenes de trabajo y a su
vez no influye en los atrasos de mantenimiento. Se interpreta que los tiempos
para mantenimiento programado se utilizan para trabajos especficos y no
afectan las rdenes de mantenimiento de todo el ao.
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.

Finalmente el aplicativo expone que es posible una reduccin en los costos de


mano de obra cercanos a los $134 millones de pesos en un ao, bajo el
esquema de mantenimiento implementado por medio del historial y las
decisiones tomadas por el ingeniero. Sin embargo el sistema no es ajeno a
circunstancias atpicas, teniendo en cuenta que finalmente el pronstico
proviene de un modelo probabilstico.

162

BIBLIOGRAFA

ANTONIOL, Giuliano. Assessing staffing needs for a software maintenance


project through queuing simulation. IEEE Transaction on software engineering,
VOL. 30, No.1, January 2004.

ABESOFT TECHNOLOGIES. Esaymint, Matriz de funcionalidad. [En lnea],


2011, [consultado el 16-01-2012]. Disponible en: http://www.abesoft.com/EasyMaint/Matriz_de_Funcionalidad_EasyMaint_Software_de_Mante
nimiento..pdf

ANDERSON, D. R.; SWEENEY, D. J. and WILLIAMS, T. A. Statistics for


business and economics. Edition 11. South-Western: Cengage Learning, 2011.

ASUG AMERICAS' SAP USERS' GROUP. Plant Maintenance User Group


meeting. [En lnea], 2002, [consultado el 19-01-2012]. Disponible en:
http://www.meridium.com/news_events/pdfs/Banff-DuPont_presentation.pdf

AZARANG M. R. y GARCIA E. D. Simulacin y anlisis de modelos


estocsticos, 2 ED. Mxico: Mc Graw Hill, 1998.

BANKER, R. D. and SLAUGTHER, S. A. Afiel study of scale economies in


software maintenance. Manager. Sci. 43(12): 1709-1725. 1997.

BARUA, A. and MUKHOPADHAY, A cost analysis of the software dilemma: to


maintain or replace. Proceedings of the 22nd Hawaii International Conference
on System Sciences, Kailua-Kona. Hawaii 1989.

CENICAA, Diagrama de Obtencin de Azcar, [en lnea], Valle del Cauca,


2004.
[Consultado
el
18-12-2011]
disponible
en:
http://www.cenicana.org/pop_up/fabrica/diagrama_obtencion.php

CHAN, T., S. and Chung, T. Ho. An economic model to estimate software


rewriting and replacements times. p. 580-598, 1996. IEEE Trans. Software.
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 1504-2011] Available in: www.fivesgroup.com.

GUTIRREZ, 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.

HEYMAN, D., M. J. SOBEL. Stochastic models in operations research. VOL. II,


McGraw-Hill, New York. 1984.

INCAUCA S.A. Caracterizacin del proceso. Definicin de objetivos. Gerencia


de fbrica. El Ortigal, 2011.

INCAUCA S.A. Cantidad de planes de mantenimiento existentes. Transaccin


IP15, listado de planes de mantenimiento. SAP-PM. Enero 2012.

INCAUCA S.A. Informe tarifas de mantenimiento por departamento de servicio


2011, Departamento de Costos y Presupuestos de Fabrica. El Ortigal, 2011.

INCAUCA S.A. Caracterizacin del mantenimiento. Poltica de atraso.


Departamento de mantenimiento, El Ortigal, 2011.

INCAUCA S.A. Informe anual de proyectos. Proyectos instalados 2007 2011,


Departamento de Proyectos. El Ortigal, 2012.

164

INCAUCA S.A. Gestin del informe Semanal de rdenes de Mantenimiento.


Cantidad de Ordenes, Diciembre 2011. El Ortigal, Enero 2012.

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.

INCAUCA S.A. Informe de Costos de Mantenimiento Mensual. Indicador de


Porcentaje (%) de Planeacin de los Recursos, Diciembre 2011. Enero 2012.

INCAUCA S.A. Informe Mensual de Produccin. Seccin Fabrica, Indicador


horas hbiles perdidas por fbrica, Diciembre 2011. El Ortigal: Enero 2012.

INCAUCA S.A. Informe de costos de rdenes de mantenimiento acumulado


2011, El Ortigal: Enero 2012.

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.

INCAUCA S.A. Modulo PM, [Base de datos en red], [consultado en Enero


2012]. Obtenido por medio de las transacciones: IP12-Visualizacion estrategias
de mantenimiento; IA06-Visualizacion hojas de ruta; IP03-Visualizacin plan de
mantenimiento; IP15-Listado de planes de mantenimiento; IP30-Programacin
de planes de mantenimiento; IP19-Visualizacin de programacin del
mantenimiento; IW32-Vizualizacin de una orden de mantenimiento; IW42Ingreso de una notificacin; IW43 Visualizacin de notificacin de una orden
de mantenimiento e IW3D-Impresin de una orden de mantenimiento. El
Ortigal: 2012.

INCAUCA S.A. Sistemas de Gestin de Calidad: Manual de mantenimiento, P940-001, El Ortigal: 2005.

165

INCAUCA S.A. Sistemas de Gestin de Calidad: Molienda de Caa, R612003,


El Ortigal: 2005.

INGENIO SAN CARLOS, Informacin Estadstica, [en lnea], 2002, [consultado


el 15-12-2011], disponible en: www.ingeniosancarlos.com.co.

INSOLCA. Descripcin de Software para el mantenimiento Sysman. [En lnea],


2009, [consultado el 16-01-2012]. Disponible en: http://www.insolca.com.

ISOGRAPH Ltd. Availability Workbench. [En lnea], 2011, [consultado el 18-012012]. Disponible en: http://www.isograph-software.com/

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. 506515. ISSN 1059-1478.

KULKARNI, V.G. Modeling and analysis of stochastic system. CRC Press, New
York 1995.

MICROSOFT CORPORATION. Microsoft Office Excel TM. [En lnea], 2012,


[consultado el 15-03-2012] disponible en: http://office.microsoft.com/eses/excel/

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-yejecutando-macros-en-excel-2010-RZ102337714.aspx

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-101HA001034632.aspx

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/aleatorioHP005209229.aspx?CTT=1

NOSEK, J. T. P. PALVIA, Software maintenance management: changes in the


last decade. J software Maint. Res. Pract. 2(3): 157-174. 1990.

ORREGO BARRERA, Juan Carlos. Backlog: Acumulacin de trabajo. [En


lnea].
2008.
[consultado
el
10-01-2012].
Disponible
en:
http://www.mantonline.com

SAP AG. PLM300 Business Process in Plant Maintenance. Notification of


Maintenance Requirements. Germany: 2005.

SAP AG. PLM310 Preventive Maintenance and Service. Maintenance Planning


Requirements. Germany: 2005.

SOBEL, M. J. OPTIMAL Average-cost policy for a queue with start up and shutdown costs. Oper. Res. 17 (1):145-162. 1969.

TAN, Y., V. S. MOOKERJEE. Comparing uniform and flexible policies for


software maintenance and replacement. IEEE Trans. Software Eng. 31(3): 238
255. 2005.

WOOD GROUP COLOMBIA S.A., Nuestra Experiencia: Casos de xito, [en


lnea], 2006, [consultado el 18-12-2011] disponible en www.woodgroup.com.co

XV CONGRESO INTERNACIONAL DE CONTADURA, ADMINISTRACIN E


INFORMTICA, El Estado y su Impacto en Competitividad en la Industria
Azucarera, Monterey, Instituto Tecnolgico y de Estudios Superiores de
Monterrey, 2004.

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

Anexo A. Tabla Chi-Cuadrado

169

Anexo A. Tabla Chi-Cuadrado (Continuacin)

170