Академический Документы
Профессиональный Документы
Культура Документы
Abet Jorge Eduardo (1), Carrizo, Blanca Rosa (2), Corso, Cynthia Lorena (3), González, Gustavo (4)
GICAPP “Grupo de Investigación en Control Avanzado de Procesos y Producción”. / Dpto. Ingeniería
Industrial / Facultad Regional Córdoba / Universidad Tecnológica Nacional
Maestro Marcelo López s/n. Ciudad Universitaria.
Teléfono: 5986011
jabet@industrial.frc.utn.edu.ar / bcarrizo@tecnicatura.frc.utn.edu.ar /
cynthia@bbs.frc.utn.edu.ar / gonzález@iua.edu.ar
De esta manera, estas herramientas basadas en el separada de su función, para ejecutar la operación
uso de software libre o propietario, han facilitado de mantenimiento.
la detección y análisis de las causas referidas al En la siguiente instancia del proyecto se llevo a
comportamiento del patrón de los reportes de cabo un análisis y evaluación de diversas
servicios de mantenimiento. [3] herramientas informáticas que permitan generar
Independientemente del proceso de selección del modelos de conocimiento con el objetivo de
motor de Base de Datos, se analizó y consensuó inferir reglas de carácter predictivo, relacionadas
una metodología de trabajo estándar para el con los fallos de las maquinarias.
diseño de un Almacén de Datos, el cual pueda ser Resultado del relevamiento se han considerado
utilizado como modelo de referencia para el como alternativas viables las siguientes
análisis de fallos en el área mantenimiento para herramientas:
industrias del medio (autopartistas, alimenticias, MicroStrategy: plataforma que ha sido diseñada
electromecánicas, entre las seleccionadas). para soportar aplicaciones de Business
La ejecución de este proyecto siguió los Intelligence que permite crear informes y análisis
lineamientos clásicos de la investigación empírica, de los datos almacenados en una Base de datos
separando dos líneas de estudio: a) propio del relacional y de otras fuentes.
Mantenimiento b) propio de la Ingeniería en SAS (Statistical Analysis System) (Software
Sistemas. Comercial): proporciona numerosas herramientas
A nivel de Sistemas, se realizó un análisis de los para el análisis estadístico de datos y generación
parámetros representativos que a nuestra de informes. Existen diversos módulos que
consideración deben ser considerados, dada su permiten realizar operaciones para la realización
importancia en el estudio de predicción de fallos. de gráficos, para la ejecución de SAS remoto o
La fuente de datos considerada para este proyecto para la implementación de operaciones que están
proviene de una empresa local dedicada al rubro relacionadas con la rama de la Investigación
metal-mecánica. En la misma se ve relejada Operativa, como así también su fortaleza es la
información histórica relacionada con las órdenes ejecución de diversos comandos que están
de mantenimiento correctivo correspondiente a los vinculados con la estadística. Esta herramienta fue
fallos detectados en las maquinarias de diversos investigada, porque si bien no fue diseñada para el
sectores de la empresa, correspondiente al periodo aprendizaje automático, es posible la
2007 al 2010. El formato de la fuente de datos es implementación de técnicas de Minería de Datos.
una planilla de cálculo en Excel y cuenta con Weka (Waikato Environment for Knowledge
13140 registros. Analysis) (Software Libre): es una plataforma de
A continuación se detalla cuáles han sido los software para aprendizaje automático y Minería
datos, que se han considerado como significativos de Datos escrito en Java y desarrollado en la
para nuestro estudio. Universidad de Waikato. Como la gran mayoría
Nro de Orden de Trabajo: este parámetro de las herramientas contiene las herramientas
representa de manera unívoca la orden de necesarias para realizar transformaciones sobre los
mantenimiento correctivo. datos, tareas de clasificación, regresión,
Equipo: representa la descripción de la clustering, asociación y visualización. Está
maquinaria que presenta el fallo. diseñado como herramienta orientada a la
Evento: es la descripción del fallo de la extensibilidad, por lo que añadir nuevas
maquinaria. funcionalidad es una tarea sencilla. [1]
Fecha: es la fecha en que se generó el fallo de la Knime (Software Libre): es una herramienta libre
maquinaria. para el aprendizaje automático, lanzada en el año
FechaMant: representa la fecha en que se efectuó 2006, sus creadores pertenecen a la comunidad de
el mantenimiento correctivo. la universidad de Konstanz (Alemania). Knime
Estado: representa el estado en que se encuentra (www.knime.org) es una plataforma modular de
la orden de mantenimiento correctivo. exploración de datos que permite al usuario la
Sector: representa el sector o área de la empresa creación de flujos de manera visual. Además
que pertenece la maquinaria que presenta el fallo. permite ejecutar de manera selectiva algunos
Paro maquinaria: representa el tiempo pasos, asi como ejecutar todo el flujo
(expresado en minutos) que la máquina es desarrollado. Posterior a la ejecución, los
resultados se pueden investigar mediante varias
vistas interactivas tanto de los datos como los MantProg: representa información si cuando se
modelos. presenta un fallo de una maquinaria, existía un
Finalizada la etapa de relevamiento y pruebas de mantenimiento programado.
las herramientas, se decidió la elección de la Cumplimentada esta etapa se procede al estudio y
herramienta Weka para la implementación de análisis de técnicas de Minería de Datos,
técnicas de Minería de Datos, bajo la concepción conociendo características, ventajas y por sobre
de software libre. [2] todo cual es el tipo de problemática pueden
La fundamentación de esta elección se sustenta en resolver.
los siguientes parámetros: Hay casos de situaciones problemáticas en las que
• Portable: ya que esta implementado íntegramente es necesario inferir sobre aspectos vinculados a
en Java y puede ejecutarse en la mayoría de las nivel de predicción o bien del tipo descriptiva, es
plataformas. decir la búsqueda de fundamentos que permitan
• Disponible bajo la licencia pública general de explicar un determinado hecho o suceso.
GNU. [2] Una de las problemáticas planteadas por la
• Muy buena documentación. empresa, es la alta frecuencia de órdenes de
• Interfaz gráfica adecuada e incluye herramientas mantenimiento correctivo. Esto genera una serie
para la visualización de los datos y de los de desventajas económicas para la empresa como
modelos obtenidos. el tiempo que se aparta la maquinaria de sus
• Incluye un paquete de diversos algoritmos de las funciones provocando un retraso en las
principales técnicas de Minería de Datos. actividades laborales, excesivo trabajo para el
La siguiente actividad planificada es centrar la personal de mantenimiento, el cual muchas veces
atención en la fuente de datos que se tendrá en se ha reportado que muchos de los fallos
cuenta para ser procesada por la herramienta reportados no son reales. [5]
Weka. Uno de los aspectos a estudiar por este Para poder abordar esta problemática se ha
grupo de investigación es considerar si existen decidido implementar las técnicas de asociación,
otros parámetros que pueden ser considerados debido a que es una de las técnicas que más se
como significativos e influyentes en el tema de adapta para la resolución de esta situación. Los
predicción de fallos. Al comienzo de esta sección algoritmos de asociación permiten la búsqueda
se enumeró aquellos parámetros que se automática de reglas que relacionan conjuntos de
seleccionaron para este estudio, algunos de ellos atributos entre sí. Son algoritmos no supervisados,
fueron ignorados por no tener una incidencia en el sentido de que no existen relaciones
directa en la línea de investigación del proyecto. conocidas a priori con las que contrastar la validez
Para lograr esta tarea se utilizó herramientas de los resultados, sino que se evalúa si esas reglas
incluidas en la sección de preprocesamiento de la son estadísticamente significativas. [8]
herramienta Weka, como los filtros. [4] La herramienta dispone diversos algoritmos
Luego de entrevistas con personal de la empresa agrupados dentro de la técnica de Asociación, el
perteneciente al área de operación y principal algoritmo de asociación implementado
mantenimiento, se han detectado otros parámetros de esta herramienta es el algoritmo "Apriori". Este
significativos, que a continuación enumeramos: algoritmo únicamente puede buscar reglas entre
Turno: este parámetro representa el turno de atributos simbólicos, razón por la que se requiere
trabajo en que se generó el fallo de la maquinaria. haber discretizado todos los atributos numéricos.
En este caso la empresa considerada bajo estudio, Como en este caso se dispone de atributos
tiene un esquema de horario de tres turnos. numéricos es de carácter obligatorio discretizar
Fallo: el significado de este parámetro representa los mismos, condición indispensable para poder
el tipo de fallo. La tipificación establecida para el implementar el algoritmo Apriori. [6]
mismo es: 0-Fallo humano 1- Fallo Maquinaria 2- Weka dispone de filtros específicos que permiten
Fallo generado por condiciones ambientales. implementar esta funcionalidad. Finalizada esta
Fallo real: este parámetro es de tipo booleano, los última actividad, se procede a la ejecución del
valores que puede asumir son: algoritmo A priori. Esta herramienta permite
0- Si: fue un fallo lo que justifica la emisión de visualizar un panel con el conjunto de reglas
una orden de mantenimiento correctivo, 1-No. generadas. En última instancia es necesario
validar si el nivel de confianza de este modelo de
conocimiento obtenido es el aceptable o no. [7]