Вы находитесь на странице: 1из 5

WICC 2012 207

ESTUDIO DE FALLOS EN EL MANTENIMIENTO RELACIONANDO BASE DE DATOS


Y FIABILIDAD. FASE I

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

RESUMEN Para ello, se unen dos disciplinas que se


El objetivo de este trabajo es el estudio y análisis relacionan entre sí a través de su vinculación en
de cómo aplicar herramientas informáticas un proyecto de investigación (PID VAPRC0778)
basadas en Tecnologías y Sistemas de denominado “Estudio probabilístico de Fallos, uso
Información (TI/SI) de Base de Datos, como lo del Dataminig y Datawarehouse para su
son el Almacén de Datos (Datawarehouse) y la aplicación al Mantenimiento”. Fase I.
Minería de Datos (Datamining) en el estudio de El uso de la tecnología de la información se ha
longevidad y fallos de los equipos, a través de la acrecentado y actualmente los Sistemas de
predicción de tendencias y comportamientos que Información para el control y planificación del
permitan tomar decisiones proactivas basadas en mantenimiento son de uso frecuente.
repositorios de datos históricos y en la criticidad Sin embargo, estos sistemas están orientados
de los sistemas en funcionamiento. principalmente a cubrir las fases operativas, como
Mediante la utilización de estas herramientas por ejemplo, registrar las tareas realizadas, los
informáticas se optimiza la gestión de insumos utilizados, planear actividades, controlar
mantenimiento y/o se generan nuevas los costos, llevar recuento del stock, etc. Es decir
oportunidades de negocio para la Empresa. que, se carece de sistemas automáticos que
brinden información ilustrativa, clara y oportuna
Palabras Clave: Mantenimiento, Base de Datos, que permitan realizar análisis estadísticos
Fiabilidad, Fallos, Minería de Datos, Algoritmos profundos y de Minería de Datos.
de Asociación, Software Libre de Aprendizaje Por otro lado, el creciente desarrollo tecnológico
Automático. ha permitido la expansión del uso del Almacén de
Datos y de la Minería de Datos en unidades de
CONTEXTO negocios donde hace algunos años no era de uso
Este trabajo forma parte del pool de proyectos del frecuente y accesible.
Grupo de Investigación del Dpto. Industrial en El uso de la tecnología de la información se ha
Control Avanzado de Procesos y Producción acrecentado y actualmente los Sistemas de
(GICCAP) reconocido como Grupo de la UTN Información para el control y planificación del
mediante la Res. N° 816/2011 del Consejo mantenimiento son de uso frecuente.
Superior de la UTN con fecha del 07 de Julio de Sin embargo, estos sistemas están orientados
2011 y el mismo forma parte de las mejoras principalmente a cubrir las fases operativas, como
asumidas en el proceso de acreditación de la por ejemplo, registrar las tareas realizadas, los
carrera Ingeniería Industrial. insumos utilizados, planear actividades, controlar
los costos, llevar recuento del stock, etc. Es decir
1. INTRODUCCIÓN que, se carece de sistemas automáticos que
El objetivo de esta propuesta es considerar las brinden información ilustrativa, clara y oportuna
potencialidades que ofrece el análisis de datos que permitan realizar análisis estadísticos
mediante la aplicación de Almacén de Datos profundos y de Minería de Datos. Por otro lado, el
consubtanciados con técnicas de Minería de Datos creciente desarrollo tecnológico ha permitido la
para generar conocimiento aplicable a las tareas expansión de estas herramientas en unidades de
de mantenimiento en un proceso industrial. negocios donde hace algunos años no era de uso
frecuente y accesible.

2012 XIV Workshop de Investigadores en Ciencias de la Computación


WICC 2012 208

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

2012 XIV Workshop de Investigadores en Ciencias de la Computación


WICC 2012 209

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]

2012 XIV Workshop de Investigadores en Ciencias de la Computación


WICC 2012 210

2. LINEAS DE INVESTIGACIÓN Y • Análisis e interpretación de los modelos de


DESARROLLO. conocimiento obtenidos orientados a establecer
• Mantenimiento y predicción de fallos. un conjunto de sugerencias de mejoras en el
• Bases de Datos y Almacén de Datos. [7] tema de predicción de fallos.
• Fiabilidad. [11] Los resultados obtenidos, mediante la aplicación
• Minería de Datos. [1] de técnicas de Minería de Datos, permiten detectar
• Algoritmos de Minería de Datos. [2] no solo anomalías en los fallos fácilmente
reconocibles sino también relacionar atributos sin
• Técnicas de asociación, aplicada al ámbito de
conexión, a priori, entre ellas.
fallos en empresas de rubro metal-mecánica.
Mediante el uso de estas herramientas se pretende
• Software libre para el aprendizaje automático o
generar modelos predictivos, que permitan
Minería de Datos.
descubrir relaciones no descubiertas e
• Elaboración de metodología relacionada con la identificadas a través de este proceso y
aplicación de Minería de Datos, aplicada al expresarlas como reglas de negocio o modelos
ámbito industrial. predictivos. [9]
• Implementación de técnicas de clasificación, Realizando un análisis exhaustivo de las reglas de
usando software especializado. asociación obtenidas podemos inferir que uno de
• Métricas de calidad para el modelo de los factores que tiene mayor incidencia en la
conocimiento obtenido. presencia de reporte de fallos es el sector. En la
gran mayoría de las reglas analizadas se evidencia
3. RESULTADOS Y OBJETIVOS. que el sector de Producción tiene un alto grado de
Entre los resultados del avance de este proyecto se frecuencia en los reportes de fallos. Además es
pueden mencionar los siguientes: importante que en este sector los fallos reportados
• Se ha brindado capacitación relacionada con la son responsabilidad del usuario. Otra variable es
temática de Minería de Datos y sus aplicaciones el turno de trabajo, en la gran mayoría de las
en diversas problemáticas del ámbito industrial, reglas de asociación, el turno que mas reporte
a los alumnos del quinto nivel de la carrera de registra es el turno tarde.
Ingeniería Industrial, en el contexto de la Otro aspecto que se ha logrado analizar es que de
asignatura “Control de Gestión”. los factores la gran mayoría de la presencia de los
• Integrantes del grupo han participado en mismos se ven acompañados por una
experiencias en el rol de coordinación en Panel: planificación previa del mantenimiento. Es decir
“Aplicación de técnicas de Minería de Datos que el programa de mantenimiento implementado
usando software Weka”, en el Congreso por la empresa no sería el problema central, lo que
Argentino de Estudiantes de Ingeniería lleva a pensar que hay que concentrar más el
Industrial y carreras afines (CAEII 2009). análisis e interés en las variables expresadas en el
• Se ha investigado sobre diversas metodologías, comienzo del trabajo, que son las que
con el objetivo de seleccionar la más adecuada, probablemente tienen mayor incidencia en la
para llevar a cabo un proyecto de Minería de problemática planteada. [10]
Datos. El valor agregado de este Proyecto está dado por
• Se ha participado activamente en Congresos la incorporación de una mayor inteligencia
Nacionales (I, II y III CAIM / CNIT 2009), operativa a la gestión de máquinas y utillajes, que
Latinoamericanos (CLICAP 2009) como permitirá la optimización de procesos en tiempo
Internacionales (UNAICC (en la VI Convención real, ya que los parámetros serán controlados en
Internacional de la Ingeniería en Cuba / CCO forma continua y realimentarán el proceso hasta
2012 en Venezuela) alcanzar la calidad requerida; asegurando la
Las actividades previstas contemplan: fiabilidad de máquinas, equipos y sistemas
• Relevamiento de diversas herramientas productivos.
informáticas diseñadas para el aprendizaje Está en marcha la proceso de articualción con la
automático o Minería de Datos. Fase II de este PID, donde el objetivo principal es:
• Investigación de diversas técnicas de Minería de “Optimizar el modelo de almacenamiento
Datos con el propósito de inferir cuál es la desarrollado en al Fase I, estandarizando sus
apropiada para resolver nuestra problemática. entradas de datos mediante herramientas
automáticas de integración de datos (DTS) a la

2012 XIV Workshop de Investigadores en Ciencias de la Computación


WICC 2012 211

estructura de la Base de Datos, con la finalidad de carrera de Especialización en Ingeniería en


mejorar la gestión de mantenimiento de una Sistemas de Información; mientras que otra es
Industria pertinente al objeto de estudio, que Magister en Docencia Universitaria.
brinde una interfaz gráfica y amigable al usuario Todos los integrantes del PID han participado del
para el diseño de sus salidas de información proceso de categorizaciones en investigación
específicas”. dentro del Programa de Incentivos del MECyT;
De este objetivo principal, se desprenden los así como en la categorización interna que posee la
siguientes objetivos específicos: U.T.N.
• Analizar y verificar si el modelo diseñado en la La becaria se ha desempeñado eficientemente en
Fase I, responde a los requerimientos de el proceso de relevamiento y carga de datos y
información de una gestión de mantenimiento continuará en la Fase II, aunque también se prevee
estándar orientada a un industria pertinente. la incorporación de otros becarios.
• Implementar mejoras, en caso de ser necesario, Algunos integrantes formamos parte del Fodami y
tendientes a optimizar el modelo bajo análisis. del INAM (Instituto Nacional de Mantenimiento).
• Desarrollar herramientas de presentación
tendientes a automatizar la interacción con el 5. BIBLIOGRAFÍA
modelo construido, con la finalidad de brindar [1] Aprendizaje Automático: conceptos básicos y
una interfaz gráfica al usuario final. avanzados. Aspectos prácticos utilizando el
• Evaluar el comportamiento del modelo y sus software Weka, Basilio Serra Araujo, Pearson
interfaces durante una etapa de prueba, tendiente Educación, Madrid 2006.
a determinar si los resultados que brinda [2] Manual de Weka, Diego García Morate.
(información) responden a las necesidades de la http://www.metaemotion.com/diego.garcia.morate
gestión de mantenimiento. /download/weka.pdf
• Implementar el modelo optimizado y sus [3] Curso de Introducción a la programación con
interfaces estándar en un entorno real de la SAS v8. Versión del Manual 1.2, Universidad
industria local. Complutense de Madrid. Servicios Informáticos
• Transferir al seno de las cátedras involucradas de Apoyo a Docencia e Investigación.
los resultados obtenidos, con la finalidad de http://halweb.uc3m.es/esp/Personal/personas/jmm
mejorar el diseño curricular de las asignaturas arin/esp/Progra/SAS_V8_V1_2.pdf
(Mantenimiento de 5to. Nivel e Informática I de [4] Primero pasos con Knime, Luis P. Guerra
1er. Nivel, de las carreras Ingeniería Industrial y Velazco. (2008).
Mecánica de la U.T.N. - F.R.C.) y enriquecer las http://laurel.datsi.fi.upm.es/_media/docencia/curso
mismas con el feedback o intercambio s/inap/ejemplodm.pdf
interdiscilplinario entre investigación, [5] “Introducción a la Minería de Datos”, José
aplicación y análisis de la evidencias Hernández Orallo, Ramírez Quintana, Mª José,
encontradas. Ferri Ramírez, César, Pearson Prentice Hall
• Organizar y coordinar tareas de extensionismo (2005)
referidas a la temática, orientadas automatizar la [6] “Minería de Datos. Técnicas y Herramientas”,
gestión de Mantenimiento aplicando Software Pérez López, César, González Daniel Santin,
que optimicen la función (Ej.: Consuman, SAP, Thompson. Madrid. (2007)
desarrollos a medida, entre otros). [7] “Extracción Automática de Conocimiento en
• Participar activamente en Congresos pertinentes Base de Datos e Ingeniería del Software”,
a la temática, mediante la presentación y Quintana Ramírez María José, Orallo José
exposición de trabajos y posters, tanto a nivel Hernández, España (2003)
nacional como internacional. [8] “Data Mining: Concepts and Techniques”,
Jiawei Han & Micheline Kamber, Vipin Kumar,
Addison-Wesley (2006)
4. FORMACIÓN DE RECURSOS
[9] “Teoria y Práctica del Mantenimiento”,
HUMANOS Francois Monchy (1995)
Todos los integrantes de este PID son [10] “Fiabilidad, mantenibilidad, efectividad un
Especialistas en Docencia Universitaria. enfoque sistémico” Alberto Sols(2002).
Uno de los integrantes de esta línea de [11]”The Weibull Distribution” A Handbooks
investigación está desarrollando su trabajo para la Horst Rinne. (2009).

2012 XIV Workshop de Investigadores en Ciencias de la Computación

Вам также может понравиться