106 camino de-ferrovalle_al_top_ten_de_ti
TRANSCRIPT
“Camino de Ferrovalle al Top Ten de T.I. en México”
Montevideo, Septiembre 2011
¿Quienes Somos ?
¿Procesos de Misión Crítica?
¿Adaptación al cambio?
¿Metodología propietaria?
¿Herramienta inteligente?
¿Modelos matemáticos para la toma dedecisiones?
PROCESOS DE MISIÓN
CRÍTICA
Procesos de Misión Crítica
Procesos de Misión Crítica (Recorrido del Tren)
Procesos de Misión Crítica (Cifras Operación Ferroviaria)
Trenes Arribados 18,736
Trenes de Salida 17,465
Carros Entran 469,989
Carros Clasifican 455,579
Carros Despachados 472,311
No. de eventos Ferroviarios 7,736,578
Carros situados en Industria 247,698
Carros reparados en Taller 9,786
No. de carros almacenados 8,866
Productos almacenados 927
No. de Proveedores 1,370
No. de Eventos Facturados 1,123,586
No. de Transacciones 10,234,072
No. de Clientes a dar Servicio 500
No. de FFCC a dar Servicio 3
No. de Usuarios WEB 144
No. de EDI's Anuales 30,525,301
Trenes arribados y de
Salida
3,600
Plataformas Entrada y
Salida
29,900
Contenedores Entrada y
Salida
565,000
Maniobras Principales 625,350
Servicios de Previo 70,000
No. De contenedores
almacenados
5,600
Cantidad de productos
almacenados
8000
No. De Eventos Facturables 131,000
No. De clientes a dar
servicio
3,500
No. De F.C. a dar servicio 3
No. De usuarios WEB 750
No. De transacciones
(Aproximado)
12,234,000
Procesos de Misión Crítica (Cifras Operación Intermodal)
Procesos Certificados ISO-9008
ADAPTARSE AL CAMBIO Y
METODOLOGÍA
El Método. Camino a través del cual llegamos a un finpropuesto alcanzando los resultados. Es orientado por laclase de preguntas que nos formulamos con significado enbase a la naturaleza del mundo donde vivimos:
a) Las empresas que subsisten son las adaptables al cambio
b) Lo que no se mide no se administra
c) Controlar la información
El Método
Premisas :
• Modelo de datos no estable
• La definición del usuario puede cambiar en cualquier momento.
• El enfoque de la automatización va dirigido a “Cumplir las expectativas del cliente”
• Las expectativas del cliente son nuestras necesidades prioritarias
• El cliente tiene constantemente nuevos requerimientos.
• El tiempo mínimo de respuesta es crítico. El servicio se debe sostener 7 x 24 x 365
• Y el ciclo se repite con cambios constantes en el modelo de datos.
• Proporcionar información confiable en tiempo real al cliente.
Nuestro Método
Nuestro Método
Entender.
Hipótesis. Proponer con simplicidad nuevas formas de trabajo.
Experimentar. Desarrollar una forma de intuición “adiestrada” que permita entender los
datos en cualquier fenómeno, dado lo que es más y menos importante.
Analizar. Separar lo datos sencillos de los complicados.
Relacionar. Modelos matemáticos o funcionales.
Optimizar. Realizar aproximaciones controladas.
Adaptar. Al cambio las características esenciales de cualquier requerimiento
interrelación de sus variables.
Sistemas en producción. Transformar las hipótesis.
Informar en línea.
HERRAMIENTA INTELIGENTE
GeneXus La Herramienta Óptima
Entender
Hipótesis. Experimentar. Analizar. Relacionar. Optimizar. Adaptar.
Mantenimiento.
Administración
Sistemas en producción. Informar en línea.
Nuestro Método
TECNOLOGÍA DE
FERROVALLE CON GENEXUS
Tecnología de Ferrovalle con GeneXus
Tecnología de Ferrovalle con GeneXus
Tecnología de Ferrovalle con GeneXus
Tecnología de Ferrovalle con GeneXus
MODELOS MATEMÁTICOS Y
TOMA DE DECISIONES
Tecnología de Ferrovalle con GeneXus
Tecnología de Ferrovalle con GeneXus
EVALUACIÓN DEL TIEMPO DE DEMORA
DE LOS CARROS Y SU COSTO DE
DEMORA Consideraciones:
• El promedio de carros que se manejan diariamente es de2400 a 2500
• El tiempo de permanencia de un carro oscila entre 100 a 120hrs. Después de este tiempo se considera como demora yorigina un costo.
• El costo de demora es de 2,000.00 $/hr.
Toma de decisiones
T I E M P O D E D E M O R A (hrs) Tiempo demora Costo Total
DIA Carros demorados C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 C11 C12 C13 C14 C15 C16 C17 C18 C19 C20 C21 C22 C23 C24 C25 C26 C27 C28 C29 C30 C31 C32 C33 C34 C35 C36 C37 C38 C39 total, hrs $
1 13 5 3 5 3 5 4 3 1 2 3 2 6 3 45 90,000.00
2 27 3 1 2 1 3 8 6 4 3 4 1 3 3 2 6 3 4 2 1 4 5 4 6 7 1 4 3 94 188,000.00
3 11 1 4 3 4 3 7 3 3 6 5 5 44 88,000.00
4 9 9 4 6 8 5 5 2 1 4 44 88,000.00
5 39 2 3 4 2 3 2 2 2 4 2 4 3 5 1 3 6 7 2 6 3 3 3 6 2 5 1 3 1 2 4 4 2 5 4 2 4 3 3 3 126 252,000.00
6 23 2 4 6 3 4 1 1 2 5 1 4 2 5 5 2 2 2 3 7 3 4 5 8 81 162,000.00
7 37 4 6 2 5 2 6 4 3 4 2 2 2 5 2 5 5 3 6 3 2 6 5 1 5 1 5 3 2 5 1 3 2 2 5 5 5 3 132 264,000.00
8 7 3 6 2 6 1 6 3 27 54,000.00
9 6 1 1 3 4 2 1 12 24,000.00
10 2 8 3 11 22,000.00
11 22 1 3 3 5 1 3 7 2 1 2 4 6 1 6 6 5 2 2 4 5 3 2 74 148,000.00
12 29 6 5 2 6 2 2 6 2 2 2 4 4 6 5 4 8 3 6 5 4 4 4 9 2 3 5 4 5 6 126 252,000.00
13 1 7 7 14,000.00
14 19 1 4 8 2 2 3 1 4 6 3 2 4 3 5 4 2 2 1 5 62 124,000.00
15 21 3 5 2 2 3 1 1 5 6 3 5 5 6 5 3 4 3 4 4 5 2 77 154,000.00
16 20 2 2 5 5 4 3 4 4 6 5 5 9 3 9 9 2 3 4 4 2 90 180,000.00
17 12 3 2 3 5 8 4 5 2 5 3 3 3 46 92,000.00
18 8 2 3 4 6 2 3 2 6 28 56,000.00
19 13 4 2 5 2 4 9 3 3 9 7 6 3 2 59 118,000.00
20 23 5 3 3 2 4 1 6 2 5 3 3 5 4 6 4 5 3 6 4 3 1 6 1 85 170,000.00
21 17 2 3 3 1 1 3 4 1 2 1 4 4 4 3 2 1 1 40 80,000.00
22 22 5 5 4 4 3 5 2 2 4 4 6 4 1 3 4 2 2 5 3 9 1 5 83 166,000.00
23 32 5 2 5 5 1 2 2 5 6 6 6 5 3 6 5 6 5 5 5 7 5 1 2 2 3 2 3 4 5 3 6 6 134 268,000.00
24 7 4 4 4 3 5 3 2 25 50,000.00
25 30 2 5 5 5 3 4 6 1 2 4 4 9 4 5 2 5 3 1 3 1 5 5 5 2 5 4 2 6 3 3 114 228,000.00
26 10 4 9 1 5 4 1 5 2 7 3 41 82,000.00
27 6 4 3 3 2 4 1 17 34,000.00
28 17 3 1 5 4 5 5 4 6 2 3 7 5 4 1 2 8 6 71 142,000.00
29 24 2 4 6 4 5 4 5 2 3 4 3 3 2 5 5 1 2 6 5 3 3 9 3 2 91 182,000.00
30 19 5 3 5 5 3 5 5 5 1 1 4 2 1 4 2 3 2 1 9 66 132,000.00
526 T O T A L 1952 3,904,000.00
BASE DE DATOS DEL COSTO TOTAL OCASIONADO POR EL TIEMPO DE DEMORA EN LOS CARROS
Toma de decisiones
1. Consideraciones de Normalidad de los datos:
Número de Carros
Las hipótesis para una prueba denormalidad Anderson Darling paraun nivel de significancia son:
Ho = Los datos de la población se distribuyennormalmente
H1 = Los datos de la población no se distribuyen normalmente
Si: p la Ho se aceptaEn nuestro caso los datos se distribuyen normalmente
403020100
6
5
4
3
2
1
0
CARROS DEMORADOS
Fre
qu
en
cy
Mean 17.53
StDev 10.05
N 30
11
3
4
6
4
5
4
2
HISTOGRAMA DE FRECUENCIAS
CARROS DEMORADOS
Periodo: 1 mes
Normal
50403020100-10-20
99
95
90
80
70
60
5040
30
20
10
5
1
CARROS DEMORADOS
Pe
rce
nt
Mean 17.53
StDev 10.05
N 30
AD 0.285
P-Value 0.604
GRÁFICA DE PROBABILIDAD
CARROS DEMORADOS
Prueba Anderson-Darling
Normal - 95% CI
Carros demorados vs. días
Días
Toma de decisiones
2. Consideraciones de Normalidad de los
datos:
Tiempo de demora
Las hipótesis para una prueba denormalidad Anderson Darling paraun nivel de significancia son:
Ho = Los datos de la población se distribuyennormalmente
H1 = Los datos de la población no se distribuyen normalmente
Si: p la Ho se aceptaEn nuestro caso los datos se distribuyen normalmente
140120100806040200
6
5
4
3
2
1
0
TIEMPO DEMORA
Fre
qu
en
cy
2
33
6
3
66
1
HISTOGRAMA DE FRECUENCIASTIEMPO DE DEMORA, hrs/día
200150100500-50
99
95
90
80
70
60
5040
30
20
10
5
1
TIEMPO DEMORA
Pe
rce
nt
Mean 65.07
StDev 37.68
N 30
AD 0.370
P-Value 0.404
GRÁFICA DE PROBABILIDAD
TIEMPO DE DEMORA
Prueba Anderson-Darling
Normal - 95% CI
Días
Toma de decisiones
3. Consideraciones de Normalidad de los datos:
Costo Total
Las hipótesis para una prueba denormalidad Anderson Darling paraun nivel de significancia son:
Ho = Los datos de la población se distribuyennormalmente
H1 = Los datos de la población no se distribuyen normalmente
Si: p la Ho se aceptaEn nuestro caso los datos se distribuyen normalmente
28000024000020000016000012000080000400000
6
5
4
3
2
1
0
COSTO TOTAL
Fre
qu
en
cy
2
33
6
3
66
1
HISTOGRAMA DE FRECUENCIASCOSTO TOTAL, $/día
4000003000002000001000000-100000
99
95
90
80
70
60
5040
30
20
10
5
1
COSTO TOTAL
Pe
rce
nt
Mean 130133
StDev 75358
N 30
AD 0.370
P-Value 0.404
GRÁFICA DE PROBABILIDAD
COSTO TOTAL
Prueba Anderson-Darling
Normal - 95% CI
Toma de decisiones
4. CORRELACIÓN MÚLTIPLE
Carros demorados Tiempo de demoraTiempo de demora 0.970
Costo Total 0.970 1.000
Valores de correlación muy cercanos a 1. Existe correlación entreNúmero de carros vs tiempo de permanencia vs costo total
100
50
0
40200
200000
100000
0
100500
CARROS DEMORADOS
TIEMPO DEMORA
COSTO TOTAL
COSTO TOTAL DEL TIEMPO DE DEMORA DE LOS CARROSMATRIZ GRÁFICA
Toma de decisiones
5. REGRESIÓN LINEAL
AL AUMENTAR EL TIEMPO DE DEMORA AUMENTA LOS CARROS DEMORADOS
R-Sq = Factor de RegresiónR-Sq = R-Sq ajustada de
Acuerdo a la desv. StdS = Desv. Estándar
403020100
160
140
120
100
80
60
40
20
0
CARROS DEMORADOS
TIEM
PO
DEM
OR
A
S 9.31225
R-Sq 94.1%
R-Sq(adj) 93.9%
TIEMPO DE DEMORA vs CARROS DEMORADOSTIEMPO DEMORA = 1.282 + 3.638 CARROS DEMORADOS
R – Sq = % Confiabilidad(Resultado de un análisisDe varianza tomando lasVarianzas de cada variable:No. Carros, tiempos de Permanencia y Costos)
Toma de decisiones
6. DIAGRAMA CAUSA - EFECTO
A través de una tormenta de ideas y haciendo uso del diagrama causa-efecto Identificar las causas probables que originan un alto tiempo de demora
DEMORA
TIEMPO DE
Medio ambiente
Métodos
Mano de obra
Materiales
Maquinaria
Fallo de gruas
Falla de clasificación
Falta de refacciones
Falta de capacitación
actualizadoInstructiv o no
Tormenta eléctrica
Inundación
Lluv ia
DIAGRAMA CAUSA - EFECTOCausas Primarias con sus detalles
Toma de decisiones
7. PASOS SIGUIENTES
• Del resultado del análisis causa-efecto y haciendo uso del Pareto (80:20) podemos determinar cual es la causa que mas afecta al tiempo de demora
• De estudio realizado la causa que mas afecta es: “Fallo de Clasificación”• Construir un nuevo diagrama causa-efecto para “fallo de Clasificación”
(Si identificas el 20% de las causas estas eliminando el 80% de los problemas o los efectos)
•Por Pareto, se toma la decisión que Logística de Clasificación es la que mas afecta
CLASIFICACIÓN
FALLO DE
Medio ambiente
Métodos
Mano de obra
Materiales
Maquinaria
Mantenimiento de v ias
C alentamiento
Fallas de Trucks
Lógistica de clasificación
Falla de operarios
permitidov elocidad de loC orrerla a may or
DIAGRAMA CAUSA - EFECTO
Toma de decisiones
•Análisis de Varianza:
Falla en: Logística de clasificación. Existen 48 vías de clasificación con trabajo intenso de goteo de 24 por 365 díasal año, debido a que los tiempo de permanencia han aumentado y la falla se centra en este patio, ¿podemosdeterminar si existe deficiencia en el sistema de clasificación? Análisis de varianza (ANOVA) considerando lasvariables:
Velocidad óptima de descenso en cada vía y/o no. De carros clasificados por vía
Conclusión: Usando la distribución F con un alfa = .05 se concluye que existe diferencia significativa en la velocidad de los carros de cada vía por lo tanto la decisión es dar mantenimiento correctivo al sistema de clasificación con un costo de 300,000 USD. La anterior a un 95% de confiabilidad o un .05% de error.
Var 1 Var 2 Var 3 Var 48
Via1 Via2 Via3 Hasta Via48
Datos Datos Datos … Datos
DataWareInformación del
Patio de Clasificación
GenexusVISTAS
GenexusAplicación de
Modelos Estocásticos
GenexusToma de
DecisionesIncertidumbreCuantificada
Almacenar en DBMS para
futuras decisiones
Toma de decisiones
GRAFICA DE CONTROL PARA MONITOREAR EL
TIEMPO DE DEMORA
• Se podría establecer una gráfica de control para medir la variabilidad de la característica “Tiempo de demora”.
• La gráfica se podría hacer diariamente cuantificando el tiempo de demora /carro.
• Se podría establecer una especificación máxima del tiempo de demora, por ejemplo 9hrs.
• A través de la gráfica se podrían identificar las causas de variación y buscar acciones para reducirlas o eliminarlas.
• El área de mejora sería la reducción por consecuencia del costo por demora.
• Ejemplo: Considerar el tiempo de demora para el día 25
Toma de decisiones
28252219161310741
10
5
0
Observation
Ind
ivid
ua
l Va
lue
_X=3.8
UCL=9.39
LCL=-1.79
28252219161310741
6
4
2
0
Observation
Mo
vin
g R
an
ge
__MR=2.103
UCL=6.873
LCL=0
TIEMPO DE DEMORA, hrsGráfica de Control de valores individuales
Día 25
GRÁFICA DE CONTROL DE RANGO MOVIL
Para que el proceso esté dentro de control estadístico no debe haber puntos fuerade las líneas de control y no tener tendencias, esto es que los puntos estén distribuidostotalmente al azar.
Tiempo en horas o Días en eje x contra los carros demorados eje y
En el momento que de la Operación
Limite superior de Control +.-3 D.Standar)
Limite inferior de Control
Media
Rango
Toma de decisiones
86420
USL
LSL *
Target *
USL 9
Sample Mean 3.8
Sample N 30
Shape 2.29276
Scale 4.29035
Process Data
Pp *
PPL *
PPU 0.87
Ppk 0.87
O v erall C apability
% < LSL *
% > USL 0.42
% Total 0.42
Exp. O v erall Performance
HABILIDAD DEL PROCESO PARA EL TIEMPO DE DEMORA, DIA 25Calculations Based on Weibull Distribution Model
Para que el proceso sea hábil es necesario que el Cpk (en el gráfico Ppk) sea mayor a 1
Toma de decisiones
9° Lugar en Innovación Tecnológica