106 camino de-ferrovalle_al_top_ten_de_ti

“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

MODELOS MATEMÁTICOS Y

TOMA DE DECISIONES

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





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


TIEMPO DE DEMORA


Normal - 95% CI

Días

Toma de decisiones

3. Consideraciones de Normalidad de los datos:

Costo Total





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


COSTO TOTAL


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

106 camino de-ferrovalle_al_top_ten_de_ti

Documents