Ingeniería Mecánica · 2026
Desarrollo de una herramienta computacional para la estimación automatizada de la confiabilidad: Aplicación a repuestos, sistemas y equipos a partir de datos históricos de fallas en una empresa del sector cárnico. Semestre de Industria
La confiabilidad de los activos es un elemento fundamental en la gestión del mantenimiento industrial, sin embargo, la información histórica almacenada en sistemas empresariales como SAP suele ser poco explotada desde un enfoque estadístico. En este contexto, el presente trabajo tiene como objetivo desarrollar una herramienta computacional para la estimación automatizada de la confiabilidad de repuestos, sistemas y equipos, a partir de datos históricos de una empresa del sector cárnico. La metodología empleada se basa en un enfoque cuantitativo y analítico que integra la extracción y depuración de datos de SAP, la estimación indirecta de los tiempos hasta la falla mediante el análisis de movimientos de mercancía y el modelamiento estadístico del comportamiento de falla utilizando Python y R. La selección de los modelos probabilísticos se realiza de forma objetiva mediante pruebas de bondad de ajuste. Los resultados se integran en un dashboard interactivo desarrollado en Power BI, que permite analizar la confiabilidad a diferentes niveles jerárquicos. Los resultados evidencian comportamientos de falla asociados principalmente a mecanismos de desgaste y envejecimiento, lo que respalda la aplicación de estrategias de mantenimiento preventivo y predictivo. En conclusión, la herramienta desarrollada aporta información analítica útil para la toma de decisiones en mantenimiento.
Texto completo 75 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- RESUMENp. 9
- ABSTRACTp. 10
- I. INTRODUCCIÓNp. 11
- II. OBJETIVOSp. 13
- III. MARCO TEÓRICOp. 14
- Mantenimiento Centrado en la Confiabilidad (RCM)p. 14
- Indicadores de desempeño en mantenimientop. 15
- Modelamiento estadístico del tiempo hasta la fallap. 17
- Pruebas de bondad de ajustep. 21
- Criterios de comparación entre modelosp. 23
- Confiabilidad y funciones de Confiabilidadp. 25
- Diagrama de bloques de confiabilidadp. 27
- Visualización de resultados y dashboardsp. 29
- IV. METODOLOGÍAp. 30
- Extracción y depuración de datosp. 30
- Automatización del proceso en Python y Rp. 31
- Interacción con el usuario: códigos de errores con try/exceptp. 34
- Diseño del dashboard de confiabilidad en Power BIp. 35
- Tablas de hechos y dimensionesp. 36
- Tabla Dimensión Calendariop. 40
- Tabla Dimensión Medidasp. 40
- V. ANÁLISIS DE RESULTADOSp. 43
- Resultados del procesamiento y análisis automatizado de datosp. 43
- Resultados de la integración y visualización en Power BIp. 44
- Validación de resultados con el área de mantenimientop. 46
- VI. CONCLUSIONES Y RECOMENDACIONESp. 47
- Conclusionesp. 47
- Recomendacionesp. 48
- REFERENCIASp. 50
- TABLA Ip. 36
- TABLA IIp. 37
- TABLA IIIp. 37
- TABLA IVp. 38
- TABLA Vp. 38
- TABLA VIp. 39
- TABLA VIIp. 39
- TABLA VIIIp. 39
- TABLA IXp. 40
- Fig. 1. Diferencias entre MTTF, MTTD, MTTR y MTBFp. 16
- Fig. 2. Curva de la bañerap. 27
- Fig. 3. Diagrama de bloques de confiabilidad de un sistema en seriep. 28
- Fig. 4. Diagrama de bloques de confiabilidad de un sistema en paralelop. 28
- Fig. 5. Relaciones del modelo del Power BIp. 41
- Fig. 6. Diagrama de flujo de las etapas de actualización del Power BI de confiabilidadp. 42
- adaptaron a los repuestosp. 43
- Fig. 8. Secciones del dashboard de confiabilidadp. 45