"Predicción de uso de repuestos del área de

procesos manuales para el año 2022-2023

para Empire Electronics of Honduras"

Tesis para optar por el Grado Académico

de Máster en Administración Industrial

PRESENTADO POR:

Juan Reynaldo Jeffries Bermúdez

Asesor: Máster Kenneth Omar Alvarenga Deras

-2021-

Pág. 1
 AUTORIDADES ACADÉMICAS

VICERRECTOR
Doctor Senén Eduardo Villanueva Henderson

SECRETARIO GENERAL:
Licenciado Osvaldo Salvador Valladares Rivera

DECANA:
Doctora Beatriz Cristina Brito Viñas

Pág. 2
 APROBADA POR:

Miembros de la terna evaluadora:

Miembro 1:
Miembro 2:
Miembro 3:

Decano(a):

Pág. 3
Si das pescado a un hombre hambriento lo nutres
durante una jornada. Si le enseñas a pescar, le
nutrirás toda su vida.

Lao Tsé

Pág. 4
 DEDICATORIA

Espacio para párrafo de dedicatoria

Xxxxx Xxxxxx

AGRADECIMIENTO

Pág. 5
Agradecimientos, generalmente van dos renglones por párrafo.

Pág. 6
 INDICE

Contenido
INDICE DE ILUSTRACIONES.........................................................................................8
I. RESUMEN EJECUTIVO.........................................................................................9
1.1. ABSTRACT......................................................................................................10
II. CONTEXTO........................................................................................................11
III. OBJETIVOS DE LA INVESTIGACIÓN................................................................12
IV. PREGUNTAS DE INVESTIGACIÓN...................................................................13
V. METODOLOGÍA.................................................................................................14
VI. ANÁLISIS DE LOS RESULTADOS.....................................................................18
I. DISPOSICIONES ACTUALES................................................................................30
II. PROPUESTA.......................................................................................................31
III. CONCLUSIONES.............................................................................................32
IV. RECOMENDACIONES.....................................................................................33
V. ANEXOS.............................................................................................................34
VI. BIBLIOGRAFIA................................................................................................37

Pág. 7
 I. RESUMEN EJECUTIVO

El presente trabajo consiste en la implementación de herramientas de Data Science las

cuales están a la vanguardia en cuanto a análisis de datos se refiere y gracias a los
algoritmos de inteligencia artificial (IA) que utilizan, tienen una mayor proyección a
futuro; nos permiten hacer análisis más precisos haciendo que nos convirtamos en
profesionales más eficaces y eficientes; dichas herramientas facilitan el encontrar
relaciones en los datos que a simple vista no encontraríamos, y de la manera
tradicional de analizar los datos tardaríamos demasiado tiempo en encontrarlas o
posiblemente no las encontraríamos y en la era del 2.0 estas pérdidas de tiempo se
vuelve en pérdidas en ocasiones millonarias para las empresas.

El presente proyecto busca analizar los datos relacionados con el consumo de

repuestos comprendidos entre los años dos mil diez y siete y agosto del dos mil veinte
y uno y los datos de piezas producidas durante dichos años.

Cabe mencionar que el rubro donde se realiza este análisis es en el de manufactura en

la rama automotriz, este análisis ayudara para saber cuáles son los repuestos que más
se utilizan y si se debería de invertir en aumentar el inventario de dichos repuestos a
fin de evitar tiempo muerto por no contar con ellos y debido a la pandemia del covid-
19 y la crisis de los chips es importante usar las herramientas de data science a fin de
ser más asertivos con las proyecciones de uso de repuestos y producción para los
siguientes dos años.

Al finalizar este estudio notaremos si vale la pena o no invertir en aumentar nuestros

inventarios de repuestos, si habrá un aumento en la producción en los siguientes dos
años y ayudara a invertir los recursos de la mejor manera a fin de hacer más eficiente
su uso.

II. ABSTRACT

Pág. 8
 The present work consists of the implementation of
Data Science tools which are at the forefront in terms
of data analysis and thanks to the artificial intelligence (AI) algorithms they use, they
have a greater future projection; They allow us to make more precise analyzes, making
us become more effective and efficient professionals. These tools make it easier to find
relationships in the data that we would not find at first glance, and in the traditional
way of analyzing the data we would take too long to find them or possibly we would
not find them and in the era of 2.0 these losses of time turn into losses in millionaire
opportunities for companies.

This project seeks to analyze data related to the consumption of spare parts between
the years two thousand and seventeen and August of two thousand twenty one and
the data of parts produced during those years.

It is worth mentioning that the area where this analysis is carried out is in the
manufacturing sector in the automotive branch, this analysis will help to know which
are the parts that are used the most and if it should be invested in increasing the
inventory of said parts in order to avoid downtime due to not having them and due to
the covid-19 pandemic and the chip crisis, it is important to use data science tools in
order to be more assertive with projections for the use of spare parts and production
for the next two years .

At the end of this study we will note whether or not it is worth investing in increasing
our spare parts inventories, if there will be an increase in production in the next two
years and it will help to invest resources in the best way in order to make their use
more efficient.

III. CONTEXTO

Pág. 9
 1. Este proyecto se aplicó en la empresa privada y de
capital estadounidense Empire Electronics, establecida en Honduras desde 1997,
fundada en 1981 en Troy Michigan. Colaboramos con los fabricantes de equipos
originales (OEM) y los proveedores automotrices de Nivel 1 para diseñar,
desarrollar y fabricar una gama completa de productos eléctricos y electrónicos.

2. Dentro de los productos de Empire Electronics fabrica el principal son arneses para
la distribución eléctrica, Placas de circuitos impresos (PCB), conector por medio de
moldeadores de inyección de plástico, etc.

3. Para el proyecto se utilizaron los datos históricos del uso de repuestos del año
2018 hasta agosto del 2021 y los datos históricos de producción de arneses de los
años 2017 hasta agosto 2021.

La Limpieza de los Datos es uno de los cuidados más importantes que el analista debe
tener, debido a que un mal procesamiento de los datos puede generar enormes
errores aunque gracias a los software que se están utilizando para el proyecto
podemos decir que los errores se pueden minimizar ya que podemos ver los cambios
en tiempo real y por consiguiente hacer todas las relaciones de los datos que se
necesitan a fin de encontrar dichas relaciones.

4. Las variables que se utilizaron corresponden a diferentes sets de datos, ya que a fin
de tener un panorama más amplio y encontrar las relaciones de los datos que
mejor se adapten a lo que estamos buscando, esto permite que los datos nos
hablen para lograr nuestros objetivos.

IV. OBJETIVOS DE LA INVESTIGACIÓN

Pág. 10
 IV.1. Objeti vo General

Evaluar la información obtenida de la producción y consumo de repuestos mediante

herramientas de Machine Learning para determinar cuál es la mejor distribución de
compra de repuestos (cuales comprar más y cuales comprar menos) a fin de lograr
cumplir con mantener un mejor control de los costos.

IV.2. Objeti vos Específi cos

1. Identificar si la producción y consumo de repuestos de los años 2022 y 2023

aumentara o disminuirá.

2. Determinar mediante el uso de Power BI las proyecciones con un intervalo de

confianza del 95% y tomar decisiones para hacer más eficiente nuestro proceso
de crear presupuestos para compra de repuestos anuales.

3. Definir aspectos positivos que se lograrían alcanzar mediante la automatización

de procesos de creación de estándar de cuentas de consumos de repuestos
mediando predicciones en Power BI.

Pág. 11
 V. PREGUNTAS DE INVESTIGACIÓN

1. ¿Cuál es la importancia de hacer una predicción del uso de repuestos y

producción?

2. ¿Qué beneficios se obtendrán de la predicción de estos usos de repuestos?

3. ¿Es importante que se estandarice el uso de herramientas de Data Science para

tener análisis más confiables?

Pág. 12
 VI. METODOLOGÍA

El paradigma nuevo denominado Ciencia de Datos tiene como fundamento el uso de

algoritmos que se han ido perfeccionando con el tiempo y continuaran mejorando a
medida que se almacenan y se obtienen datasets históricos que se pueden usar para
que algoritmos aprendan y se auto mejoren con el tiempo; como principal herramienta
se utilizó la siguiente plataforma Power BI:

VI.1. Power BI

Ilustración 1. POWER BI - Herramienta Utilizada para análisis.

Para iniciar con un análisis de estudio, que nos permita comprender los datos se
comenzó utilizando Power Bi y buscando la mejor relación entre los datos que se
tienen esto se facilitaba al poder ver las diferentes graficas fácilmente.

Pág. 13
 I. JUSTIFICACIÓN

El proyecto surge ante la necesidad de predecir el consumo de

repuestos que se utilizan año con año en la empresa en general
y más específicamente en el área de procesos manuales,
debido a la pandemia sanitaria del covid-19 es aún más
importante que la empresa invierta sus recursos en la compra
de repuestos más sabiamente.

II. LIMITACIONES Y ALCANCE.

Alcance:

 Dicho proyecto solo será utilizado por mantenimiento en el

área de procesos manuales.
 El análisis se enfocara específicamente en 18 repuestos o
consumibles del área para efectos de proyecto.
 Si proyecto resulta satisfactorio esta será la forma en la que se
presentaran las predicciones de consumo en los años
venideros.

Limitaciones:

 No se cuenta con los datos de cuantos ciclos tiene los repuestos de

uso antes de cambiarlos.
 No se cuenta con todas las tablas de datos necesarias para hacer
un mejor análisis a fin de que predicción sea más precisa.

Pág. 14
IV. TRATAMIENTO DE LOS DATOS.
Los datos son procedentes de querys en Excel, solicitados al
departamento de IT, los querys comprendían datos desde la producción
mensual de los años 2017 hasta agosto 2021, así como los datos de
consumo de repuestos de los años 2018 hasta agosto 2021 cabe destacar
que en el análisis el listado de repuestos se redujo para hasta los diez y
ocho que se consideraron más importantes.
Los datos fueron posteriormente transformados mediante el uso de
Power Bi para lograr explotar de una mejor manera dichos datos.

III. PRESENTACIÓN Y ANÁLISIS DE RESULTADOS.

Ilustración 2. Ubicación de Empire Electronics

Pág. 15
 Posteriormente, en gráfico de dona se puede observar los
porcentajes de los repuestos utilizados por equipos, este es un consolidado de los
diferentes equipos que se usan en la empresa.

Ilustración 3. Usos de repuestos por equipos.

También se presenta un grafio de barra donde se muestra la producción anual y se

ilustra la producción mensual en diferenciadas por colores.

Pág. 16
 Ilustración 4. Producción mensual 2017 - ago. 2021.

Dicha disminución en la producción año con año aparte de estar relacionado con la
pandemia a nivel mundial la cual afecto al mundo entero y sobre todo a la industria
automotriz, también podemos decir que es el resultado de cierta contracción que
experimenta dicha industria después de cinco años ya que la mayoría de marcas
automotrices realizan un cambio de año modelo en sus respectivas líneas de vehículos.

Se realizó la relación de los consumos de repuestos por año desde 2018 hasta agosto
del 2021, esto nos ayuda a tener un consolidado de dichos consumos y comparar con
una gráfica de línea como se movieron unos repuestos con respecto a otros.

Pág. 17
 Ilustración 5. Consumo de repuestos por año.

Los repuestos que se escogieron para este proyecto fueron diez y ocho (18), ya que se
tomaron en consideración su uso frecuente en años anteriores así como su precio ya
que hay algunos que tienen un precio elevado, durante el análisis se descubrió que
uno de los repuestos realmente no ha tenido tanto uso como se estaba previsto lo que
al final puede hacer que se reduzca a diez y siete (17).

Pág. 18
 Ilustración 6. Listado de repuestos.

Algunos de los hallazgos que se encontraron durante el análisis de los datos fueron los
siguientes:

II.1. Disminución de la producción desde el a ño 2017 al 2021:

Pág. 19
 Al encontrarse que hay una disminución año con año
estos nos puede ayudar a tomar la decisión de
enfocarnos en los productos que más ingresos generaron, también esta hallazgo nos
permite tomar medidas tales como usar de una mejor manera el presupuesto anual.

Ilustración 7. Producción de arneses 2017.

Ilustración 8. Producción de arneses 2018.

Pág. 20
 Ilustración 9. Producción de arneses 2019.

Ilustración 10 Producción de arneses 2020.

Ilustración 11 Producción de arneses Ago-2021.

Pág. 21
 II.2. Consumo de alcohol isopropílico se
elevó su consumo en 2020
Normalmente en la empresa este tipo de alcohol se emplea para limpiar de impurezas,
grasa, las terminales que utilizamos durante el proceso de soldadura sónica, pero se
encontró que durante la pandemia se estaba utilizando este alcohol para desinfectar
algunas áreas por lo que su consumo aumento de manera despedida durante el dos
mil veinte (210 galones), por lo que se tomaron medidas ya que gasto estaba siendo
reflejado en cuenta de mantenimiento por lo que dos mil veinte y uno (0 galones hasta
agosto 2021) se logró corregir y por eso el reflejo en las gráficas de un consumo más
controlado de acorde con lo que se venía usando en años anteriores.

Ilustración 12. Consumo de alcohol isopropílico 2020.

II.3. Se encontraron repuestos que ti enen una vida úti l amplia

Durante el análisis de los diez y ocho repuestos o consumibles se encontró que había
dos que desde dos mil diez y siete (822-900-333 horizontal anvil 11mm2) y el otro
desde dos mil diez y ocho (290-505-603 shaft insert 11mm2) no habían tenido
movimiento. Hubo una combinación de eventos que disminuyeron su uso, por un lado
las máquinas que utilizan este repuesto los productos que en ellas se procesaban se
han visto disminuidos y el otro evento que realmente beneficia a la empresa y a
nuestros clientes es que el proveedor Amtech tiene una alta calidad en sus repuestos
lo que ayuda a que tengan una mayor durabilidad y confiabilidad en todas nuestras
pruebas críticas, preventivos, etc.

Pág. 22
 Ilustración 13. Repuestos no usados.

Siempre se mantienen estos repuestos en stock para evitar que las maquinas paren
una vez que requieran el cambio de dichos repuestos.

Ilustración 14 Sistema de inventario de repuestos.

Ilustración 15 Sistema de inventario de repuestos.

II.4. Grafi ca de uso de repuestos por año

El gráfico detallado refleja valores considerables de año a año en el uso de repuestos,
en este caso se consideró una sumatoria de las veces que se han utilizado el listado de
diez y ocho repuestos durante los años anteriores y hasta agosto del presente.
Se consideró tomar la sumatoria de los repuestos usados por año, ya que algunos
repuestos no todos tuvieron movimiento año con año por lo que la mejor opción para
aplicar el algoritmo fue hacer la sumatoria para obtener el resultado que nos indica
que si habrá un aumento en el uso de repuestos en los próximos años.

Pág. 23
 Sumatoria de uso de repuestos por año

Año Grand Total

2018 85
2019 112
2020 95
2021 59

Sumatoria de Produccíon por

año

Año Grand Total

2017 84,672,580
2018 83,542,277
2019 73,679,339
2020 65,332,337
2021 48,196,933

Ilustración 16 Grafía de Predicción de uso de repuestos.

II.5. Aplicación de algoritmo de Power Bi

Una vez vistos las tablas y los datos que se recolectaron y encontraron en el análisis de
las diferentes tablas, aplicamos un algoritmo el cual tiene un noventa y cinco por
ciento de margen de confianza, podemos decir que esta herramienta facilito la
obtención de resultados y nos dio las siguientes tablas como resultado del Forecast.

Pág. 24
 Ilustración 17 Tabla con predicciones.

II.6. Gráfi co de líneas de proyección

En el gráfico de líneas se refleja la proyección y/o estimación de la cantidad de
repuestos que se usaran durante los años dos mil veintidós y dos mil veintitrés así
como la predicción de la producción para los mismos años.
Para esto se está utilizando los datos obtenidos desde los años dos mil diecisiete en el
caso de la producción y dos mil dieciocho en el caso de predicción de uso de repuestos
en ambos casos hasta agosto de dos mil veintiuno. El intervalo de confianza a utilizar
es el de 95%.
Esta proyección permitirá a la compañía Empire Electronics específicamente en el área
de procesos manuales estimar la cantidad de repuestos y producción que se usaran en
los próximos dos años ayudando a estimar las contrataciones de personal directo e
indirecto y más específicamente aun en el área de mantenimiento hacer una
estimación confiable del consumo a futuro de los repuestos que se necesitaran a fin de
hacer un presupuesto acertado e implementar un modo más estructurado y confiable.

Pág. 25
Ilustración 18.Proyección por año de producción.

Pág. 26
Ilustración 19. Proyección por año uso de repuestos.

Pág. 27
 III. DISPOSICIONES ACTUALES

Durante los años recientes la industria manufacturera a nivel regional y en especial la

industria automotriz había sufrido un auge el cual hacía pensar a la industria que el
año dos mil veinte sería un año prometedor, pero la pandemia del covid-19 ha hecho
que se paralice la industria ya que es un foto de infección debido a la naturaleza del
trabajo manufacturero, con el mundo entero paralizado aun en dos mil veintiuno
vemos las secuelas de esta pandemia en la cual los mercados se han visto afectados
grandemente.
En la industria automotriz se dieron dos efectos que tiene importancia mencionarlos.

 Debido a la paralización se estimó que no se iban a vender automóviles porque

las personas estarían en solo en sus casas y algunas con la modalidad de
“trabajo desde sus hogares” esto se cumplió en parte pero, cuando se
empezaron a reanudar las actividades en nuestra nueva realidad. El efecto que
nadie en el sector automotriz sospecho es que las personas al intentar tener
distanciamiento social por el covid-19 empezaron a demandar más automóviles
de los que las automotrices podían suplir.
 El otro efecto viene dado debido a que al pensar las automotrices que no
habrían ventas no encargaron los semiconductores a sus proveedores los
cuales enfocaron su producción en otra industria que continuo haciéndoles
pedidos como ser la industria de la computación, esto desato una paralización
en las ensambladoras ya que debido a los adelantos tecnológicos con los que
cuentan hoy en día los vehículos prácticamente estos semiconductores son
fundamentales.
Debido a estos factores principalmente y a otros que en su momento fueron menores
se ha vuelto fundamental que la empresa haga un esfuerzo por hacer más eficiente y
eficaz su gasto sobretodo en repuestos y consumibles, encontrar la relación entre no
comprar poco o mucho, si se compra poco podríamos parar máquinas y hacer que no
cumplamos con nuestros clientes y si se compran muchos podrían pasar varios años
antes de que se consuman lo cual no es eficiente para las utilidades de los dueños de la
compañía.

Pág. 28
 IV. PROPUESTA

La propuesta que se está planteando a fin de hacer un uso eficiente y eficaz del
presupuesto anual de compra de repuestos usando Power BI u otra herramienta con
un algoritmo de inteligencia artificial (IA siglas en inglés):

 Implementar mejora en sistema de producción (etiquetado), a fin de tener un

control de lo producido y esto nos genere los datos para desarrollar un control
de vida útil de herramientas y consumibles.

 Usar esta data generada para aplicarle el algoritmo de predicción de power bi o

Knime, para tener datos de referencia en cuanto a las predicciones.

 Una vez aplicados los algoritmos de IA se procederá a actualizarlos cada tres

meses a fin de monitorear las predicciones a fin de hacer las debidas
correcciones y ajustes necesarios.

¿Qué soluciones aportará?

 Mejorará el proceso de compra de repuestos para inventario.

 Hará más eficaz la toma de decisiones para determinar la vida útil de los
repuestos.

 Disminución del tiempo en la elaboración de reporte para conocer

proyecciones de producción y consumo de repuestos para los años venideros.

Pág. 29
 V. CONCLUSIONES

1. La información que se obtuvo si se muestra suficiente como para determinar

los consumos para los próximos dos años, aunque se necesita mejorar en la
recolección de los datos año con año para que la información sea más
estandarizada.

2. En base a la aplicación del algoritmo de Power Bi podemos decir lo siguiente

según la proyección para los siguientes dos años la producción se reducirá en
un trece por ciento en dos mil veintidós y un treinta y dos por ciento en dos mil
veintitrés esto con respecto a dos mil veintiuno y el consumo de repuestos
aumentara un treinta y dos por ciento en los dos siguientes años.

3. Las proyecciones de que nos da Power Bi con el intervalo de confianza del

noventa y cinco por ciento ayudara a que la elaboración de dicho reporte sea
más fácil y rápida así como se descubrió que hay dos repuestos que se puede
reducir su compra (822-900-333 horizontal anvil 11mm2, 290-505-603 shaft
insert 11mm2) ya que su uso según los datos es mínimo en comparación con
otros.

4. Hay dos aspectos positivos con la implementación de uso de herramientas de

Data Science, uno es la reducción de tiempo en la organización de datos para su
análisis y el otro aspecto positivo es los altos grados de confianza que dan hoy
en día los algoritmos y como día con día se están mejorando.

Pág. 30
 VI. RECOMENDACIONES

1. Se sugiere realizar un estudio sobre el costo - beneficio de la

automatización del proceso para crear un estándar de cuentas, para realizar
las proyecciones de los años siguientes.

2. Se recomienda que se pueda realizar las proyecciones con todos los

repuestos en general o que se defina un límite mínimo del costo del
repuesto o por medio del tiempo que tarde en llegar al país dichos
repuestos.

3. Capacitar a los ingenieros encargados de hacer este reporte en el uso más a

fondo de las tecnología de data science a fin de que la compañía pueda
tomar mejores decisiones en mantenimiento y en general en toda la
compañía.

Pág. 31
 VII. ANEXOS

 Anexos usados durante proyecto.

Pág. 32
 Tablas usadas para elaboración de proyecto.

Pág. 33
 VIII. BIBLIOGRAFÍA

 (Web.empire.hn, n.d.)

 (https://www.empireelectronics.com/, n.d.)

Pág. 34