Ingeniería industrial

Campus

Lima sur

Proyecto de Trabajo de Investigación

Implementación de mantenimiento predictivo para la empresa Owens Illinois SAC

año 2024

Integrantes

Espinoza Huayhua David Richard U18311039

Huamán Torres Amílcar Jesus U18209802

Docentes

Guillermo Andrés Gutiérrez Cuadros

Carlos Alberto Sicos Peñaloza

Lima, Perú

2023 – ciclo 9
1 PROBLEMA DE INVESTIGACIÓN.....................................................................3

2 OBJETIVOS............................................................................................................4

2.1 OBJETIVO GENERAL...................................................................................4

2.2 OBJETIVOS ESPECÍFICOS...........................................................................4

3 JUSTIFICACION....................................................................................................5

4 REVISIÓN DE LA LITERATURA ACTUAL O ESTADO DEL ARTE..............6

5 MARCO TEÓRICO...............................................................................................10

6 HIPÓTESIS............................................................................................................12

6.1 HIPÓTESIS GENERAL................................................................................12

6.2 HIPÓTESIS ESPECIFICO.............................................................................13

7 DISEÑO DE METODOLÓGICO.........................................................................14

8 CRONOGRAMA DE TRABAJO.........................................................................14

9 PRESUPUESTO....................................................................................................15

10 BIBLIOGRAFÍA...................................................................................................16

11 ANEXO..................................................................................................................18

2
1 PROBLEMA DE INVESTIGACIÓN

En la empresa Owens Illinois Peru SAC durante los años 2021 y 2022, se registraron

diferentes tipos de fallas esporádicas en las maquinarias, del sector manufacturera de vidrios.

Los costos elevados de reparaciones y en compras de repuestos de los equipos, representan

un riesgo adicional a las utilidades proyectadas.

Los problemas encontrados son equipos con mantenimiento inadecuado, Reducción de vida

útil de cada repuesto, Gastos extras en mantenimientos correctivos.

No se aplicaron las gestiones de mantenimiento de forma eficiente, ya que no se cumplieron

las especificaciones de los fabricantes para una línea de producción. Así mismo se registraron

cambios prematuros de elementos mecánicos y eléctricos.

por otro lado, al no tener un mantenimiento adecuado genera que se dañen más piezas de un

equipo el cual genera gastos extras que no son mapeados durante el mes.

La organización es conformada por el Gerente que es el representante de la empresa,

el coordinador y el asistente administrativo, y por la sub gerencia de recursos humanos,

finanzas, operaciones por cada planta, y comercial. Imagen1

El diagrama del proceso de fabricación de vidrios, primero los almacenes de materias

primas, en la segunda parte esta el dosificador de materias primas y aditivos, en tercer lugar,

se encuentra el horno, en cuarto lugar, moldeado de los envases, siguiendo con la línea se

encuentra el área de recocido de los envases, luego está el área de control de calidad y

finalmente el almacén de productos terminados. Imagen 2

3
 La problemática es básicamente por el mantenimiento inadecuado, no solo afecta la

producción misma, sino que también a la seguridad de cada trabajador, ya que el tener que

intervenir de manera imprevista, genera que este trabajo tenga altas probabilidades de riesgo

y de fallar o quedar fuera de la operación.

Por otro lado, al no aplicar las gestiones de mantenimiento de forma eficiente, se estaría

evadiendo las especificaciones técnicas requeridas por los fabricantes de cada equipo

provocando la reducción de la vida útil y como consiguiente esto expone a los equipos a

fallas recurrentes y mantenimientos correctivos. Es por ello que se registraron cambios

prematuros de elementos mecánicos y eléctricos.

Pregunta de investigación:

Pregunta general

¿De qué manera la implementación de un mantenimiento predictivo reducirá las fallas en los

equipos de producción?

Preguntas especificas

¿De qué manera la gestión de datos obtenidos en las operaciones de producción ayudara a

predecir las fallas?

¿De qué manera la implementación de una base de datos ayudara a analizar y clasificar la

información?

¿De qué manera el diseño de algoritmo ayudara a predecir las fallas de las maquinas?

4
2 OBJETIVOS

2.1 OBJETIVO GENERAL

Diseñar un modelo de mantenimiento predictivo en la línea de producción para reducir

tiempos de paradas innecesarias y obtener buenos indicadores de producción en los años

2023 y 2024.

2.2 OBJETIVOS ESPECÍFICOS

 Obtener un check list y/o registros para cada equipo como por ejemplo la

toma de lectura de temperatura, vibraciones, amperaje, etc. Para maximizar el

rendimiento y el tiempo de vida útil de los componentes mecánicos y

eléctricos.

 Obtener procedimientos para el almacenamiento en línea (Big Data) de toda

información en base a las fallas encontradas, para iniciar un proceso de control

de actividades de cada equipo y de esta manera encontrar soluciones a

problemas concretos.

 Obtener un algoritmo de aprendizaje automático, además se implementará

sensores específicos para cada máquina.

3 JUSTIFICACION

Las pérdidas de producción por falta de capacitación al personal o falta de una buena

planificación en las empresas vienen provocando que algunas empresas generen más gastos

de lo habitual.

5
Es por ello que, ante la situación presentada se vio necesario realizar una investigación en

donde se determine los factores que influyen en el desempeño de las máquinas con el

objetivo de mejorar el proceso y generar buenos índices productivos. Por otro lado, se sabe

que existe un gran porcentaje de pérdidas de tiempo en paradas innecesarias que provocan la

ineficiencia productiva generando pérdidas a la empresa, es por ello que la presente

investigación permitirá el estudio e identificación de sus carencias productivas el cual uno de

ellos es la falta de planificación de un mantenimiento predictivo a los equipos que están

dentro del proceso de producción. Se está proponiendo soluciones de mejora para que la

empresa sea más eficiente, Además, esta investigación pretende potenciar la importancia de

aplicar el mantenimiento predictivo hacia otras áreas que están de ti de la empresa, pues

aportará un estudio de incrementar la vida útil de las máquinas basándose en el

mantenimiento predictivo.

4 REVISIÓN DE LA LITERATURA ACTUAL O ESTADO DEL ARTE

Se investiga los métodos novedosos para la implementación del mantenimiento predictivo

(PdM). Según las fuentes citadas, nos dice que la principal preocupación de las industrias son

las siguientes: la rápida evolución tecnológico que a su vez acelera los procesos productivos,

los desafíos que representan para la PdM. Igualmente, los costos se incrementan

considerablemente por los reprocesos y una deficiente de planificación de gestión. En esa

misma línea, se considera de vital importancia entrelazar los equipos y maquinarias físicas

con la nueva tecnología de inteligencia artificial. Agregando a lo anterior, el diseño de la

propuesta se direcciona para obtener resultados similares o igual a cero, por lo cual, se reduce

los eventos inesperados que afecten la productividad. Además, se estima que los procesos

6
industriales en un futuro serán autónomas, ya que la creciente tecnología de almacenamientos

de base de datos, nos permite analizar la información para captar los errores de los procesos.

Además, cabe mencionar que el almacenamiento de datos general y el análisis profundo de la

[1]–[4]
información se desarrollara por medio de un algoritmo de aprendizaje automático

Se desarrollo el proceso de investigación de la siguiente manera. según el autor del artículo,

nos dice que, con la finalidad de acabar con los problemas, se propone aplicar un sistema de

mantenimiento predictivo (PdM), para ello, se utilizaran tecnologías encriptadas con redes
[5]
“Long Short-Term Memory (LSTM)” . Además, proponen usar varias redes en paralelo,

con la finalidad de verificar el estado de las maquinarias operativas, asimismo monitorear el

tiempo de vida útil de cada componente. Del mismo modo, los registros de los equipos

estarán asignado por un código. Así mismo, cada pieza contara con información recopilado y

grabados. Por otro lado, los componentes de la industria brindaran información y el área

especializada reunirá una gran cantidad de datos de los controladores que por medio de los

sensores digitalizará los acontecimientos físicos de los actuadores. Finalmente, este método
[2], [5]–[8]
nos informara sobre el tiempo de vida útil de los componentes y las maquinarias.

La información de los costos de mantenimientos puede incrementarse hasta un 60%. Mas

aun, afectan de forma contundente a la economía de una industria. Además, la

implementación de una estrategia mal planificado genera que los mantenimientos sean
[1], [9]
efectuados de forma ineficiente y con un costo alto.

En la actualidad la creación de nuevos controladores como algoritmos, los cuales representan

una ventaja para el manejo de la línea de producción. Ya que esta aplicación tiene como

respaldo a las bases de datos de todas las operaciones de una línea de producción. además,

incrementan la eficiencia de las decisiones, los cuales representan un buen porcentaje de la

7
organización. Así mismo la importancia de la tecnología nos ayuda mucho en esta

implementación ya que se realizó un estudio profundo donde se aplica estos sistemas.

[10], [11]

Se investigará sobre una forma de aplicar el mantenimiento predictivo en todos los procesos

de producción para ello es preciso decir que el modelo debería ser multifuncional y

compatible con los que ya existen. además, los factores determinantes son los indicadores y el

proceso de operación. Del mismo modo, proponen la implementación de un método reciente

y que cumplen con la norma. Por otro lado, los métodos recientes carecen de un método que
[12]–[14]
sea compatible con todos los procesos e industrias.

Este proyecto se está llevando a un nivel alto. por ello se requiere aplicar mucho la tecnología

el cual hará que nuestra investigación no solamente sea algo corriente, sino que estará siendo

guiado por expertos que ya aplicaron la tecnología en el campo del mantenimiento y que

están dando buenos resultados como es el caso de estos autores que nos indica como se puede
[15], [16]
lograr estos objetivos aplicando la tecnología.

Se realizará una investigación sobre las formas correctas de utilizar los métodos, para ello, se
[17]
evaluará con el objetivo de trabajar en “combinación de tecnologías blockchain y DT” .

además, se implementarán métodos para aplicar correctamente los gemelos digitales (DT), ya

que la finalidad del presente artículo es lograr un alto nivel de resultados con el objetivo de
[17], [18]
reducir las fallas y costos de mantenimiento.

Se propone realizar un nuevo modelo de metodología general alternativo con “perfiles de

[6]
degradación” para desarrollar matemáticamente y obtener resultados en base al

8
funcionamiento de las maquinarias. Tener en cuenta los estándares esperados por la nueva
[6]
implementación en los procesos específicos.

Actualmente en algunas empresas no consideran lo que es un mantenimiento predictivo, a

pesar que ya se ve que cuando se aplica estos dan un cambio rotundo generando buenos

resultados. Por otro lado, se entiende que la mejora en un mantenimiento ha venido

evolucionando con el tiempo ya que cada año se espera tener un mejor control. En efecto se

podría decir que las empresas están optando por aplicar el mantenimiento predictivo y no

solamente trabajar con el mantenimiento correctivo y preventivo ya que esto en un

[3], [19]
determinado tiempo solo genera paradas.

Se concluye que se realizará una investigación de la implementación de un mantenimiento

predictivo, los diferentes artículos presentan soluciones específicas y compactas. Sin

embargo, aún existen vacíos en los diferentes tipos de procesos. Entre los artículos se

manejan las siguientes soluciones: implementar una gran base de datos que recopile toda la

información de los acontecimientos en los dispositivos, luego crear algoritmos para brindar

soluciones en base a los datos registrados, lo otro es implementar la codificación de todos los

equipos y componentes para identificar de manera más precisa y rápida, además, implementar

una gran cantidad de sensores que brinden información en tiempo real y se almacenen en la

base de datos, por otro lado está la combinación de técnicas que básicamente ayudan a
[1], [2], [5], [6], [10], [12], [15], [17], [19], [20]
mejorar la eficiencia de cada una de ellas.
[3], [14], [16]

9
5 MARCO TEÓRICO

PERSPECTIVA TEÓRICA

El mantenimiento predictivo se basa en llevar acabo un seguimiento del estado de los

equipos, mediante monitorizaciones que permiten realizar sustituciones y reparaciones

cuando estos no se encuentren en buen estado. Además, podemos minimizar los problemas

imprevistos por medio de un programa de detección de anomalías.

Hoy en día en las pequeñas y grandes empresas mayormente se aplica el

mantenimiento preventivo en los diferentes procesos, esto se basa por un tema de ahorro de

costos según mi punto de vista ya que para evitar comprar un repuesto se opta por solo hacer

un mantenimiento preventivo con el fin de alargar la vida útil de un repuesto ya sea Mecánico

o eléctrico. Así mismo las grandes empresas hoy en la actualidad carecen un poco por aplicar

el mantenimiento predictivo de una máquina. Se propone realizar un nuevo modelo de

[6]
metodología general alternativo con “perfiles de degradación”

Las características y funciones del mantenimiento predictivo se enfocan en analizar y

rescatar toda información con respecto a los comportamientos actuales de las máquinas y

determinar cuándo es más probable que fallen. De esta manera, se logra sacar provecho de

todos los componentes antes de reemplazarlos.

La implementación de un sistema de mantenimiento predictivo consiste en llevar al

máximo la capacidad de un proceso que se maneja en las empresas. por ello, se requiere

aplicar este mantenimiento en toda la planta de la empresa. Por otro lado, esta

implementación funcionara de una manera óptima y generara mayor confianza en los estados

10
de cada equipo y se reflejara un mejor control para que, de esta manera se minimice los

problemas en la mayor cantidad posible.

Así mismo debemos considerar que la importancia de la tecnología nos ayuda mucho
en esta implementación ya que se realizó un estudio profundo donde se aplica estos sistemas.
[10]

Se desarrollo las definiciones básicas en base a la importancia de aplicar un

mantenimiento predictivo en la industria hace que estimemos un tiempo de vida de cada pieza
de una máquina y prolongar su tiempo de vida útil. Asimismo, se podrían reducir los costos
de mantenimiento como también aumentar la disponibilidad de los activos. Por otro lado, se
reducirían los problemas y la perdida de producción, ya que al tener una maquina en óptimas
condiciones da confiabilidad a todo el proceso. El mantenimiento predictivo nos permite
identificar el estado de las instalaciones que conforman un proceso. Esta técnica permite
asegurar la operatividad de los equipos que a simple vista no se podría ver las posibles fallas.

6 HIPÓTESIS

La implementación del mantenimiento predictivo va a permitir migrar del

mantenimiento Correctivo y preventivo actual a un eficiente mantenimiento predictivo. Con

esta nueva estrategia el lugar o área de trabajo donde se llevará a cabo esta implementación

tendrá mayor rendimiento y su producción será eficiente para desarrollar una producción

optima y alcanzando los objetivos que requiere la empresa.

Por otro lado, se estaría poniendo a nivel de comparación con otras empresas de alta

categoría que cumplen con todas las expectativas para llegar al éxito.

11
6.1 HIPÓTESIS GENERAL

La deficiencia del mantenimiento predictivo corta la vida útil de los equipos que funcionan en

la planta de producción, el cual limita muchos procesos y perjudica la utilidad anual.

6.2 HIPÓTESIS ESPECIFICO

La falta de mantenimientos adecuados según las características del fabricante ocasiona que el

equipo no trabaje al 100% de su capacidad.

Las máquinas que no tienen los componentes originales ocasionan fallas en las partes y

piezas de los equipos.

7 DISEÑO DE METODOLÓGICO

Se desarrollo el enfoque en base a un diseño metodológico, que define la investigación, para

los cuales se abordan la investigación de forma cuantitativo, ya que, los datos obtenidos son

producto de mediciones y análisis estadísticos de los factores de una reducción de la

producción.

Se presentan los siguientes alcances según los objetivos planteados para el trabajo de

investigación, se consideró el alcance descriptivo. Además, se consideró pertinente basar el

estudio en el tipo de diseño metodológico no experimental transeccional o transversal, ya que

la base de la información será recopilada de las operaciones de la línea de producción de la

fábrica de vidrios. La investigación está basada en factores que influye en la perdida de

productividad, por ello, se pretende especificar la realidad de manera precisa de la

organización.

12
Se determino que los más conveniente para la recopilación de los datos, es usar la técnica de

aprendizaje automático y la big data en la industria, ya que la concentración de toda la

información en una base datos permite analizar todos los mantenimiento y fallas de las
[3]
operaciones.

Se empleará un instrumento de predicción de fallas de los equipos de la línea de producción.

Para ello, los datos serán analizados por un algoritmo de aprendizaje automático.

Principalmente se encargará de procesar toda la información proporcionada por la

[3]
recopilación de los datos relacionados con interrupciones de la producción.

Se considero como población a todos repuestos cambiados en los años 2021 y 2022,

para ello se revisaron y se cuantifico todos los registros de mantenimientos preventivos que

involucre el cambio de componentes mecánicos y eléctricos, además se consideró a los

correctivos, ya que, es una de las mas frecuentes en las instalaciones. Se evidencio que la

media por cada equipo fue 3, en otros términos, se cambiaron 3 componentes por cada

maquina en el periodo mencionado anteriormente.

8 CRONOGRAMA DE TRABAJO

Se realizo el cronograma de actividades usando una hoja de cálculos, pero basado en

el diagrama de Ganntt. Principalmente las actividades están separadas por semana, siendo

ello nuestro agente determinante para establecer fechas de inicios y términos de las

secuencias de los trabajos de investigación. Cabe mencionar que se realizó en base a los

objetivos propuestos.

13
 Tabla 1

Cronograma de trabajo

Nota: Elaboración propia

9 PRESUPUESTO

Los presupuestos forman parte de la elaboración del informe, ya que es fundamental

destinar dinero para desarrollar la investigación. Se elaboro un cuadro detallado de las

diferentes actividades que demandaron tiempo y esfuerzo.

Tabla 2

Presupuesto de la investigación

TIPO CATEGORIA RECURSO DESCRIPCION ESTADO MONTO

Recursos equipos Dispositivo Laptop Alquiler 80

disponibles Dispositivo celular Alquiler 20

Recursos Red Internet Wifi - datos Servicio 60

necesarios Actividades en Impresión 15 impresiones Servicio 15

campo de hojas

transporte pasaje servicio 80

Total 255

Nota: Elaboración propia

14
 Se desarrollo el cuadro de las actividades con sus respectivos costos detallados. Los

recursos como la laptop nos sirven para redactar y analizar las diferentes fuentes

seleccionadas en scopus y otras fuentes confiables, además como soporte de ello también se

usaron los celulares para coordinar con los demás integrantes, y todo ello es posible por la

conectividad de la internet, por otro lado, los trabajos de campo demandaron imprimir las

hojas más importantes del artículo. La inversión monetaria en esta parte de la investigación es

fundamental para encaminar un análisis detallado y confiable, ya que se dispone de un tiempo

prudente para desarrollar las bases para el trabajo.

10 BIBLIOGRAFÍA

[1] S. Cavalieri and M. G. Salafia, “A model for predictive maintenance based on asset

administration shell,” Sensors (Switzerland), vol. 20, no. 21, pp. 1–20, Nov. 2020, doi:

10.3390/S20216028.

[2] Z. M. Çinar, A. A. Nuhu, Q. Zeeshan, O. Korhan, M. Asmael, and B. Safaei, “Machine

learning in predictive maintenance towards sustainable smart manufacturing in industry 4.0,”

Sustainability (Switzerland), vol. 12, no. 19, Oct. 2020, doi: 10.3390/SU12198211.

[3] R. Sahal, J. G. Breslin, and M. I. Ali, “Big data and stream processing platforms for Industry

4.0 requirements mapping for a predictive maintenance use case,” J Manuf Syst, vol. 54, pp.

138–151, Jan. 2020, doi: 10.1016/J.JMSY.2019.11.004.

[4] W. Zhang, D. Yang, and H. Wang, “Data-Driven Methods for Predictive Maintenance of

Industrial Equipment: A Survey,” IEEE Syst J, vol. 13, no. 3, pp. 2213–2227, Sep. 2019, doi:

10.1109/JSYST.2019.2905565.

15
[5] X. Bampoula, G. Siaterlis, N. Nikolakis, and K. Alexopoulos, “A deep learning model for

predictive maintenance in cyber-physical production systems using LSTM autoencoders,”

Sensors (Switzerland), vol. 21, no. 3, pp. 1–14, Feb. 2021, doi: 10.3390/S21030972.

[6] P. Aivaliotis, Z. Arkouli, K. Georgoulias, and S. Makris, “Degradation curves integration in

physics-based models: Towards the predictive maintenance of industrial robots,” Robot

Comput Integr Manuf, vol. 71, Oct. 2021, doi: 10.1016/J.RCIM.2021.102177.

[7] K. T. Huynh, A. Grall, and C. Bérenguer, “A parametric predictive maintenance decision-

making framework considering improved system health prognosis precision,” IEEE Trans

Reliab, vol. 68, no. 1, pp. 375–396, Mar. 2019, doi: 10.1109/TR.2018.2829771.

[8] J. Y. Wu, M. Wu, Z. Chen, X. L. Li, and R. Yan, “Degradation-Aware Remaining Useful

Life Prediction with LSTM Autoencoder,” IEEE Trans Instrum Meas, vol. 70, 2021, doi:

10.1109/TIM.2021.3055788.

[9] X. Han, Z. Wang, M. Xie, Y. He, Y. Li, and W. Wang, “Remaining useful life prediction and

predictive maintenance strategies for multi-state manufacturing systems considering

functional dependence,” Reliab Eng Syst Saf, vol. 210, no. July 2020, p. 107560, 2021, doi:

10.1016/j.ress.2021.107560.

[10] A. Bousdekis, K. Lepenioti, D. Apostolou, and G. Mentzas, “A review of data-driven

decision-making methods for industry 4.0 maintenance applications,” Electronics

(Switzerland), vol. 10, no. 7, Apr. 2021, doi: 10.3390/ELECTRONICS10070828.

16
[11] X. Liu, D. He, G. Lodewijks, Y. Pang, and J. Mei, “Integrated decision making for predictive

maintenance of belt conveyor systems,” Reliab Eng Syst Saf, vol. 188, pp. 347–351, 2019,

doi: 10.1016/j.ress.2019.03.047.

[12] C. Liu, D. Tang, H. Zhu, and Q. Nie, “A novel predictive maintenance method based on deep

adversarial learning in the intelligent manufacturing system,” IEEE Access, vol. 9, pp.

49557–49575, 2021, doi: 10.1109/ACCESS.2021.3069256.

[13] J. R. Ruiz-Sarmiento, J. Monroy, F. A. Moreno, C. Galindo, J. M. Bonelo, and J. Gonzalez-

Jimenez, “A predictive model for the maintenance of industrial machinery in the context of

industry 4.0,” Eng Appl Artif Intell, vol. 87, no. January 2019, p. 103289, 2020, doi:

10.1016/j.engappai.2019.103289.

[14] S. Ayvaz and K. Alpay, “Predictive maintenance system for production lines in

manufacturing: A machine learning approach using IoT data in real-time,” Expert Syst Appl,

vol. 173, Jul. 2021, doi: 10.1016/J.ESWA.2021.114598.

[15] C. Coupry, S. Noblecourt, P. Richard, D. Baudry, and D. Bigaud, “BIM-Based digital twin

and XR devices to improve maintenance procedures in smart buildings: A literature review,”

Applied Sciences (Switzerland), vol. 11, no. 15, Aug. 2021, doi: 10.3390/APP11156810.

[16] M. Cakir, M. A. Guvenc, and S. Mistikoglu, “The experimental application of popular

machine learning algorithms on predictive maintenance and the design of IIoT based

condition monitoring system,” Comput Ind Eng, vol. 151, p. 106948, 2021, doi:

10.1016/j.cie.2020.106948.

17
[17] R. Sahal, S. H. Alsamhi, K. N. Brown, D. O’shea, C. McCarthy, and M. Guizani,

“Blockchain-empowered digital twins collaboration: Smart transportation use case,”

Machines, vol. 9, no. 9, Sep. 2021, doi: 10.3390/MACHINES9090193.

[18] K. S. Kiangala and Z. Wang, “An Effective Predictive Maintenance Framework for Conveyor

Motors Using Dual Time-Series Imaging and Convolutional Neural Network in an Industry

4.0 Environment,” IEEE Access, vol. 8, pp. 121033–121049, 2020, doi:

10.1109/ACCESS.2020.3006788.

[19] A. Angelopoulos et al., “Tackling faults in the industry 4.0 era—a survey of machine-

learning solutions and key aspects,” Sensors (Switzerland), vol. 20, no. 1, Jan. 2020, doi:

10.3390/S20010109.

[20] P. Moens et al., “Scalable fleet monitoring and visualization for smart machine maintenance

and industrial iot applications,” Sensors (Switzerland), vol. 20, no. 15, pp. 1–15, Aug. 2020,

doi: 10.3390/S20154308.

11 ANEXO

Imagen 1

18
Imagen 2

Diagrama de procesos

19
20