Objetivos Específicos:

• Realizar un análisis descriptivo y de limpieza para la preparación de los datos históricos de mantenimiento.

• Utilizar técnicas de estadística multivariante como modelos de regresión lineal múltiple y modelos lineales generalizados para la predicción de tiempos de Mantenimiento correctivo.

• Utilizar técnicas de Maching Learning en especial los algoritmos de Arboles de decisión, Random Forest y SVM, para la predicción de tiempos de mantenimiento correctivo.

• Evaluar y comparar los diversos modelos de regresión para predecir tiempos de mantenimiento correctivo, en márgenes de tiempo definidos (Diario, semanal y mensual).

• Proponer estrategias y recomendaciones específicas basadas en los resultados del análisis predictivo para optimizar los procesos de reparación y minimizar los tiempos de inactividad.

Variables de tipo cuantitativo

Al proceder con un análisis descriptivo detallado de los datos relacionados con las actividades de mantenimiento, se establece una base sólida para la construcción y formulación de modelos estadísticos avanzados. Las estadísticas descriptivas revelan diferencias sustanciales en las escalas de medición entre las distintas variables, lo que puede conllevar a desafíos en términos de interpretación y significancia en relación con la variable objetivo.

Un aspecto notable es la variabilidad manifiesta en ciertas variables, como “Programa Mtto” y “Ready back log”, donde se evidencia una dispersión considerable alrededor de la media, tal y como lo indica la magnitud de la varianza. De igual importancia es el reconocimiento de coeficientes de variación prominentes en las variables “HH Actv Generales”, “HH En la Maquina” y “Otras HH”. La alta variación relativa reflejada por estos coeficientes sugiere que la media no representa adecuadamente la distribución de los datos, lo cual cuestiona su utilidad como medida central para estas variables.

Estas características de los datos, como las diferencias de escala y la elevada variabilidad, podrían tener implicaciones significativas en la aplicación de modelos lineales. En particular, los modelos que presuponen homocedasticidad y linealidad en la relación entre predictores y la variable dependiente pueden resultar inadecuados. Por ejemplo, la influencia desmedida de variables con mayor escala puede sesgar los coeficientes estimados, llevando a interpretaciones erróneas de su relevancia en el modelo.

La precisión de las estimaciones de los coeficientes y la fiabilidad de las pruebas estadísticas subsecuentes también pueden verse afectadas por la alta variabilidad relativa. Los modelos lineales, que son susceptibles a la influencia de valores atípicos y a una distribución anormal de los residuos, podrían no proporcionar inferencias estadísticas confiables bajo estas condiciones.

Estos problemas puede deberse a las técnicas de recolección utilizadas para recolectar los datos, según @gujarati2009basic a medida que mejoren dichas técnicas la presencia de valores atípicos y alta varianza tenderá a disminuirse.

Variables de tipo cualitativo

Época del año

Distribución de reparaciones en las épocas del año

Se nota que la mayoría de las reparaciones se llevaron a cabo durante el verano, representando un 59% del total. Se sugiere que el invierno podría influir en el número de horas necesarias para completar las reparaciones, lo que potencialmente aumentaría los costos y la complejidad del proceso. De ser así esta variable se destacaría como significativa en nuestra base de datos.

Tipo de mantenimiento

Distribución de reparación según el tipo de mantenimiento

El gráfico de barras ilustra una comparativa entre las actividades de mantenimiento correctivo y preventivo. Los modelos predictivos se centrarán en el mantenimiento correctivo, que representa el 37% del total de las actividades, con 13,629 eventos registrados. Este enfoque permite especializarse en anticipar las necesidades de mantenimiento correctivo, crucial para mitigar tiempos de inactividad y optimizar recursos, a pesar de ser menos frecuente que el mantenimiento preventivo. Estos modelos tendrán un papel significativo en la mejora de la respuesta a fallos y en la eficiencia operativa general.

Disciplina

Distribución de reparaciones según disciplina

Instrumentos es la disciplina con el mayor número de reparaciones, con un total de 9,668, lo que representa el 26% de las reparaciones en todas las disciplinas. Esto indica que es un área significativa de enfoque para el mantenimiento.

Electricidad también muestra una cantidad considerable de reparaciones, 5,664 en total, constituyendo el 15% del total. Aunque menor que Instrumentos, sigue siendo una parte importante de las actividades de mantenimiento.

Línea de Mtto (Mantenimiento) tiene 3,190 reparaciones, que es el 9% del total, mostrando que tiene menos reparaciones en comparación con Electricidad e Instrumentos.

Mecánica tiene 6,910 reparaciones, un 19% del total, lo que la coloca como una disciplina significativa pero con menos incidencias que Instrumentos.

Mecánica CBM (Condition Based Maintenance) cuenta con 4,303 reparaciones, representando el 12%, sugiriendo que esta práctica proactiva de mantenimiento está razonablemente establecida.

Mecánica VAL (Valor Agregado de Lubricación) tiene 2,887 reparaciones, que es el 8% del total, lo cual podría indicar que es una disciplina especializada con menos frecuencia de reparaciones.

Pozos, por último, muestra 4,164 reparaciones, equivalentes al 11% del total, situándose en un punto intermedio en términos de volumen de reparaciones.

Numero de horas en la maquina y su relación con otras variables

Análisis de correlación

Cada valor en la matriz representa el coeficiente de correlación entre dos variables específicas. La correlación puede variar en un rango de -1 a 1:

• Un valor de 1 indica una correlación positiva perfecta, lo que significa que las dos variables están perfectamente relacionadas de manera positiva (cuando una aumenta, la otra también aumenta en proporción constante).

• Un valor de -1 indica una correlación negativa perfecta, lo que significa que las dos variables están perfectamente relacionadas de manera negativa (cuando una aumenta, la otra disminuye en proporción constante).

• Un valor de 0 indica que no hay correlación lineal entre las dos variables.

Para la variable dependiente (HH en la maquina) ninguna de las correlaciones con otras variables es significativa en términos de magnitud (cercana a 1 o -1). Esto sugiere que “HH En la Maquina” no está fuertemente correlacionada con ninguna de las otras variables incluidas en la matriz de correlación. Sin embargo, es importante considerar que la ausencia de correlaciones significativas no necesariamente implica una falta de relación entre las variables; podría haber otras formas de relación que no están capturadas por la correlación lineal.

Análisis de densidad por época del año

Densidad de horas en la maquina por época del año

No se detectan diferencias significativas al comparar el número de horas requeridas para la reparación de la máquina durante el verano y el invierno. Los datos revelan una variación mínima, indicando una consistencia en el tiempo de reparación independientemente de la estación. Este patrón se mantiene constante incluso cuando el número de horas de reparación es extremadamente alto o bajo. Estos resultados sugieren que las condiciones estacionales no ejercen un impacto significativo en el tiempo necesario para la reparación de la máquina, una conclusión que podría ser confirmada si la variable no resulta significativa en nuestros modelos.

Análisis de densidad por tipo de mantenimiento

Densidad de horas en la maquina por tipo de mantenimiento

Se evidencia que conforme aumenta el número de horas necesarias para la reparación de la máquina, se observa una clara tendencia en la naturaleza del mantenimiento requerido. Los datos revelan que los mantenimientos correctivos son más frecuentes cuando se necesitan entre 5 y 10 horas para la reparación. Este tipo de mantenimiento reactivo suele ser necesario cuando se detectan problemas más significativos que requieren una intervención inmediata para restaurar el funcionamiento adecuado de la máquina.

Por otro lado, se observa que los mantenimientos preventivos son más comunes cuando las reparaciones duran entre 0 y 5 horas. Estos mantenimientos planificados se realizan de manera regular y sistemática para evitar la aparición de problemas mayores y mantener el equipo en óptimas condiciones de funcionamiento. Su implementación oportuna puede reducir la necesidad de intervenciones correctivas costosas y prolongadas en el futuro.

Estos hallazgos subrayan la importancia de una gestión efectiva del mantenimiento, donde la combinación adecuada de mantenimiento preventivo y correctivo puede maximizar la disponibilidad y confiabilidad de la maquinaria, al tiempo que se minimizan los costos operativos y de reparación.

Análisis de densidad por disciplina

Densidad de horas en la maquina por disciplina

Se pueden observar distintas densidades según el tipo de disciplina, y es evidente que en la mayoría de los casos las horas de reparación son menores a 10 horas. Sin embargo, se destaca la disciplina VAL, donde los tiempos de reparación son significativamente mayores y se concentran en el rango de 5 a 15 horas. Esto sugiere que esta disciplina tiende a requerir un mayor número de horas para completar las reparaciones en comparación con otras disciplinas.

Modelo de regresión múltiple

Modelos Lineales Generalizados (GLM)

Modelo de regresión svr (Support Vector Regression, SVR)

Sujeto a las restricciones:

\[ \begin{aligned} y_i - \langle w, x_i \rangle - b &\leq \epsilon + \xi_i, \\ \langle w, x_i \rangle + b - y_i &\leq \epsilon + \xi_i^*, \\ \xi_i, \xi_i^* &\geq 0, &\text{ para todo } i = 1, \ldots, n. \end{aligned} \]

Modelo de Regresión con Árboles de Decisión

Modelo de Regresión con Random Forest

Predicción de manera diaria

diario <- read.csv("../Scripts/datos/diario.csv")

## redondear datos

diario <- diario[, -c(1:3)]

set.seed(123) # Fijar una semilla para reproducibilidad

indices <- sample(seq_len(nrow(diario)),
                  size = floor(0.9 * nrow(diario)))

# Crear los subconjuntos de datos
traindiario <- diario[indices, ]
testdiario <- diario[-indices, ]


## datos de prueba
datatable(traindiario)

datatable(testdiario)

## modelos lineales
modelo_lineal <- lm(`HH_En_la_Maquina` ~ .,
   data = traindiario)

modelo_glm <- glm(`HH_En_la_Maquina` ~ .,
                  data = traindiario)

modelo_svr <- svm(`HH_En_la_Maquina` ~ .,
                  data = traindiario,
    type = "eps-regression",
    kernel = "linear",
    cost = 0.1,
    epsilon = 0.1)

modelo_arbol <- rpart(`HH_En_la_Maquina` ~ ., data = traindiario, 
                      method = "anova",
      control = rpart.control(minsplit = 10, cp = 0.001, maxdepth = 5))

## modelo de random forest
modelo_rf <- randomForest(`HH_En_la_Maquina` ~ ., data = traindiario,
                             ntree = 500, mtry = sqrt(ncol(traindiario)))

## modelos 


## modelos 

modelos <- list(modelo_lineal, modelo_glm, modelo_svr, 
                modelo_arbol, modelo_rf)



resultados <- lapply(modelos, function(modelo) {
  predicciones <- predict(modelo, newdata = testdiario)
  real <- testdiario$HH_En_la_Maquina  # Asegúrate de reemplazar 'respuesta_real' con el nombre real de tu columna
  
  rmse <- rmse(predicciones, real)
  mse <- mean((predicciones - real)^2)
  mae <- mae(predicciones, real)
  
  return(list(RMSE = rmse, MSE = mse, MAE = mae))
})


# Convertir la lista en un data frame
df <- do.call(rbind, lapply(resultados, function(x) unlist(x))) |> as.data.frame()

# Agregar nombres a las filas y columnas
rownames(df) <- NULL
colnames(df) <- c("RMSE", "MSE", "MAE")

## modelo 

df <- round(df, 2)

df$MODELO <- c("lineal", "glm", "svr", "arbol", "rf")


datatable(df)

predichos <- predict(modelo_rf, testdiario) |> round(2)

data.frame(predichos = predichos,
           reales = testdiario$HH_En_la_Maquina) |> head()

   predichos reales
3       7.87   6.73
15      6.14   2.80
22     12.00   9.00
27      8.38   9.00
50     11.89  16.00
57     11.12   7.00

Predicción de manera semanal

semana <- read.csv("../Scripts/datos/semana.csv")

## redondear datos

semana <- semana[, -c(1:3)]

set.seed(123) # Fijar una semilla para reproducibilidad

indices <- sample(seq_len(nrow(semana)),
                  size = floor(0.9 * nrow(semana)))

# Crear los subconjuntos de datos
trainsemana <- semana[indices, ]
testsemana <- semana[-indices, ]


## datos de prueba
datatable(trainsemana)

datatable(testsemana)

## modelos lineales
modelo_lineal <- lm(`HH_En_la_Maquina` ~ .,
   data = trainsemana)

modelo_glm <- glm(`HH_En_la_Maquina` ~ .,
                  data = trainsemana)

modelo_svr <- svm(`HH_En_la_Maquina` ~ .,
                  data = trainsemana,
    type = "eps-regression",
    kernel = "linear",
    cost = 0.1,
    epsilon = 0.1)

modelo_arbol <- rpart(`HH_En_la_Maquina` ~ ., data = traindiario, 
                      method = "anova",
      control = rpart.control(minsplit = 10, cp = 0.001, maxdepth = 5))

## modelo de random forest
modelo_rf <- randomForest(`HH_En_la_Maquina` ~ ., data = trainsemana,
                             ntree = 500, mtry = sqrt(ncol(trainsemana)))

## modelos 


## modelos 

modelos <- list(modelo_lineal, modelo_glm, modelo_svr, 
                modelo_arbol, modelo_rf)



resultados <- lapply(modelos, function(modelo) {
  predicciones <- predict(modelo, newdata = testsemana)
  real <- testdiario$HH_En_la_Maquina  # Asegúrate de reemplazar 'respuesta_real' con el nombre real de tu columna
  
  rmse <- rmse(predicciones, real)
  mse <- mean((predicciones - real)^2)
  mae <- mae(predicciones, real)
  
  return(list(RMSE = rmse, MSE = mse, MAE = mae))
})


# Convertir la lista en un data frame
df <- do.call(rbind, lapply(resultados, function(x) unlist(x))) |> as.data.frame()

# Agregar nombres a las filas y columnas
rownames(df) <- NULL
colnames(df) <- c("RMSE", "MSE", "MAE")

## modelo 

df <- round(df, 2)

df$MODELO <- c("lineal", "glm", "svr", "arbol", "rf")


datatable(df)

predichos <- predict(modelo_rf, testsemana) |> round(2)

data.frame(predichos = predichos,
           reales = testsemana$HH_En_la_Maquina) |> head()

   predichos reales
1       4.98   3.27
3       5.04   0.50
7       4.08   6.10
12     12.23  14.00
27      7.01   6.41
32      9.03   6.00

Predicción de manera mensual

mes <- read.csv("../Scripts/datos/mes.csv")

## redondear datos

mes <- mes[, -c(1:3)]

set.seed(123) # Fijar una semilla para reproducibilidad

indices <- sample(seq_len(nrow(mes)),
                  size = floor(0.9 * nrow(mes)))

# Crear los subconjuntos de datos
trainmes <- mes[indices, ]
testmes <- mes[-indices, ]


## datos de prueba
datatable(trainmes)

datatable(testmes)

## modelos lineales
modelo_lineal <- lm(`HH_En_la_Maquina` ~ .,
   data = trainmes)

modelo_glm <- glm(`HH_En_la_Maquina` ~ .,
                  data = trainmes)

modelo_svr <- svm(`HH_En_la_Maquina` ~ .,
                  data = trainmes,
    type = "eps-regression",
    kernel = "linear",
    cost = 0.1,
    epsilon = 0.1)

modelo_arbol <- rpart(`HH_En_la_Maquina` ~ ., data = trainmes, 
                      method = "anova",
      control = rpart.control(minsplit = 10, cp = 0.001, maxdepth = 5))

## modelo de random forest
modelo_rf <- randomForest(`HH_En_la_Maquina` ~ ., 
                          data = trainmes,
                             ntree = 500, mtry = sqrt(ncol(trainsemana)))

## modelos 


## modelos 

modelos <- list(modelo_lineal, modelo_glm, modelo_svr, 
                modelo_arbol, modelo_rf)



resultados <- lapply(modelos, function(modelo) {
  predicciones <- predict(modelo, newdata = testmes)
  real <- testdiario$HH_En_la_Maquina  # Asegúrate de reemplazar 'respuesta_real' con el nombre real de tu columna
  
  rmse <- rmse(predicciones, real)
  mse <- mean((predicciones - real)^2)
  mae <- mae(predicciones, real)
  
  return(list(RMSE = rmse, MSE = mse, MAE = mae))
})


# Convertir la lista en un data frame
df <- do.call(rbind, lapply(resultados, function(x) unlist(x))) |> as.data.frame()

# Agregar nombres a las filas y columnas
rownames(df) <- NULL
colnames(df) <- c("RMSE", "MSE", "MAE")

## modelo 

df <- round(df, 2)

df$MODELO <- c("lineal", "glm", "svr", "arbol", "rf")


datatable(df)

predichos <- predict(modelo_rf, testmes) |> round(2)

data.frame(predichos = predichos,
           reales = testmes$HH_En_la_Maquina) |> head()

   predichos reales
15      6.20  11.29
18      6.07   5.17
45      9.44  10.77
47      6.63   5.64
58      9.41   4.46
59      9.12   8.11