Universidad Católica de Cuenca, Posgrado MBA

Volumen 1, número 1, páginas 1-7

APLICACIÓN DE LA LOGICA DIFUSA A LA

GESTION DEL MANTENIMIENTO DE UNA
CENTRAL HIDROELECTRICA PARA OPTIMIZAR
LAS ORDENES DE TRABAJO
Juan Espinoza González1
Recepción: 22 de abril de 2018 — Aceptación: Ninguna

Resumen
En este documento se iniciará con una breve descripción de lógica
difusa, algunas aplicaciones a la gestión empresarias, industrial y
gestión del mantenimiento en el ámbito energético. Además, se aplicará
la lógica multivalentes al índice de órdenes de trabajo para la toma de
decisiones. Se aplicará un breve ejemplo para la toma de decisiones con
dos alternativas de gestión de mantenimiento 1) el tradicional (Excel)
y 2) APIPRO (Software), y finalmente se presentarán los resultados.

Palabras claves: Lógica Difusa, Gestión del mantenimiento, lógica

Multivalentes, Apipro, índice de órdenes de trabajo, algunas
aplicaciones de lógica difusa

Abstract
This document will begin with a brief description of fuzzy logic, some
applications to business management, industrial and maintenance
management in the energy field. In addition, multivalent logic will be
applied to the index of work orders for decision-making. A brief
example for decision-making will be applied with two alternatives of
maintenance management 1) the traditional one (Excel) and 2) APIPRO
(Software), and finally the results will be presented.

Keywords: Fuzzy Logic, Maintenance Management, Multivalent

Logic, Apipro, Work Order Index, Some Fuzzy Logic Applications

1
Docente de la UEFI (Unidad Educativa Fiscomisional Italia) Méndez, Ingeniero Eléctrico, Estudiante de
Posgrado UCACUE en Administración de Empresas.
1 Introducción
Actualmente la sociedad experimenta cambios muy bruscos, que exigen la
toma de decisiones más preciso y adecuado, pero a través de la historia se ha
utilizado instrumentos lineales como la estadística inferencia y la estadística
descriptiva, que sesgan los resultados, es decir producen resultados imprecisos
que no se aplican en todos los casos a la vida real, es decir los resultados son
inciertos en la realidad y es difícil implementarlos. Es por eso que con el
nacimiento de la matemática borrosa propuesta por (Zedeh, 1965), que fue un
ingeniero electrónico y matemático, que propuso la similitud de la borrosidad
de la vida real al campo matemático, considerando la incertidumbre e
imprecisión de los tratamientos ingenieriles, ejemplo es el control automático
moderno difuso, que tuvo nacimiento en la industria de Japón.

Además, con los trabajos de (Kufmann, 1971) y (Alula, 2005) teoría de

subconjuntos borrosos para el conocimiento y tratamiento de problemas
económicos y gestión de empresas, fueron los pioneros en aplicar la
matemática borrosa al ámbito de la empresarial y económico en donde se
cambió el rumbo a la investigación de las ciencias sociales, brindando
imprecisión aplicada a la vida real, pero con muy buena certeza de los
resultados comparada en la vida real.

La lógica difusa es muy útil a la hora de resolver problemas de la vida real, a

continuación, citamos algunas aplicaciones de la lógica borrosa: por ejemplo,
(Gil La Fuente, 2007) en su libro el boom de la gestión deportiva, desarrolla
de manera completa un tratamiento de los conjuntos borrosos aplicado a la
selección de personal deportivo. También existen una aplicación a la gestión
de materiales en industrias, a (Reig, 2002) que desarrollaron un modelo
borroso para la planificación y control táctico de materiales en el área de
aprovechamiento de empresas, estas y más aplicaciones de la lógica borrosa
se pueden encontrar en (F. & Arandes, 2009).

También en toda industria es necesario optimizar y adecuar su producción, es

por eso que también existe aplicaciones al ámbito industrial como: Rinks
(1981, 1982a y 1988b) en su artículo planificación de la producción agregado,
razonamiento agregado usando reglas lingüísticas, en donde se aplican dentro
de la investigación de operaciones la lógica difusa, otro autor es, Gen et al.
(1992) planificación de la producción agregada, creando un programa
matemático fuzzy multi-objetivo, que es un autor que dentro de la función
objetivo y restricciones de un problema de operación de una industria
implementa la matemática borrosa. También la lógica difusa es implementada
en la gestión del mantenimiento como en (Gento & Redondo, 2005)
evaluación del mantenimiento utilizando técnicas difusas, implementa la
lógica borrosa a índices de mantenimiento para auditar la gestión del
mantenimiento en una industria, finalmente algunas aplicaciones más dentro
de la industria y mantenimiento lo encontrara en (Mula, Poler, & García,
2004) y (Manuel, 2007) utilización de la lógica difusa en la gestión del
mantenimiento caso de estudio.

A continuación, en este documento explicara la metodología de lógicas

multivalentes proveniente de la matemática borrosa, para la aplicación al
índice de órdenes de trabajo, luego con esta metodología se compara dos casos
para la toma de decisiones.

2 Metodología del Estudio

Dentro de la metodología primero se explicará los indicadores de gestión de
mantenimiento, principalmente el índice de órdenes de trabajo debido a la
importancia de optimizar el mantenimiento en horas de una industria.
Posteriormente se explicará la metodología de lógicas multivalentes para
aplicarlo al índice de órdenes de trabajo.

La metodología aplicada es cuali-cuantitativa debido a que se utiliza índices

y la lógica multivalentes.

Indicadores de Mantenimiento
Los indicadores nos permiten valorar de manera cuantitativa y objetiva la
gestión de mantenimiento, es decir los indicadores son la principal
herramienta para comenzar un estudio científico, sin aquellos no podemos
relacionar ni medir hechos o acciones.
También es importante conocer los indicadores debido a que actualmente
usamos softwares con el objetivo de identificar qué tipo de software utilizar
de acuerdo al mantenimiento a realizar.
Existen 6 grandes categorías de indicadores de mantenimiento según
Renovetec (Formación Online):
 Índice de Disponibilidad
 Índice de Fiabilidad
  Índice de gestión de órdenes de trabajo
 Índice de constes
 Índice de seguridad y medio ambiente

Son los distintos índices que se pueden calcular para poder aplicar estadística
inferencia y tomar decisiones, esto de manera tradicional, lo que se pretende
en este artículo es, sustituir la aplicación de estadística inferencial (Anoova o
Chi-Cuadrado) por lógica difusa, concretamente lógicas multivalentes
utilizando índices de máximos y mínimos ponderados.

El indicador de gestión de órdenes de trabajo: es aquel indicador que recolecta

información de cómo brindar horas hombre o simplemente ordenes de trabajo
para una industria, dentro de este indicador se tiene características, cualidades
que desglosan este indicador que son:

 Ordenes de trabajo por especialidad

 Ordenes de trabajo por emergencia
 Ordenes de trabajo repetitivas
 Proporción de órdenes de trabajo preventivas vs correctivas
 Porcentaje (%) de cumplimiento de la planificación
 Tiempo medio de resolución o emisión de la orden de trabajo
 Numero de órdenes de trabajo pendientes
 Costo de órdenes de trabajo según método

En nuestro documento utilizaremos 5 características que son 1) % de

cumplimiento de la planificación 2) Ordenes de trabajo por emergencia 3)
tiempo de emisión de la orden de trabajo 4) ordenes de trabajo preventivas vs
correctivas y 5) Costos de órdenes de trabajo según método.

Lógica Multivalentes
Según (Gil La Fuente, 2007), la lógica multivalentes para la toma de
decisiones es fundamental porque corresponde a un intervalo de escala
endecadaria de [0; 1]. Es decir, en este documento no se trabajará con
información estadística debido a que valora opiniones, las entrevistas pocas
veces toma en cuenta el estado de ánimo de los entrevistados y debido a que
se trabaja extrapolando datos del pasado al presente. Entonces se trabajará con
información de opiniones subjetivas de expertos como, fabricantes de la
maquinaria, ingenieros de centrales hidroeléctricas y director de centrales
hidroeléctricas.

Para la construcción del índice de máximo y mínimo nivel ponderado primero,

calculamos los pesos de cada experto luego calculamos las ponderaciones
relativas a cada uno, y se obtiene así una perfil ideal para el mantenimiento de
gestión de órdenes de trabajo, posteriormente de acuerdo a los candidatos, en
nuestro caso: candidato tradicional (Excel) y candidato Apipro (software),
identificamos que característica es mala para establecer un límite de la misma
en donde aplicaremos |𝐼𝑛 − 𝐶𝑛 | en nuestra formula, excepto las características
buenas:
𝐵(0 ∨ 𝜇𝑖 𝐼 − 𝜇𝑖 𝐶𝑛 ) + 𝑀|𝐼𝑛 − 𝐶𝑛 |
𝜎(𝐼, 𝐶𝑛 ) =
𝑛

En donde:

𝜎: Índice de máximos y mínimos

B: Para características buenas que ayuden al vector ideal
M: Para características malas que no ayuden al vector ideal
n: número de características aplicadas

Para el cálculo del peso relativo se utiliza la siguiente ecuación:

𝑤𝑎
𝑝=
∑ 𝑊𝑛
En donde:

𝑝: Es el peso relativo brindada por los expertos.

𝑤𝑎 : es el valor de cada una de las características de escala endecadaria
∑ 𝑊𝑛 : Es la sumatoria de todas las características endecadarias.

Finalmente se multiplica el peso relativo con cada una de los índices máximos
y mínimos, obteniendo un intervalo o el índice máximos y mínimo nivel
ponderado.

Para aplicar intervalos en lógica multivalente consultar a Gil Lafuente y Tinto

(2007), en donde se explica de manera mas detenida.
3 Desarrollo y resultados
En nuestro desarrollo se utilizó una automatización en la herramienta de excel
en donde es una herramienta avanzada y abierta sin ningún costo.

Primero elegimos a los expertos de para nuestro análisis, estos son:

a. Recomendaciones de fabricantes de maquinaria

b. Ingenieros de centrales hidroeléctricas
c. Jefe de centrales hidroeléctricas.

Luego tabulamos en escala endecadaria nuestras informacion brindada por

expertos que se muestran a continuación:

Tabla 1: Intervalo de nivel de mantenimiento ideal y Candidatos

Caracteristicas
% Cumplimiento Plan. O.T de Emergencia Tiempo Emision de O.T. O.T. Preventivas-Correctivas Costo de O.T Costo Total
Perfil Ideal de Mante. 0,600 0,900 0,500 0,700 0,750 0,750 1,000 0,900 0,500 1,000

Tradicional 1 0,800 0,900 0,600 0,600 0,500 0,600 0,400 0,600 0,800 1,000 20,000
Apipro 2 0,900 1,000 0,700 0,700 0,900 1,000 0,800 0,900 0,500 7,000 40,000

A continuación, se muestra los pesos y la resolución mediante las respectivas

formulas:
Tabla 2: Pesos
Pesos Ideales Ponderacion
% 90 0,115
OT Emer 160 0,205
T. Emision 200 0,256
O.T. P-C 150 0,192
C. O.T 180 0,231
780

Tabla 3: Resolsion aplicando la formulación del documento

R1=Abs(1-E1)/0v(I-E1) 0,000 0,100 0,100 0,100 0,150 0,250 0,400 0,500 0,000 0,200
R1=Abs(1-E2)/0v(I-E2) 0,000 0,000 0,200 0,000 0,250 0,150 0,100 0,100 0,000 0,500

P*R1 0,000 0,012 0,021 0,021 0,038 0,064 0,077 0,096 0,000 0,046
P*R2 0,000 0,000 0,041 0,000 0,064 0,038 0,019 0,019 0,000 0,115

Finalmente, a continuación, presentamos los resultados siguientes:

 Tabla 4: Resultados del calculo
Intervalo
Minimo Maximo Incertidumbre Porcentajes Costo total Intervalo
D(I;E1) 0,0272 0,0397 0,013 3,35% 0,544 0,795
D(I;E2) 0,0249 0,0288 0,004 2,69% 0,995 1,154

Como se puede observar en la tabla anterior el menor intervalo de

incertidumbre, que se tiene es el candidato dos por utilizar el software Apipro,
pero se observa que existe un problema el costo del programa es demasiado
considerado respecto al candidato tradicional.

4 Conclusiones
En la elaboración de este documento se aplicó la lógica multivalentes al índice
de gestión de mantenimiento en el ámbito energético, obteniendo un intervalo
de perfil ideal tomando la información de expertos en el tema.
Además, se observó que el candidato que mejor cumple con la aplicación de
la gestión de órdenes de trabajo es el candidato 2 que el software Apipro
debido a que efectúa ordenes de trabajo de manera adecuada y ordenada, el
único inconveniente es que es extremadamente costoso, dependiera la empresa
energética la utilización de este en base a un análisis de costo beneficio.

Bibliografía
Alula, G. (2005). Logicas Multivalentes.
F., M. A. R., & Arandes, J. T. (2009). Matemática borrosa: algunas aplicaciones en las ciencias económicas,
administrativas y contables. Contaduría Universidad de Antioquia, 0(52), 199–214.
Gento, Á. M., & Redondo, A. (2005). FUZZYMANT : Evaluación del mantenimiento utilizando técnicas
difusas.
Gil La Fuente, T. (2007). El boom de la gestion deportiva.
Kufmann. (1971). Teoria de subconjuntos Borrosos.
Manuel, A. (2007). Utilización De La Lógica Difusa En La Gestión Del Mantenimiento :, (34), 25–30.
Mula, J., Poler, R., & García, P. (2004). Aplicaciones de la Teoría de los Conjuntos Difusos en la
Planificación de la Producción: Un Estudio de la Literatura. VIII Congreso de Ingeniería de
Organización, 101–110. Retrieved from
http://www.adingor.es/congresos/web/articulo/detalle/a/1203
Reig, G. (2002). Modelo Borroso para la planificacion y control tactico de materiales en el area
aprovechamiento de empresas.
Zedeh, L. (1965). Fuzzy Sets.